IBM抢占制造业20年明暗战术

谁也没想到，这个在德国提出的概念，三年后就进入中国，生根发芽，成为洪水猛兽。

对于素有世界工厂之称的中国来说，根据国家统计局2018年4月底发布的统计数据，全国工业行业规模以上企业数量超过37万家。即便如此，企业数量也比去年同期减少了6000家。多个地点。

与此同时，不少跨国企业也再次看到了中国工业市场的巨大空间和数字化转型的热情，纷纷盯上了中国市场的“肥肉”。

“未来三年的发展，将决定国家未来10年的竞争力。毫不夸张地说，将数据驱动的工业互联网视为未来的国家基础设施工程。” IBM大中华区董事长陈黎明曾对工业互联网的发展表示感叹。

显然，IBM作为当今时代技术输出型服务型企业的领先制造商，也意识到了工业互联网带来的机遇。

IBM 的工业互联网

2014年3月31日，美国通用电气（GE）“聚集”一批美国巨头，在当地成立工业互联网产业联盟（IIC）。该联盟最初的名单上只有五家公司，不包括通用电气本身。另外四家是：ATT、思科、IBM、英特尔。

其中，IBM作为与英特尔同等分量的互联网公司代表，也被列入了这份当时只有一张纸大小的名单。

在此之前，IBM的一项早期技术发明也为其在业界的立足奠定了基础。本发明就是当今业界应用最广泛的工业传输协议标准之一——MQTT。

1999年，IBM发明了MQTT。很多人可能不知道什么是“消息队列遥测传输”（MQTT的中文名），但是MQTT和OPC一样用途广泛。官方的具体定义是，

MQTT协议是一种即时通讯协议，设计用于与大量计算能力有限且工作在低带宽、不可靠网络下的远程传感器和控制设备进行通信。

随后，2013年，结构化信息标准推进组织OASIS成立了MQTT技术规范委员会； 2014年，MQTT正式成为OASIS推荐的物联网信息传输协议标准。

实际上是在两年后，IBM宣布将重点发力物联网和工业互联网。

2015年3月，IBM宣布成立物联网事业部（IBM Watson IoT）。这个时间点比Intel用物联网事业部取代嵌入式事业部的时间晚了两年，但此时的物联网还处于起步阶段，尤其是工业互联网，真正的战斗还没有开始。虽然大战前夕的战况已经风起云涌。

在成立物联网事业部的同时，IBM还宣布将在未来四年内投资30亿美元用于该领域的研究，其中包括投资2000多名研究人员、软件开发人员和顾问来服务该项目。要知道，德国工业4.0计划刚提出时，预计投资仅为2亿欧元（按当前汇率约合2.2亿美元）。

IBM物联网事业部虽然成立于2015年，但其主要产品Bluemix云平台实际上早在两年前（2013年6月）就已经部署。 2014年，IBM又斥资10亿美元，进一步增强基于Cloud Foundry的云计算平台Bluemix的能力。这个平台对于IBM的重要性以及IBM对物联网新兴技术的关注也是显而易见的。

就IBM Bluemix而言，如果追本溯源，它是基于Cloud Foundry，与西门子的MindSphere和GE的Predix一样，被称为当时业界第一个PaaS开源架构。

平台部署1：IBM Bluemix的演进历史

说到IBM Bluemix，其实它从2013年提出到2017年经历了两次比较大的业务整合，最终形成了集IaaS、PaaS、SaaS能力于一体的综合云平台。

首先，Bluemix是一个PaaS云（计算）平台（这也是IBM最初对Bluemix的定位）。它拥有IBM 软件功能、第三方服务和开源技术，包括120 多种工具和服务，涵盖大数据和移动应用程序。Watson、分析、集成、DevOps、安全和物联网等领域。

要在PaaS云平台上提供服务，需要有IaaS层云的支持。为了支持其Bluemix布局，IBM大规模收购了多家云服务提供商，其中包括2013年的一次关键收购。

2013年6月，IBM以约20亿美元收购了当时美国排名第五的云服务提供商SoftLayer。收购后，SoftLayer与IBM SmartCloud合并，组建IBM新的全球平台部门。

此次收购对于IBM在云计算和物联网领域的布局具有重要意义。同时，SoftLayer是Bluemix云服务架构的重要支撑之一。基于SoftLayer的云服务模型，IBM开始在SoftLayer平台上构建OpenStack。生态圈。这些都将成为未来Bluemix的核心能力。

2013年12月，IBM又投资12美元，在全球新建15个云服务数据中心（此前SoftLayer有13个数据中心）。

IBM抢占制造业20年明暗战术

2014 年，IBM 收购了数据库即服务DBaaS 提供商Cloudant。据悉，Cloudant DBaaS平台利用SoftLayer云计算平台打造全球数据传输网络。同时，IBM将PowerSystem与SoftLayer关联起来，将PowerSystem作为按需基础架构平台提供给用户； Watson 业务也由SoftLayer 托管。

这里值得一提的是，在此之前和之后，IBM还在云计算领域发起了多起其他收购，包括：

2012年，IBM以13亿美元收购人力资源软件提供商Kenexa；

2013年6月，IBM收购了网络分析软件开发商Coremetrics；

2013年11月，IBM收购移动设备管理（MDM）解决方案提供商Fiberlink；

2015年，IBM先后收购了私有云服务提供商Blue Box和云视频服务提供商Clearleap。

此外，IBM还打造了自己的企业私有云管理平台解决方案P4 Cloud、模块化云平台PureCloud、用于企业级工作负载优化设计的CMS、以及用于移动部署的Worklight，打造了自己的云计算帝国。

也可以看出，IBM已经开始深化在云计算领域的触角，通过收购、整合、技术研发等一系列动作，不断扩大在云计算领域的影响力。据IBM财报显示，2016年，IBM云计算业务收入为70亿美元，占营收的7.5%，增幅超过60%。

至于SoftLayer，最初为Bluemix提供云服务支持，后来在2016年10月被IBM合并到Bluemix中，业界并没有多少人感到惊讶。

至此，Bluemix云平台架构和能力已经基本成型。该平台以Cloud Foundry、容器服务、微服务、OpenStack四大核心技术提供物联网、区块链、移动开发应用能力。除了提供PaaS层相关能力外，还可以向下延伸提供IaaS能力，例如提供基于Cloud Foundry的能力部署、基于容器的能力部署、基于OpenStack虚拟机的能力部署等；向上延伸，可以提供SaaS层能力，包括认知、分析、物联网、安全等服务能力。

值得注意的是，IBM Bluemix比西门子MindSphere早四年进入中国市场。早在2015年10月14日，IBM就与中国最大的中立IDC服务商21世纪合作，Bluemix云平台也开始在中国上线。

对此，IBM大中华区董事长陈黎明当时表示：“中国正处于数字经济转型之中，政府推出‘互联网+’、‘中国制造2025’等一系列战略‘把信息技术与产业融合发展提到了前所未有的战略高度，‘大众创业、万众创新’的指导方向为广大创新者、开发者带来了广阔的发展空间。”

现在看来，IBM再次预测了中国物联网和工业互联网的发展趋势。

2017年11月，IBM再次整合云业务，Bluemix并入IBM Cloud。不过，这次更名只是简单的品牌整合和业务整合，并没有更多的变化。当时的官方声明是：“我们正在将Bluemix 品牌和IBM Cloud 品牌合并为一个，因为它们已经成为同义词。”

事实上，IBM Bluemix的提出还有另外一个时代背景和行业变化。

随着移动互联网时代的进一步深入，开源技术、APP、云计算逐渐成为主流趋势，个人开发者成为一股不可忽视的力量。作为一家服务于财富500强等大型企业和政府机构的公司，IBM对于开发者的态度也开始发生变化。

“BlueMix是IBM首次全面面向开发者”，IBM大中华区云计算事业部战略与合作伙伴发展总经理詹海平在北京举行的2015年IBM云计算体验周上总结道。

平台部署二：IBM Watson物联网平台架构

说到IBM在物联网领域的布局，或许更多人知道的是IBM Watson而不是Bluemix。

部分原因是Watson机器人于2011年在美国危险真人秀节目中以77,147分的成绩击败两名人类选手并赢得100万美元后一举成名。也让屈臣氏品牌名声大噪。

前面提到，2015年3月，IBM宣布成立物联网事业部。该部门以Watson 命名，IBM Watson IoT。

2016年10月，IBM公开宣布将投资2亿美元在德国慕尼黑建立IBM Watson物联网部门新的全球总部。这个总部也在五个月后正式投入使用，其中包括安富利公司、法国巴黎银行、凯捷公司和马恒达科技公司。包括中国电信等在内的首批入驻企业已在此部署开发团队并建立联合认知实验室。

与Bluemix类似，IBM Watson IoT平台也定位为物联网领域的通用平台，应用范围包括医疗、智慧城市、能源/电力、汽车、电子等领域。

上图显示了IBM Watson物联网平台的基础架构。该平台以其认知智能而闻名。主要应用云计算、边缘计算、区块链等技术，在自然语言理解、机器学习、非结构化数据处理等能力方面有突破和应用。

IBM抢占制造业20年明暗战术

与目前很多物联网应用平台类似，IBM Watson物联网平台也分为四层布局：设备连接层、平台层、应用层、行业解决方案层。可以实现物联网设备的连接、配置、管理、可视化采集。排序、认知计算、实时分析、区块链技术应用等能力。

根据IBM在2019年给出的IBM Watson IoT最新应用案例，在与Sandvik Mining和Rock Technology的合作过程中，利用应用平台的OptiMine Analytics能力进行预测性维护、优化、分析、学习和沟通。设备在地下数千英尺处运行。

此外，根据官方信息，该平台还用于飞机发动机等高价值设备的预测性维护。

值得注意的是，西门子MindSphere还于2016年12月正式宣布推出IBM Watson Analytics工具等工具，以增强这一工业互联网操作系统的分析能力和数字集成能力。

人工智能3.0：值得信赖的AI

除了在平台和业务端有明显的布局外，IBM也在技术和理论端不断布局，为平台建设的持续迭代升级提供支撑体系。

其中，IBM特别注重AI技术研发和工程应用。

在WAIC 2019 上，IBM 重点阐述了其在可信人工智能方面的最新进展。这也与中国科学院院士、清华大学人工智能研究所所长张波教授提出的“建立可解释、鲁棒的人工智能理论和方法，发展安全、可靠、可信的第三——新一代人工智能技术。”巧合的是。

在此之前，人工智能经历了以“符号推理”为特征的“第一代人工智能”，而目前流行的是以“深度学习”为特征的“第二代人工智能”。

IBM副总裁、大中华区CTO谢东博士表示，IBM所说的可信AI主要包括四个特征：可解释性、鲁棒性（抵抗攻击）、公平性、透明性：

可解释性。目前使用的AI算法，尤其是以深层神经元为代表的算法，本质上是无法解释的。我们认为AI系统提供的决策或建议不应该是一个无法解释的黑匣子，而应该能够被用户和开发者分析和理解；

鲁棒性。现在很多人工智能系统都非常脆弱，比如人脸识别系统。如果人脸被部分遮挡，或者某张图片上叠加了部分噪声，人脸识别系统将很难准确识别，甚至识别错误。我们认为AI系统应该是安全、可靠的，并且不能被“污染”的训练数据集篡改或影响；

公平。在训练人工智能系统时，最终的人工智能算法模型可能会由于人类先天的偏见或部分数据缺失而产生偏差。我们认为人工智能系统应该使用无偏见的数据集和模型，以避免对特定群体的不公平；

透明度。例如，人工智能系统可以进行透明管理，其开发、部署、维护等可以在生命周期内进行跟踪和审计。

针对此，IBM推出了三个开源项目：AI Expandability 360、AI Fairness 360、Adversarial Robustness 360。官方对这三个开源项目的评价如下：

AI Expandability 360，IBM 于2019 年7 月发布的高级算法开源集合，使用一系列技术来解释AI 模型决策； AI fairness 360，IBM于2018年8月发布的综合开源工具集，包含用于检查和减轻AI中不必要的偏差的指标和算法； Adversarial Robustness 360是IBM于2017年5月开源的一个用于检测模型和对抗攻击的工具箱，可以帮助开发人员增强被误导的AI模型的防御性，使AI系统更安全。

在数字化转型过程中，制造业目前面临数据量小、数据质量低的问题。同时，对AI算法模型的可解释性也提出了很高的要求。对此，谢东还给雷锋网举了IBM在制造业的客户应用案例：

当我们的工程师团队为客户进行质量检验项目时，他们使用仪器扫描金属板以检测缺陷。

当我们的工程团队完成了这样一个AI算法模型的搭建后，客户会问：“AI是如何判断金属板有缺陷的？”

我们的工程团队会回答，“我们的AI算法是通过人工智能视觉系统，通过识别图像的特征来判断的。”

随后对方又问道：“人工智能系统发现了哪些特征，又是如何根据这些特征做出判断的？”

其实这些问题现在我们还无法回答，用户在真实场景中肯定会问这些问题，尤其是在制造业。

为此，IBM主要做了两件事：

首先，它提供了一些工具（包括上面提到的开源项目），使算法变得可解释，解决小数据集的训练问题；

IBM抢占制造业20年明暗战术

其次，提供筛选AI算法和数据集的工具。

同时，在制造业中，其实也存在很多工程问题。对此，谢东结合IBM遇到的实际案例向雷锋网解释：

IBM客户在工厂数字化转型过程中，在生产线上安装了摄像头，并利用摄像头采集数据进行产品质量检测。但在实际应用过程中，质量却达不到要求。后来通过更换其他型号的相机，质检质量明显提高。

这其实是一种逆向思维。在理论研究过程中，我们通常研究如何在给定一定数据的情况下训练出高质量（识别率）的模型。但在实际工程应用中，有时我们需要逆向思考：为了进行这样的分析，数据采集系统需要使用哪些传感器来收集数据。

对于制造商来说，为了获得这样的AI系统，也许我们可以设计不同的传感器，这是一个工程问题。

方法论：“车库创新”进入中国

前面提到，IBM在技术方面，部署可信的AI技术，而在理论方面，IBM在WAIC 2019上强调了其IBM Garage（IBM Garage Innovation）方法论。

8月31日，中国首家IBM Garage（IBM Garage Innovation）在佛山市三水区正式成立。

2014 年，IBM 在美国旧金山开设了第一家IBM Garage。通过利用IBM各项技术，为全球B端用户提供基于混合云和人工智能的企业数字化转型解决方案。

官方数据显示，IBM已为ADP、美国航空、赫兹、新斯科舍省政府、上海宝钢包装等500家政府和企业提供数字化解决方案。

“在企业客户市场，IBM现在可以说是经验和方法论的大师。” IBM大中华区数据与人工智能研发中心总经理朱辉在WAIC 2019上接受媒体采访时表示。

作为百年技术服务公司，IBM确实对其方法论感到自豪。 Garage是IBM针对当今快速创业、快速迭代、敏捷修改的时代特点而推出的方法论。

IBM Garage结合了快速创业、快速迭代、敏捷修改的特点和IBM自身的技术形成方法。其中，朱辉强调“用合适的人、合适的技术，通过新的工作方式与客户沟通”。共同创新。”

朱辉介绍，IBM Garage帮助企业实现数字化转型的主要工作流程包括以下三个步骤：

第一步是进行共创未来的讨论（设计工作坊），汇聚整个行业生态圈的所有合作伙伴，以及不同领域的相关技术代表和初创企业，共同推动可持续发展企业发展及应对下一个挑战、寻求新的核心竞争力等话题的讨论和创意设计；

第二步，我们采用敏捷开发方法，与客户共同创新、共同发展。通过MVP（最小可行产品）测试相关应用和业务案例，并将经过验证的MVP推广到日常运营和工作流程中。从小处着手，快速验证，及早发现错误并进行调整。在此基础上，通过市场验证后，整个产品交付周期将缩短至两到三周；

第三步，在初步市场验证的基础上，IBM将进一步与客户讨论推动市场增长和扩大产品能力规模，并利用DevOps工具和技术实现持续交付和运营。

最终，通过这样的循环探索，逐步构建了针对特定场景的灵活可扩展的解决方案。

8月31日，中国首家IBM Garage在佛山市三水区正式成立。据称，“自6月30日签约以来的两个月时间里，IBM团队已走访了山水区30多个团队，选定了5家企业作为首批重点合作伙伴。”

这一举措是IBM继面向世界500强企业和政府单位以外的个人开发者之后，在企业尤其是制造企业数字化转型时，再次持续为中小企业提供解决方案的又一举措。

IBM深入智能制造

随着制造业数字化、智能化转型逐渐成为全球趋势，IBM作为企业技术服务提供商，近年来也加大了在制造业的投资和布局。包括IBM物联网上的IBM Cloud、IBM Watson IoT通用云平台的建设，或者是Trusted AI、IBM Garage等技术线和方法论的持续布局和工程实施，都深入智能制造以及制造业的各个领域。领域，即使是在中国市场，也已经形成了格局。

从当前制造业最关注的数据和人工智能的角度出发，从数据存储、处理、管理、清晰度、治理、大数据分析、BI、机器学习、模型部署等角度，作为作为工业解决方案提供商，IBM有相应的研究并提供相应的工具来支持IBM在当前制造企业数字化转型过程中的各种解决方案。