投入数十亿美元,深度解码 IBM 20 年制造业布局

OPEN编辑 4年前

  最近几年,IBM 在制造业的投入越来越多。

  文:王金旺 

  雷锋网按:2013 年,德国汉诺威工业博览会上提出了一个新概念,工业 4.0。

  随之而来的是,德国预计投资 2 亿欧元,推动以信息物理系统(CPS)为基础,以生产高度数字化、网络化、机器自组织为标志的工业革命的计划。

  没有人会想到,这一在德国提出的概念时隔三年会进入中国并酝酿生根,成洪水猛兽之势。

  对于素有世界工厂之称的中国,据国家统计局 2018 年 4 月末公布的统计数据显示,全国工业行业规模以上企业数量超过 37 万家,即使这样的数据,相较上一年同期减少了 6000 多家。

  与此同时,诸多跨国企业再次看到了中国工业市场的巨大空间,以及数字化转型的热情,盯上了中国市场这块“肥肉”。

  “未来 3 年的发展,将会决定未来 10 年的国家竞争力,把数据驱动的工业互联网当作未来的国家基础设施工程,毫不为过。”IBM 大中华区董事长陈黎明曾就工业互联网发展感慨称。

  显然,IBM 作为当下时代技术输出型服务型企业的头部厂商,也同样意识到了工业互联网带来的机遇。

  工业互联网中的 IBM

  2014 年 3 月 31 日,美国通用电气(GE)“纠集”了一批美国巨头企业在当地成立了工业互联网产业联盟(IIC),这一联盟最初名单上只有五家企业,除去通用电气自身以外,另外四家是:AT&T、Cisco、IBM、Intel。

  其中,IBM 作为与 Intel 同一重量级的互联网企业代表,也被纳入到这张当时只有一张纸条大小的名单中。

  在此之前,IBM 早期的一项技术发明也为其在工业界安身立命奠定了基础。这项发明就是当下工业界应用广泛的工业传输协议标准之一,MQTT。

  1999 年,IBM 发明了 MQTT,可能很多人不知道什么是「消息队列遥测传输」(MQTT 的中文名),但是 MQTT 的通用度甚至不亚于 OPC。具体官方给出的定义是,

  随后,2013 年,结构化信息标准促进组织 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。

  而 IBM 真正对外宣称在物联网、工业互联网领域集中布局,其实是在两年后。

  2015 年 3 月,IBM 宣布成立物联网事业部(IBM Watson IoT)。这个时间点比英特尔将嵌入式事业部更换为物联网事业部的时间点晚了两年,但这时的物联网仍处于萌芽阶段,尤其对于工业互联网而言,真正的战役还远未开始,尽管大战前夜的较量已经暗波涌动。

  成立物联网事业部同时,IBM 还对外宣称:在接下来 4 年将投入 30 亿美元用于该领域研究,包括投入超过 2000 名研究员、软件开发者和咨询师服务于这一项目。要知道,德国的工业 4.0 计划最初提出时预计投资也只是 2 亿欧元(以现在的汇率折算约为 2.2 亿美元)。

  尽管 IBM 物联网事业部成立于 2015 年,但其主要产品 Bluemix 云平台其实早在两年前(2013 年 6 月)就已经开始部署。2014 年,IBM 再砸 10 亿美元用于进一步提升这一基于 Cloud Foundry 的云计算平台 Bluemix 的能力。这一平台对 IBM 的重要性,以及 IBM 对物联网这一新兴技术的关注度也显而易见。

  就 IBM Bluemix 而言,如果追根溯源的话,倒是与西门子的 MindSphere、GE 的 Predix 同样都基于当时号称业界第一个 PaaS 开源架构的 Cloud Foundry。

  平台部署一:IBM Bluemix 进化史

  论及 IBM Bluemix,其实从 2013 年提出到 2017 年之间,一共经历过两次比较大的业务整合,最终形成一个集 IaaS、PaaS、SaaS 能力为一体的综合性云平台。

  首先,Bluemix 是一个 PaaS 云(计算)平台(这也是 IBM 对 Bluemix 最初的定位),拥有 IBM 软件能力、第三方服务及开源技术,其中包括 120 多种工具与服务,横跨大数据、移动应用、Watson、分析、整合、DevOps、安全与物联网等各个领域。

  PaaS 云平台要提供服务,需要有 IaaS 层云提供支持。IBM 为了支持其 Bluemix 这一布局,当时出大手笔收购了众多云服务提供商,其中就包括在 2013 年的一项关键收购案。

  2013 年 6 月,IBM 以约 20 亿美元收购了当时排名第五的美国云服务提供商 SoftLayer,收购后, SoftLayer 与 IBM SmartCloud 合并形成 IBM 的一个全球平台新部门。

  这一收购对于 IBM 在云计算、物联网的布局来说有着重大意义,与此同时,SoftLayer 作为 Bluemix 的云服务架构重要支撑之一,基于 SoftLayer 的云服务模型,IBM 开始构建 SoftLayer 平台上的 OpenStack 生态圈。而这些都将成为未来 Bluemix 的核心能力。

  2013 年 12 月,IBM 再次投入 12 美金,在全球范围内建设 15 个新的云服务数据中心(此前 SoftLayer 原有 13 处数据中心)。

  2014 年,IBM 收购数据库即服务 DBaaS 提供商 Cloudant,据悉,Cloudant DBaaS 平台利用 SoftLayer 云计算平台创建了一个全球性的数据传输网络。与此同时,IBM 将 PowerSystem 与 SoftLayer 关联,将 PowerSystem 作为一个按需的基础架构平台提供给用户;Watson 业务也由 SoftLayer 托管。

  这里值得多提一句的是,在此前后,IBM 在云计算领域还发起过其他多起收购案,包括:

  外加 IBM 自己构建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,IBM 构建起了自己的云计算帝国。

  由此也可见,IBM 在云计算领域将自己的触角开始不断深入,通过收购、整合、技术研发等一系列动作在云计算领域持续扩大布局。据 IBM 财报显示,2016 年,IBM 云计算业务营收 70 亿美元,收入占比为 7.5%,增幅超过 60%。

  至于,原本就是为 Bluemix 提供云服务支持的 SoftLayer,随后在 2016 年 10 月被 IBM 并入到 Bluemix,也并没有太多业内人士感到惊讶。

  至此,Bluemix 云平台架构及能力基本成型。该平台以 Cloud Foundry、容器服务、微服务、OpenStack 四项核心技术提供物联网、区块链、移动开发应用能力。除去提供 PaaS 层相关能力外,向下延伸,可以提供 IaaS 能力,诸如提供基于 Cloud Foundry 的能力部署、基于容器能力部署和基于 OpenStack 虚拟机能力部署;向上延伸,提供 SaaS 层能力,包括认知、分析、物联网、安全等方面等方面的服务能力。

  值得注意的是,IBM Bluemix 进入中国市场要较西门子的 MindSphere 早四年,早在 2015 年 10 月 14 日,IBM 与中国最大的中立 IDC 服务提供商世纪互联合作,Bluemix 云平台也开始在中国落地。

  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的大潮之中,政府推出了‘互联网+’、‘中国制造 2025’等一系列战略,将 IT 科技和产业的发展放到了前所未有的战略高度。‘大众创业、万众创新’的指导方向为广大的创新者、开发者带来广阔的发展空间。”

  现在看来,显然,IBM 再一次预测到了中国物联网及工业互联网发展的大势。

  2107 年 11 月,IBM 再次对自己云业务进行整合,Bluemix 并入 IBM Cloud,不过此次的更名只是简单的品牌整合和业务整合,并没有更多改变。当时官方给出的说法是,“我们正将 Bluemix 品牌与 IBM Cloud 品牌合二为一,因为它们已成为了同义词。”

  其实,IBM Bluemix 的提出还有另一个时代背景和行业转变。

  随着移动互联网时代进一步深化,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。作为以服务世界 500 强等大型企业及政府机构的 IBM 对于开发者的态度也开始转变。

  “BlueMix 是 IBM 第一次全面性面向开发者,”IBM 大中华区云计算事业部战略和合作伙伴发展总经理詹海萍在 2015 年北京的 IBM 云计算体验周上总结称。

  平台部署二:IBM Watson IoT 平台架构

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

  其中部分原因在于,Watson 机器人在 2011 年在美国危险边缘(Jeopardy)真人秀中以 77147 分的成绩战胜两位人类选手赢得 100 万美金,随后一举成名,也使得 Watson 这一品牌名声远扬。

  前文提到,2015 年 3 月,IBM 宣布成立物联网事业部,这一事业部正是以 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设立 IBM Watson IoT 事业部的新全球总部,这一总部也在 5 个月后正式投入使用,包括 Avnet、BNP Parabis、CapGemini 和 Tech Mahindra 等公司在内的首批入驻企业在此配置开发团队,成立认知联合实验室。

  与 Bluemix 类似,IBM Watson IoT 平台的定位也是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。

  上图为 IBM Watson IoT 平台的基础架构。这一平台以认知智能著称,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上有突破和应用。

  与当下众多物联网应用平台类似,IBM Watson IoT 平台也是在设备连接层、平台层、应用层、行业解决方案层四层进行布局,可以实现诸如物联网设备的连接、配置和管理,可视化归集整理,认知计算,实时分析,区块链技术应用等能力。

  据 IBM 官方 2019 年给出的 IBM Watson IoT 最新应用案例,在与山特维克矿山与岩石技术公司(Sandvik Mining and Rock Technology)合作过程中,通过应用平台的 OptiMine® Analytics 能力,进行预测性维护、优化、分析和学习地下数千英尺操作的设备情况并与之保持通讯。

  此外,据官方信息显示,这一平台也有应用于诸如航空发动机等高价值设备的预测维护。

  得注意的是,西门子 MindSphere 在 2016 年 12 月也曾官宣引入 IBM Watson Analytics 工具和其他工具,以增强其这一工业互联网操作系统的分析能力、数字化整合能力。

  人工智能 3.0:可信 AI

  除去在平台侧、业务侧的显而易见布局外,IBM 在技术侧、理论侧也在不断部署,以此来为平台构建提供持续迭代升级的支撑体系。

  其中,IBM 尤其注重 AI 技术研发和工程应用。

  在 WAIC 2019 上,IBM 重点解释了其可信 AI 的最新进展而这也与中科院院士、清华大学人工智能研究院院长张钹教授提出的“建立可解释、鲁棒性的人工智能理论和方法,发展安全、可靠和可信的第三代人工智能技术”不谋而合。

  在此之前,人工智能走过了以「符号推理」为特性的「第一代人工智能」,当下正在盛行的则是以「深度学习」为特性的「第二代人工智能」。

  IBM 副总裁、大中华区 CTO 谢东博士介绍称,IBM 讲的可信 AI 主要包括可解释性、稳健性(抗攻击性)、公平性、透明性四方面特性:

  可解释性。现在所用的 AI 算法,特别是以深度神经元为代表的算法,先天就有不可解释性。我们认为 AI 系统所提供的决策或建议不应该是一个不可解释的黑箱,而应该能够被用户和开发者所分析、理解;

  稳健性。现在很多人工智能系统很脆弱,例如人脸识别系统,如果对人脸有部分遮挡,或在某张图片上叠加部分噪声,人脸识别系统将难以准确识别,甚至会识别错误,我们认为 AI 系统应该安全、可靠,不会被篡改,也不会受被“污染”的训练数据集影响;

  公平性。在训练人工智能系统时,可能会由于人类先天的偏见或部分数据缺失导致最终 AI 算法模型存在偏见,我们认为 AI 系统应该采用不带偏见的数据集和模型,从而避免对于特定群体的不公平;

  透明性。例如,AI 系统可以被透明化管理,其开发、部署、维护等可被追踪,能够在生命周期范围内被审核等。

  针对于此,IBM 对外推出 AI Explainability 360、AI Fairness 360、Adversarial Robustness 360 三项开源项目,官方就这三项开源项目给出如下注解:

  制造业在数字化转型过程中当下主要面临数据量小、数据质量低的问题,同时对 AI 算法模型的可解释性有高要求。对此,谢东也就 IBM 在制造业中的客户应用案例向雷锋网举例:

当我们的工程师团队完成这样的 AI 算法模型构建后,客户会问,“AI 是如何判断出金属板有缺陷的?”

我们工程师团队会回答,“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。”

然后对方再追问,“人工智能系统是发现了什么特征,又是怎么根据这些特征作出判断的呢?”

其实我们现在是回答不了这些问题的,而这些问题在真实场景中,尤其制造业中,用户一定是会问的。

  为此,IBM 主要做了两方面工作:

  第二,提供筛选 AI 算法及数据集的工具。

  与此同时,在制造业中,实际还会存在诸多工程问题。对此,谢东就 IBM 遇到的实际案例向雷锋网解释:

这实际是一种反向思维。我们在理论研究过程中,通常是研究给了某些数据,如何训练一个高质量(识别率)模型。但在实际工程应用中有时候需要反向思考:为了进行这样一个分析,数据采集系统需要用什么传感器来采集数据。

对于厂商而言,我们为了得到这样的一个 AI 系统,也许我们可以设计不同的传感器,而这样就属于工程问题。  

  方法论:“车库创新”入中国

  前文提到,IBM 在技术侧,可信 AI 的技术部署,而在理论侧,IBM 此次在 WAIC 2019 上强调了其 IBM Garage(IBM 车库创新)方法论。

  8 月 31 日,中国首个 IBM Garage(IBM 车库创新)正式在佛山市三水区挂牌成立。

  2014 年,IBM 在美国旧金山开设第一家 IBM Garage,通过使用 IBM 的各项技术,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方案。

  据官方数据显示,目前 IBM 已经为包括 ADP、美国航空公司、Hertz、加拿大新斯科舍省政府、上海宝钢包装在内 500 家的政府和企业提供数字化解决方案。

  “在企业级客户市场中,IBM 现在可以说是经验和方法论的集大成者。”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。

  作为百年技术服务型企业,IBM 确实在方法论上有自己自豪之处,Garage 是 IBM 为应对当下快速创业、迅速迭代、敏捷修改的时代特点而引入的方法论。

  IBM Garage 结合快速创业、迅速迭代、敏捷修改的特征及 IBM 自身的技术形成的方法,其中,朱辉重点强调“利用合适的人员、合适的技术,通过一种全新的工作方式,来与客户进行共同创新。”

  据朱辉介绍,IBM Garage 在帮助企业实现数字化转型过程中主要工作流程包含以下三步:

第二步,借助一个敏捷开发的方法,我们与客户进行共同创新和研发。通过 MVP(最小化可行产品)来检验相关的应用和业务案例,并将得到验证的 MVP 推进到日常运营和工作流中。由小开始,快速验证,及早发现错误、做出调整。在此基础上,通过市场验证后,使整个产品交付周期缩短到两到三周;

第三步,在市场初步验证基础上,IBM 与客户进一步探讨推动市场增长和产品的能力的规模的拓展,并运用 DevOps 工具和技术实现持续交付与运营。 

最终通过这样的循环探索,逐渐搭建出针对特定场景的一个有弹性、可扩展解决方案。

  8 月 31 日,中国首个 IBM Garage 正式在佛山市三水区挂牌成立。据称,“自 6 月 30 日签约至今两个月的时间内,IBM 团队已经在山水区走访了 30 多家团队,选出 5 家企业作为首批重点合作对象。”

  而这项举措,也是 IBM 除去面向世界 500 强大型企业及政府单位,面向个人开发者之后,再次在企业,尤其是制造业企业数字化转型当口,继续加注为中小企业提供解决方案。

  IBM 深入智能制造的明棋暗卫  

  随着制造业数字化、智能化转型逐渐成为全球趋势,作为企业技术服务型的 IBM,近年来在制造业的投入和布局也逐年增多。包括 IBM 在物联网上的 IBM Cloud、IBM Watson IoT 通用云平台构建,还是诸如可信 AI、IBM Garage 的技术线、方法论的持续布局和工程化落地,都已经深入智能制造,深入制造业各个领域领域,甚至在中国市场也已有一方格局。

  以当下制造业最为关注的数据和 AI 角度来讲,从数据存储、处理、管理、清晰、治理、大数据分析、BI、机器学习、模型部署,作为一个产业解决方案供应商,IBM 都有相应研究,提供相应工具,以支撑起 IBM 在当下制造业企业数字化转型过程中的各类方案。

  从二十年前的 MQTT,到当下的可信 AI、IBM Garage 在制造业中的工程化应用,IBM 面对第四次工业革命从各层面部署了明棋暗卫,这些部署影响着当下部分企业的命运,同时也是 IBM 在对自身定位不断调整中,试图寻迹下一个时代的中心地带。