9月22日，由新浪财经主办的第二届中国“科”公司峰会召开。
上海证券交易所副总经理阙波、中国人民大学副校长刘元春等20余位资本行业重磅嘉宾齐聚，展望“十四五”规划科技发展新里程，共同探讨中国企业的科创未来。
联想集团副总裁田日辉在出席此次峰会上表示，物联网最核心、或者说最基础的还是要支持各种应用的开发，数字化和智能化的需求空前的高涨，尤其在很多用户他需要个性化的定制产品，包括企业也需要通过智能化的手段来优化它的整个的管理经营效率，来提升用户服务的水平。那么这方面都有非常强烈的需求，我们看到中国的工业门类是全世界最强的，有这么多的无论从资源行业到离散制造业，到流程制造业，到我们的水电煤这样的公共事业，到交通管理运输等等这些行业，其实都需要智能化的发展来驱动这个我们的工业的转型升级。
田日辉指出，同时在工业软件层面，我们国家其实也有很多短板，甚至会被卡脖子的地方，所以我们需要工业软件的补短板的过程。但是真正要实现数据智能来驱动产业的整个的转型升级，我们是通过工业互联网平台，实际上主要是我们刚才提到的通过大数据、物联网、人工智能，包括区块链、AR、VR微服务这些技术来形成工业互联网平台，来支撑大量的工业互联网的应用，各种大量的垂直的工业APP来驱动产业的转型升级。
以下为部分演讲实录：
联想在过去的8年时间，通过数据智能的来驱动联想自身的转型，同时把我们的积累转换成产品和服务，我们也在服务我们各行各业的客户进行转型升级。
从2016年开始，我们推出了大数据平台，物联网平台和人工智能的平台。来服务于外部的客户，这些客户其实主要分布在离散制造，像汽车、消费、电子等等这些行业，也包括像石化、能源等等这些行业。
那么我们为客户提供的主要的服务包括三个方面，一方面是为工业企业提供数字智能的整体规划，包括用什么样的架构，用什么样的战略去推动数字化转型。那么也包括工业互联网核心平台的建设，帮助企业构建大数据的能力，物联网的能力去获得数据，并且通过人工智能去分析这些数据，来得到数据智能的优化的效果。
第三，智能化的创新应用来实现端到端的业务优化。那么我们的核心的理念就是通过全域数据实现通链智能，那么全域数据是指包括企业的产线上的，像PLC，各种机械手，CNC数控机床，包括企业的环境数据，所有工厂的这些数据，生产过程中的数据，也包括我们的产品在运行过程当中产生的数据，像挖掘机，像风力发电机在运行过程当中会产生大量的数据，也包括企业的，像ERP、CRM系统数据、供应链数据，包括通过电商平台反馈给用户的这些数据，所有的数据整合在一起，才能实现年产供销服务全价值链的智能和优化。我们经过8年的努力，已经为中国200多家行业的顶尖客户，这些基本上都是中国TOP500的，或者制造业TOP500的客户提供了智能化转型的产品和服务。
那么我们的核心产品布局主要包括三个核心的平台，包括这LeapIOT工业物联网平台，包括LeapHD大数据平台和LeapAI企业级人工智能平台。
那么我们同时也提供工业互联网平台，让我们的大数据、物联网、人工智能物业的能力，能够为合作伙伴和为最终客户提供运行的平台和各方面的技术支持。
那下面其实我就拿一个产品，LeapIOT物联网平台来举例跟大家说明，这个产品在企业的孵化转型过程中，具体怎么来运作，怎么来支撑数字化转型的这些关键过程，然后怎能取得什么样的效果？LeapIOT是一个典型的工业物联网的平台，它的核心包括几大部分，左边我们有一个嵌入式的软件，很小的软件叫EdgeAgent，它能够嵌入到各种各样的工业设备里面，包括传感器，包括工业摄像机、这个CNC，机械手等等，把里面的数据拿出来。
在边缘端我们又有很强大的边缘处理能力，会把这些数据进行协议解析，因为大家知道工业领域里面这个协议这个是非常复杂的，大概常用的协议有1900多种，有很多还是私有的协议，那么设备之间的对话物联网真正连起来一定是要设备之间要能够通信，能够互相理解对方的语言，这就需要协议解析。
那么在边缘端我们有很多协议解析，然后这些数据拿出来以后可以做规则处理，也可以在边缘端做很多预警，甚至机器学习，甚至深度学习的工作。在因为边缘端它实际上跟左边的这些真正的物、产线上的这些设备它是紧密的连接在一起的。实时的反控和实时的优化是在工业领域非常重要的，只有在边缘端才能实现真正、实时的控制，在工业领域里非常非常重要的，只有在边缘端才能实现真正的实时的控制，毫秒级甚至亚毫秒级。
所有的这些数据也会同时发送到我们的平台端，平台端可以在私有云，或者是公有云上，所有不同设备的数据会汇集在一起，当然这里面会有连接管理，会有设备管理，会有时序数据的管理，也会有数字孪生的支持。通过这些能力提供给开发者合作伙伴很多快速的低代码的开发环境和这个方面的开发支持，使它能够快速的构建我们后面的这些右边的应用，像质量领域的应用，像PHM预测性维护，像设备的绩效管理等等。
那么LeapIOT平台最核心的几个优势，其实我们在刚才全景图里面讲过了，首先我们预置了非常多的协议，和常用的关键工业领域的这些设备，要连接这些设备，采集数据，你只要很简单的做一个配置，然后端口号配置好，这个协议种类配置好，这些数据就可以了，这个会大大降低最后一公里数据接入的难度。
另外在我们的边缘端和平台端有非常强大的时序数据处理的能力，大家知道工业领域里面数据有几个特点，一个是量非常大，因为每一个设备都会有很多数据点位，这个要像我们通常一个风力发电机，它里面就有1500多个点位来描述这个设备的各种工作状态，一个CNC，数控机床也会有几百个点位，大量的数据是持续并行进来的，那么要处理好这些数据，要储存好这些数据，进行实时分析或者进行历史分析，就需要非常强大的持续处理能力。
我们平台LeapIOT可以支撑海量的这些时序数据的分析和处理，在这个基础之上我们提供非常多的预制的算法和模型，那么通过这种低代码的图形化的拖拉拽的方式，开发者可以非常迅速的建立自己的应用，右边其实列出来我们支撑的很多的计算的模型，包括120多种函数，20多种数据过滤的方法，那么这个里面这些模块，除了预置的这些模型以外，其实也可以把机器学习或者深度学习的算法， AI的算法嵌入过来，我们AI平台做好的模型也可以推送到这一块，当然如果你是一个高手，你这个对于这些算法的开发或者AI的开发非常在行的话，也可以自建一些模型来嵌入到这个里面。所以它是一个，无论是对入初学者和高手，都是一个非常适应的低代码的开发环境。
那在这个基础上，因为大家知道我们工业设备的种类非常多，所以我们会支持数字孪生这样的一个模式，我们会把设备建立成一个模型，那这个模型可以进行面向对象的开发一样进行继承进行扩展，然后它可以有很多属性，包括数据域，包括消息域来进行物模型的定义和显示，通过这种模式，我们在实际生产线上的各种设备，它都会在信息系统里面形成跟它对应的这种虚拟的设备，这叫数字孪生。同时产线的一举一动都可以在物联网系统里面实时的显示出来，有利于进行远程的监控或者实时的模拟。
当然物联网最核心、或者说最基础的还是要支持各种应用的开发，我们通过刚才讲的物模型，它支持非常方便的显示和分析。这里面我们列出了一些，通过我们的平台拖拉拽形成的一些典型案例，那么这些案例可能每一个像这样的一个报表可能就几分钟是或者十几分钟就可以做完，因为它的每一个关键的组件其实都是预置好的，跟数据源对接起来，整个这个数字孪生系统就活起来了，而且这种展示可以手机大屏，包括电脑网络、远程、近程都可以方便的支持，因为整个图形系统是矢量化的。
其实刚才也讲到了，这个我们可以支持各种AI的模型，训练好之后推送到这个平台上。那么其实我们在系统里头也已经预置了很多行业，像电力的，石油石化的，像离散制造的很多常用的AI的模型和机理模型供大家选用。
后面是跟大家分享一些基于LeapIOT平台我们做的一些典型的案例，帮助大家了解一下，真正在实际企业数字化转型的过程中，IOT和和数据智能怎么样能够帮助企业提升效率，提升它的这个价值，变成应用价值，这是一个大型汽车集团的例子。
我们在它的发动机工厂通过实时的收集发动机的安装的数据，优化发动机的安装的准确率，进行SPC和质量控制，降低了整车的质量风险达到1%的比例。这是一个钢铁集团，它是钢管，大家都知道钢管的生产过程中可能会由于各种原因产生瑕疵，做表面检测。那么这个实际上是我们做了一整套跟产线配合的装置，来去通过立体化的这种摄像头去拍各个角度钢管的全景的照片，然后通过计算机视觉的方式来自动化的进行缺陷检测，原来这个工作都是人工做的，那么它的劳动强度非常大，因为钢管很多还是烧得非常热的状态，工作环境特别差，而且由于人工很容易疲劳，所以它的这个全检率的，检测率其实只有20%，那么通过这种模式可以完全的全部的检测，并且自动化的进行这个结果的输出。
是另外一个例子，其实这是联想自身的例子，我们通过我们的物联网平台，把我们的上上游供应商的生产过程的数据都可以同步过来，进行全程的质量管理，因为对于产品的质量的追求是无止境的，现在正好是联想的质量月，我们每一年的质量指标一定是要上升10%的，就是这个缺陷故障下降10%，那么不但是要通过我们自身的生产、研发各个环节的努力，而且我们的供应商过程数据我们都要去优化，去推动整个全程的质量管理的优化，那么这个我们实际的一些例子，我们的喷漆，我们的机箱等等这些生产厂，它的生产过程我们都会实时的进行监控。
这是另外一个例子，就是刚才我们提到就是风力发电的一个例子，这个客户其实是中国第二大的这个风力发电机的生产厂，他们的产品遍布全球，那么我们帮助全球的风力发电机的实时监控和设备运维，这里面也是包括设备的测性维护。
另外一个例子是石化行业的，这个中国最大的一个石化生产企业，我们帮他做催化裂化装置的工艺参数优化。那么其实大家可能简单地理解一下，理解一下这个催化裂化是做什么，其实石油变成汽油和柴油，其实它最本质就是把一些大分子打碎，就是抽出比较小分子的，就是柴油或者汽油这样价值更高的产品，那么催化和裂化就是通过一系列的反应，在不同的温度压力，不同的催化剂的作用底下，让它能够这个把高分子这个打碎成小分子变成汽油和柴油。
那么这个工艺参数的优化实际上是通过整个反应装置的2000多个采集点，不同点位的它的温度压力催化剂的这种数据都采集过来，然后进行整体的，用非常复杂的深度学习和增强学习的网络综合进行优化，来实现它的工艺参数的优化。
那实际的效果使汽油和柴油的综合产出率提高了0.9个百分点，那么这个0.9个百分点对一个800万吨的一个工厂来说，就相当于每年的效益5000万，那么这个经济效益是非常这个明显的。
还有一个例子是国内顶尖的，也是全球领先的光纤制造企业，我们帮他来进行，因为大家知道连续制造企业，尤其像光纤生产，能耗在它里面是非常重要的一个环节，因为光纤实际上就是把光棒加热到2000度以后，垂直拉丝形成真正的光纤。那么在这个能耗是生产成本的一个非常重要的一个方面，那么我们通过物联网去帮助企业优化它的能耗管理和质量体系，提升了这个能耗，降低了5~10个百分点，那么是一个非常巨大的提升。
刚才其实跟大家汇报了一些我们对数据智能的整体的全景图的认识，然后我们联想提供的产品大数据互联网和人工智能平台，以及通过这些产品怎么样去优化企业的全价值链。我们的核心理念就是以数据智能来深耕工业，融合IT和OT域的先进技术，形成端到端的解决方案，通过开放协作共赢助推企业的数字化转型。
