12月15日，2018新华网思客年会在广州召开。在“智能智变，洞察未来”分论坛上，阿里云机器智能首席科学家闵万里发表题为《数字驱动的智能制造》的主旨演讲。他认为，产业互联网要形神兼备，既要有互联互通的“形”，更要有来自互联网技术的“神”。在他看来，自主可控的智能制造不能需要手册，我们要靠大脑，而阿里给出的答案是ET大脑。
闵万里在2018新华网思客年会上发表演讲。新华网 李林摄
以下为演讲内容：
产业互联网要形神兼备
2015年我们提出产业互联网的时候，有很多人在讨论，什么叫产业互联网？是不是开个微信公众号？开个网店？有一个APP就是产业互联网？我们的判断很简单，产业互联网要形神兼备，既要有互联互通的形，更要有神。这个神是什么？来自互联网的技术。
这个三角是一个非常重要的公式，少了哪一环都不行。这也是我们自己从互联网走到制造业当中，一个完全不懂制造业的团队到车间去看的时候，发现这个三角形组合缺一不可。在车间里面，我们发现有原材料的流动，对应到互联网就是IoT（物联网）传感器之间数据的交接。以往的数据往往被用来作为培训、事后调查的材料，没有发挥它真正的价值。正如AlphaGo能够在一夜之间获得下棋能力，当我们把计算算法集中到一起，这个三角形能够成立的时候，新工人能否在上班第一天就成为老师傅？答案是可以的。
三年前我们完全不懂制造业，不懂光伏，不懂锅炉，不懂石化，没有任何的知识储备，但是我想跟大家报告一下我们已经取得的结果。如果我们能够走下来，在座的或者网上的有任何行业经验的人，你们可以走得更好。今天我想给大家讲的是：我们创造了一个1%的支点，这个点支撑起来的，是中国智能制造的下一个产能。
再来看一下这个公式，任何伟大的技术可能最后都要写在这个公式中，写不进去的时候，那是实验室里的奇谈怪象；写进去之后，就变成了一个普惠的科技。从右边的三要素，行业的知识、新技术和这个行业沉淀的数据，发生了有效的化学反应后，到最左边的就是价值。
这个公式可以非常复杂，可能是几百层的深度神经网络，也可能就是一个线性代数。这里面追求的不是技术的深奥，或者标新立异，我想让大家把注意力放在这个等号的简洁明了上。大道至简，最重要给到大家的是很简单的，是所有人都能享用的普惠的平台和产品。
给大家介绍一下我们的ET大脑系列在制造业是怎么运行的。从感知、数据、计算到后面的行动，当你看到某一个机器信号抖动、不太稳定，下一步要立刻采取行动的时候，以前可能是老师傅的经验告诉徒弟该怎么做，但是今天有了ET大脑这个平台后，可以让数据和人交流，出现这种情况应该怎么做，而且实时的算法、实时和控制系统直接对接，这叫知行合一，一气呵成，没有打盹儿，没有滞后，而且不会看见了你的行动“感而不动”，这是我们追求的最高境界，尤其是在机器生产线，一分一秒都是宝贵的时间和机遇。
数据升维和智能降维
怎么做到这件事情？我想把数据升维和智能降维讲得更加精准一点。什么叫数据升维？就是在车间里的数据，怎么样把它转换到更高维的价值空间里面，用来自互联网的技术找到其中的智能；找到智能还不够，还必须要在准确的时间点和准确的环节把它分发下去，我把它叫做智能降维。比如，在一个流程制造的几百个环节中，每一个环节应该怎么调，调多久，调多少，实时计算，最终我们要算出来一个精准的数字，再把那个数字下发到键盘上，像射箭一样，而且要眼明手快，这就是从数据的升维到降维的过程。这是今天的智能制造以自有数据进行自我驱动、自我迭代的一种成长模式。
三年前，我们看一家工厂的时候，我们最开始的一个理解是一种非常骨感的钢筋水泥，很现实，没有虚拟的电子世界和网络空间。但是如果你把它想象为一个数据流的时候，你会发现在每一个环节都沉淀了数据，这是一个4×100米、8×100米的接力赛，每个环节都在传递数据，而且也在制造参数，所以你会发现，它是一个数据流的场景，和互联网没有一点区别。
既然在互联网的世界中，我们可以有那么高大上的数据技术，为什么在工厂里面不可以用呢？所以逻辑很简单，事实上也是可以用的。怎么用？把所有的历史数据全量翻了一遍，再也不抽样，也不用统计报表了，我们用计算力去看所有的关键因素，所有的历史操作记录和产品之间的关联，每一个次品产品由哪些参数导致，由哪些工人的误操作导致，每一个优良品诞生的过程，数字化的足迹是怎么样的，都在历史数据中已经告诉我们。这就是用无形的计算力暴力的方法把它唤醒，唤醒之后很简单，这相当于有了工业的人工智能，让这个神经网络架在机器上面，架上去之后，大家会看到沿着这道黄色的线就是精准的智能降温的控制参数，把它讲得更加窄一点，就叫工艺参数的实时调节和实时控制。
可能大家会说，这些几十年前德国人在生产线上都有，但是我想给大家分享一下，任何一个生产线在它安装的第一天开始智商已经被固化了，已经不会自我进化了，为什么？因为操作手册写死了，控制逻辑写死了。当年1万美金的金手指的故事，我们引进的生产线有问题，外部专家飞过来手指一下在哪里调节，就收了1万美金或者9999美元。钢铁机器可以买回来，操作手册也可以买回来，但知识买不来。今天我们想说的是，那个买不回来的东西今天我们可以学习出来，而且与时俱进。当这样一个闭环形成的时候，以往的历史成为知识的源泉，在源源不断地教这个生产线怎么样做得更好，所以叫做工业神经网络，或者叫做工业人工智能。
让算法释放创造性
今天有了这些数据、算力之后，我们有了一种全新的算法，不再依赖一个人的眼明手快。最后的结果是什么？我们把一家工厂的良品率提升了1.2个百分点，可能大家觉得1.2太小了，但是放在这家工厂的产量上面相乘的时候，一年就是上亿人民币的净结算。
闵万里：用ET大脑的方式去撬动光伏、水泥、钢铁、橡胶、石化这些流程制造业。新华网 黄璐璐摄
我举一个最新的例子，我觉得是最有代表性的，也是最复杂的，对我们来说是挑战最大的，在这家工厂里面，是很传统的几十年的一个炉子。当用场景去映射的时候，你会发现它的整个蒸汽流在流动，在一个大的燃气炉当中，通过蒸汽炉的方式去传热，最后做一些化学品的生产。这是一个能耗最大的环节，但这个环节有可能被我们数字化再造。
我们来看这个最典型、最新的成果，就是这样一个循环流化床锅炉，我不懂这个术语，但是我懂的是这样一个蓝色的气流一样的东西。当我们看数字化的映射的时候会发现有一个核心环节，是锅炉燃烧。在右边这个小方块里面，是一个高温高压的燃烧炉，如果把它投射出来做三维映射，就是一个高温温度场的分布，所以叫做燃烧的智慧。
如果你用数字化的手段去看温度场的分布和鼓风机的鼓风量，你会发现有很多参数需要实时调节，调节的目的是什么？希望这个温度场越均匀越好，使得那些煤能够充分燃烧，如果没有充分燃烧就把它吹走，比较浪费；如果燃烧过长时间，热值会下降。所以说白了就是：你要在它最青春的时候消费它。但是老工人也看不清楚这个炉子里面发生了什么，只能靠那些参数去看，然后凭着经验去感知。新师傅来的时候，只能看老师傅怎么操作，日积月累地学，或者看那些操作手册。结果就会发现，它的燃烧效率非常不稳定，高度依赖人的经验，所以当我看到这样一个场景之后说“太好了”，这个“不懂”就是我们的机会，因为我们会从全新的角度，用三维的映射、三维的数据场看这个问题，最后我们从历史所有的数据中找出来几十个关键因素，这是第一点。
第二点，更重要的是当那些因素彼此抖动的时候，怎么样眼疾手快地实时调节，让这些抖动的曲线最终能够确保整体系统燃烧效率是最高的。这在以往是不可想象的，因为在以往每一个抖动的曲线上每一个参数都有固定的按钮，要按照一定的操作手册去做。但是今天我们全部把它换成了自动化，用算法、实时、在线的方式调节。调节的结果是什么？2.6%的能耗优化，一年几百万吨煤的节省，这个价值不仅仅是金钱方面的价值，还有环境等各方面的价值。
基于最新的实践，包括我们在光伏、电力、水泥这些流程制造中已经得到的结果，基本上我们判断：智能制造中用数字化的方式，用数字原材料和人工智能催化剂来自我驱动是可行的。如果让那些有专业知识的行业老专家、行业师傅们掌握这些，那它推广的速度、价值释放的范围和程度可能就远远超过我们过去两三年做下来的事情。
今天我们做的是把开放的生态做起来，希望这样一个用在锅炉上做出2.6%能耗优化的“大脑”，也成为别人的“大脑”，为其他人所用。很多年前，阿基米德说给他一个杠杆和支点，就能撬动地球。这个支点放在智能制造中我们判断的就是：用ET大脑的方式去撬动光伏、水泥、钢铁、橡胶、石化这些流程制造业。因为它不懂，所以它有成为这个支点的可能性；因为它不懂，所以不会在任何既成格局中成为利益相争者。
当这样一个开放平台做出来，再和行业里的专家们结合的时候，我们用自己的实践在过去3年写出来的公式，这个公式的价值可能就会放大100倍、1000倍。自主可控的智能制造不能需要手册，我们要靠大脑，而我们今天给出的答案是ET大脑。（本文根据演讲实录整理，部分内容有删减。编辑：白帆）
（来源 新华网）