阿里云智能的行业AI落地营销猜想-华为开发者话题

By HW-LZ，一家之言，大家姑且看看

背景: 今年年中阿里在营销宣传的声调开始调整，从擅长借助事件抓爆点，宣传点偏多的2C模式，调整为借精品事件树行业领导力的2B模式。在案例宣传上也不再全面开花，而是有侧重地和阿里研究院合作，撰写白皮书并挑选案例深度报道，“关小灯，立灯塔”。为此浏览了阿里云智能上海峰会和阿里云新改版的网站，提炼若干观点，供大家参考

观点1. 定位：阿里云智能技术支撑上充分利用了数据时代的底座（AI/BC），降维切入企业市场，预计20年百亿美金规模。

1) 打造峰会精品（北京&上海），定义行业趋势： All in cloud，今年是拐点，服务器销售卖给云服务商的超过了卖给企业的。VI上也把阿里云官网的黑色风格和淘宝平台统一

2) 明确阿里云智能2B市场的行业定位“被集成”：调整了定位，合作伙伴作为行业数字化转型赛车手，阿里提供云&智能平台，但是否耐得住拭目以待（不出手抢合作伙伴的生意）。

a) 上海峰会首期成绩单，发布100+联合解决方案。阿里云和百胜软件共建了一款百胜ME3+的零售平台联合解决方案，它融合了阿里云的中间件产品，能够为客户构建统一的中台。这款联合解决方案为安踏提供了数字技术支持，支持安踏完成了从百亿级到千亿级订单的处理

b) 来源：

3) 从其发展趋势看，预计2020年突破100亿美金，2021-2022年有可能超过EBG；华为云的节奏目前落后阿里云智能3年，2019年达阿里云2016年收入，2023年突破100亿美金。

来源：

观点2：差异化：重点强调数据化运营，加速自身能力开放

1) 突出阿里云自身的数据化运营能力是最佳实践

a) 飞天大数据平台，采用自研计算引擎、规模最大（可扩展至10万台计算集群）、数据处理能力最强（单日数据处理量600+PB）

b) 阿里巴巴的数据中台+业务中台，承载着阿里巴巴集团级的业务协同，从烟囱架构到统一微服务平台，支持敏捷创新、秒级数据智能

2) 不但是阿里的数字中台，也是合作伙伴的数字中台

数字政府正在从以“网上政务”为核心的1.0时代，走向以“数据化运营”为核心的2.0时代。阿里巴巴将把自己20年积累的数据化运营能力全面向社会开放

来源：

观点3：实践。从行业大脑到开放平台，大脑深入到十大行业（重点是制造、政府领域）

1) ET工业大脑 -> 阿里云工业大脑开放平台，类似ModelArts但针对工业场景适当定制（知识图谱未开放）

ET工业大脑开放平台是集数据工厂、算法工厂、AI创作间以及行业应用于一体的智能应用平台，各模块说明如下：

l 数据工厂：负责存储与管理来自不同渠道的数据。包括来自生产设备、仪器仪表、工业软件、图像、语音与视频的数据，甚至是来自外部的电商数据与天气数据都可被有序的、实时的存放在数据工厂中。根据数据不同的特性与用途进行统一管理，确保数据的全量、干净、与标准，以备随时的数据调用与上传。

l 算法工厂：算法工厂的作用是为算法提供各种工具上的支持，包括提供数据格式和数据接入的管理，支持接入多种计算平台的算法，对算法进行版本的管理、定义算法所能使用的数据范围、资源范围和场景等。

l AI创作间：工业大脑的AI创作间负责业务编排，提高生产效率。依托创作间，行业顾问可创建行业知识图谱，配置通用算法引擎，将算法用业务化的语言进行表达，形成行业算法引擎模板。交付工程师根据实际业务场景来选择和使用行业算法引擎模板，并在此基础上开发出企业专属的智能算法服务，最终发布成API供上层应用调用。

ET 工业大脑开放平台

来源：

ET工业大脑开放平台实际使用界面：

数据智能算法分为化工，光伏，电力，钢铁，水泥，通用等工业智能分通用和行业两类数字政府也突出了智能

合作伙伴可直接线上申请入驻：

2) 对应我司，在系统框架相对稳定后，需进一步加强“场景”、“AI算法”的产品化， APP化，服务化呈现在官网上吸引合作伙伴，把计费模式进行从资源使用型升级到到场景、算法，提升AI竞争力

来源：

3）案例酷 | 攀钢：钢铁是怎样用AI炼成的？

来源：

出于数据采集难度、项目风险性与收益等综合因素考虑，决定从冷轧板材表面检测与脱硫工业优化两个场景切入，着手工业智能的尝试：

l 脱硫工序仿真模型的参数寻优。脱硫是钢铁生产过程中的一个重要环节，旨在降低铁水或钢液中的硫含量。而脱硫环节由于扒渣带铁（脱硫剂反应之后的脱硫渣中带走了大量的铁）会造成大量铁损。工业大脑应用到攀钢西昌钢钒转炉炼钢工艺后，打通炼钢全流程数据，通过建模分析获得炼钢工艺优化的关键因子，结合专家知识，定位提钒、脱硫和炼钢三个关键工序。通过对这三个工序的深入建模分析，聚焦在脱硫工序，依靠脱硫仿真模型与参数寻优模型寻找最优参数。根据实际测算，通过优化的参数推荐，每生产一吨钢可以节省一公斤铁。对于年产值400万吨钢的攀钢来说，一年的成本节省就在700万元以上：

l 工业大脑还被应用到了冷轧环节的质量检测。钢材经过冷轧工艺加工，会形成长度约1千米钢卷。在表面检测环节，质检员通常会在短短5到10分钟内，识别出少则几百个，多则几千个的缺陷，并给出分选度、表面等级、主缺陷和是否合格等判定。但长时间、高强度、重复性且枯燥的质检工作让判钢工程师难以保证判定结果的稳定性，同时，工程师经验的差异也会造成判定水平的参差不齐。最终导致的结果则是客户的服务体验与满意度差，造成巨大的隐性成本。工业大脑的引入，可以辅助人工判断产品缺陷，降低人工依赖性。

另，把AI融入到智联网AIoT中，软硬件协同，阿里云提供自研高性能云端AI芯片、丰富的端侧生态（100+种传感器、200+芯片模型），云边端一体化的智能平台（300+行业算法模型）以及产业AI（十个行业大脑）

观点4：树领导力。工业大脑白皮书-人机边界重构工业智能迈向规模化的引爆点（阿里云研究中心）

1) 场景选择原则：

l 找数据密度最大的地方：哪个生产环节产生数据越多，数据压强越大工业大脑实施难度就越低；

l 找采集密度最强的地方: 哪个环节的数据全量、全维、实时采集能力越强，且数据间可形成闭环，算法的准确性就越高；

l 找价值密度最高的地方: 哪个环节对生产运营影响越大或是产生价值越高，且可以效益量化，就是工业大脑需要集中火力的地方

2) 工业大脑的架构：

3) 典型案例选择：可用手机扫描二维码阅读

l 图像质检领域-正泰新能源；检测效率提升-京信通信，能源优化- 恒逸石化

附：阿里研究院的案例集：

云栖社区案例集：

建议：