化虚为实,工业智联如何落地破局 ?

“工业互联网”作为新兴概念自 2012 年被工业巨头通用电气(GE)提出后,吸引了全球目光。但随着时间推移,众多企业卡在了 “如何把理念落到实处” 的问题上。

一方面,许多巨头企业自身数字化脚步很快,各自有独立的应用软件与系统等;另一方面,随着 IoT 与 5G 技术的发展,企业的目光也更聚焦于工业设备本身,旨在解决复杂工业系统管控问题的同时,将系统资源的使用效率、自主性和安全性等共同提升。

相比于欧美发达国家,中国的工业企业数字化进程还尚在起步阶段。DeepTech 近日采访了刘勇攀教授。他在 2018 年创立了湃方科技,核心团队来自清华,他们从垂直行业入手,长远也将转向平台化服务企业。成立两年不到的湃方科技在工业设备智能化领域的商业化取得了亮眼的表现,也找到了一条适合自身发展的赛道。

图 | 刘勇攀教授(来源:本人)

落地有“根”,解决痛点才是切入市场关键

湃方科技成立伊始,便将设备的智能化运维当作业务重点,尤其聚焦于工业的动力核心——旋转机械,包括泵、电机、压缩机等。目前,公司已和中石油、中石化、中海油等公司建立了战略合作关系。而这或多或少都与核心团队的经历有关。

刘勇攀是清华大学的教授,也是电路与系统研究所的所长。另外两名主要创始人,武通达在清华大学电子工程系的本硕博经历都师从刘勇攀;马君作为清华大学的博士后,曾任阿里巴巴达摩院决策智能实验室算法专家、中国石油地球物理公司数据科学家,生长于石油城辽宁盘锦的他有着 7 年的算法研发经验和 5 年的工业实践经验。

“目前设备运维难度大、效率低,而主要原因就在于数据的采集和分析很困难。”刘勇攀说。此外,他还表示,运维市场是的空间巨大,他们考察了 10 来个细化行业,发现设备运维市场有万亿级的空间。

以泵为例,虽然泵的价格从几百到几十万不等,但值得监测的泵机大部分处于缺失在线监测传感器的状态。因此,旋转机械的智能化管理成为了一个庞大的待开拓市场。近两年来,每年泵机新增出货量上亿台,数量逼近手机;而且,存量规模也十分庞大。“但当下泵机市场的整体是割裂的,分为三部分:前装、中间服务商和后装;相互之间信息零散,尤其中间的服务商多以小作坊形式存在。”

除此之外,工业企业的基层人力紧缺问题日益显著。设备需要有工人进行定期巡检,但本身相关产业的利润率很难给出令人满意的待遇,“年轻人跑到城市里送外卖挣得比在工厂多。” 刘勇攀说,“我们服务的一个油田,40 岁的都算年轻人了,基本已经招不到人做巡检了。但设备总要运营下去,那么如何安全地运营便是企业的痛点。”

解决办法说起来很简单,用传感器收集信息,再对其分析并给出反馈。但实际上,传统工业传感器部署较为复杂,并且定制化程度高,导致成本偏高。此外,数据分析也难以摆脱对专业人士的依赖。这两大因素成为了智能化运维的桎梏,湃方的核心技术便是针对上述两个难题的。

图 | 湃方商业模式介绍(来源:湃方科技)

专用 AI 芯片 + 新一代传感器是解决问题的王道

传感器是工业数据采集的源头,而寿命更长更稳定,能耗与成本也更低的新型传感器是解决 “采集难” 的有效途径。当然,这种新型传感器对内嵌的人工智能芯片也提出了更高的技术要求。

“这也是初创公司的机会所在。”刘勇攀说,“通用芯片的优势在于自身的通用性和快速商业化效率。这会让大公司以巨大规模的资金投入来拉高工艺壁垒。但创业公司在专用 AI 芯片上是有机会的,将算法和芯片融合的同时,再将新器件与芯片联合优化。湃方的芯片是一系列技术积累而成。”

“湃方星核”就是超低功耗的工业终端 AI 芯片 Tritium 103 和 Sticker 系列 AI 加速器 IP 核的结合体,其 AI 芯片的功耗降低至 40mW,相比于英特尔的 Movidius 芯片降低了 80%。

“自 2016 年起,我们就开始研究什么样的硬件芯片结构能够支持稀疏性的神经网络计算。这是我们最大的动力。”不同的稀疏度矩阵运算对于存储和计算电路要求不同,在提出统一架构的同时,还要让其能高效处理不同稀疏度的人工神经网络矩阵,这是 AI 芯片的一大难题。

刘勇攀主导设计了全球首款低功耗非易失处理器。他的 Sticker-T 芯片成果也在 2019 年发布于 ISSCC,成为国内首篇入选 ISSCC 的人工智能芯片论文。Sticker 系列芯片基于 “算法 - 架构 - 电路” 的联合创新,对神经网络中的非规则化稀疏性、规则化稀疏性和低位宽表示提供了高效的支持。2020 年,刘勇攀也成为入选“芯片奥林匹克”ISSCC 技术委员会人工智能芯片领域的首位中国委员。

从具体应用来看,湃方就是给每台出厂设备都配了一名 24 小时的贴身 “私人医生”,以便实现产品的预测性运维。以泵机为例,实现了实时监测、启停机监测、振动分析、工况识别、故障诊断等,且采用的是“一机一模型 + 自动学习” 的算法架构,4 天自学习和本地 20 多种故障诊断,响应时间可以在 10 分钟之内。

“以石油行业为例,油站的每条输油干线机泵组都需要 10~15 名工作人员以及专业的设备专家进行设备管理。而采用湃方智能运维管理方案,通过在线实时监测配合 AI 智能诊断,将巡检人数降低到 3~5 人即可。有效减少了巡检、设备维护的工作量。”刘勇攀解释道,“传统巡检方式,人员无法远程实时掌握设备运行状态,并且难以精准定位故障。但智能化运维解决了这一问题,降低了维修换件成本,减少计划外停机。”

除此之外,电机等设备每年的电量消耗都是极大一部分支出。而当电机使用效率下降时,其能耗会变得更高,这部分消耗甚至会超过设备本身的价值。因此,在可以实时监控设备运转情况之后,就能针对性地做保养维修和小零部件替换等工作,使其效能长期处于稳定状态。这样也能大幅度降低电费支出。

图 | 星核系列迭代图(来源:湃方科技)

疫情将催动产业升级,全栈式产品是形成业内 “护城河” 关键

经过新冠疫情冲击之后,国内现已全面复工复产。而在工业重启期间,疫情带来的封闭、隔离进一步促动了业内对人力替代及人力优化问题的思考。

“当工人需要隔离无法返岗或者不能人员密集化地去做一些工作时,远程的智能化检测与控制的需求就更为明显。” 刘勇攀说。“疫情促动是一个小的红利,但要做有竞争力的产品,一定要从上到下的。”

从上到下即为全栈,做全栈式解决方案的优势在于解决了客户从数据采集到分析,再到展示的整体需求。“通过全栈产品,我们可以做到全局跨层次的优化。”他说到。湃方科技提出的全栈式的工业设备智联解决方案,包括了湃方星核、湃方星尘、湃方星象和湃方星云 4 个模块,可以根据实际需求为客户灵活组合交付的产品形态。

图 | 湃方产品矩阵介绍(来源:湃方科技)

当然,对于全栈式解决方案的研发难度,刘勇攀也特别强调:“全栈式的解决方案必须要面临公司内部研发资源分配的挑战,这也是多数创业企业在多产品线并行的研发过程中经常要面临的问题。”而湃方的发展线路则是先垂直深耕,后平台化发展。

“深耕垂直行业先打通产业链,才有可能朝着平台化的方向发展。建立平台的基础是能针对客户痛点真正解决实际问题,并带来价值。”他解释道,“脱离客户基础的平台化产品落地,是会很快就遇到各种麻烦的。”

图 | 湃方科技业务范围介绍(来源:湃方科技)

从业务角度来看,湃方科技的商业模式主要有 “前装” 和“后装”两部分。“前装”是湃方直接向工业设备提供商销售产品,包括电机厂、泵机厂等。“后装”则主要通过与云平台服务商合作,包括华为云、英伟达、树根互联和浪潮云等,将垂直解决方案嵌入到平台服务中,进而将平台服务商延伸为自身渠道。

“当然,我们也会考虑在创业初期直接以项目方式切入终端用户,树立起服务案例标杆。” 刘勇攀说。“总体来说,我认为前装市场是公司发展机遇所在,业务增长速度会比后装市场快很多。”

无论采取何种商业模式,对于初创企业来说都有着不小挑战。通过标准产品切入前装市场便于实现规模化复制,但难度在于前装市场大而分散;而通过垂直解决方案切入后装市场更易通过平台渠道快速贴近终端用户,但挑战在于如何满足各种不同的定制化需求。

“但创业公司也有自身的优势所在。在工业智能化时代的中国,有着与自动化时代的欧美一样诞生出世界级伟大公司的可能。”刘勇攀说道。