0
“制造業數據的指數級增長，就像當年阿里巴巴的‘雙11’購物節一樣，在這樣的景象下，作為一名數據從業者，我感到異常興奮。這種熟悉的感覺仿佛讓我回到了過去，但這一次，我站在了一個全新舞臺。”
曾在阿里工作多年的奇點云CTO地雷，他的眼神中透露出熱情與期待。
奇點云是誰？
簡單來說，他們是獨立第三方的大數據基礎軟件廠商，成功實現與全球十大IaaS云服務商的兼容；雖然創始團隊全部來自阿里，但并不是阿里的投資項目；作為國內為數不多的擁有完整大數據實踐經驗的“玩家”，他們一直被視為國內四大中臺廠商之一。
奇點云的合伙人、CTO王樂珩（花名：地雷），擁有18+年數據領域研發、產品和創業經驗，原阿里云MaxCompute大數據引擎和算法平臺首任PD。創始人和高管團隊也大多擁有深厚的阿里背景。奇點云背后的團隊，與這種技術基因有著非常緊密的聯系。
憑借著技術優勢以及在零售、金融和政企幾大賽道的成績，奇點云在2022年底成功完成了近億元的C2輪融資。據官方表示，這筆資金將用于自主可控的數據技術研發、產品和服務的持續升級，以及加速推進“企業級”戰略，優化營收結構，實現高質量的發展。2023年，奇點云獲得了制造業多個細分領域頭部客戶認可，實現了制造業營收占比翻倍。
成績不錯，他們正在主攻什么？
答案是：賦能制造業。
制造業數據正處于爆發式增長，這對于奇點云來說是巨大的機遇。地雷在與雷峰網對話中透露，奇點云力邀制造業資深專家“入伙”，并將多年服務零售業沉淀下來的技術和經驗加以復用，幫助制造業客戶在數據采集、數據研發、數據生產、數據服務和數據治理等多個環節實現降本增效，實現數據能力的可持續發展。
意外發現制造業“數據新大陸”
"制造業數據的指數級增長，這真是個出乎意料的事情，我們最初并沒有預料到。這個發現，純屬偶然！"地雷笑談道。
這要從奇點云與一家新能源制造企業（A企業）合作開始說起。
A企業使用了奇點云DataSimba數據云平臺，可以分析處理大量各種類型的數據，并在半夜準時生成報表，使得企業第二天能夠做出相應的調整。
令人意外的是，在不到三周的時間里，A企業的老板給地雷打來電話提出了新的需求。
在電話那頭，老板的需求十分明確：“DataSimba用著還行，數據分析的效果也不錯，我們希望繼續提頻增速，把一天跑一次數據，改成每小時生成一次數據。還有，好幾個基地數據在等著上生產。”
地雷心里一驚：沒想到制造業用數的反饋和數據量的增長來得如此之快！原本以為上線DataSimba后，大規模擴展資源會在兩三年后，但現在因為數據量爆增倒逼著數據基礎設施更新，這僅僅過去了兩三周。
項目組工程師加班加點，幫助A企業在不另加資源的前提下，完成每小時生成一次數據的目標；接著，地雷請來公司各路神仙研究海量、多源、異構數據的實時處理等問題，“技術棧能力是有上限的，突破量級的時候，就不是單純堆機器那么簡單了。”
三周后，A老板拿到了穩定按小時級產出的分析結果，決策更及時，競爭力就更強，利潤自然更高了。
同時，地雷很快發現這并不僅僅是A企業的需求，而是整個制造業所面臨的挑戰。
聊到這里，大家難免有個疑問：為什么制造業的數據突然變得如此龐大？
數據的增多是因為數據源頭也在增多。
眾所周知，傳統制造業傾向于使用人工解決問題，工人手動操作生產線，手工記錄數據。然而，現在越來越多的自動化設備被引入到制造業中，取代了傳統的人工操作。這些設備和系統產生了大量的數據，成為制造業數據的重要來源。
"制造業產生了大量的機器數據，這些數據按照設定的時間間隔采集，我們稱之為時序數據。制造業的數據量比人們平時產生的數據要大得多，因為制造業的機器設備是按照固定的時間間隔采集的，每秒鐘都會產生大量的數據。此外，這些數據是按照時間順序依次采集的，比如每隔15秒采集一次溫度數據，具有明確的時間順序性。”地雷解釋道。 
圖：越來越多企業采用自動化生產線（插圖由AI生成）
制造業自身變革倒逼企業利用數據解決問題。
以B企業為例，B企業是一家乳業企業，在交付產品給客戶時面臨著許多復雜問題，找到了奇點云共商“交期優化”策略。
比如，不同類型的牛奶需要考慮運輸和物流條件進行生產和交付。在這個過程中，B企業需要在適當的時間內生產和交付產品，確保產品質量。
又比如，由于原材料成批采購，每批原材料的價格可能不同，B企業需要在財務上盡量盈利，同時滿足客戶需求。
此外，還需要考慮最壞的情況，即如果出現違約或延遲，應該優先解決哪些訂單的問題。
總體來說，B企業的問題是涉及到多個復雜變量，需要統籌優化。
在過去幾十年，這些問題主要依賴人工處理，比如根據經驗配比生產線，并使用Excel表格進行管理。
但現在這種方法已經不管用了。為何？
因為B企業有很多部門，每個部門都有自己的系統，每個系統都會產生大量細節數據，形成多個“數據孤島”，這些數據孤島數據量很大，以TB（萬億字節）（1TB約等于1.1萬億字節）計算，傳統人工方式根本不可能承擔那么大的計算量。
“加上新的數據還在不斷增加，人類很難在每小時或每分鐘內反應變化，所以需要利用數據和自動化方式來管理整個生產線，包括訂單管理、物流、原材料采購、制造和生產線等。”
“機會來了，制造業的數據智能化時代即將來臨”，地雷很興奮。
可以開著飛機換引擎嗎？
要在制造業領域打好這場仗，技術尤為關鍵。
奇點云團隊自帶技術基因，在大數據領域擁有豐富的經驗和技術，操盤過大量項目，才能知道哪里有坑，知道怎么避坑。
當然，只有大數據技術還不夠，還要有“共同語言”。
一位制造業老炮打趣：“制造業幾百種專業術語，類似‘OEE’、‘設備稼動率’、‘UPH’、‘采購及時率’等等，不在領域做上10年，5分鐘就能被繞暈。”
“最怕就是你跟客戶說技術，客戶跟你說場景，大家誰也不懂誰，就好像雞同鴨講，”地雷一語中的。
因此，奇點云組建了制造業行業線團隊，團隊里的“老專家”都來自工業制造咨詢公司和工業軟件公司等領域，深諳行業Know-How，能夠用共同語言與客戶“接地氣”溝通。
奇點云制造行業線負責人航宇談到：“我們很樂意跟客戶呆在一起，幫助客戶充分利用數據來改進業務和決策。我們還有‘開飛機換引擎’的本事。“
開飛機換引擎？怎講？
奇點云有一家客戶是光纖領域的創新型企業（C企業）。
C企業數年前已完成數據中臺建設。而在幾年前，C企業被美列入“實體清單”，原數據中臺供應商IBM隨之“斷供”——產品可繼續使用，但不再提供版本更新、漏洞修復及技術支持。
對于C企業來說，數據已在多個核心領域得到使用，事關經營決策、生產管控等各個環節，數據基建（數據平臺、數據中臺等）的穩定性、可靠性、安全性也日益重要——數據生產不能被“卡脖子”，數據能力的建設也不應中止。
事實上，大型企業在大數據領域實踐“國產替代”，確實不只是“換個產品”那么簡單：
新產品需要支持國產信創，自主可控，打破封鎖；
舊產品有的，新產品都要有，且更優；
舊產品沒有但業務需要的，新產品也要有，且能陪伴業務升級而不斷進化；
在新舊產品切換的時候，還要確保現有數據資產無損平滑遷移，同時保障日常數據生產不受影響。
對于已有多年數字化沉淀的C企業而言，切換數據基建產品就如同“開著飛機換引擎”，一點也不夸張。
為了解決C企業的問題，奇點云上線了DataSimba數據云平臺，并將底層的大數據集群管理系統切換為奇點云的DataKun，數據遷移由奇點云原廠完成。最終，奇點云順利幫助C企業實現了“開飛機換引擎”的任務。
何以PK同賽道玩家？
狹路相逢，奇點云會遇到三波玩家：一波是傳統信息化公司；一波是互聯網巨頭和數據技術公司；還有一波是咨詢公司。
傳統信息化公司對制造業流程和痛點非常清楚，但是由于缺乏大數據技術，當客戶數據量激增時，他們往往無法及時有效解決這個問題；
互聯網巨頭擁有先進的大數據技術，但在制造業行業 Know-How 方面存在欠缺。盡管一些大公司曾組建過一些優秀的制造業團隊，但這些團隊受限于企業文化和主線業務往往在內部無法存活，尤其當一項任務需要幾年時間才能盈利的情況下；
咨詢類公司對于行業的數字化有一定了解，可以從戰略層面指導企業數字化轉型工作。然而，咨詢公司的人員往往缺乏實際落地的經驗，所以最終還要數據技術公司落地項目。
地雷表示：“我們既擁有了先進的大數據技術，也擁有制造行業Know-How。同時，我們和很多伙伴是‘亦敵亦友’的關系，例如，和咨詢類公司有成功的合作經驗。”
同時，奇點云沉淀了一套獨特的“抽象模型”方法論。
奇點云在創業的前三年，扎根零售業數字化，根據零售業的特點、業務模式和企業的整體設計，沉淀了一套“抽象模型”的方法論。
例如，如果要經營一個超市，只需要關注大約200多個數據指標。奇點云已經將這些數據指標抽象出來，創建了相對標準的數據模型，這樣同類型的超市稍加改造，就可以快速地應用這些模型。
在制造業領域，奇點云也正在形成適用于制造業各個細分領域和場景的數據模型，并且在不斷優化和改進的過程中，將其應用到更多的企業中。
此外，奇點云在零售業積累了可復用于制造業的“底層數據架構優化”經驗。
以零售業為例，涉及到大量的數據，包括線上線下用戶數據和商品數據等。在技術層面上，如何提高底層數據架構的復用能力，構建更好的數據技術模型，是一個重要的問題。
類似地，在制造業中，需要考慮“訂單”、“供應商”等對象以及訂單相關事件等的抽象化。通過優化和抽象化技術架構，可以用更統一可靠的技術底座來支撐上層動態多變的業務數據需求。
“奇點云從零售業走到制造業，積累了獨特的經驗，這些經驗在底層數據架構優化和抽象化方面都非常有價值。”奇點云制造行業線負責人航宇分析道。
圖：奇點云提出制造業數字化轉型“三看三提”
值得一提的是，奇點云是一家獨立的第三方公司，不綁定云資源。這意味著他們可以與各種云平臺和技術集成，為客戶提供更大的自由度和靈活性，而不受特定云供應商的限制。
打仗要做主角，需求是甜蜜負擔
“所有的數據分析和使用前提都是要有‘需求’。‘需求’就是數據人甜蜜的‘負擔’。”地雷笑笑。
一個有趣的例子是，地雷曾經有一些阿里巴巴的前同事跳槽到谷歌，他們設計的架構令谷歌的工程師非常驚嘆。當問及為什么這樣設計時，他們解釋道，這是因為他們曾經經歷過阿里巴巴在“雙11”期間數據爆炸的情況，所以他們的設計能夠處理大規模的數據。
其實，制造業也是類似的道理。
中國有很多制造業企業，這些企業使用自動化生產線進行生產，同時產生大量數據。很多企業愿意利用這些數據來降低成本、提高效率。正因為如此，才會衍生出各種各樣復雜的需求。
地雷總結道：“奇點云并不是僅僅為客戶提供一把屠龍刀，而不關心客戶在何種情況下使用這把屠龍刀。相反，奇點云更注重客戶的需求。比如，客戶可能有降本增效、供應鏈優化、供應鏈監控等各種需求，奇點云會帶著這些問題去一直往下深挖，直到找到可以用數據解決的方法。”
看來，“制造業數據戰”這場仗，奇點云爭做主角，不是陪演。
雷峰網(公眾號：雷峰網)雷峰網雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
