數字化轉型的技術推動力與端到端的全景思考

數字化之所以能夠成為行業的熱點及共識，技術的不斷發展與演進是重要的推動力之一。

每一年都會有很多新興技術湧現，這方面最廣泛被參考的工具就是Gartner每年發布的技術成熟度曲線（The Hype Cycle）。它把新興技術的發展分為萌芽期、過熱期、低谷期、復蘇期和成熟期，通過每一年的更新讓人們了解新興技術的當前發展狀態。很多時候人們習慣於看這個曲線上每年新增加的新興技術，因為它代表了今後幾年的熱點技術與趨勢。

圖1 Gartner技術成熟度曲線示意圖

但是，如果我們通過對比不同年份的曲線，可以看到曾經曲線上的有些技術在最 新髮布的版本里消失了。這些消失的技術除了個別走向沉寂外，更多地其實是逐漸進入成熟期而沒有在 新髮布的曲線上沒有顯示而已。因此，我們可以通過對比觀察最 新髮布的曲線里什麼技術沒有顯示，而了解一個更重要的信息-當前哪些技術即將或已經成熟，而這些技術就是當下對數字化轉型有著重要推動力的關鍵支撐技術。

這里我們不妨把2013年和2018年的技術成熟度曲線進行一下對比，以5年的跨度來回看技術發展的成果。

圖2 2013年新興技術成熟度曲線

圖3 2018年新興技術成熟度曲線

對比之後，可以看到2013年曲線上第一個拐點之後其在2018年的曲線內沒有顯示的部分技術如下：

• Big Data（大數據）
• Wearable User Interfaces
• （可穿戴用戶接口）
• Complex-Event Processing
• （複雜事件處理）
• Content Analytics（內容分析）
• In-Memory Database Management System
• （內存數據庫管理系統）
• Machine-to-Machine Communication Services
• （設備間通信服務）
• Mobile Health Monitoring
• （移動健康監控）
• NFC（近場通信）
• Mesh Networks：Sensor
• （網狀網：傳感器）
• Cloud Computing（雲計算）
• Virtual Reality（虛擬現實）
• in-Memory Analytics（內存分析）
• Enterprise 3D Printing
• （企業級3D列印）
• Biometric Authentication Methods
• （生物特徵識別）
• Consumer Telematics
• （消費級車聯網）
• Location Intelligence（位置情報）
• Speech Recognition（語音識別）

相信現在每一個人都能夠在不同場景里看到這些技術的應用，相應地這些技術也推進了特定場景的應用與商業模式創新：用NFC做到手機支付、工業互聯網興起、Spark等繼Hadoop後爆發式成長、人臉識別成為機場安檢的手段、自然語言交互的應用湧現等。這些已經相對成熟的技術讓每一個人、每一個設備都成為重要的數據源，這些豐富多樣的數據所隱含的價值無比巨大。

在大數據的快速發展中，企業可以借助眾多技術做到對數據的洞察。最常見的場景是通過多種數據源的集成與分析，構建用戶畫像來做到精確行銷、信用評級、金融風險管控等工作。所以就大數據而言，其重要性在於幫助企業能夠分析、發現不同數據源的邏輯聯繫。

圖4 用戶畫像和用戶分群示意圖

面對豐富的數據源及海量的數據，除了通過大數據技術進行數據采集、清洗、分析外，人工智能借助機器學習和神經網路等技術為數據價值的發現帶來了新的能力。人工智能本質是一種計算形式，它使得機器具有執行認知的功能。通過機器學習，計算機會學習如何對某個結果採取行動或做出反應，並在未來能夠對相似的問題採取相同的行動。於是在自然語言處理、圖像識別、自動駕駛等領域展現了突出的優勢，不僅改變了人機交互的方式，也深刻影響了決策、執行的模式。

如果說當初業界都在推進的信息化使IT與業務緊密結合，使得業務都可以產生相關的數據從而提升該業務的發展。那麼數字化轉型的目標則是借助雲計算、大數據、物聯網、人工智能等技術手段做到從數據出發改造和創新業務。數字化的關注點便是進一步通過對已經頗為豐富的數據借助人工智能技術來深度學習和挖掘，進而創新出新的業務和產品。如我之前的文章《數字化意味著什麼》中所述，信息化極大地提升了效率，而數字化則是在效率提升的前提下做到能力的躍升，這種能力的躍升就是業務模式創新、產品和服務的跨越式發展。

除了當下已經成熟的技術，2018年的報告中也顯示當前以下這些技術將助力未來的數字化趨勢：

• 民主化的人工智能：AI平台即服務（PaaS）、強人工智能、自動駕駛（4級和5級）、自主移動機器人、對話式AI平台、深度神經網路、自主飛行棋、智能機器人和虛擬助手。
• 數字化生態系統：區塊鏈、面向數據安全的區塊鏈、數字孿生、物聯網平台和知識圖譜。
• DIY生物黑客：生物晶片、生物技術-培養或人工組織，腦-計算機接口、增強現實、混合現實和智能織物。
• 透明的沉靜式體驗：4D列印、智能連接家庭、邊緣AI、自我修復系統技術，矽陽極電池、智能灰塵、智能工作空間和三維立體顯示
• 無處不在的基礎架構：5G、碳奈米管、深度神經網路ASIC、神經形態硬件和量子計算

我們能夠看到的另一個重要技術趨勢是去中心化。我們的系統架構從C/S到B/S再到多層架構，還是一種中心化的架構，計算、存儲等任務都是由特定而且由少數巨頭公司所擁有的平台來提供。這種中心化的架構不可避免地面臨著擴展性、效率和信息安全的挑戰，而去中心化讓數據在產生、存儲、使用、分享、歸檔及銷毀的整個生命周期內不再受限於單一平台的能力上限，從而做到更加開放、自主而且免於被少數巨頭所壟斷而爆發更大的創新可能。以區塊鏈為例，基於共識機制、密碼學、點對點等技術的結合，區塊鏈帶來了去中心化、防篡改、智能合約等顯著的優勢，從而為未來的技術架構提供了前景廣大的發展空間。

為了全景地探討數字化的應用場景，我們不妨將所有的複雜產業鏈抽象成為簡單的供給端與需求端。以前人們往往習慣性地把供給端作為這個鏈條的起點，因為我們已經習慣於廠家來主導產品研發，然後通過行銷手段把生產的產品銷售給客戶。但是未來的發展方向則是應從需求端的價值需求作為起點。供給端的生產力需求來源於需求端的價值傳遞，這便是數字化變革的一個重要轉變。

圖5 端到端的價值傳遞

因此我們先從需求端來看當前的變化。伴隨著電子商務、移動互聯的蓬勃發展，作為消費者的普通大眾在潛移默化地改變著「To C」的消費需求，呈現三個特點：

第一個特點，對於商品功能的需求在多樣化。原本企業所篤信的產品理念往往已經並非消費者所關心。最廣為人知的例子，便是手機巨頭Nokia在蘋果公司的衝擊下黯然退場。因為用戶曾經熱衷於手機的堅固耐用，而現在熱衷於蘋果手機整體生態系統帶來的有價值能力，例如時尚感、易用性和流暢的體驗等。這種需求的多樣性也體現為用戶對個性化的追求，而這種趨勢的興起則直接衝擊著傳統製造業規模化生產的模式。

第二個特點，消費的節奏不斷加快。很多用戶手中的iPhone手機往往價格不菲，卻也在很短的幾年內就更換成了最新的型號。所以要求產品從設計到生產的周期縮短，從而在快速捕捉用戶的消費熱點。

第三個特點，衍生價值加大。克里斯·安德森在《免費》一書中以大量的案例揭示了產品在增值服務及衍生產品中帶來的巨大價值甚至超越了商品本身，從而使得很多產品即便免費也能夠滿足企業的商業訴求。

對於「To B」的產品，由於很多往往與上下遊產業鏈結合，所以企業成為一個產業鏈中的一環。下遊企業對產品的需求是領先的產品特性、合理的性價比、彈性的供給能力。仍以iPhone手機為例，蘋果對於玻璃面板的需求不僅是嚴格的允許公差和合理的價格，也需要供應商能夠在短時間內滿足巨大的產能需求。這就需要該產品的供應商在整個生產環節對設備、工藝、材料等諸多方面進行優化，而且還要有能力使產線能夠靈活滿足不同廠商對產品的需求。

無論「To C」或者「To B」的產品，其消費端的需求都是整個價值鏈的起點，這就是數字化時代與過去常規模式的不同之處。過去的商品更多地是在通過常規市場手段預估客戶需求後再進行設計與生產，然後通過市場推廣手段去發現潛在的消費者進而做到產品的銷售。這個過程中不可避免地存在產品銷路不暢、庫存物流積壓等諸多問題。而且產品的價值往往僅是產品本身，而相關的增值服務在眾多因素限制下而不能充分挖掘。因此，基於數字化手段做到對用戶的洞察、服務能力的提升是企業在數字化轉型中最大化客戶價值的重要手段。

互聯網的興起不僅創造了眾多巨頭企業、產生了龐大的虛擬經濟，也在消費端取得了令人矚目的成就。在「以用戶為中心」的產品理念推動下，做到了一系列商業模式、產品與服務的創新，究其實質是通過互聯網和一系列技術與場景的結合而全面、深刻地對用戶需求的理解和挖掘。因此「互聯網+」概念的提出，使得傳統企業可以借助互聯網信息技術與思維做到優化生產要素、更新業務體系、重構商業模式，從而推進了以客戶為中心的供給端改革的。

現在我們再來看供給端的轉變。由於供給端的數字化涉及到眾多的領域和技術，因此我嘗試以一個示意圖，將多種因素綜合在一起，而看到技術、平台以價值鏈為紐帶關聯在一起。

圖6 供給端的全景示意圖

供給端以需求端的價值需求為導向，通過生產產品及交付服務來做到企業商業收益。智能產品直接對接需求端的價值需求，從需求、設計、測試到使用，都需要始終貫徹價值需求為導向。智能產品牽動了從供應鏈、智能製造到智能產品的價值鏈整合與系統優化，數字化在每一個環節都具有豐富而深刻的開拓前景。

伴隨著產業和技術的不斷發展，業界的製造模式經歷了四個階段的發展：

而工業4.0的到來，對製造模式的影響表現在「預測型製造」。預測型製造則是通過物聯網做到傳感器數據采集、場景數據建模等信息轉化機制，進行智能的預測建模。從而做到對設備性能和故障時間的預測，極大減小不確定因素的影響，防止實際經營中生產力和效率的損失。

在思考製造業數字化轉型的問題上是，可以借鑒業界在智能製造和智能服務的思路和時間。其中德國的「工業4.0」即智能製造的代表，它以工業裝備為對象，其目標是做到面向產品製造流程和供應鏈的一站式服務。而美國CPS（Cyber Physical System-信息物理系統）則以系統工程、工業互聯網為對象，其目標是做到面向用戶服務鏈與價值鏈的一站式創新服務。

智能製造的重要基礎就是工業互聯網，其目標是做到從生產系統到商業系統的智能化。工業互聯網的核心包括「網路」、「數據」和「安全」，三者融合將做到動態優化調整、構建智能生產模式、達成用戶交互與產品服務優化的閉環。

圖7 工業互聯網體系架構

圖片來源: 工業互聯網產業聯盟《工業互聯網體系架構白皮書》

在全球經濟進入數字化轉型的時期，數字化轉型是企業做到優化效率、智能產品及服務的優化、強化競爭力的必要選擇。這需要企業從產業變革、客戶需求和行業競爭的變化中，不斷構建全新的能力，從而做到數字化轉型戰略的逐步推進。