智能制造周期穿越，探索工业数字化市场产品触达闭环 | 彬复研究
注：全文共计14000+字，阅读大约需要40分钟。彬复行研文章，信息密度较大，但是干货满满，enjoy~
摘要
过去五年“自主可控”国产工业软件迎来尖峰时刻，当下后疫情时代制造业数字化投资缓慢修复、认知修正；长期来看，智能制造是中国现代化进程与数字经济时代发展的交相辉映，规模经济到速度经济，IT渗透OT，机器替人三重趋势叠加。
智能制造是云计算与物联网对制造业的重塑，工业互联网在企业内部将管理架构从“金字塔型”进化至“大树模型”，云-网-边-端工业新基础设施之上两大赛道机会：新的数据流通架构和控制架构发生变化出现的新模块；基于工业互联网新架构承载的新AI+IOT应用功能。
智能制造赛道初创企业穿越周期，需要构建市场-产品-触达闭环。市场：行业数字化转型金字塔，消费品牌数字化转型更快，国企央企数字化投入更大；企业规模决定管理目标，大/中/小型企业数字化需求和动机需要区分。产品：自动化升级，数字化筑基，信息化补课，智能化进阶。渠道分销：直销、渠道商、OEM、代理商，各销售通路下与合作伙伴的分工：客户/商机/合同/服务。交付实施：从项目型和产品型，到低代码和SaaS，敏捷开发与开箱即用之间的平衡，“平台化”任重道远。
第一章
智能制造周期穿越，短期机会危机并存，长期赛道递进前行
1.1 短期，自主可控国产软件尖峰时刻，后疫情时代数字化认知修正
2018年以来，国产替代为中国原生工业软件，提供了前所未有的客户基础和试错机会；随后2020年三年疫情，隔离管控逐年升级，制造业正常生产与供应链受到巨大影响，工业数字化投入“心有余力不足”。如今正是新的开始。
2018年我国人均GDP首次即将突破1万美元中等收入国家水平，也进入世界银行提出的“中等收入陷阱”时刻——原有增长机制和发展模式矛盾显露，原有发展优势渐渐消失。
也是同年，中美“脱钩”，从贸易战进入科技战，随后众多中国科技公司被列入“实体清单”，大量国外工业软件被停止授权使用，半导体、高端装备行业等先进制造业受到重大考验，以期阻挠和打压中国科技行业的发展。
2018年“信创”概念第一次进入市场，在制造业中愈发重视发展工业软件等国产化率极低的“卡脖子”应用。时至今日，坚持中国智能制造化进程“国产替代，自主可控”成为最高优先级目标。
可以预见未来十年，大国竞争将对供应链全球化分工的冲击愈发严重，在我国建成中等发达国家的2035年之前，国际断供和卡脖子将是常态。工业软件是制造业中国产化率最低的基础领域之一，举全国之力，出手推动工业软件自主发展是必然选择，也自然让其成为风口。
2020年-2022年随后三年大疫，是工业软件、智能制造服务商生死存亡的艰难时刻。三年疫情，制造业的正常生产与供应链流转受到隔离管控的巨大影响，业绩持续下滑。根据国家统计局数据，我国私营企业亏损总额2020-2022年分别同比增长 8.8%、15%、53.7%，私营企业亏损比例三年内增加75%，近20%的私营工业企业2022年未实现盈利。
疫情之下，制造企业生存需要大于转型。相比之下数字化、智能化投入对于制造企业来说是一项“重要不紧急的”支出，投资回报难以测算，数字化转型本质上是一种固定资产投资，高投入缓见效，因此数字化预算影响需求延后或取消现象非常普遍。表现出来，就是智能制造服务商难签单，难交付，难回款。
在预算危机中，服务商如何让客户感受到“价值感”，能用产品打动客户的“浅口袋”，也是工业软件企业能否穿越周期的“真实力”。
2023年伊始，将是智能制造工业数字化认知回归的一年。经历了国产替代的热潮，也经历了疫情三年的寒冬，政府推动式中小企业智改数转效用减弱，头部企业则对数字化的价值感更加具体而坚定。此刻，智能制造或许正式开始。
1.2 长期，智能制造是中国现代化进程与数字经济发展的交相辉映
拉长时间维度来看，“工业信创”的表藏着“制造转型”的里。从国家演进的历程角度来看，我国正在度过以“劳动力密集-销地产”驱动经济增长，向下一阶段靠更有技术附加值、更具体系、更坚强的产业来支撑。产业升级的需求内核也不断的被赋予称号，如“工业互联网/智能制造/工业4.0/中国制造2025”。
制造业升级是中国现代化进程的发动机。根据中共二十大精神，中国式现代化是牢牢把握以实体经济为主体的现代化，到2035年将提升制造业占GDP比重从当前的25%提升至35%，制造业服务业占GDP比重提升至15%。
中国谋求智能制造产业升级的背后，又有三个数字经济时代（链接：彬复数字经济系列1：觉醒年代，中国数字经济三十年）的趋势使然。
第一，批量经济（规模经济），到提供多产品、小批量的品类经济，再到未来柔性供应链的速度经济。消费者话语权提升，对品质和个性化的要求开始对供应链产生影响，倒逼品牌供给方更加注重供应链管理，消费电子行业最为典型。
第二，机器替人，替代重复劳动，从单机自动化到，沉淀“工业knowhow”。人口老龄化制造业用工难，熟练工人招不到留不住，把更多人的劳动交给机器，不仅是重复工作，机器人还要逐步替代师傅带徒弟的技术工种工位，通过AI知识图谱、深度学习等能力将工艺现场的隐形知识显性化，降低对一线操作员的能力要求。
第三，数字化IT基础设施的快速普及，使得IT 快速渗透进入到 OT 领域。华为的崛起在90年代率先利用IT 语言突破原CT语言编写的通信交换机，改变了通信行业由诺基亚、爱立信垄断的市场格局进而后来居上。今天的制造业信息化，也在发生如此的趋势性变化。
基于DCS/PLC/SACDA的OT语言制造业控制流与信息流链路，正在受到IT语言编写在数字芯片上的IOT、云PLC、软PLC以及基于云计算、软硬解耦的渗透和替代，西门子、罗克韦尔等上一代垄断者也必将迎来属于他们的屠龙少年。
1.3 云计算与物联网重塑制造业，智能制造与工业互联网殊途同归
数字技术过去20年中在C端已经改变了世界，源于C端数据的富集和广泛连接，消费互联网、移动互联网迎来了足以标榜人类史册的颠覆。
伴随云计算和物联网为代表的数字通信、存储、计算等技术更加可靠、成本可控，数字化需求更加丰富的B端正等待被挖掘，数字技术对供给侧的改造和提质增效也必然发生，它的名字叫“智能制造和工业互联网”。
工业互联网在2015年我国推动“互联网+”行动指导中进入大众视野，可以看出“工业+互联网”最初强调“互联”属性，工业互联网是工业数据要素流通方式，价值连接和价值创造方式。
然而，工业互联网的 “互联”是智能制造的终局，并不是智能制造的“原因”。本质上，工业互联网和智能制造的起源，都是“云计算”与“物联网”对物理世界关系的重构开始进入工业领域。
广义的工业互联网由企业内和企业外两部分组成，为了加以区分，我们用“智能制造”+“产业互联网”来命名。智能制造是企业内部的数据要素打通互联和价值体现，包括工业人工智能和工业数字化两部分，典型实现是黑灯工厂。
无数高度数字化、智能化的企业节点，依托产业链形成网状自组织结构，就形成了工业互联网：供应链核心企业主导的黑灯产业链；小企业组成的柔性制造产业网。
工业互联网在制造业内部主要指企业的管理信息和数据流通结构，是智能制造的基础设施和价值承载。
相比工业3.0的信息流通结构的金字塔型，新的工业数据流通架构则更像是大树模型，树根仍是大量的工业现场的设备，但是设备串联方式更加丰富，边缘云、边缘网关、各式传感器，更加丰富的数据采集和控制模块把底层连接、汇集。树干是底层数据汇集形成的平台PaaS层——工业 IoT 、工业数据湖、工业业务低代码平台，是一切沉淀数据、软硬解耦构建应用的平台。
树叶是大量的工业应用APP，基于数据连接和汇集整理，数据价值的迸发所支撑应用也更加广泛和丰富。今天的MES等定型工业软件可以被解耦，所能承载的功能可以根据用户需要而快速迭代调整，与下层设备和更上层应用的互动可以越来越多。
制造业的信息流通新架构，孕育了新的工业应用功能。新架构带来的数据提取和呈现能力，终将要在某一单点或者系统中被释放，展现数据价值来指导或辅助工业运行。也因此可以看到近年来工艺优化、能耗管理、质量追溯、数字化交付、安全运检等等工业智能化新应用的出现层出不穷。
云计算与物联网为制造业带来的新架构与新功能，就是智能制造赛道的“确定性”，新的工业体系构建，我们的时代正在发生。
1.4 两类智能制造初创企业的新机会
在我国39个工业门类，超过40万家规模以上企业的数字化转型浪潮中，互联网的平台化特性，赢者通吃、极低边际成本的玩法可能无法成立。
创业公司能够凭借工程师企业家的雄心和工业技术的绝活，广泛的参与工业互联网为主体的制造业新管理架构“新模块”建设，和OT与IT数据与AI的结合迸发的“新功能”应用。
第一类机会：新的数据流通架构和控制架构发生变化，出现的新模块的机会。今天很多公司提供边缘数据采集，边缘网关，提供 IOT 平台或者数据中台、业务应用低代码代建平台，以及工业应用APP。
工业软件在现场侧也在新架构中从“MES+”进化为“工业应用市场”。在金字塔架构中承上启下的MES软件不再独一无二或一成不变，库存管理、优化排产、能耗管理、物流仓储等工业现场管理软件都由于底层数据的丰富和流动，而成为工业用户可以选择的搭配的管理工具模块。
基于云架构的工业软件获得软硬解耦能力，又降低了其部署成本和迭代速度，更加方便了企业形成贴近自身的管理架构模型。例如：SaaS化MES/ERP的黑湖、新核云；工业低代码平台摩尔元数、得帆等等。
第二类机会：是基于工业互联网新架构，承载新AI+IOT功能。这些功能过去是基本没有的，或出现在特定的垂直行业，或者在特定企业当中以一个点状经验主义的方式存在。比如炼钢行业炼钢炉塔楼助燃气体混合比例，比如机加工行业数百种刀具在不同类型加工的最优使用次数。
在工业场景中利用IOT物联网设备数据提取，加AI人工智能算法数据挖掘手段，瞄准场景解决问题，涌现了一大批如从空压机启停入手的能耗管理——蘑菇物联；利用风电风机叶片转动声音的预测性维护的天泽智云；高频监控焊接设备电流波形提高精度的蕴硕物联等。
第二章
工业数字化市场
2.1 工业数字化市场：两块蛋糕，两种数字化驱动力
客户的数字化动机不同，代表着沟通的语言体系不同，今天数字化转型当中有两块蛋糕可以切。
第一类是消费品牌的数字化转型更迅速。在小批量、多批次的产业趋势下，品牌（包括快消、汽车、3C电子、家电等）及其上游供应链不得不去转型，通过数据的采集分析，形成质量管理抓手、生产管理工具，来提升生产效率和良率，以及供应链的快速反应能力。
以生产“可爱多”冰激凌的联合利华嘉定工厂为例，“可爱多”过去只有三五个口味，今天却是三五十种口味以及不同规格，更复杂的生产决策和执行操作迫使现场减少对操作员和技术工人，依赖自动化和数字化手段，高水平的运用APS、MES管理不同的配料、工艺以及不同的蛋卷筒。在2020年、2021年联合利华已在我国建成两座灯塔工厂，一座新的灯塔工厂也在华南地区建设当中。
第二类是国企央企数字化投入更大，自上而下。国央企主动数字化的认知不足，数据汇集和挖掘后的价值展现，需要市场教育的过程。虽然今天国企的数字化尝试更多是试验性质，但国企客户单一体量非常大，数字化预算充足，在数字辅助决策中尝到甜头后，国央企的数字投入是持续大规模的。
国企所代表的核心产业相比民营企业更加关注自主可控，也更能接纳本土工业数字化智能化服务商一同探索尝试未尽完善的应用，这是历史机遇期。
2.2 工业数字化市场：数字化转型阶段的行业金字塔
挖掘不同行业的数字化转型驱动力，寻找对症下药挖掘服务机会。不同行业之间的数字化转型的紧迫程度不同，付费能力不同，数字化认知程度也不同，直接影响智能制造服务商的行业进入难度、市场教育难度。
数字化金字塔的最顶层是大型的消费品制造商品牌。在如今的数字经济浪潮中（三大趋势其一：批量经济、品类经济到速度经济）中，大型消费品牌最早、最直接面对了愈发追求个性化、高质量的消费者，倒逼其构建“多批量、小批次”的生产能力，使得品牌商对供应链管理的动机非常强烈。
品牌需要不断进化，数字化危机感最强，数字化的主动性来自于营销端倒逼供给侧，例如上汽打造“透明工厂”将顾客亲眼所见的高质量、标准化生产作为营销手段；联合利华品类的创新和进化迫使工厂当中去部署更多的数字化手段。
3C电子代工厂最主要的数字化动机是供应链链主推动。苹果、华为等核心品牌商在高品质和多品类上的追求，以供应链保证、质量罚款等方式，去要求供应链上游的代工厂必须部署出厂检测、质量追溯、生产批次进度管理等数字化的现场数字化管理方式。代工厂本身的数字化的意愿并没有那么强烈，富士康2021年毛利率为7%，投资数字化难以短期见效，如果没有外部驱动，本身必然缺乏动力。
流程型工业，化工、医药等行业数字化基础好——信息化完成度高，数字化的痛点清晰，系统间打通后数据价值的挖掘效果呈现较好。化工行业无论规模大小开工生产需要依赖MES等系统进行控制，这种需求的刚性也使得中控、和利时等服务流程工业数字化的率先形成规模。
具有垄断利润行业的国央企如烟草等，有充足的预算愿意尝试数化，在自上而下的创新尝试中，逐步升级数字化的管理手段。
其中我国的电力行业的数字化走在全球前列，数年前即启动了“泛在电力物联网”，“能源互联网”建设。电力电网行业的数字化基础设施云-网-边-端，以及具备数字化能力的人员素质都大大领先其他行业。有充足数字化预算，数字化转型的显性、隐性投入都非常巨大。电力行业的数字化上市公司，南科、南瑞、国网信通、亿嘉和、申昊等不一而足，数量在所有行业中同样首屈一指。
数字化建设最为滞后的是广大的中小离散型工业的民营企业，当前主要靠政府政策性引导。中国大量1 亿产值以下离散行业工厂现场50个生产工人依靠厂长现场管理即可，“业财一体”就是老板+老板娘，MES等信息化工具水土不服。并且中小企业10-20%的毛利难有预算覆盖今天数字化转型动辄数百万的支出，需要成本更低的数字化方案。
不同工业领域的数字化驱动力和基础不同，工业数字化服务商选择匹配自身禀赋的、具有合适特征的目标行业起步，至关重要。
2.3 工业数字化市场：企业规模决定管理目标，数字化需求各有侧重
在工业数字化中将服务大客户的产品轻量化SaaS化给小客户，可能是不成立的。制造行业数字化市场中不同企业规模的差异，很大程度决定着其具有不同的数字化目标和需求。
极具差异的工业现场现状使得不同规模企业今天需要的智能化转型手段，以及需要达到的目标完全不同，很难用同一产品、同一功能来覆盖，即便丰富部署形式，如为中小客户提供SaaS化、小型化的头部客户应用开发版本。
不同规模企业的制造演进阶段不同，从作坊到流程化到自动化、信息化到智能化。企业在没有自动化和信息化基础的情况下，数字化的价值体现便是无源之水。
橄榄型的制造业数字化转型需求（彬复资本整理）
大企业面对的数字化转型是探索性的。慧程（新一代工业制造大脑，工业信息化软件和整体解决方案服务商）将大企业的数字化动机总结为：质量控制、降本增效、产品创新和模式创新，这样的创新性目标，使得大企业更加乐于拥抱新工具、新思路。
大企业的创新离不开组织变革，一是IT部门话语权提高，IT运维的工作职能正随着IT向OT渗透，IT部门可以利用IoT能力参与生产业务流程的优化改造，使用在线监控的方式提供设备故障停机预警、质量管理…IT部门的主观能动性，拉动大企业加大力度投身数字化转型。
二是倡导工业现场一线技术员发挥能动性，未来工业创新要更多依靠一线工人，交给一线听得懂、用得顺的工具，将隐形知识显性化，沉淀垂直领域“知识图谱”。降低对人的依赖，应对人口老龄化制造业用工难，熟练工人招不到，留不住的问题。
利用快速构建应用的零代码、低代码业务构建平台和AI算法平台，回应业务系统的创新需求辅助创新。据行业内介绍，今天中国500强的业务低代码渗透率已达到约60%。
中腰部企业更需要信息化补课，实现工厂管理透明化，对软件承载的“最佳管理实践”保守，当前阶段还需要定制化。一路摸爬滚打的厂一代，天然对通过“虚拟”的软件提质增效抱有疑虑，更相信设备硬件，但厂二代接班的管理需要却离不开数字化。
生产制作过程的数据实时搜集反馈无法篡改，比ERP和MES传统依靠人去录入的财务信息更能确保二代不被“忽悠”，这是一个很形象，但往往容易被带着互联网思维，希望改变行业的智能制造服务商所忽视的动机。
此外的典型动机还有两个，外部供应链倒逼，供应链品牌方要求做上游供应商代工厂数字化转型；以及配合当地政府的智改数转规划，建设地方的智改数梳理标杆，不再赘述。
中腰部企业的数字化转型是一把手工程，其动机并非是主动引入管理思想、管理流程，而是“以我为主”的线下管理线上化，这时数字化软件变成了一种映射，映射复现原有管理流程的工具。
当数字化改造对于中腰部企业好“看”大于好用，提质增效不如“立马见效”时，定制化不可避免。行业属性强自然不提，行业不同规模的客户之间，不同创始人风格的企业之间对工业管理软件的要求都有较大差异，因此在服务中腰部企业部署MES、WMS等软件的定制化程度比较高。
小企业又反之需要带有管理思想的工业软件，帮助体系化、规范化的管理工厂。锱云科技（工业物联网平台,数据驱动数字化交付）总结了小企业面临的是真正的生存问题——缺订单、缺资金、缺工人。
小企业更希望利用一些好的管理手段、管理工具帮助企业解决管理问题。但是小企业更缺乏数字化投入预算，需要“花小钱办大事”，欢迎70分的应用，沉淀最佳实践但必须更薄，即插即用。例如利用手机专业APP替代纸质报工单等轻量化的工业现场管理工具，正在成为中小企业数字化转型的杀手级应用。
一个例子——小型机加工工厂的操作工绩效管理。原有工厂缺乏管理手段，生产件数无法按工位统计，操作工计时发薪，缺乏公平考评导致厂内人员冗余机器空置，物料跑冒滴漏。IoT方案通过在为机加工设备装上边缘盒子，实现设备加工启停机数据实时上传，再将员工考勤刷卡与设备绑定，实现从记时到记件工资的绩效方式的转变，省去50%的操作工，大大降低管理难度。
第三章
工业数字化产品：制造业数智化需求全景图
以离散行业生产制造智能化架构为例，制造业企业在数字化转型当中需要的方案，大致可分为四种：自动化升级，数字化筑基，信息化补课，智能化进阶。
3.1 自动化升级
最底层是设备层。离散工业现场主要 4 种设备，组装设备、搬运设备、加工设备和检测设备，每一类都在升级进化更加智能。
这是工业自动化、工业AI机器人赛道的主战场，每个大类设备有众多服务商，例如快仓、极智嘉等公司提供的工业AGV；梅卡曼德、星猿哲等提供抓取机器人；行健、熵智等提供的焊接机器人；思谋、阿丘、中科迪宏等提供AOI质检设备等等。
自动化设备端的升级，是在原有自动化工具中加入人工智能的手段，从人进行控制到自动控制协同操作；从单一工序到复杂场景自动识别操作；更高的识别准确率更快的速度。AI正在逐一颠覆工业现有的自动化，从单机——单一设备的自动化，向生产线——多种设备互动工序协同，迈向真正的黑灯工厂——产线自动化+AIOT指导生产运营决策。
AI机器人需要有手，也要有耳眼口鼻。在“自动化升级”中需要各式传感器，六维力传感器（创业公司如坤维、宇立、海博森等）支撑机械臂柔性操作，线激光（深视智能、翌视科技等）、光谱共焦（熵智、海博森等）支撑高精密AOI质检在微米级识别缺陷；声纹相机（土星视界等）、红外频谱仪器（智谱科技等）在局部放电、气体泄漏检测上发挥重要作用。
3.2 数字化筑基
在数字化信息架构图中，自动化的上一层是IoT物联网平台，OT与IT的衔接层。这一层的功能是实现设备与设备，设备与管理系统之间的信息上传下发和数据采集预处理平台。数据管理、物联网平台实现数据的预处理以及数据的汇集展现与转化，呈现价值。
在智能制造/工业4.0中，物联方式更加丰富，数据获取更全面。工业3.0，SCADA和DCS的设备数据采集和信息传输是单向的、特定的预设信息由MES系统调用。而如今IT 渗透OT平台数字化驱动的新智能工业中，边缘网关（或新型PLC）通过协议对接、协议解析、报文镜像等方式在高频、更全面。
数字化筑基的背后，是“端-边-网-云”一体支撑起的工业数据流通新架构。从泛在感知到工业数字孪生，需要工业现场引入高可靠的传感器，工业智能设备的网联通信模块，低时延高可靠的5G通信、边缘计算（边缘云与边缘网关），与企业私有云和公有云的结合，工业云运维治理（鼎茂等），工控安全（长扬科技、珞安科技等）等等。
IoT平台这一层是智能制造的题眼，IoT平台是企业内决策层和现场生产层的支撑衔接，也是企业外供应链数据价值流传的基础（例如地方产能平台）。越来越多像阿里、华为的IT巨头在构建IoT 平台，制造业龙头企业亦不遑多让，树根物联、徐工汉云、舜云物联、广域铭岛等。
优秀的IoT采集能力目前仍有稀缺性。IT与OT协议转换看似轻松，实则有着很深的壁垒。采集设备中软件和硬件没有真正解耦，所支持的协议种类，采集频率，所掌握的垂直行业设备数据类型的全集定义和最大集，都需要时间和案例积累。服务商可根据自身技术和行业资源禀赋，提供数据采集、传输的边缘软硬一体（语祯物联、力控、微茗、渊联、嘉泰等），和更具有行业特色的设备互联数据的IOT管理平台，错位竞争。
3.3 信息化补课
云架构软硬解耦按需服务，为中小企业加速实现灵活信息化。据统计，MES在中小企业的渗透率在5%到10%，仍然有众多特别是离散行业企业仍需要去做基本的“信息化补课”动作。借助工业应用云化实现灵活部署，软硬解耦的方式来降低中小行业的信息化部署的成本，提升迭代速度。
垂直行业属性的专业信息化展现价值。不同于ERP等财会业财系统，靠近工业一线的工业生产执行软件如MES等基于行业内的knowhow更多，相对封闭。尤其对于有明显行业特性的半导体泛半导体、高端精密制造（芯享、铠铂、喆塔、哥瑞丽等）；铝压铸——半流程半离散工业（极望、数益工联等）等等行业，在垂直领域深耕工业软件解决方案，提供具有特色和行业口碑的工业信息化系统，更容易建立壁垒。
夯实信息化基础，数字化需要建立在完全的信息化之上。对于已经部署ERP、MES等基础软件的企业来说，通过打通企业内IT信息管理软件之间的数据孤岛，打破业务系统界限，释放数据价值赋能产供销全流程，实现“数字驱动”的数字工厂。
信息化的完善新工具新平台在其中扮演着重要作用。利用aPaaS低代码配置业务平台和iPaaS数据集成平台（ ClickPaaS、得帆、零赛云等），来更快速便于迭代的构建软件应用和数据连接、集成， 企业信息系统间打通数据流动界限，结合IOT 数据平台将设备和生产数据，集中理顺形成工业数据湖。
3.4 智能化进阶
数据的价值挖掘和利用，是完善数据来源和数据管理的价值体现，信息化、数字化的进阶一定是智能化。
工业领域内存在纷繁复杂的工艺场景，AI应用可以深入工业生产的各个环节。设备运维监控、产品瑕疵质检、生产工艺优化、流程自动化等许多场景的工业机理复杂非线性，数据挖掘分析价值大，AI应用可以深入工业生产的各个环节，加速制造型企业向数字化、智能化转型。
数字孪生辅助管理构建工业“元宇宙”（强思数科、天泽智云等）；把老师傅的能力沉淀下来的知识图谱企业工艺库（智通云联，异工同智，海乂知等）；利用算法运筹能力的APS优化生产排程（悠桦林、杉树、商简等），设备数据AI机器学习的设备预测性维护（思源、因联等），工业AI方案百花齐放，不一而足。
由AI外部进阶，借助AI-PaaS实现组织内生智能化。今天智能化功能部署主要是由具有AI能力的服务商去为客户解决问题，未来企业将能够把工业智能生成交给一线在实践中创造，这需要更加便于操作和应用工业智能的低代码配置工具和算法库平台——AI-PaaS如寄云、天泽智云、远舢智能、依瞳等。
数字孪生是智能化进阶的“重武器”，数字孪生在工业的应用绝对不会停留在大屏“看一看”，应深入生产决策，成为“逆向工程”验证工艺、指导生产的新方式。
初级数字孪生是设计阶段的设计图纸可视化，模块仿真，标注数据，数图耦，和3D可视、场景3D模型，渲染美观。高层次的数字孪生在此基础上，同时具有智能化的计算和模型能力，孪生体本身的“时光机”计算能力，要能看到历史数据回溯，历史报警故障，衰退过程，现场的实时状态感知，同时后台预测类算法辅助，拥有预演模型。
第四章
工业数字化触达
4.1 工业数字化渠道：直销、渠道商、OEM、代理商
依靠渠道的力量扩大销售规模是软件公司的天然增长模型，从欧美国家的工业软件的经验来看，如果只能从零开始迭代，产品成熟周期长达数十年。创业公司只做产品商，没有渠道商和服务商的助力，难以快速规模化地开拓行业客户。
渠道不是产品的用户，但距离真正使用产品的用户更近。渠道商提供建立客户关系的功能，实现大规模获客；服务商提供传递产品价值的功能，实现产品粘性。
渠道可以总结为以下几种：
渠道：商机渠道，带来商机帮助约见客户决策层。包括系统集成商，客户资源或政府资源方等，如运营商政企部、华为、阿里等。
OEM：产品集成，减低的商务成本和服务成本。包括自动化集成商和软件系统集成商；OEM商有自己的产品和主营业务，产品帮助OEM商服务最终客户。
代理商：当局面已经基本打开，靠行业属性或地域属性的渠道刷量。代理销售的产品，销售产品是其主营业务，如果代理商有实施能力，代理商自己交付；反之则产品商自己由交付。
很多软件产品提供商不愿意与渠道合作，或出于它的成本高、账期问题、牺牲毛利；或出于技术合作研发也需要先投入，但是没有看到有效的产出就不放心，但渠道合作是战略选择，也是企业在合适的成长节点必须做出的“小赌一把”。
各销售通路下雨合作伙伴的分工，资料来源：语祯物联
语祯物联是一家IoT物联能力为长板的软硬一体工业互联网解决方案提供商 ，在渠道规划上分享了以下步骤：
销售起步阶段，以直销为主，树立标杆客户，获得市场一手需求。
销售爬坡阶段，有一定的市场口碑，但市场品牌不够强，以渠道为主，借助渠道的销售资源，放大销售人效。
销售增长阶段，有一定市场品牌，有一定客户基数，与优质的OEM商合作，借助OEM商的销售、售前和交付能力，进一步放大销售人效，减轻售前和交付的压力。
作为初创公司，还没有积累出自身很好的品牌的情况之下，要从0到1去让客户认可自身的全套的解决方案，是有难度的。与其一个个去敲开门做实施，帮客户来了解，可能不如通过渠道迅速把长板能力先进去，获得一个接触的机会，然后在上面再争取下面的增购复购。
过去三年中由于疫情被迫原因，疫情来临，原来的销售覆盖面不行，见不到客户，通过渠道销售不可避免。特别是在铺中小客户时，也需要通过代理和OEM，或许相比互联网广告、陌生拜访客户更容易触达，提高商机转化。
借助渠道的力量，短期看或许失去了一定的自主性，但闭门造车的危害更加危险，依靠渠道快速壮大有利于在发展中解决问题，在大量应用中试错有利于产品初期打磨产品。
4.2 工业数字化交付：项目、产品、SaaS、低代码
数字化项目交付如何在“标准化”和“定制化”之间寻找平衡？过去30年里，企业数字化建设大概有两种模式：买开箱即用的套装软件(Product)和定制化自研（项目型Project）。
套装软件（产品型Product）是最佳实践的结晶，如企业资源计划、客户关系管理等，相对成熟、通用场景，经过众多行业领先公司数十年的摸索打磨后将流程固化。这样的软件中承载着最佳实践，有成熟咨询、实施、部署流程，但不够灵活，无法适应企业自身需求。
定制化自研（项目型Project）产品的针对性、适用性比较强，但面对复杂业务场景缺乏最佳实践，实施、部署面临不确定性和失败风险。经由企业自己的团队或找外部开发团队开发软件，具有非常强的客户属性或者行业属性，以及公司自己的一些想法在里面，项目制注定是是用户属性强的，定制化软件开发。项目型交付、系统集成仍然是在今天中腰部企业MES等工业软件的主流方式服务方式。
如今，无论是传统套装软件和定制化自研都越来越难以满足企业自身的需要。IOT、云计算、IT与OT融合等新型数字基础设施的推广普及，正在加速重构传统软件体系和架构，基于平台化的SaaS等新的技术和商业形态软件产品不断涌出。
第一、SaaS使系统部署更简单, 功能易于扩展。SaaS化对数据不敏感的低预算客户有吸引力（实际上，客户对数据的敏感性常常服务商被低估），以SaaS MES为例能有效降低开发成本、降低交付周期、帮助企业减小管理风险。
SaaS或许可以类比是套装软件模型的2.0版，相对于套装软件，SaaS本质上是一种交付和付费方式，并不是一种工业数字化“产品或服务”。SaaS的粘性来源是产品力和性价比，并不是付费方式，似乎没有证据表明，客户在切换/弃用一款使用效果不尽人意的SaaS化软件的困难程度，要高于license和定制开发的软件。
SaaS实际上对软件产品服务商来说提出了更高的可用性，和迭代速度要求。
第二、中间件，低代码，微服务架构，业务流程可视化（工作流）以及无代码在愈发丰富和灵活的数字化应用场景中兴起，尝试兼顾两者的优势——敏捷开发+用户特征，连接更碎片化的需求与可复用的模型。
2018年，西门子7亿美元收购低代码平台 Mendix，寄希望借助Mendix云原生低代码应用开发生态系统的发展及其提高10倍的应用开发速度，将加快西门子IoT MindSphere的应用。Mendix公司于2005年成立于荷兰，致力于用可视化的编程方式打通业务和IT人员之间的大量沟通鸿沟，让开发应用更快更便捷。
低代码是好点子，低代码解决的问题——个性化的解决方案要积累，便于复用，同时又满足客户根据自身需求来配置的能力。
一方面，服务商内部使用。工业数字化服务商能够在数据汇集平台和平台型搭建工具的方式的帮助下，为客户快速搭建应用，同时沉淀已有模块，逐步减少定制提高毛利率。
另一方面，客户自用，低代码平台相比直接编程学习门槛低。大B客户的IT部门通过简单培训掌握后，能够快速响应业务部门提出的开发需求，并快速迭代。
低代码可能是一个好工具，低代码平台典型的特征包括：模型驱动，可视化开发，表达式语言，软件工程化，开放集成。随着云与物联网在产业侧的普及，大量非标准化应用构建，以及大型企业组织内部的创新需要，都渴望具有平台化能力的工具。
广义的低代码产品在形态上主要包括三类，MDM主数据管理平台-实现全企业统一数据标准&管控流程；aPaaS低代码平台，业务系统低代码可视化配置，敏捷开发；iPaaS数据集成平台，iPaaS相比数据中台更轻，是在工业数据湖之上管道平台。
但低代码目前可能还不是成熟的独立商业模式。90年代以来ESB 企业数据总线，CPS信息物理系统等都曾尝试将应用场景极致抽象并且模板化，但应用情况并不顺利。
或许，在具有低代码认知和软件工程化应用能力客户的行业（如汽车）；真正需要通过低代码平台化方案来实现的工业应用（如需要灵活、时效性强的应用）；并且低代码厂商本身也是杀手级产品提供商，三者合一才能实现商业模式的闭环。
反之，低代码服务商如往左追求营业收入，需要绑定大客户，离不开贴身服务定制化开发；如往右追求轻量化高毛利，追求行业通用性则无法深入客户业务场景，导致客户粘性弱。
工业数字化“产品”交付没有灵丹妙药，平台化对于提供何种产品的工业软件服务商来说，都是一个巨大的挑战。
图片来自公众号：阿里巴巴研究院
《阿里研究院安筱鹏：数字化转型的四个基本问题》中这样描述平台化能力：从产品角度来说，软硬解耦背后隐含着开箱即用的产品设计理念，产品化程度比较高，适用性比较高。同时，产品化不代表不支持定制化，定制化是可以的，但要看ROI，定制化的效率较低。工业互联网平台化的方式，就是既要解决产品开箱即用的问题，也解决定制化带来的效率问题，最终我们以平台化的方式去构造一个解决方案。
从项目公司、产品公司到平台公司，有很多挑战。是考虑短期收入增长，还是长期的可持续发展？是要迁就传统的管理模式，还是要构建一个平台化的商业模式和组织运营？是延续传统技术开发、部署、运营模式，还是基于云原生技术体系全面升级人才、工具、方法？
还有产品的形态，IT和OT融合的商业闭环怎么去做项目取舍？PAAS+SAA化产品打磨，低代码平台与工具行业知识、管理经验的沉淀与能力的快速扩散，但是也面临高风险、高投入、低收入，这些都是面临的挑战。
4.3 工业数字化服务商的不可能三角
智能制造服务赛道，目标市场，产品，触达方式，交付模型都尚未成熟，对于初创公司来说，我们认为智能制造服务商的商业模式几乎存在着不可能三角。
1、行业通用性高；2、数字化工厂功能覆盖广；3、解决工业现场问题深（不可替代性强），三者选其二。
对行业市场、产品定位有清晰认识之后，结合目标市场以及目标客户，选择具有禀赋优势的管理策略。
“不可能三角形”的三条边，自然形成了三种商业模型，分别以产品、渠道、咨询（售前、交付，行业理解）作为长板能力。行业内的朋友不难想到，每一类工业互联网商业模型在今天都有数个阶段性比较成功的案例，在此不便归类一一列出。
第五章
智能制造，周期穿行
智能制造是云与物联网进入工业领域，工业管理模型和控制模型的变革，新工业架构体系演进升级形成过程中的新需求浩如烟海，赛道机会宏大而广阔。
在资本视角下，我们看到大量制造业数字化服务商涌现，2021年以来，一级市场智能制造赛道的投资迅速过热，但2022年下半年却陡然降温，赛道标的业绩也遇到了超预期的挑战。
究竟什么样的智能制造企业需要且应该获得资本加持？
通过追问智能制造为何发生，发现赛道的短中长期节点；思考智能制造的客户差异化需求，探究恰当的产品-市场匹配；讨论商业路径定位，实现高效销售触达、交付实施。
智能制造的“新机会”是基于物联网、云化的新架构的新工业软件/硬件，新工业智能应用。虽然ERP为企业解决管理规范、MES/WMS满足生产执行等需求依然存在并且远远没有被满足，但不是我们今天讨论的智能制造、工业数字化范畴。
真正的智能制造服务赛道是迈向“标准化、平台化”的星辰大海，对于智能制造的“新模块”，在整个智能制造数据流转新管理架构中，模块将有机会逐步探索成为平台，承载其他模块；对于智能制造的“新功能”，将有机会抽象垂直行业、特定功能机理，拓展通用场景标准化复制。
2022年的坎坷是警醒良药，TOB市场是有迹可循的，不是一夜颠覆掉的。
智能制造服务公司在脱离小企业灵活性红利后，从订单千万到实现过亿元营收稳定盈利；建立全国范围系统的服务or代理体系；处理好产品研发与交付定制的权变……往后是一步一擂台。
在智能制造系列的下一篇中，我们将围绕彬复资本在智能制造领域的投资案例，尝试勾勒工业AI的几种商业模型，探究工业AI创业企业的潜在成长路径，从解决管理问题到工程问题，IOT+AI或许是智能制造下一阶段主攻方向。
期待与业内朋友们一起，周期穿越，迈向中国智能制造的宏伟彼岸。
裴华飞
彬复资本 投资总监
微信号：PHF18851083308
邮箱：huafei.pei@beforcapital.com
﹀
﹀
﹀
编辑：Kristen CAI、Huafei PEI
▎往期推荐
数据安全东风起，隐私计算几时兴 | 彬复研究
AI视觉检测成熟在即，从场景聚焦到泛化能力的四类玩家和两条路径 | 彬复研究
基于中美对比的视角，看跨境电商如何应对增速放缓的新常态 | 彬复研究
彬复资本
