投入數十億美元，深度解碼 IBM 20 年制造業布局
最近幾年，IBM 在制造業的投入越來越多。
文：王金旺
雷鋒網按：2013 年，德國漢諾威工業博覽會上提出了一個新概念，工業 4.0。
隨之而來的是，德國預計投資 2 億歐元，推動以信息物理系統（CPS）為基礎，以生產高度數字化、網絡化、機器自組織為標志的工業革命的計劃。
沒有人會想到，這一在德國提出的概念時隔三年會進入中國并醞釀生根，成洪水猛獸之勢。
對于素有世界工廠之稱的中國，據國家統計局 2018 年 4 月末公布的統計數據顯示，全國工業行業規模以上企業數量超過 37 萬家，即使這樣的數據，相較上一年同期減少了 6000 多家。
與此同時，諸多跨國企業再次看到了中國工業市場的巨大空間，以及數字化轉型的熱情，盯上了中國市場這塊“肥肉”。
“未來 3 年的發展，將會決定未來 10 年的國家競爭力，把數據驅動的工業互聯網當作未來的國家基礎設施工程，毫不為過。”IBM 大中華區董事長陳黎明曾就工業互聯網發展感慨稱。
顯然，IBM 作為當下時代技術輸出型服務型企業的頭部廠商，也同樣意識到了工業互聯網帶來的機遇。
工業互聯網中的 IBM
2014 年 3 月 31 日，美國通用電氣（GE）“糾集”了一批美國巨頭企業在當地成立了工業互聯網產業聯盟（IIC），這一聯盟最初名單上只有五家企業，除去通用電氣自身以外，另外四家是：AT&T、Cisco、IBM、Intel。
其中，IBM 作為與 Intel 同一重量級的互聯網企業代表，也被納入到這張當時只有一張紙條大小的名單中。
在此之前，IBM 早期的一項技術發明也為其在工業界安身立命奠定了基礎。這項發明就是當下工業界應用廣泛的工業傳輸協議標準之一，MQTT。
1999 年，IBM 發明了 MQTT，可能很多人不知道什么是「消息隊列遙測傳輸」（MQTT 的中文名），但是 MQTT 的通用度甚至不亞于 OPC。具體官方給出的定義是，
隨后，2013 年，結構化信息標準促進組織 OASIS 成立了 MQTT 技術規范委員會；2014 年，MQTT 正式成為 OASIS 推薦的物聯網信息傳輸協議標準。
而 IBM 真正對外宣稱在物聯網、工業互聯網領域集中布局，其實是在兩年后。
2015 年 3 月，IBM 宣布成立物聯網事業部（IBM Watson IoT）。這個時間點比英特爾將嵌入式事業部更換為物聯網事業部的時間點晚了兩年，但這時的物聯網仍處于萌芽階段，尤其對于工業互聯網而言，真正的戰役還遠未開始，盡管大戰前夜的較量已經暗波涌動。
成立物聯網事業部同時，IBM 還對外宣稱：在接下來 4 年將投入 30 億美元用于該領域研究，包括投入超過 2000 名研究員、軟件開發者和咨詢師服務于這一項目。要知道，德國的工業 4.0 計劃最初提出時預計投資也只是 2 億歐元（以現在的匯率折算約為 2.2 億美元）。
盡管 IBM 物聯網事業部成立于 2015 年，但其主要產品 Bluemix 云平臺其實早在兩年前（2013 年 6 月）就已經開始部署。2014 年，IBM 再砸 10 億美元用于進一步提升這一基于 Cloud Foundry 的云計算平臺 Bluemix 的能力。這一平臺對 IBM 的重要性，以及 IBM 對物聯網這一新興技術的關注度也顯而易見。
就 IBM Bluemix 而言，如果追根溯源的話，倒是與西門子的 MindSphere、GE 的 Predix 同樣都基于當時號稱業界第一個 PaaS 開源架構的 Cloud Foundry。
平臺部署一：IBM Bluemix 進化史
論及 IBM Bluemix，其實從 2013 年提出到 2017 年之間，一共經歷過兩次比較大的業務整合，最終形成一個集 IaaS、PaaS、SaaS 能力為一體的綜合性云平臺。
首先，Bluemix 是一個 PaaS 云（計算）平臺（這也是 IBM 對 Bluemix 最初的定位），擁有 IBM 軟件能力、第三方服務及開源技術，其中包括 120 多種工具與服務，橫跨大數據、移動應用、Watson、分析、整合、DevOps、安全與物聯網等各個領域。
PaaS 云平臺要提供服務，需要有 IaaS 層云提供支持。IBM 為了支持其 Bluemix 這一布局，當時出大手筆收購了眾多云服務提供商，其中就包括在 2013 年的一項關鍵收購案。
2013 年 6 月，IBM 以約 20 億美元收購了當時排名第五的美國云服務提供商 SoftLayer，收購后， SoftLayer 與 IBM SmartCloud 合并形成 IBM 的一個全球平臺新部門。
這一收購對于 IBM 在云計算、物聯網的布局來說有著重大意義，與此同時，SoftLayer 作為 Bluemix 的云服務架構重要支撐之一，基于 SoftLayer 的云服務模型，IBM 開始構建 SoftLayer 平臺上的 OpenStack 生態圈。而這些都將成為未來 Bluemix 的核心能力。
2013 年 12 月，IBM 再次投入 12 美金，在全球范圍內建設 15 個新的云服務數據中心（此前 SoftLayer 原有 13 處數據中心）。
2014 年，IBM 收購數據庫即服務 DBaaS 提供商 Cloudant，據悉，Cloudant DBaaS 平臺利用 SoftLayer 云計算平臺創建了一個全球性的數據傳輸網絡。與此同時，IBM 將 PowerSystem 與 SoftLayer 關聯，將 PowerSystem 作為一個按需的基礎架構平臺提供給用戶；Watson 業務也由 SoftLayer 托管。
這里值得多提一句的是，在此前后，IBM 在云計算領域還發起過其他多起收購案，包括：
外加 IBM 自己構建的企業私有云管理平臺解決方案 P4 Cloud，模塊化云平臺 PureCloud，用于企業級工作負載優化設計的 CMS，以及用于移動部署的 Worklight，IBM 構建起了自己的云計算帝國。
由此也可見，IBM 在云計算領域將自己的觸角開始不斷深入，通過收購、整合、技術研發等一系列動作在云計算領域持續擴大布局。據 IBM 財報顯示，2016 年，IBM 云計算業務營收 70 億美元，收入占比為 7.5%，增幅超過 60%。
至于，原本就是為 Bluemix 提供云服務支持的 SoftLayer，隨后在 2016 年 10 月被 IBM 并入到 Bluemix，也并沒有太多業內人士感到驚訝。
至此，Bluemix 云平臺架構及能力基本成型。該平臺以 Cloud Foundry、容器服務、微服務、OpenStack 四項核心技術提供物聯網、區塊鏈、移動開發應用能力。除去提供 PaaS 層相關能力外，向下延伸，可以提供 IaaS 能力，諸如提供基于 Cloud Foundry 的能力部署、基于容器能力部署和基于 OpenStack 虛擬機能力部署；向上延伸，提供 SaaS 層能力，包括認知、分析、物聯網、安全等方面等方面的服務能力。
值得注意的是，IBM Bluemix 進入中國市場要較西門子的 MindSphere 早四年，早在 2015 年 10 月 14 日，IBM 與中國最大的中立 IDC 服務提供商世紀互聯合作，Bluemix 云平臺也開始在中國落地。
對此，IBM 大中華區董事長陳黎明當時表示：“中國正處于數字經濟轉型的大潮之中，政府推出了‘互聯網+’、‘中國制造 2025’等一系列戰略，將 IT 科技和產業的發展放到了前所未有的戰略高度。‘大眾創業、萬眾創新’的指導方向為廣大的創新者、開發者帶來廣闊的發展空間。”
現在看來，顯然，IBM 再一次預測到了中國物聯網及工業互聯網發展的大勢。
2107 年 11 月，IBM 再次對自己云業務進行整合，Bluemix 并入 IBM Cloud，不過此次的更名只是簡單的品牌整合和業務整合，并沒有更多改變。當時官方給出的說法是，“我們正將 Bluemix 品牌與 IBM Cloud 品牌合二為一，因為它們已成為了同義詞。”
其實，IBM Bluemix 的提出還有另一個時代背景和行業轉變。
隨著移動互聯網時代進一步深化，開源技術、APP、云計算逐漸成為主流趨勢，個人開發者成為一股不可忽視的力量。作為以服務世界 500 強等大型企業及政府機構的 IBM 對于開發者的態度也開始轉變。
“BlueMix 是 IBM 第一次全面性面向開發者，”IBM 大中華區云計算事業部戰略和合作伙伴發展總經理詹海萍在 2015 年北京的 IBM 云計算體驗周上總結稱。
平臺部署二：IBM Watson IoT 平臺架構
提到 IBM 在物聯網領域的布局，或許更多人知道的是 IBM Watson，而非 Bluemix。
其中部分原因在于，Watson 機器人在 2011 年在美國危險邊緣（Jeopardy）真人秀中以 77147 分的成績戰勝兩位人類選手贏得 100 萬美金，隨后一舉成名，也使得 Watson 這一品牌名聲遠揚。
前文提到，2015 年 3 月，IBM 宣布成立物聯網事業部，這一事業部正是以 Watson 命名，IBM Watson IoT。
2016 年 10 月，IBM 公開宣布將投資 2 億美元在德國慕尼黑設立 IBM Watson IoT 事業部的新全球總部，這一總部也在 5 個月后正式投入使用，包括 Avnet、BNP Parabis、CapGemini 和 Tech Mahindra 等公司在內的首批入駐企業在此配置開發團隊，成立認知聯合實驗室。
與 Bluemix 類似，IBM Watson IoT 平臺的定位也是物聯網領域的通用平臺，應用范圍包括醫療、智慧城市、能源/電力、汽車、電子等領域。
上圖為 IBM Watson IoT 平臺的基礎架構。這一平臺以認知智能著稱，主要應用云計算、邊緣計算、區塊鏈等技術，在自然語言理解、機器學習、非結構化數據處理等能力上有突破和應用。
與當下眾多物聯網應用平臺類似，IBM Watson IoT 平臺也是在設備連接層、平臺層、應用層、行業解決方案層四層進行布局，可以實現諸如物聯網設備的連接、配置和管理，可視化歸集整理，認知計算，實時分析，區塊鏈技術應用等能力。
據 IBM 官方 2019 年給出的 IBM Watson IoT 最新應用案例，在與山特維克礦山與巖石技術公司（Sandvik Mining and Rock Technology）合作過程中，通過應用平臺的 OptiMine® Analytics 能力，進行預測性維護、優化、分析和學習地下數千英尺操作的設備情況并與之保持通訊。
此外，據官方信息顯示，這一平臺也有應用于諸如航空發動機等高價值設備的預測維護。
得注意的是，西門子 MindSphere 在 2016 年 12 月也曾官宣引入 IBM Watson Analytics 工具和其他工具，以增強其這一工業互聯網操作系統的分析能力、數字化整合能力。
人工智能 3.0：可信 AI
除去在平臺側、業務側的顯而易見布局外，IBM 在技術側、理論側也在不斷部署，以此來為平臺構建提供持續迭代升級的支撐體系。
其中，IBM 尤其注重 AI 技術研發和工程應用。
在 WAIC 2019 上，IBM 重點解釋了其可信 AI 的最新進展。而這也與中科院院士、清華大學人工智能研究院院長張鈸教授提出的“建立可解釋、魯棒性的人工智能理論和方法，發展安全、可靠和可信的第三代人工智能技術”不謀而合。
在此之前，人工智能走過了以「符號推理」為特性的「第一代人工智能」，當下正在盛行的則是以「深度學習」為特性的「第二代人工智能」。
IBM 副總裁、大中華區 CTO 謝東博士介紹稱，IBM 講的可信 AI 主要包括可解釋性、穩健性（抗攻擊性）、公平性、透明性四方面特性：
可解釋性。現在所用的 AI 算法，特別是以深度神經元為代表的算法，先天就有不可解釋性。我們認為 AI 系統所提供的決策或建議不應該是一個不可解釋的黑箱，而應該能夠被用戶和開發者所分析、理解；
穩健性。現在很多人工智能系統很脆弱，例如人臉識別系統，如果對人臉有部分遮擋，或在某張圖片上疊加部分噪聲，人臉識別系統將難以準確識別，甚至會識別錯誤，我們認為 AI 系統應該安全、可靠，不會被篡改，也不會受被“污染”的訓練數據集影響；
公平性。在訓練人工智能系統時，可能會由于人類先天的偏見或部分數據缺失導致最終 AI 算法模型存在偏見，我們認為 AI 系統應該采用不帶偏見的數據集和模型，從而避免對于特定群體的不公平；
透明性。例如，AI 系統可以被透明化管理，其開發、部署、維護等可被追蹤，能夠在生命周期范圍內被審核等。
針對于此，IBM 對外推出 AI Explainability 360、AI Fairness 360、Adversarial Robustness 360 三項開源項目，官方就這三項開源項目給出如下注解：
制造業在數字化轉型過程中當下主要面臨數據量小、數據質量低的問題，同時對 AI 算法模型的可解釋性有高要求。對此，謝東也就 IBM 在制造業中的客戶應用案例向雷鋒網舉例：
當我們的工程師團隊完成這樣的 AI 算法模型構建后，客戶會問，“AI 是如何判斷出金屬板有缺陷的？”
我們工程師團隊會回答，“我們的 AI 算法是通過人工智能視覺系統、通過識別圖像的特征來判斷的。”
然后對方再追問，“人工智能系統是發現了什么特征，又是怎么根據這些特征作出判斷的呢？”
其實我們現在是回答不了這些問題的，而這些問題在真實場景中，尤其制造業中，用戶一定是會問的。
為此，IBM 主要做了兩方面工作：
第二，提供篩選 AI 算法及數據集的工具。
與此同時，在制造業中，實際還會存在諸多工程問題。對此，謝東就 IBM 遇到的實際案例向雷鋒網解釋：
這實際是一種反向思維。我們在理論研究過程中，通常是研究給了某些數據，如何訓練一個高質量（識別率）模型。但在實際工程應用中有時候需要反向思考：為了進行這樣一個分析，數據采集系統需要用什么傳感器來采集數據。
對于廠商而言，我們為了得到這樣的一個 AI 系統，也許我們可以設計不同的傳感器，而這樣就屬于工程問題。
方法論：“車庫創新”入中國
前文提到，IBM 在技術側，可信 AI 的技術部署，而在理論側，IBM 此次在 WAIC 2019 上強調了其 IBM Garage（IBM 車庫創新）方法論。
8 月 31 日，中國首個 IBM Garage（IBM 車庫創新）正式在佛山市三水區掛牌成立。
2014 年，IBM 在美國舊金山開設第一家 IBM Garage，通過使用 IBM 的各項技術，為全球B端用戶提供基于混合云和人工智能的企業數字化轉型方案。
據官方數據顯示，目前 IBM 已經為包括 ADP、美國航空公司、Hertz、加拿大新斯科舍省政府、上海寶鋼包裝在內 500 家的政府和企業提供數字化解決方案。
“在企業級客戶市場中，IBM 現在可以說是經驗和方法論的集大成者。”IBM 大中華區數據與人工智能研發中心總經理朱輝在 WAIC 2019 上接受媒體采訪時表示。
作為百年技術服務型企業，IBM 確實在方法論上有自己自豪之處，Garage 是 IBM 為應對當下快速創業、迅速迭代、敏捷修改的時代特點而引入的方法論。
IBM Garage 結合快速創業、迅速迭代、敏捷修改的特征及 IBM 自身的技術形成的方法，其中，朱輝重點強調“利用合適的人員、合適的技術，通過一種全新的工作方式，來與客戶進行共同創新。”
據朱輝介紹，IBM Garage 在幫助企業實現數字化轉型過程中主要工作流程包含以下三步：
第二步，借助一個敏捷開發的方法，我們與客戶進行共同創新和研發。通過 MVP（最小化可行產品）來檢驗相關的應用和業務案例，并將得到驗證的 MVP 推進到日常運營和工作流中。由小開始，快速驗證，及早發現錯誤、做出調整。在此基礎上，通過市場驗證后，使整個產品交付周期縮短到兩到三周；
第三步，在市場初步驗證基礎上，IBM 與客戶進一步探討推動市場增長和產品的能力的規模的拓展，并運用 DevOps 工具和技術實現持續交付與運營。
最終通過這樣的循環探索，逐漸搭建出針對特定場景的一個有彈性、可擴展解決方案。
8 月 31 日，中國首個 IBM Garage 正式在佛山市三水區掛牌成立。據稱，“自 6 月 30 日簽約至今兩個月的時間內，IBM 團隊已經在山水區走訪了 30 多家團隊，選出 5 家企業作為首批重點合作對象。”
而這項舉措，也是 IBM 除去面向世界 500 強大型企業及政府單位，面向個人開發者之后，再次在企業，尤其是制造業企業數字化轉型當口，繼續加注為中小企業提供解決方案。
IBM 深入智能制造的明棋暗衛
隨著制造業數字化、智能化轉型逐漸成為全球趨勢，作為企業技術服務型的 IBM，近年來在制造業的投入和布局也逐年增多。包括 IBM 在物聯網上的 IBM Cloud、IBM Watson IoT 通用云平臺構建，還是諸如可信 AI、IBM Garage 的技術線、方法論的持續布局和工程化落地，都已經深入智能制造，深入制造業各個領域領域，甚至在中國市場也已有一方格局。
以當下制造業最為關注的數據和 AI 角度來講，從數據存儲、處理、管理、清晰、治理、大數據分析、BI、機器學習、模型部署，作為一個產業解決方案供應商，IBM 都有相應研究，提供相應工具，以支撐起 IBM 在當下制造業企業數字化轉型過程中的各類方案。
從二十年前的 MQTT，到當下的可信 AI、IBM Garage 在制造業中的工程化應用，IBM 面對第四次工業革命從各層面部署了明棋暗衛，這些部署影響著當下部分企業的命運，同時也是 IBM 在對自身定位不斷調整中，試圖尋跡下一個時代的中心地帶。