免费久久国产&夜夜毛片&亚洲最大无码中文字幕&国产成人无码免费视频之奶水&吴家丽查理三级做爰&国产日本亚欧在线观看

“智能制造智享未來”，隨著5G等科技迅速發展，智能制造受大眾關注度也在不斷提高。近日CapitalCoffee平臺邀請華映資本主管合伙人章高男，以及知頓創始人兼CEO魏喆做客，多角度來討論“智能制造”。

以下為對話實錄，經知頓整理，略作刪減。

智能制造的技術支撐：信息化、數字化、智能化

主持人魏喆：非常感謝CapitalCoffee邀請我來主持這場活動，也非常榮幸可以和華映資本章總有這樣的一個對話，今天我們談的話題是“如何通過智能制造智享未來”，智能制造這個詞提了很多年，不過其實很多人并不知道啥叫真正的智能制造，您用哪幾個關鍵詞來定義智能制造？

嘉賓章高男：其實行業對智能制造并沒有一個嚴格的定義，個人理解所謂的智能更多強調的是數字化以及基于數字化之后的智能化所帶來的產業升級。

數字化和智能化在To C端或消費大領域已經很普及了，我們幾乎日常所有行為已經被各種APP高度數字化，如果離開手機可能很多人都無法生活了。但是在產業界特別是制造業數字化和智能化的過程相對滯后，其實用的是同樣的技術。數字化主要底層技術包括通信技術，計算機科學，大數據及云技術，還有AI，往上就是各種各樣的應用軟件或Paas和Saas。隨著5G和物聯網的普及會在制造業產生大量的機器數據，這是巨大的數據增量。未來制造業在整個的生產過程和日常的管理過程都會產生各個細分工作和細分環節的數據，那么如何去存儲和管理這些數據？如何讓這些數據產生價值？這是智能制造的本質價值。

制造業是立國之本，新產業升級會帶來更多機會

主持人魏喆：2008年以前全世界排名前十的公司很多都是金融、石油這樣資源型的公司，但是最近10多年，互聯網公司占據了半壁江山，甚至更多份額。這是不是恰恰說明了數據在現在商業中的價值？

章高男：我一直認為數據是第一生產力，互聯網公司的排名高，是因為信息技術革命是在互聯網行業或者在C端首先爆發的。特別是中國的互聯網行業除了受益于信息技術的升級，還率先享受了整個中國市場的大紅利。中國是世界獨一無二的市場，首先，它是全世界最大的單一市場，其次，它是一個高度統一的市場。歐盟是超級大的市場，但歐盟不是一個統一的市場，它是由很多國家組成的，國家和國家之間還是有障礙和差異的。美國是一個高度統一的市場，但不夠大。這是中國的天然優勢，互聯網應用的爆發力和平臺屬性都特別強，在中國統一市場和人口紅利下優勢被指數級放大，所以他們第一波占得了先機，各個領域都成長為巨頭。換句話說過去20年中國一定會孕育出來頂級的互聯網公司，是誰看機遇，但第一波一定是toC互聯網行業的數據革命的機會。

主持人魏喆：技術浪潮從互聯網到移動互聯網非常明顯。那下一個技術浪潮會不會是智能制造？我們國家從2015年就開始提出了“中國制造2025”，國外也有“第四次工業革命”的說法，我們也把它列入到政府工作報告，從2015年到現在已經進入到第二個五年了，中國制造取得了很多的成績，但是我們也看到了一些短板，您怎么看待我們現在這個發展的階段？有什么樣的機會和挑戰？

章高男：我覺得制造業還不能拿互聯網這樣一個成長路徑來對比。中國是一個超級制造大國，全世界將近30％的產能來自中國，我們可以制造幾乎所有的東西，大到輪船、飛機，小到螺絲釘。但跟互聯網模式不一樣的是制造業由來已久并不是新鮮事物，產業里面超過30年的公司比比皆是，這個行業一直存在著。制造業是中國的基石產業，所謂的智能制造并不是說某一天突然開始了，這是一個長期持續的過程，跟互聯網快速的爆發性增長是不一樣的，我覺得它是一個持續自然增長的過程。

當然在這個增長過程中我們能看到一些加速的變量和機會，這個加速的趨勢從宏觀上講還是來自于國運的改變。中國改革開放這么多年，走到一個比較關鍵的轉折點。過去我們強調開放，就是先吸引外來先進的生產力和先進技術，我們通過開放市場來換取高速的發展。今天我們中國整個產業需要更高層次的升級，我們要更多的走向利潤更高的高端制造，大家也不想永遠拿這么低的工資，所以現在是開放和競爭并存，大家公平競爭。

從現狀看我們制造業的毛利目前還是非常低的，行業平均不到8％，跟互聯網的毛利比根本沒辦法比，但我們GDP接近40％又來自于制造業。所以制造業的產業升級是基本的國家戰略之一，我們必須進入高毛利行業，還要完整的體系。現在中國的國運已經開始根本改變了，我們一方面歡迎世界各國進入中國市場，在中國獲取利益，同時我們必須有能力在沒有外部支持的情況下建立自己完整的工業體系和能力體系，能夠自給自足。這是我們作為全球最大的單一市場所賦予的機會和責任，我們必須建立自己完整的生態，在很多關鍵環節上我們必須要有自主能力。自主完整的生態建立是一個巨大長期的變量和趨勢，過去是沒有這么強調的，這個大機會和趨勢我覺得至少會持續10年甚至更長。

那么在這樣的趨勢下會帶來很多新的機會，特別是在底層或者在核心技術上的一些突破，以前市場上沒有這樣的機會，但今天國家的轉型、整個產業升級需要這樣的東西出來了，那么它會得到很多的政策紅利和市場支持，我覺得新基建就是其中的一部分。

總結一下，第一，制造業對我們中國太重要了，這是我們的立國之本，智能制造是必經之路；第二，新的產業升級會帶來很多以前所不具備的投資機會。

看好智能制造的四大投資方向

主持人魏喆：哪些領域會率先有場景落地，能跑出一些優秀的公司，比如獨角獸？

章高男：制造業是一個非常大的領域，有各種各樣的分類維度，按照行業分有上千個行業。我就說說個人從投資的角度對智能制造投資機會的分類：

第一個方向是最上層的業務管理軟件層。例如ERP最早是源自制造業的，是對MRP，MRPII，MRPMRPIII的升級。隨著物聯網，大數據、和AI的普及，整個生產過程的監管也越來越數字化和智能化，過去的ERP已經不能涵蓋未來的生產和業務的管理，會產生一些新的需求和機會。比如說多約束下的自動化排產，還有供應鏈采購管理，這些都是企業超級剛需，而過去的ERP并沒有很好的解決這些問題。我們制造業如果想提高毛利，就必須縮短生產周期，提高資金周轉率，從庫存式生產轉向訂單式生產，這對采購和供應鏈管理提出了極高的要求，要盡可能縮短采購周期。另外，未來的制造更多向柔性生產演化，企業需要有極強的接緊急單和插單的能力、隨時改變生產計劃的能力，這個要求非常高，這里面會有大量業務提升軟件服務提供的機會。未來MES系統也有很多機會，當然如何跨行業是比較大的挑戰，另外配套的倉儲管理WMS還有PLM等細分領域都有升級機會。這些東西我覺得都是在不斷的發展和完善中， 去補充原來的ERP，把整個生產和管理變得更加合理。

對這一類業務管理軟件，核心比的是對業務的軟件抽象的能力，就是如何高效的解決跨行業的挑戰而不是陷入高度的定制化泥潭，人效比越高的公司規�；�的機會越大。這個領域是市場充分競爭的環節，國外的產品更成熟些，但國內也有很多優秀的后起之秀。

我們在這個細分里看標地至少要求他能做到十個以上行業我們才會去看，也就是說誰能夠用有限的產品能支持更多行業，他未來增長的爆發力就越強。除了跨行業，還要看他產品標準化的能力。就是對客戶定制化需求能不能用相對標準化的產品解決，人均產能能不能超過100萬的底線？否則幾百個客戶來的時候的開發團隊太大是對規�；�的巨大約束。總之說到底就是軟件抽象的功力。

第二層就是工具軟件層。這一層的軟件和服務是涉及到整個制造業各垂直行業里設計和生產的工具，它不是業務管理而是直接的生產工具，主要包括研發設計相關的CAD、CAE、CAM，EDA，BIM，行業建模軟件等。這一層最大的機會是國產替代。因為通常這些細分的工具軟件行業門檻非常高，需要在行業里幾十年的浸淫。要對行業有非常深的理解和超強的技術能力。同時這個領域經過這么多年的發展，高度集中和壟斷在少數歐美巨頭手中， 具有高度卡脖子的風險。半導體的EDA就是典型的例子，也是美國對我們最先動手的領域。其實工業里CAD和CAE等類似的例子非常多，高度被歐美壟斷只是目前還沒被大規模限制，當我們想進入到利潤更高的高端制造時，很多矛盾就會凸顯。

這層的工具軟件未來一定要有自主的國產技術的，這是國運的改變帶來的機會和使命，因為如果不突破，就永遠受制于人，跟在人家后面，產業要想升級首先的有技術底座，決不能被卡脖子，這個風險太大了，國產必須有替代能力。

工具軟件層還有一個特點就是技術門檻和行業壁壘非常高，想投資必須深入行業。比如想看CAD，首先得了解CAD的技術核心幾何內核，還得了解各種約束器，流程行業和離散行業的訴求也大相徑庭， 這些對專業度和行業理解都有極高要求。也因為這些壁壘，這個領域投資的好處是玩家不是很多，往往在一些頂級的機構或者研究所孵化的項目里，可能就四五個項目里面挑一個，同時投資競爭玩家也相對較少，只要是你對這個行業認知到了，可以相對輕松的選擇標的。

第三個方向是自動化檢測和監測，我們最基本的邏輯就是今天中國仍然有超過一千萬的工人在工廠現場，未來工廠絕大部分情況不應該有人，越是人員密集型場景就越是替代機會，未來機器人，自動化檢測和管理軟件應該取代大部分人的工作。產線的自動化監測并不是一個新行業，美國和日本有非常成熟的上市公司，我們更關注的是新的增量和技術挑戰比較高的市場機會。第一個方向是AI缺陷的檢測，也就是很難用明確的規則去定義缺陷。比如說一瓶礦泉水里有沒有雜質，雜質你無法用規則定義，只能用小樣本邊檢測邊學習，然后不斷擴充訓練級優化推理。這個領域很新，國內外起點差不多，所以有彎道超車機會。第二個方向是3D高速高清納米級檢測。過去的檢測更多在2D領域，3D檢測很新，對高端制造尤其關鍵，未來有巨大空間。

第四個方向就是工業機器人，以及軟硬結合的自動化解決方案，這塊如果有在某些大產業、應用場景比較好、可復制性比較強又有較高技術壁壘的機會，我們會高度關注。

基本上跟智能制造直接相關的就是這四個分類，當然另外還有間接相關的項目我們在數據的底層技術這個方向會跟進，譬如IOT和邊緣計算。邊緣計算是我們高度看好和關注的，我們已經投了兩家公司，我們還會持續去關注，邊緣計算是未來工業和制造業的技術底座，類似今天的公有云的影響力度，未來的產業互聯網是基于算力的智能分配，需要大量的邊緣云支持，真正的邊緣云技術天生是去中心化的，這塊一定不再是幾家互聯網巨頭瓜分天下。

未來5～10年：ToB企業服務領域將涌現更多獨角獸

主持人魏喆：感覺華映投資的項目以技術驅動的企業服務企業居多，我們看到歐美不乏千億美金市值的企業服務公司，但是中國企業服務領域超過百億美金市值公司就是不錯的了，至今還沒有出現過像salesforce這樣的千億美金市值公司。那么在中國，企業服務領域會用多少年走完西方發達國家幾十年走過的路？

章高男：我個人理解您可能是想問在ToB類的行業賦能的話我們國內能不能跑出巨頭，我覺得中國這個機會肯定是有的。我堅信未來五到十年一定會涌現出數家超過百億美金以上的toB服務的公司。美國這些巨頭也是經過幾十年不斷的整合和并購的過程，他們的產品線并不完全是自己開發的，而是通過戰略研究不斷的購買來完成布局的，中國這個過程剛剛開始，現在是黃金時期，因為我們已經在很多領域有年收入超過5億的小頭部企業，他們已經跨越了生存階段，正在穩步前進或者開始并購整合。

不過客觀講，國外的企業他們的產品線通常很全很豐富，產品的標準化程度相對高，中國在技術上目前還是有一些差距的。但是我們在一些細分小領域已經有很多的解決方案了，雖然大家都還小，但是市場機會是巨大的，我們也不怕國外巨頭的競爭。首先國內公司的組織架構和管理方式和國外明顯不同，外企首先要解決水土不服問題，產品不可能簡單直接用，必須做相應本地化改進。第二，中國政府有很多各種各樣的監管和個性化的要求，這對外企也是巨大挑戰，如果不愿意配合也就失去了市場機會。所以我覺得未來五年十年是非常黃金的時期，你已經能夠看到一些小巨頭開始上市了，上市剛開始可能估值幾十億、百億左右，因為上市可以融到資開始并購，慢慢擴大產品線發展成為真正的巨頭。整體上我們企業服務大致落后歐美五到十年，這正是我們投資布局的黃金機會。

智能制造投資如何“避坑”，具備專業性，并做好長期準備

主持人魏喆：在智能制造投資方面，從投資機構來講需要避開哪些坑？因為感覺很多領域里雖然大有機會，但是充滿風險，像之前的共享單車、電子煙等等。

章高男：共享單車和電子煙這類所謂風口項目具備一些共性的。第一，都是很強剛需；第二，有快速的裂變效應；第三，時間積累價值不是特別高。你要燒很多錢獲取市場，但你不一定能夠燒到用戶的忠誠度和圈地效應。燒完錢很可能教育了市場，被后來者竊取果實，因為壁壘并不高，有快速的波峰波谷效應，通常就會被定義為風口。

然而，智能制造跟這些風口領域不太一樣。

第一，智能制造是持續完善的過程，很難有一個巨變，需要不斷的時間積累過程，時間會拉得很長，成敗也會拉得很長，參考一下國外toB服務的上市公司，從創立到上市平均是十一二年，快一點可能七八年，慢一點的十七八年，共享單車可能四到六年就接近于上市狀態了，所以周期完全不一樣。

第二，行業認知的壁壘很強。toB投資不同于toC的投資，很大一點在于行業經驗的要求。因為任何投資首先要了解業務本身。toC的投資了解業務更多是從消費真本身出發，并不需要極強的行業背景，所有可以看到很多非常年輕的投資新銳，因為他們更敏感，或者跟用戶人群的理解更直接。toB投資完全不同，必須有直接或間接行業背景，這個是跟ToC端的要求不一樣的。

為什么要求專業背景？因為如果沒有專業背景，你就無法真正的體會到這個產業里真正的痛點，你就沒有感覺的。譬如半導體投資如果你都不了解半導體生產工藝那你怎么知道半導體行業的真正需求是什么？而了解半導體工藝一件事情就需要大約兩到三個月的學習時間，這個學習曲線很長，學習半導體最基礎的知識，對于一個沒有任何電子工程經驗的人來說就是一個災難，三極管和與或非們都不理解的人是無法理解半導體的。所以這個行業門檻其實是非常高的，你了解之后才敢說這里有沒有痛點，或者有沒有改變的機會，不然就是賭博了。

所以在ToB里的學習能力和行業背景是很重要的，這個要求比ToC端高很多，如果是ToC端的人進入到這里又是按照原來的邏輯，往往會做出很多草率錯誤的判斷，而且這個一套就很多年，因為ToB半死不活的公司遠比ToC多多了。

互動環節

問：最近有一種說法，數據或者說流量已經是未來的一個基礎設施了，您怎么理解基礎設施這個概念？

答：我們過去十年經歷的改變是遠超于過去200年之合的，而且變化的趨勢仍然在加快。本質是由信息化技術的變革推動的，而信息化技術的原材料就是數據。

換句話說不論來自哪個行業，toC端或者toB端，歸根到底，未來本質是數據和數據處理能力的競爭。其實七八年以前很多人都說大數據是個笑話的時候我就強調：數據是第一生產資料，第一生產資料不是石油、，能源，礦或水，數據是比它們更重要的生產資料，誰擁有核心數據，誰就控制了最原始的的生產資料。因為你未來所產生價值的東西都不能完全脫離數據，現在任何一個產業都在盡可能的讓自己的產業去更多的數據化和智能化。智能化的前提是大數據，大數據的前提要讓數據數字化可被流通，數字化的基礎首先是數據搜集，通過各種傳感器獲取收據，其次是網絡聯通和存儲，存儲下來以后再要進行分析和處理，讓它產生商業價值，任何一個行業現在最核心的工作都是在做這些事情。

問：工業本身在信息化尤其企業服務里它其實是一個稍微比較苦的行業，尤其跟政府、金融或者零售比的話都比較苦，您怎么看這個行業信息化的機會？

答：我們不投給工業本身，我們投給工業賦能的企業。我們不可能投一個拖拉機廠或者玻璃廠，這個不是我們投的，我們更多投的是給拖拉機廠和玻璃廠賦能的公司。對于工業行業本身，誰盡快擁抱數字化和智能化，誰就走得更快生存更好，走的慢的就自然被行業淘汰了。

我們要投的公司就是幫助各行各業的工業體系里，讓他們一年只能賺十塊錢變成一年能賺一百塊錢。怎么能賺一百塊錢？第一提高生產效率、降低生產成本；第二，就是提高資金周轉率，比如一年你能生產一輪現在你能不能一年生產五輪。

問：智能制造是否會幫助我們的工業企業更有效率的去獲得一些金融的服務，是否會對它有哪些方面的促進？

答：智能制造跟金融其實可以高度相關，供應鏈金融就是一個很大的領域，如果你的信息流、資金流和物流，這三個流的數據全部是能夠被監控的話，其實我們是可以做很多信用貸款的，這樣對很多企業來說從重資產公司可以變成一個輕資產公司，對行業規模擴張和獲利有巨大幫助。很多幫助制造業數字化智能化賦能的公司其實是擁有企業所有核心數據的。但是供應鏈金融的難度在于金融機構往往都需要第三方可信的數據方進行交叉驗證，盡管現在我們國家的商業銀行雖然在努力改變，但是目前還做不到那么技術驅動可以直接根據創業公司的數據直接做判斷，現在往往做的好就是它的下游客戶也就是欠款方，如果欠款方的資質非常優秀譬如是央企或上市公司，那銀行可能會當做一個比較安全的應收賬款的管理而放貸，但是對于大量的中小公司還是比較難的，銀行并不直接相信中小公司，它需要一個第三方銀行可信的數據再進行交叉驗證，這個就難了。但是整體上銀行也在加快數據化能力，未來金融和智能制造結合的空間一定會越來越多，這是不可逆轉的趨勢，也是商業銀行本身應該擔負的社會責任。（ 文 ／ 賀婧涵）