​奇点云王乐珩：制造业正在迎来他们的“双11”时刻

奇点云王乐珩：制造业正在迎来他们的“双11”时刻

" 制造业数据的指数级增长，就像当年阿里巴巴的‘双 11 ’购物节一样，在这样的景象下，作为一名数据从业者，我感到异常兴奋。这种熟悉的感觉仿佛让我回到了过去，但这一次，我站在了一个全新舞台。"

曾在阿里工作多年的奇点云 CTO 地雷，他的眼神中透露出热情与期待。

奇点云是谁？

简单来说，他们是独立第三方的大数据基础软件厂商，成功实现与全球十大 IaaS 云服务商的兼容；虽然创始团队全部来自阿里，但并不是阿里的投资项目；作为国内为数不多的拥有完整大数据实践经验的 " 玩家 "，他们一直被视为国内四大中台厂商之一。

奇点云的合伙人、CTO 王乐珩（花名：地雷），拥有 18+ 年数据领域研发、产品和创业经验，原阿里云 MaxCompute 大数据引擎和算法平台首任 PD。创始人和高管团队也大多拥有深厚的阿里背景。奇点云背后的团队，与这种技术基因有着非常紧密的联系。

凭借着技术优势以及在零售、金融和政企几大赛道的成绩，奇点云在 2022 年底成功完成了近亿元的 C2 轮融资。据官方表示，这笔资金将用于自主可控的数据技术研发、产品和服务的持续升级，以及加速推进 " 企业级 " 战略，优化营收结构，实现高质量的发展。2023 年，奇点云获得了制造业多个细分领域头部客户认可，实现了制造业营收占比翻倍。

成绩不错，他们正在主攻什么？

答案是：赋能制造业。

制造业数据正处于爆发式增长，这对于奇点云来说是巨大的机遇。地雷在与雷峰网对话中透露，奇点云力邀制造业资深专家 " 入伙 "，并将多年服务零售业沉淀下来的技术和经验加以复用，帮助制造业客户在数据采集、数据研发、数据生产、数据服务和数据治理等多个环节实现降本增效，实现数据能力的可持续发展。

意外发现制造业 " 数据新大陆 "

" 制造业数据的指数级增长，这真是个出乎意料的事情，我们最初并没有预料到。这个发现，纯属偶然！" 地雷笑谈道。

这要从奇点云与一家新能源制造企业（A 企业）合作开始说起。

A 企业使用了奇点云 DataSimba 数据云平台，可以分析处理大量各种类型的数据，并在半夜准时生成报表，使得企业第二天能够做出相应的调整。

令人意外的是，在不到三周的时间里，A 企业的老板给地雷打来电话提出了新的需求。

在电话那头，老板的需求十分明确："DataSimba 用着还行，数据分析的效果也不错，我们希望继续提频增速，把一天跑一次数据，改成每小时生成一次数据。还有，好几个基地数据在等着上生产。"

地雷心里一惊：没想到制造业用数的反馈和数据量的增长来得如此之快！原本以为上线 DataSimba 后，大规模扩展资源会在两三年后，但现在因为数据量爆增倒逼着数据基础设施更新，这仅仅过去了两三周。

项目组工程师加班加点，帮助 A 企业在不另加资源的前提下，完成每小时生成一次数据的目标；接着，地雷请来公司各路神仙研究海量、多源、异构数据的实时处理等问题，" 技术栈能力是有上限的，突破量级的时候，就不是单纯堆机器那么简单了。"

三周后，A 老板拿到了稳定按小时级产出的分析结果，决策更及时，竞争力就更强，利润自然更高了。

同时，地雷很快发现这并不仅仅是 A 企业的需求，而是整个制造业所面临的挑战。

聊到这里，大家难免有个疑问：为什么制造业的数据突然变得如此庞大？

数据的增多是因为数据源头也在增多。

众所周知，传统制造业倾向于使用人工解决问题，工人手动操作生产线，手工记录数据。然而，现在越来越多的自动化设备被引入到制造业中，取代了传统的人工操作。这些设备和系统产生了大量的数据，成为制造业数据的重要来源。

" 制造业产生了大量的机器数据，这些数据按照设定的时间间隔采集，我们称之为时序数据。制造业的数据量比人们平时产生的数据要大得多，因为制造业的机器设备是按照固定的时间间隔采集的，每秒钟都会产生大量的数据。此外，这些数据是按照时间顺序依次采集的，比如每隔 15 秒采集一次温度数据，具有明确的时间顺序性。" 地雷解释道。 

图：越来越多企业采用自动化生产线（插图由 AI 生成）

制造业自身变革倒逼企业利用数据解决问题。

以 B 企业为例，B 企业是一家乳业企业，在交付产品给客户时面临着许多复杂问题，找到了奇点云共商 " 交期优化 " 策略。

比如，不同类型的牛奶需要考虑运输和物流条件进行生产和交付。在这个过程中，B 企业需要在适当的时间内生产和交付产品，确保产品质量。

又比如，由于原材料成批采购，每批原材料的价格可能不同，B 企业需要在财务上尽量盈利，同时满足客户需求。

此外，还需要考虑最坏的情况，即如果出现违约或延迟，应该优先解决哪些订单的问题。

总体来说，B 企业的问题是涉及到多个复杂变量，需要统筹优化。

在过去几十年，这些问题主要依赖人工处理，比如根据经验配比生产线，并使用 Excel 表格进行管理。

但现在这种方法已经不管用了。为何？

因为 B 企业有很多部门，每个部门都有自己的系统，每个系统都会产生大量细节数据，形成多个 " 数据孤岛 "，这些数据孤岛数据量很大，以 TB（万亿字节）（1TB 约等于 1.1 万亿字节）计算，传统人工方式根本不可能承担那么大的计算量。

" 加上新的数据还在不断增加，人类很难在每小时或每分钟内反应变化，所以需要利用数据和自动化方式来管理整个生产线，包括订单管理、物流、原材料采购、制造和生产线等。"

" 机会来了，制造业的数据智能化时代即将来临 "，地雷很兴奋。

可以开着飞机换引擎吗？

要在制造业领域打好这场仗，技术尤为关键。

奇点云团队自带技术基因，在大数据领域拥有丰富的经验和技术，操盘过大量项目，才能知道哪里有坑，知道怎么避坑。

当然，只有大数据技术还不够，还要有 " 共同语言 "。

一位制造业老炮打趣：" 制造业几百种专业术语，类似‘ OEE ’、‘设备稼动率’、‘ UPH ’、‘采购及时率’等等，不在领域做上 10 年，5 分钟就能被绕晕。"

" 最怕就是你跟客户说技术，客户跟你说场景，大家谁也不懂谁，就好像鸡同鸭讲，" 地雷一语中的。

因此，奇点云组建了制造业行业线团队，团队里的 " 老专家 " 都来自工业制造咨询公司和工业软件公司等领域，深谙行业 Know-How，能够用共同语言与客户 " 接地气 " 沟通。

奇点云制造行业线负责人航宇谈到：" 我们很乐意跟客户呆在一起，帮助客户充分利用数据来改进业务和决策。我们还有‘开飞机换引擎’的本事。"

开飞机换引擎？怎讲？

奇点云有一家客户是光纤领域的创新型企业（C 企业）。

C 企业数年前已完成数据中台建设。而在几年前，C 企业被美列入 " 实体清单 "，原数据中台供应商 IBM 随之 " 断供 " ——产品可继续使用，但不再提供版本更新、漏洞修复及技术支持。

对于 C 企业来说，数据已在多个核心领域得到使用，事关经营决策、生产管控等各个环节，数据基建（数据平台、数据中台等）的稳定性、可靠性、安全性也日益重要——数据生产不能被 " 卡脖子 "，数据能力的建设也不应中止。

事实上，大型企业在大数据领域实践 " 国产替代 "，确实不只是 " 换个产品 " 那么简单：

新产品需要支持国产信创，自主可控，打破封锁；

旧产品有的，新产品都要有，且更优；

旧产品没有但业务需要的，新产品也要有，且能陪伴业务升级而不断进化；

在新旧产品切换的时候，还要确保现有数据资产无损平滑迁移，同时保障日常数据生产不受影响。

对于已有多年数字化沉淀的 C 企业而言，切换数据基建产品就如同 " 开着飞机换引擎 "，一点也不夸张。

为了解决 C 企业的问题，奇点云上线了 DataSimba 数据云平台，并将底层的大数据集群管理系统切换为奇点云的 DataKun，数据迁移由奇点云原厂完成。最终，奇点云顺利帮助 C 企业实现了 " 开飞机换引擎 " 的任务。

何以 PK 同赛道玩家？

狭路相逢，奇点云会遇到三波玩家：一波是传统信息化公司；一波是互联网巨头和数据技术公司；还有一波是咨询公司。

传统信息化公司对制造业流程和痛点非常清楚，但是由于缺乏大数据技术，当客户数据量激增时，他们往往无法及时有效解决这个问题；

互联网巨头拥有先进的大数据技术，但在制造业行业 Know-How 方面存在欠缺。尽管一些大公司曾组建过一些优秀的制造业团队，但这些团队受限于企业文化和主线业务往往在内部无法存活，尤其当一项任务需要几年时间才能盈利的情况下；

咨询类公司对于行业的数字化有一定了解，可以从战略层面指导企业数字化转型工作。然而，咨询公司的人员往往缺乏实际落地的经验，所以最终还要数据技术公司落地项目。

地雷表示：" 我们既拥有了先进的大数据技术，也拥有制造行业 Know-How。同时，我们和很多伙伴是‘亦敌亦友’的关系，例如，和咨询类公司有成功的合作经验。"

同时，奇点云沉淀了一套独特的 " 抽象模型 " 方法论。

奇点云在创业的前三年，扎根零售业数字化，根据零售业的特点、业务模式和企业的整体设计，沉淀了一套 " 抽象模型 " 的方法论。

例如，如果要经营一个超市，只需要关注大约 200 多个数据指标。奇点云已经将这些数据指标抽象出来，创建了相对标准的数据模型，这样同类型的超市稍加改造，就可以快速地应用这些模型。

在制造业领域，奇点云也正在形成适用于制造业各个细分领域和场景的数据模型，并且在不断优化和改进的过程中，将其应用到更多的企业中。

此外，奇点云在零售业积累了可复用于制造业的 " 底层数据架构优化 " 经验。

以零售业为例，涉及到大量的数据，包括线上线下用户数据和商品数据等。在技术层面上，如何提高底层数据架构的复用能力，构建更好的数据技术模型，是一个重要的问题。

类似地，在制造业中，需要考虑 " 订单 "、" 供应商 " 等对象以及订单相关事件等的抽象化。通过优化和抽象化技术架构，可以用更统一可靠的技术底座来支撑上层动态多变的业务数据需求。

" 奇点云从零售业走到制造业，积累了独特的经验，这些经验在底层数据架构优化和抽象化方面都非常有价值。" 奇点云制造行业线负责人航宇分析道。

图：奇点云提出制造业数字化转型 " 三看三提 "

值得一提的是，奇点云是一家独立的第三方公司，不绑定云资源。这意味着他们可以与各种云平台和技术集成，为客户提供更大的自由度和灵活性，而不受特定云供应商的限制。

打仗要做主角，需求是甜蜜负担

" 所有的数据分析和使用前提都是要有‘需求’。‘需求’就是数据人甜蜜的‘负担’。" 地雷笑笑。

一个有趣的例子是，地雷曾经有一些阿里巴巴的前同事跳槽到谷歌，他们设计的架构令谷歌的工程师非常惊叹。当问及为什么这样设计时，他们解释道，这是因为他们曾经经历过阿里巴巴在 " 双 11" 期间数据爆炸的情况，所以他们的设计能够处理大规模的数据。

其实，制造业也是类似的道理。

中国有很多制造业企业，这些企业使用自动化生产线进行生产，同时产生大量数据。很多企业愿意利用这些数据来降低成本、提高效率。正因为如此，才会衍生出各种各样复杂的需求。

地雷总结道：" 奇点云并不是仅仅为客户提供一把屠龙刀，而不关心客户在何种情况下使用这把屠龙刀。相反，奇点云更注重客户的需求。比如，客户可能有降本增效、供应链优化、供应链监控等各种需求，奇点云会带着这些问题去一直往下深挖，直到找到可以用数据解决的方法。"

看来，" 制造业数据战 " 这场仗，奇点云争做主角，不是陪演。

雷峰网雷峰网雷峰网