2019年，智能改造的焦點將慢慢從改變人的生活方式擴展到改變生產方式。機器人、AI、物聯網等新技術跟各產業進行深度鏈接后，產業“奇點”漸來臨。
但一切變革最終都逃離不了商業化的問題。技術改變生活方式，to C 服務是基礎，針對海量的消費個體，企業使用一次開發便可重復使用的技術模型讓邊際成本降到極致。
然而，產業數字化是一門to B的生意，不同的產業甚至不同的企業客戶的環境及需求也許有著天淵之別。一切to C的玩法在產業數字化中難以適用。要真正切入產業數字化，開拓者必須直面下面三個問題：
1.產業數字化是否僅能從垂直行業撬動？
2.怎么讓邊際效益最大化？
3.核心技術如何在不同場景實現有效遷移和應用？
帶著這些疑問，日前，億邦動力與京東數字科技副總裁、技術研發部總經理曹鵬進行了一次深入的對話。
始于定制化
億邦動力了解到，京東數字科技的前身是京東金融。2018年11月，京東金融品牌升級為京東數字科技，旗下包括京東金融、京東城市、京東農牧、京東鉬媒、京東少東家五大子品牌。目前，京東數字科技以數據技術、AI、IoT三大時代前沿技術為核心，在數字金融、數字城市、數字農業、數字營銷、數字校園等領域進行布局。
實際上，在積累了大數據分析、AI和視覺應用等一系列技術后，京東去做產業數字化是一個自然而然的選擇。曹鵬指出，現在很多產業的發展都已經很成熟，但成熟的運營體系也意味著很固化、急需突破升級。
“在大量新技術出現的前提下，很多事情在原本產業形態中不能做的，現在都可以去做了。這成為一些傳統產業進行模式變革的基礎，讓其擁有成本大幅降低、流量大幅增長等新機會。”他說道。
曹鵬以智能養殖作為例子來闡述這個變革給產業帶來的能量。
在中國，養豬是一門比較傳統的產業，其資源利用效率也遠低于美國——在中國飼料成本是美國的2倍，人工成本是美國的5倍（注：美國單個員工的工資水平是比中國高的）。兩個國家的產業區別在于美國養豬企業采用大量自動化設備取代人工工作。
改變養豬產業的理論基礎和所需技術已經成熟了。養豬的科研人員知道豬的生活習慣，知道在哪些準確的時間點給豬進行什么樣的反饋。這些理論僅局限于實驗室，不能大規模普及，因為僅靠人去精準做反饋是很難實現的。這一切“不可能”在新技術下終于可以實現了。
值得注意的是，新模式的實現僅靠技術支持是不夠的，在新技術落地過程中還需要對行業的理解能力。曹鵬向億邦動力表示，在很多改造升級的時候，京東數科提供的是數據能力、技術能力、用戶管理和運營能力等，傳統產業相應拿出他們這幾十年積累下來對行業的理解。兩方進行深度結合實現的可實施的方案才是有價值的。
行業不同，雙方深度結合在產業摸索的時間也各不相同。曹鵬指出，有的企業有時需要兩到三年時間才能“摸到”門檻，這是產業數字化的壁壘所在，也注定了產業數字化這種2B生意一開始必須走定制化路線。
“各個行業有不同的訴求，落地在每個行業的時候最開始一定是切到行業里面了解痛點是什么。因此一開始產業數字化可能沒機會做標準化。但在通過新技術給產業帶來變革后，就有樣本讓該行業的其他企業愿意去改變自己過去的流程，實現標準化了。”曹鵬說道。
讓技術在不同場景間遷移
當然，產業數字化不只有養豬這一項。京東數科本身積累的數字技術能力是可以應用到多個產業中的。雖說每一個行業最開始的解決方案大部分都是定制化，所使用的底層技術卻是類似的。如果能有效把底層技術在不同場景進行遷移甚至使用同一套系統，那整個產業數字化的邊際成本將會大大降低。
但這并不是一件易事。不同的產業擁有不同的場景，不同的場景的差異性和復雜性讓底層技術的遷移變得困難。對此，曹鵬舉了兩個不能用標準系統去處理的兩個場景。
場景一、私密情況。
比如銀行是要求數據不能外傳的。因此在跟銀行合作的時候，京東數科必須改變過去的合作模式，變成私有云+京東數科共有云的混合云模式，這個模型要在基于跨多個云的架構上進行搭建。
場景二、斷網情況。
比如養豬業以及一些終端零售（線下店），有時候會存在沒有網的情況。在過去，大部分機型的很多能力（比如算法導航）都依賴于網絡，所有計算模型都鋪在云端，有的甚至需要人工遙控，因此必須擁有網絡支撐。當沒網時，整個處理能力不可能跟傳統模式一樣把整個模型放在服務器上計算。而是把所有處理能力都向前推，推到終端上做邊緣計算，最后把結果計算出來后進行現場反饋，到某一個時刻再把數據回傳同步。
（編者注：邊緣計算是指在靠近物或數據源頭的一側，采用網絡、計算、存儲、應用核心能力為一體的開放平臺，就近提供最近端服務。）
從上述兩個場景上看，雖然每個場景都需要運用到類似的技術能力（數據技術、AI、IoT），但因為不同場景的特性不同，京東數科需要基于不同場景，把技術系統做出相應形態的改變，來滿足特定場景的一些特性。
那這個形態改變和技術遷移是如何實現的呢？曹鵬以圖像識別為例進行了分析。
在聯網場景，比如手機進行圖像識別的時候，手機會把圖像數據采集并傳輸到服務器上，并基于GPO（一種圖像技術處理計算模型）做整個圖像計算模型。
但在斷網的終端場景比如養豬場做豬的識別時，終端邊緣計算的模型是基于FPGA或一些AI芯片來做的，所以技術復制要做的是整個系統的遷移，相當于底層系統在新環境下做定制版來適應該場景。
FPGA即現場可編程門陣列，是指一切通過軟件手段更改、配置器件內部連接結構和邏輯單元，完成既定設計功能的數字集成電路。簡單來說，通過類似可編程的模型，京東數科把底層模型復制到新場景，再利用其可編輯型變化成適合該場景的模型，來降低邊際成本。
搭生態 建立開源系統
從曹鵬的描述中可以整理出產業數字化的商業思路——針對具體場景，京東數科在已有的技術能力中尋找產業所需的能力，然后跟產業中的企業一起合作探索定制化解決方案去推動產業變革。
在這個過程中，制定解決方案方是以技術提供方京東數科為導向的。那如果把制定解決方案方跟技術提供方進行分離呢？
當技術提供方作為一個平臺單位存在，垂直行業的服務商甚至該行業的企業本身就可在該平臺單元直接篩選適合自己的技術能力自己去制造適合自己的解決方案。
那這種看似邊際效益更高的開源體系會出現在產業數字化領域么？
曹鵬認為，在未來，這樣的開源體系是會出現的。這也是京東數科目前在不同產業和場景進行擴展的原因之一。
“比如做機房和金庫搬運的機器人。這種細分場景定制化很重，天花板也很低。但在做這些事情時，京東數科能積累一系列能力，比如底盤能力、控制能力、空間定位能力和物體識別能力。中國整個人力成本不斷增加，當機器人產業需求爆發的時候，京東數科就可以把這一系列能力開放出來變成一個平臺，大家就能利用平臺做自己定制的機器人。”曹鵬說道。
因此，在切入具體行業時，京東數科也會選擇不同的場景來積累不同的基礎底盤。比如去積累巡檢能力時，京東數科一方面會切入機房巡檢，這個場景代表一個封閉且地面平整規范的環境；另一方面，京東數科也會切入鐵路軌道的巡檢，這是一個室外且擁有很多變化的環境。
曹鵬告訴億邦動力，京東數科會嘗試在不同行業里面開展項目，通過做這些項目把能力積累下來。最后，這些能力會變成底層能力推動整個生態發展——更多的合作伙伴會進入到生態中，中間會有需求方、開發者、底層能力提供者。這些玩家進入后，產業數字化才能越做越大。
“實際上現在京東數科已經把部分技術開放出來了。比如AI底層的人臉識別能力和支付能力都是對外開放的，銀行可以用這些能力放在自己的App上去搭建自己產品。” 曹鵬舉例說道。
