太子KID的个人资料

人力资源交流课程分享案例分享问题探讨 1、全国人力资源交流学习探讨2、群里分享人力资源相关研报、资讯3、群里分享人力资源相关直播课程4、群里分享人力资源相关培训课件5、禁止广告、链接、垃圾信息[图片][图片][图片]

软硬结合的智能工厂顶层规划由于企业增长发展较快，有很多企业家对企业的发展都在进行规划和思考，所以对自身的要求也越来越高，这样的情况下一定会涉及到扩产及制造能力的加强。基于这种原因，工厂原有制造业增产和老旧设备的提升，原有物理区域管理能力的不足，新工厂的扩建等等，都需要用全新的规划和设计建设，从而突破生产及管理能力的不足。 ●针对这些问题，我们应该如何“破局”？ ●“精益化数智工厂”顶层规划方法有哪些？ ●“精益化数智工厂”到底应该如何开展？ ●如何制定科学有效的“精益化数智工厂”规划路径？ UCMT企业学习空间邀请到了鼎捷软件资深顾问史朝元老师为大家带来一场智能制造行业的深度分享！以上问题，史老师将一一为大家详细解读。 “精益化数智工厂”顶层规划方法首先通过厂区监控，设备机台的对联、中控室监控，数据采集、智能控制，包括对应的电力、考勤、工卡出入通断电智能控制、物流出入库高效的数据统计，运输监控等这些所有的管理都需要硬件与软件支持，需要数据的支持，包括云端存储等。其次，整个智能工厂规划都需要敏捷性和稳定性等规划部署。比如MES不建议进行云部署，因为相应程度和涉密程度非常高，需要稳定性优先；HR，OA的软件需要相对敏捷，流程固化，配制度标准的稳性部署。总的来说，智能工厂未来规划从无到有需要5个步骤，从园区规划到厂房规划，到辅助设施的规划，再到生活设施配套，智能系统需要承载以上规划。其中对专业程度及智能化要求较高的有：厂房布局规划和智能系统规划。中国制造业受电商的影响，对效率的追求越来越高，以此导致的对敏捷性的要求也越来越高，拉动型的物料供应如何确保用最少的库存，最快的流程规划进行生产交付，成为很多企业面临的挑战。企业相关详细案例解读，会给大家带来不一样的启发。

企业数字化转型本质：数字化技术的应用，业务或商业模式重塑对大多数企业而言，数字化转型都是“摸着石头过河”，没有可以拿来即用的所谓“成功模式”，数字化转型的本质究竟是什么？企业如何进行数字化转型？本文将围绕云原生、微服务、中台等技术支撑，从业务目标和战略服务方向探讨企业数字化转型的内在诉求。首先来看下数字化转型的基本定义，引自百度百科、IDC。百度百科定义：数字化转型（Digital transformation）是建立在数字化转换（Digitization）、数字化升级（Digitalization）基础上，进一步触及公司核心业务，以新建一种商业模式为目标的高层次转型。数字化转型Digital transformation是开发数字化技术及支持能力以新建一个富有活力的数字化商业模式。在这里给出了数字化转型发展的三个阶段： ●数字化转换：信息数字化，模拟数据到01二进制 ●数字化升级：流程数字化，典型是各类IT应用系统 ●数字化转型：业务数字化，典型代表亚马逊，苹果同时对于数字化转型给出了另外一句关键描述即：数字化转型表明，只有企业对其业务进行系统性、彻底的（或重大和完全的）重新定义——而不仅仅是IT，而是对组织活动、流程、业务模式和员工能力的方方面面进行重新定义的时候，成功才会得以实现。 IDC定义：数字化转型是利用数字化技术（例如云计算、大数据、人工智能、物联网、区块链等）和能力来驱动组织商业模式创新和商业生态系统重构的途径和方法即是数字化转型。其目的是实现企业业务的转型、创新、增长。在这个概念里面实际核心强调了两点，其一是数字化技术的应用，其二是业务或商业模式重塑。其中业务重塑是根本目标，而数字化技术只是工具和手段。对数字化转型进一步理解企业的数字化应立足于顶端设计，结合企业的核心竞争力，如产品设计能力、社会化服务能力、渠道终端覆盖力，以及未来的产业互联、生态发展方向，依托企业自身优势，抓取企业自身的数字化本质。即企业数字化是将当前的数字技术应用到企业的战略和业务目标达成。而对于数字化转型的本质主要包括三个方面的内容： ●连接：万物互联，解决人和人，人和物，物和物的连接问题； ●数据：连接后产生集成和协同，协同过程自然会产生数据； ●智能：数据经过加工和提炼，形成智能化分析应用。其中连接解决基本的业务链协同问题，通过连接下的业务协同形成数据沉淀，通过数据的存储处理，管控治理形成数据服务能力反哺业务。同时数据持续积累又进一步为机器学习，深度学习等智能化分析应用提供服务。数字化能力框架重构，基于以上思考，我们就可以更好地理解和重构数字化框架。最核心的是连接，数据和智能三个部分内容。另外在下层增加了组织支撑和技术支撑两部分内容： ●组织支撑：包括了组织，人员，文化，过程等内容； ●技术支撑：包括了云原生，物联网，5G和数字孪生等，也包括数字中台构建； ●运营支撑：核心是基于数据驱动思维下，以价值创造为目标的持续改进。从信息化到数字化重新理解数字化：简单来说数字化本身就是信息化的进一步深入，信息化也是数字化发展的前期阶段，是数字化整体范畴的一个子集。这里还是从技术和业务两个层面来重新理解数字化。从技术层面来看：数字化是在传统信息化基础上，通过万物互联的核心思路，来解决物和信息在时间和空间上的完整融合，形成一个整体。这里强调了两个关键，其一是连接，其二是时空信息的融合。例如在实施ERP或其他内部IT系统的时候，谈得最多的就是物流，信息流和资金的统一。但是这个过程的实现更多的是通过人工去操作，人去录入单据数据，推动整个业务流程的流转。而到了数字化阶段，在应用了物联网，5G等技术后，不仅仅是人和物的连接来产生信息，物和物本身也可以连接并自动产生信息。在万物互联下，信息的产生不再是只能够通过人工输入信息，而是自动产生，自动计算，自动流转。即在传统的信息化阶段，我们产生的信息只有时间信息，而没有附属空间信息。比如一个货物什么时候入库的，入库数量多少我们查询系统可以知道。但是这个货物当前在什么位置，包括货物具体的空间位移路线，我们并不清楚。同时货物本身的时间信息和空间信息本身也是脱节的。而在数字化阶段，时空信息进一步融合，一个事物我们不仅仅是知道它的生命周期时间状态，更加重要的是知道它的空间地理位置状态，这个两个信息本身是一体的。在数字化基础上，特别是在智能制造领域提得比较多的是数字孪生的概念，可以先看下对于这个概念的简单定义如下：数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。这个定义在时空融合上又进一步体现了抽象世界和现实世界的融合。而这本身也是数字化技术发展的一个重要趋势。在前面已经谈到企业数字化转型中仍然需要完成企业内部信息化建设和集成问题。这个集成包括了横向以业务价值链为核心的协同和集成，也包括了垂直的以生产制造为核心的集成。同时还得实现横向和纵向之间的集成。对于已经具备信息化基础的企业来说，实际就是两个重点，一个是解决系统间的整合和集成问题，一个就是如何利用新的数字化技术来解决自动化和智能化问题。在当前的实践中包括了类似智能仓储和物流，数字资产管理，数字孪生，智能制造等基本围绕这两个重点展开。外部-消费互联和产业互联简单来说谈数字化你要跳出单纯的数字工具和技术的约束，从整个信息化发展演进的趋势，从万物互联，时空融合，抽象现实融合角度来重新思考数字化。跨越企业内部边界到外部，谈得最多的就是消费互联和产业互联。比如最早O2O线上线下整合，企业自建垂直一体化电商，企业构建自己的能力中台并建立外部连接生态，拓展自己的品牌和自媒体运营并实现公域流量到私域流量的转换，通过运营和对数据的分析来实现业务的持续改善等。传统企业数字转型同样是如此，但真正成功的大部分还是信息化做的足够成熟的企业，而不是那些简单的引入软件厂商中台咨询和建设的企业。 ●其核心原因主要是两点： ●内部能力修炼是基础 ●数字化转型本质是业务问题，其次才是技术问题企业为什么要数字化转型，如何转企业为何要进行数字化转型在数字化能力框架构图里面就可以看到，数字化实际涉及到企业的战略，业务，组织，流程，IT和技术多方面的内容，绝对不是简单的数字化工具和技术的应用。同时衡量数字化转型是否成功的标准也很简单，即：数字化转型是否真正提升了企业的核心价值和能力。对于为何要进行数字化转型，我们可以从业务角度、技术角度来探讨。业务角度-业务目标驱动企业提出数字化转型很多还是围绕企业战略和业务目标实现提出的，在业务目标达成过程中，可以看到引入更多的数字化技术后，整个技术支撑平台能够更加高效，敏捷和自动化，更好的支撑业务战略达成。技术角度-技术推动业务数字化时代体现了一个新特征，即IT反向推动业务流程改进，业务战略目标达成等。如何转？业务数字化—数据驱动业务数字化强调的是数字化转型的第二个本质，即数据。连接的价值不仅仅是支撑了业务协同，更加重要的是产生了数据。数据本身又支撑业务运作，数据反哺业务；其次就是数据本身可以持续积累，数据应用于分析和决策，数据产生智能。在信息化阶段也强调数据，强调BI或数据决策分析，但是在数字化阶段对数据进一步强化，这个强化体现在两点。其一是数据能力要持续不断地实时或准实时地支撑业务运作；其二是数据本身通过积累后进行分析产生价值，并进一步为人工智能提供支撑。在数字化阶段，进一步强调了互联网常说的运营这个概念。数据驱动运营，运营本身衔接市场需求和内部能力。运营是真正拉近了企业内部IT能力和外部需求和用户之间的关键桥梁。数据+运营是转型过程中一个关键的思维转变。简单来说企业不再是简单的生产产品交付给市场或客户，而是如何建立市场和内部能力之间的纽带，通过持续不断的数据分析来促进产品销售和优化改进。如何分阶段演进当谈数字化转型的时候，现在谈得最多的就是消费互联和产业互联，谈自建电商平台，谈线上和线下的打通，谈数字化营销，谈自媒体运营和C端用户触达，谈互联网引流等。注意这些更多的是面对类似快消类行业，并不是对于所有企业都适用。数字化转型一定要考虑分阶段演进，当前数字化转型建设一定是按垂直细分线条逐个去解决，而不是建立大而全的系统或平台。思路1：按连接-数据-智能思路演进思路2：由内而外-从三流整合到生态整合思路3：目标细分和短周期迭代前面提到，企业数字化转型务必不要搞大而全的模式。而是围绕企业战略和业务目标，将大目标分解为子目标，然后围绕每个子目标进行业务，组织，IT技术的改造和优化。

智能工厂一文读懂智能工厂到底是什么？智能工厂、智慧工厂大家都在提及，但是究竟指的是什么，没有人能够真正的说明白，但是目前各个集团型企业申报关于工厂改造提升的时候基本上也都不怎么提及智能工厂，现在大部分提出的都是灯塔工厂。那么问题由来了，智能制造与智能工厂是一码事吗？个人认为其实并不是一码事，智能制造的概念为：将现金的制造技术与现金的信息技术相结合，贯穿于企业研发、采购、生产、售后等各个业务阶段，使各个业务过程具备自感知、自决策等相关业务特性，按照概念大部分集中在于生产执行的部分，因为不管是自感知还是自决策，目前看只能是单点业务的提升。但是智能工厂，个人认为应该是除了部分关键业务点自感知、自决策之外，更多的是管理的协同与透明，另外就是面向市场变化的敏捷度。所以综合来和，个人认为只能制造是智能工厂的其中一部分。所以按照个人理解，智能工厂是通过先进的软硬件技术，实现生产过程协同与最大限度的自动化替代，实现工厂各个业务之间无缝衔接、最低的人工投入的一种工厂管理与生产模式。智能工厂与数字化转型数字化转型概念很热，每场会议都在喊数字化转型，都在讨论数字化转型。但什么是数据化转型，怎么实现数字化转型，各有各的看法。比较认同的解释是“数字化转型就是利用数字化技术来推动企业组织转变业务模式，组织架构，企业文化等的变革措施。数字化转型旨在利用各种新型技术，如移动、Web、社交、大数据、机器学习、人工智能、物联网、云计算、区块链等一系列技术为企业组织构想和交付新的、差异化的价值。采取数字化转型的企业，一般都会去追寻新的收入来源、新的产品和服务、新的商业模式。因此数字化转型是技术与商业模式的深度融合，数字化转型的最终结果是商业模式的变革” 。所以按照概念来讲，数字化转型更多的偏向于企业外部业务，比如以运维服务为突破口进行业务创新等，而智能工厂则更多面向的是工厂内侧进行优化与升级，也就是说虽然两者都会通过先进的技术，诸如人工智能、物联网等推动企业业务组织架构变更、业务模型更改，但是智能工厂更多是人工劳动的智能化替代、降低运行成本、减少窝工，但是数字化转型是希望构建新的业务企业模式。举个例子，某机械装备厂商通过MES+硬件的方式升级工厂管理，我们可以认为他是智能工厂，但是包装成数字化转型则有些牵强；但是如果该装备厂商以出租的方式替代一次性购买，然后收取每年的租赁费与服务费，这种可以认为是数字化转型。智能工厂与工业互联网之前写过一篇文章是《从智能工厂到工业互联网一文读懂》，其中阐述了智能工厂与工业互联网的区别，其实下图说的相对比较清楚，智能工厂针对一个企业进行优化升级，而工业互联网的概念：是新一代信息通信技术与工业经济深度融合的新型基础设施、应用模式和工业生态，通过对人、机、物、系统等的全面连接，构建起覆盖全产业链、全价值链的全新制造和服务体系，为工业乃至产业数字化、网络化、智能化发展提供了实现途径，是第四次工业革命的重要基石。工业互联网不是互联网在工业的简单应用，而是具有更为丰富的内涵和外延。它以网络为基础、平台为中枢、数据为要素、安全为保障，既是工业数字化、网络化、智能化转型的基础设施，也是互联网、大数据、人工智能与实体经济深度融合的应用模式，同时也是一种新业态、新产业，将重塑企业形态、供应链和产业链。通过上述概念我们可以看到工业互联网面向的是产业链、工业生态，而智能工厂只是针对一个企业进行升级，这个就是最大的区别；但是如果产业链需要数据打通，如果某个工厂还是作坊式为主的话，产业链根本不可能进行全面升级，所以智能工厂是工业互联网实现最终效果的基础，而如果需要做到数据统一、平台统一的话，工业互联网可以为智能工厂提供平台支撑。智能工厂应对的挑战正所谓“存在即合理”，个人一直有一个不成熟的想法：一个项目、两个项目、三个项目的主要责任人肯定是某个销售，这是毋庸置疑的，但如果是五十个、一百个项目仍然被某个企业打败，则肯定是产品技术方向的问题了，因为一个普普通通的一线销售根本背不起这个锅，所以既然那么多企业仍然不惜代价不断在软硬件上投入大量成本到智能工厂的升级上，只靠供应商的一张嘴很显然是不成立，说明这个方向在真真切切解决一些问题，而这些问题在企业业务野蛮增长的阶段貌似根本不影响什么，但是在各个行业内卷的时候部分问题很可能就是致命点，比如因为对供应商质量管控力度不够，老坛酸菜牛肉面最近迎来大量的退单行为，难道之前土坑酸菜加工就不存在吗？很显然不是，而是这种现象与现在大家追逐口味、品质与食品安全的发展南辕北辙。如下图所示，智能工厂对应业务的优化在于：计划排程协同、制造过程透明、安全环保、物流智能化、质量管控、设备运维、精细化管理、业务多样化等，对应大的方面基本上对应的都是企业的核心能力，可预测、可视、可控、高效、可追溯、安全可靠、便捷等。但是下图是一个漫长迭代的过程，仅仅靠一个项目就希望达到很显然是不现实的，就跟一个企业一样仅仅靠一两年时间就做成全球第一的业务，很可能就会在一两个月丢失这个全球第一，因为护城河太低了。市场上对于企业的要求基本上集中在低价、敏捷、短期交付、质量与安全，低价不言而喻，小米手机开始起家则依靠的就是“性价比屠夫”，而京东则走的是质量（正品）、短期交付的路线。但是市场上对于敏捷响应的诉求目前是越来越高，比如疫情期间五菱宏光与比亚迪迅速组件口罩生产线，以一句“国家需要什么，我们就生产什么”一时圈粉无数，这种在生产线、信息化系统以及组织架构的快速响应能力在未来则是一种非常重要的企业核心能力。揭开智能工厂的盖头工厂管理依靠一套MES与ERP的阶段已经一去不复返，仅仅依靠IT只能将部分业务搬到线上，提升了业务部门之间的协同，部分业务数据的可视化，所以不管从工厂的生产执行还是管理都具备非常大的优化空间。未来智能工厂实现个性化定制、敏捷响应、质量管控等，基本上包含了IT、OT、AI与数据管理，IT占据了工厂优化升级的大部分时间，从93年到08年主要以产品为核心，比如CAD、CAE、OFFICE等，对于用户的交付都是以产品为主+部分培训；从08年到19年基本上是以项目为核心的，基本上产品平台是项目的基座，大部分费用基本上会花在服务上；前两个阶段基本上都投入在IT信息化了，从19年至今基本上都在提端到端交付、顾问式服务，原因在于现在许多企业信息化已经建设完成，但是仍然存在许多痛点亟待解决，但是市场上又没有成熟的成体系的解决方案，这样就需要顾问式的咨询，然后提供端到端的解决方案。未来的智能工厂建设仍然会在IT、OT、AI与企业模型数据等方面攻城拔寨，比如之前的IT基本上是以记录为核心，大部分的IT系统的数据都是来源于手工记录，比如MES系统，大部分数据来源于现场的报工数据，但是企业对于工人的考核是他加工了多少零件而不是录入了多少条数据，正因为如此之前我也写过一篇文章《MES上线的成功率在50%左右》。所以IT系统的更改方向则是由记录变为驱动，比如现在的DP（需求计划）、MP（主计划）、FP（工厂）等都会嵌入计算引擎，都是以数据为基础嵌入算法进行业务的自动驱动。而OT则是以IOT的手段进行数据自动采集与质量管控，比如生产模具在其全生命周期过程中总计只能应用10000次，而通过IOT可以远程采集模具的应用次数，当达到10000次之后自动报警从而进行质量管理；通过IOT手段将三坐标检测仪的质检数据与生产任务进行绑定，可以实现质量数据的追溯。工厂中应用AI可以认为是一种单点的优化，比如安全管理业务中通过机器视觉发现违规操作；工艺的单点优化；之前我写过关于MES的观点，未来MES将是IT+OT，其中的OT指的就是AI机器视觉，因为这样可以迅速降低人工劳动的强度；比如烟草生产现场，烟虫基本上需要人工手工去检验，但是通过机器视觉可以自动发现烟虫进而预警。企业的数据模型我个人认为应该包含两个方面，一种是企业级数据的管控能力，另外一种是能够体现精益化管理的指标体系。数据处理的本质在于：提升数据的结构化程度与数据的价值密度，第一种是通过统一的数据平台提升企业数据的结构化程度与管控粒度，第二种则是提升工厂数据的价值密度进行科学决策。时代在向全能的人招手在上文提过未来将会是以顾问式或者是以解决方案为核心的服务，而服务的条件则是需要懂用户业务、懂前沿技术，而未来的技术无非分为两种：1）单点业务的优化，主要依赖技术的发展；2）全面性的铺开，主要靠方法论，比如数据治理、咨询等。综合来讲，智能工厂其实并不是镜中花、水中月，是与用户沟通过程中频频被提起的，而且也在切切实实的在解决用户的问题，但是正如前文我们提过，智能工厂是一种模式而不是一个标准，是伴随着技术的发展、需求的不断提起而被不断优化迭代的模式，所以智能工厂是一项需要脚踏实地去与一线用户去交流，而又需要抬头望天。

全国人力资源交流群1、全国人力资源交流学习探讨2、群里分享人力资源相关研报、资讯3、群里分享人力资源相关直播课程4、群里分享人力资源相关培训课件5、禁止广告、链接、垃圾信息

智能制造是一把双刃剑全世界都在如火如荼地谈论智能制造，毋庸置疑这代表了制造发展的方向。如果智能制造稳赚不赔，那为什么不是所有企业都砸锅卖铁去干呢？他们在犹豫什么？每一种事物，都具有两面性，都是矛盾统一体。那么开展智能制造这项工作，我们应该注意些什么呢。开展智能制造，首先问问技术层面能否接得住开展智能制造首先不是钱的问题，而是技术层面能否匹配的问题。这个不解决，搞智能制造就是先上车，后买票，但是车上没有座位。这辆车是从上海开往乌鲁木齐的绿皮列车。不要在没有标准化能力的条件下搞智能制造。智能制造生产线高度自动化、智能化，机、料、法、环、测做到互联互通，人员已经极少参与生产过程，从而黑灯工厂成为可能。这里面单件流、快速换模、MES、PLM、TPM以及物料自动定时、定量、定点传送等已经是像空气一样属于最基本的功能，要想做到如此之顺畅，必须有三个标准化先行。一是产品标准化。虽然工业4.0追求产品定制化，千人千面，但是作为产品研发，必须将产品拆解到尽可能小的单元、模块，然后开始自由组合，这些模块、单元是定型的，其物料信息、工艺路线、模具选用、组配工序等早就建好模型。一旦产品型号确定，所有模块组合随之确定，加工工艺路线也随之确定，这样才能开展机器自动化制造。二是物料标准化。由于研发人员天生具备创新精神，在技术上、质量上、成本上和可制造性上孜孜追求无可厚非，但一旦收不住脚，去追求无谓的新、奇、特，不同的产品、产品族如果物料五花八门，能统一的不统一，就连螺丝垫片型号就成百上千，想想会给物料采购、仓储、配送、模具、工装治具、工艺路线带来多大的灾难。如若这样，在定制化产品盛行的工业4.0时代，机器生产还真不如人干了。人家苹果公司iPhone和iPad，产品全身上下据说只有一种螺丝，而且数量也少得可怜。三是工艺标准化。北航刘强教授的“三不要理论”中，就有不要在落后的工艺基础上搞自动化，所以智能制造表面上是一大堆高大上的设备、软件系统在运行，实际上是一帮高精尖的高级工艺师们的杰作。他们编制工序工艺指导手册，编制指令程序，思考快速换模技术和研发工装治具，等等。就如富士康用机器人替代工人生产苹果数码产品，机器人手臂就像人手一样灵活和精细，靠的就是富士康有着一支强大的工艺、工程精英队伍。当然，只有产品标准化、物料标准化之后，才谈得上工艺标准化。开展智能制造，其次问问管理层面能否玩得转开展智能制造，如果自家的工艺、标准化等技术层面上没有问题了，那么就要着手解决管理的长期痼疾了。第一物料质量管理。质量这个东西有些是摸不着看不到的，因为隐蔽才更加重要。工业4.0时代产品高品质应该像空气一样稀松平常，不会再拿出来可以讨价还价的东西。但如果在机器自动化生产时，发现物料质量问题，这对于机器而言该如何是好？停产停线的代价可不像人工生产时代了。物料质量问题，可能出于自己人员的设计问题，可能出于双方资料交底、交接问题，也可能出于合作伙伴自身管理问题，如果没有一套质量追溯和考核机制，那么智能制造根本没法正常运行。第二精益生产管理。智能制造一分钟加工多少次的快速度，必须有高超的流动生产理念才能驾驭。否则，再智能、再高效的生产速度，也会在某一个低效的生产环节面前，效益损失殆尽。快速生产，变成了半成品快速成堆。这里面有快速换模管理，智能设备TPM管理，蜘蛛人配送管理，生产线平衡管理，连续拉动管理，流水线问题安灯管理......没有这些知识和技能储备，智能制造设备就是摆设。第三项目计划管理。要使智能生产流水线可靠、高效运行，平时运转最大的制约因素就是生产计划了。万事俱备，自动化设备和系统已经可以正式运转，物料也已到库房，产品标准化工艺路线也已输入系统，就只欠一声令下这个东风了，但是，如果这时客户说，这个项目延期了，暂时不需要了；如果有的客户说，我的项目要提前，希望立即交货……在产非客户所需，客户所需还未下单，在这种情况下，再先进的生产线又有何用？计划往往是一个企业老大难问题，在手工生产阶段做不好的事情，在智能制造时代也一定做不好。但计划做不好造成的影响在智能制造时代更甚。开展智能制造，最后问问效益层面能否长期盈利赚钱，是一个企业的最终目的，智能制造也一样。从大方向上看，智能制造是一个好东西。上马自动化设备和软件系统，不仅省人、高效、安全、品质一致性好等优点，而且不吃不喝可以24小时加班，重点是从不抱怨。但是，好东西，之所以是好东西，没有普遍开来，它一定是有原因的。人人都有，人人都上，它也无所谓是好东西了，物以稀为贵嘛。之所以，现在还能拿出来，说说，稀罕稀罕，成为某个企业的亮点或是展示的窗口，那正说明了能上得起这套装备的人家凤毛麟角。那为什么会这样呢？一个字：钱！在企业，做任何一件事情，必须分析其盈亏平衡，即成本和收益的比较。按年测算：成本有：装备折旧费、耗材费（易损件）、维护保养成本、水电气使用费、操作工成本、配套环节人工成本等；收益有：基本都可以归集到直接人工和材料节省，当然肯定还有一些关于安全、质量、工艺方面的收益，由于是间接的，需要审慎评估。以上是最直接的经济效益比较。除此以外，还有一个非常重要的注意，那就是智能制造装备，其所从事的生产业务，能否长期得到保障。短暂地对一个项目、一个月的业务量进行智能制造的经济效益分析，可能没有问题。但是，假如这项业务不饱满呢，时断时续呢？2年后业务萎缩甚至停止了呢？在以前的人工生产方式下，员工可以放假，也可以让其转岗其他工作。但是作为趴在地上一条龙的自动化生产线，那只有白白折旧的份！或者报废。所以，智能制造再好，也要考虑到业务量的饱满性和长期可持续性。切不可只顾眼前。

苏中：犀牛智造给产业数字化转型带来什么启示？回望近两三百年的科技发展历程，大致可以分成两个阶段：第一个阶段，称之为马力经济，包括第一次和第二次工业革命，主要解决了动力和能源的问题；第二个阶段是算力经济，计算机的发明带来算力革命，解决了信息计算、存储、查询、传输的问题。算力经济下，经济增长可以不再依靠传统的资源，而是转向算力驱动。美国过去几年GDP增长速度非常快，但是能耗增幅却不大，就是一个很好的例子。随着产业革命从马力到算力，云平台上有了大数据、移动互联网、物联网、人工智能等技术。同时，从IT到DT的变迁，数据越来越多，我们进入数字化时代。在这个时代，不论是移动互联，还是元宇宙，社会的方方面面都在数字化。我们可以在完全虚拟的社会里，完成很多物理世界的操作和交互。 1、厂商与消费者直接互动：数字化带来的商业变化数字化给零售和商业带来了什么新的商业挑战？第一，个性化的需求。因为数字化，我们更可以精确到个人，甚至是不同阶段的不同需求。买过什么东西？有什么兴趣爱好？朋友和社会阶层是什么？通过参数化分析，可以清楚知道用户需要什么。第二，规模化生产。能让整个生产过程流程标准化，也能提升效率、降低成本。第三，社会化交付。生活当中很多服务都已经标准化，产品不再需要通过一层层的经销商，发到各级市场，只需要物流公司把产品直接送给客户。数字化改变了商业，把传统的To B转向To C。以前，消费品生产以产品为中心；今天，由于存在个性化需求，要以客户为中心，商品需要有差异，除了功能诉求，还有其他体验等方面的诉求。以服装为例，颜色、风格、材质、使用场景、文化认同等等各方面，都在充分体现了需求个性化。数字化环境下，人与人之间的交流变得非常方便，所以从R&D、品牌商、原材料、生产、服务到销售，都可以围绕消费者去提供更好的服务。传统链式价值创造变成了以消费者为中心的竞争协作网络。过去的服装生产厂商，没有能力关心消费者的个人需求，只能通过中间渠道间接得到信息；现在，品牌商可以直接得到消费者的反馈，来设计产品和营销策略。同时，也可以在天猫上构建直销渠道，跟消费者通过咨询和评论发生更直接的互动。还有的生产商甚至在设计一个新产品的时候，就会选择性地找到一些非常有代表性的用户，寻求对产品和设计的反馈。数字化变革商业最大的核心点是打通中间环节，利用网络效能，品牌商可以跟批发商、跟零售商交互；同时，生产商也可以直接面对亿万消费者。 2、服装行业的工业互联网：犀牛智造能做哪些事？犀牛智造是数字化时代服装行业涌现出的最新实践，为如何用数字化工具助力传统行业开创了一条新路。服装是一个非常传统行业，也是一个非常时尚的行业。服装行业的目标是提供更好的个性化的服饰，同时，降低整个生产的成本、库存的周期，提升供应链的效率。国际领先的服装企业的财报等信息显示，服装业库存周转天数非常低，大概在100天左右。而国内品牌服装周转天数很长，销售周期也很长，一旦过季就必须打折，否则等到明年流行趋势变化了，就卖不掉。库存周转天数，体现了产品的吸引力和竞争力。目前，国内品牌库存周转天数大概是国际优秀品牌的两到三倍。从经营效率效益角度来看，国际品牌库存成品比例仅为25%，而国内品牌达到95%；国际品牌正价销售产品比例能达到90%，而国内批发平台只能做到30%正价销售，库存积压严重。数据显示，我国每年服装库存积压规模达8000到9000亿元。如何让库存周期变短？如何更好按照用户需求生产？如何提高正价销售比重，提高服装产品或品牌的竞争力和盈利？必须要有精准高效的产品企划能力来预测需求、触达消费者，实现从经验驱动到数据+算法驱动转变；并根据个性化需求，实现订单驱动的柔性生产和柔性供应链能力，以“小单快反”来动态匹配产供销。服装行业有一些领先企业做了很多有益的尝试，比如预售和试销，即小批量的先生产投放，类似电影点映。不过，服装生产要实现“小单快反”，面临着固定产线生产、大单人手不足、小单人力超配、排位布局凭经验、产前准备管理成本高、工艺变更人工调试、换款停产周期长等难题。同时，生产设备适合规模化生产、柔性机械臂因控制难无法短期内大规模替代人工、产业工人能力一致性差、技随人走等也导致柔性制造难。如何通过数字化手段，优化生产过程每个环节，让生产效能达到最优？这也是服装行业推行工业互联网时，与其他行业共性的部分。此外，服装行业还有对时尚和对客户的需求洞察，以达成更好的产品设计；通过优化整个供应链，优化交付的能力，来降低库存等问题。这些都是服装行业当前的能力短板，也是为什么要做犀牛智造的主因。犀牛智造解决的就是从需求侧到供给侧之间，如何高频上新的问题。犀牛智造通过联动天猫淘宝平台上的销售数据，洞察趋势和热点，预测什么样的产品可能会大卖，为商家提供新款建议、预售或试销渠道以及反馈。在实现过程中，犀牛智造应用了一些AI技术，如人工智能多模态大模型M6，自动学习某个产品的图片和描述。你给系统输入商品文字描述，如能够适合沙滩穿的时尚男款拖鞋，就能自动生成很多图片，帮助提高产品设计周期。系统可以不断迭代，设计图片理论上是无限多的，能够更好帮助设计师做定制化的尝试。智能打版里还有很多的优化技术。例如，如何打板才能让布料用的最省，让边角余料变得更少。一件衣服怎么设计，十件衣服怎么使用布料。还有很多模块化设计，如袖口风格，领子设计，可以变成可选配模块，通过不同版式拼搭在一起。这种在软件行业很熟知的技术，现在也移植到服装行业。犀牛智造还可以通过云端的工艺地图，可以进行工艺匹配。不同工厂擅长的生产类型不同，库存布料不同，产线效率不同。在诸多可选配的条件下，完成工艺和设备的匹配，这也涉及到生产调度方面的能力。此外，犀牛智造还通过全链路优化供应链。比如，利用中间厂商生产衣服的基本组件，下游小工厂定制的领口、袖口的绣花等。下游生产最好离用户更近，比较方便物流。当然,还有供应链金融问题。很多厂商可能没有足够的流动资金买原材料、设计和生产，需要通过供应链金融来做。通过这种方式以销定产，柔性快反，全链路的数字化，犀牛智造推动传统服装行业达到一个新的高度。服装行业仍然很传统，仍然需要人、缝纫机、各种服装生产设备。但通过对产线的数字化，对工人技能的数字化，对整个需求预测的数字化，对于整个供应链与生产调度的数字化，可以让这个非常传统的行业利用大数据分析及决策，到达一个更优的程度。以犀牛智造为代表的数字化能力，就是希望在“小单快反”的情况下，仍能够做到像大品牌标准化生产那样的质量，同时响应客户个性化需求。打通全链路中的每个环节都要通过数据。通过数据了解需求、了解客户；通过数据，了解生产设备和控制系统；通过数据，将一个个生产厂商连接在一起；通过数据，自学习设计，提供相匹配的工艺服务；通过智能排产，优化全局的实时调度，优化生产效能等等。在技术的支持下，传统行业也是现代行业。 3、冷静看待后疫情时代中国的数字化机遇新冠疫情正在重构全球供应链体系，各国内顾倾向加剧，产业链供应链布局趋于区域化、本土化、短链化。例如，无论是美国、欧洲还是中国，都在构建完整的自主半导体产业链，这种趋势导致了很多根本性的变化，其中很重要的一个就是产业优化的目标不再是零库存。现在，汽车生产厂商因为半导体备料不足以及价格飙升，面临生产和定价的难题。所有行业的供应链体系可能都会发生类似变化。不过，在看到问题的同时，也应该看到未来十年还有很多好的机遇。首先，中国人均GDP超过1万美金，带来整个社会从生产到消费的转变。第二，中国人口结构也在发生变化，老龄化会带来不一样的生产消费。第三，技术创新会带来新机会。中国的整个数字基础设施可能是全球发展最好的，全球一半以上的5G基站都在中国，传统基础设施的数字化也会带来新的驱动力。此外，还有消费政策和消费文化的进一步开放。中国已经是全球最大的消费互联网大国。我们有庞大的人口基数，移动互联网的普及率跟美国一致。中国还解决了物流最后一公里的问题，很多外卖人员能够方便快捷地提供配送服务。这些服务在很西欧、北美等地区也没有这么便利。中国的移动支付也走在全球前列。另外，中国是全球最大的零售品大国，达到近四十万亿销售额的体量。在这个环境里面，任何一个小的需求，都有不小的市场。中国也是全球最大的数字消费大国。最重要一点，中国是全球最大制造业大国，相当于美德日之和，这非常了不起。以上四个优势叠加，奠定了中国企业数字化局部领先的坚实基础。工业互联网、制造业数字化转型，或者是某个特定领域的数字化转型，在中国现在都非常有机会，而且走在全球前列。我们把这些市场、政策、技术等优势发挥好，加上年轻有活力的下一代数字原住民，相信各位从业者都能在这个赛道里越跑越高，越跑越远。

智能制造：多重困境与五大难点当前，我国制造业面临着异常严峻的挑战，在这种背景下，制造企业如何实现转型升级？推进智能制造成为重要的途径。然而，目前我国制造企业推进智能制造面临着诸多难点问题： NO.1 概念满天飞，技术一大堆近几年来，从工业4.0的热潮开始，智能制造、CPS、工业互联网（平台）、企业上云、工业APP、人工智能、工业大数据、数字工厂、数字经济、数字化转型、C2B(C2M)等概念接踵而至，对于大多数制造企业而言，可以说是眼花缭乱、无所适从。智能制造涉及的技术非常多，例如云计算、边缘计算、RFID、工业机器人、机器视觉、立体仓库、AGV、虚拟现实/增强现实、三维打印/增材制造、工业安全、TSN（时间敏感网络）、深度学习、Digital twin、MBD、预测性维护......，让企业目不暇接。这些技术看起来都很美，但如何应用，如何取得实效？很多企业还不得而知。 NO.2 摸着石头过河企业推进智能制造领域的相关技术十分缺乏经验，欠缺可以借鉴的成功案例。目前，制造企业已经存在三种类型的孤岛：信息孤岛、自动化孤岛，以及信息系统与自动化系统之间的孤岛。企业目前也缺乏统一的部门来系统规划和推进智能制造。在实际推进智能制造的过程中，企业也仍然是头痛医头，缺乏章法。 NO.3 理想很丰满，现实很骨感推进智能制造，前景很美好。但是绝大多数制造企业利润率很低，缺乏自主资金投入。在“专项”、“示范”以及“机器换人”等政策刺激下，一些国有企业和大型民营企业争取到各级政府给予的资金扶持，而中小企业只能“隔岸观火”，自力更生。然而，为了争取政府项目，方案必须做得漂亮，档次必须高大上，投入必须上亿。大屏幕指挥中心是必须有的，大量采用机器人的自动化生产线是必须建的，立体仓库、AGV也是可以有的，MES更是必不可少的，国产系统是必须用的。至于究竟能否取得实效，就只有企业“冷暖自知”了。 NO.4 自动化、数字化还是智能化？在推进智能制造过程中，不少企业对于建立无人工厂、黑灯工厂跃跃欲试，认为这就是智能工厂。而实际上，高度自动化是工业3.0的理念。对于大批量生产的产品，国外的优秀企业早就实现了无人工厂，例如日本FANUC全自动装配伺服电机，40秒一个，但其前提是产品的标准化、系列化，以及面向自动化装配的设计，例如将需要用线缆进行插装的结构改为插座式的结构。从技术和管理的角度看，中国制造要走向智能制造，主要还存在五大难点：一，智能制造是基于新的物联网、大数据、云计算等数字化技术与先进制造技术的深度融合，贯穿于从设计、供应、生产制造、服务等整个供应链制造、运营和管理的各个环节。因此，智能制造包含两个系统工程，一个是智能制造技术（制造技术和信息技术）整合的系统工程，另一个是管理的系统工程。目前，这两个系统工程不仅是中国企业面临的问题，欧美企业也同样面临这个问题。二，装备制造业仍然是瓶颈，跟不上智能制造发展的要求。智能制造最终还是要落到制造技术和装备上，虽然我国在互联网、物联网、大数据、云计算等数字化技术以及5G的深入应用上处于优势地位，但制造最后的执行单元还得是机床，在这方面我们与欧美日企业相比还存在很大的差距，比如工业机器人、3D打印、芯片光刻机、高精度的测量测试设备等。三，基础数据平台深度开发不受控。企业要实现智能制造，需要两个基础系统平台，一个是MES系统，另一个是ERP系统，而这两个系统我们没有自主的软件平台，还是要依赖于欧美，因此在深度定制开发上还是受限制。四，算法开发。智能制造需要基于数据并充分挖掘数据价值而实现自决策、自管理、自学习，从数据源采集、数据呈现、数据分析到自行诊断、自动反馈、自动调整控制，中间就离不开算法的开发，智能的核心也就是算法。而算法开发是一个多元跨界和交叉学科的工作，既要求对业务有深入理解，又要有IT技术思维。目前，我们在算法开放的资源上还存在很大的差距。五，管理和组织的变革。一方面，智能制造基于数据实现端对端、信息充分共享、管理平台化，打破了企业原有的金字塔官僚管理体制结构，来自原有权力结构拥有者的变革阻力会很大，往往他们还掌握了决策权，导致智能制造的资源投入不到位。另一方面，管理方式会因信息平台化而发生改变，个体和任务小团队的自管理、自决策机制会越来越普遍，但是，目前还没有找到很好的组织管理方式及组织文化激发个体和小团队的工作意愿并相互协同。基于以上原因，未来智能制造之路还有很长一段时间需要去探索，其中有三点是需有所创新和突破：一是在技术上需要自主研发，突破装配和软件技术的瓶颈，同时关注整个生态链中的核心技术；二是在适应性上，需要推动组织和管理的变革，以适应信息技术带来的管理变化。三是在智能化的道路上需要引入系统工程、顶层设计，才有可能实现制造技术、信息技术和组织管理三者的深度融合。

苏中：犀牛智造给产业数字化转型带来什么启示？回望近两三百年的科技发展历程，大致可以分成两个阶段：第一个阶段，称之为马力经济，包括第一次和第二次工业革命，主要解决了动力和能源的问题；第二个阶段是算力经济，计算机的发明带来算力革命，解决了信息计算、存储、查询、传输的问题。算力经济下，经济增长可以不再依靠传统的资源，而是转向算力驱动。美国过去几年GDP增长速度非常快，但是能耗增幅却不大，就是一个很好的例子。随着产业革命从马力到算力，云平台上有了大数据、移动互联网、物联网、人工智能等技术。同时，从IT到DT的变迁，数据越来越多，我们进入数字化时代。在这个时代，不论是移动互联，还是元宇宙，社会的方方面面都在数字化。我们可以在完全虚拟的社会里，完成很多物理世界的操作和交互。厂商与消费者直接互动：数字化带来的商业变化数字化给零售和商业带来了什么新的商业挑战？第一，个性化的需求。因为数字化，我们更可以精确到个人，甚至是不同阶段的不同需求。买过什么东西？有什么兴趣爱好？朋友和社会阶层是什么？通过参数化分析，可以清楚知道用户需要什么。第二，规模化生产。能让整个生产过程流程标准化，也能提升效率、降低成本。第三，社会化交付。生活当中很多服务都已经标准化，产品不再需要通过一层层的经销商，发到各级市场，只需要物流公司把产品直接送给客户。数字化改变了商业，把传统的To B转向To C。以前，消费品生产以产品为中心；今天，由于存在个性化需求，要以客户为中心，商品需要有差异，除了功能诉求，还有其他体验等方面的诉求。以服装为例，颜色、风格、材质、使用场景、文化认同等等各方面，都在充分体现了需求个性化。数字化环境下，人与人之间的交流变得非常方便，所以从R&D、品牌商、原材料、生产、服务到销售，都可以围绕消费者去提供更好的服务。传统链式价值创造变成了以消费者为中心的竞争协作网络。过去的服装生产厂商，没有能力关心消费者的个人需求，只能通过中间渠道间接得到信息；现在，品牌商可以直接得到消费者的反馈，来设计产品和营销策略。同时，也可以在天猫上构建直销渠道，跟消费者通过咨询和评论发生更直接的互动。还有的生产商甚至在设计一个新产品的时候，就会选择性地找到一些非常有代表性的用户，寻求对产品和设计的反馈。数字化变革商业最大的核心点是打通中间环节，利用网络效能，品牌商可以跟批发商、跟零售商交互；同时，生产商也可以直接面对亿万消费者。服装行业的工业互联网：犀牛智造能做哪些事？犀牛智造是数字化时代服装行业涌现出的最新实践，为如何用数字化工具助力传统行业开创了一条新路。服装是一个非常传统行业，也是一个非常时尚的行业。服装行业的目标是提供更好的个性化的服饰，同时，降低整个生产的成本、库存的周期，提升供应链的效率。国际领先的服装企业的财报等信息显示，服装业库存周转天数非常低，大概在100天左右。而国内品牌服装周转天数很长，销售周期也很长，一旦过季就必须打折，否则等到明年流行趋势变化了，就卖不掉。库存周转天数，体现了产品的吸引力和竞争力。目前，国内品牌库存周转天数大概是国际优秀品牌的两到三倍。从经营效率效益角度来看，国际品牌库存成品比例仅为25%，而国内品牌达到95%；国际品牌正价销售产品比例能达到90%，而国内批发平台只能做到30%正价销售，库存积压严重。数据显示，我国每年服装库存积压规模达8000到9000亿元。如何让库存周期变短？如何更好按照用户需求生产？如何提高正价销售比重，提高服装产品或品牌的竞争力和盈利？必须要有精准高效的产品企划能力来预测需求、触达消费者，实现从经验驱动到数据+算法驱动转变；并根据个性化需求，实现订单驱动的柔性生产和柔性供应链能力，以“小单快反”来动态匹配产供销。服装行业有一些领先企业做了很多有益的尝试，比如预售和试销，即小批量的先生产投放，类似电影点映。不过，服装生产要实现“小单快反”，面临着固定产线生产、大单人手不足、小单人力超配、排位布局凭经验、产前准备管理成本高、工艺变更人工调试、换款停产周期长等难题。同时，生产设备适合规模化生产、柔性机械臂因控制难无法短期内大规模替代人工、产业工人能力一致性差、技随人走等也导致柔性制造难。如何通过数字化手段，优化生产过程每个环节，让生产效能达到最优？这也是服装行业推行工业互联网时，与其他行业共性的部分。此外，服装行业还有对时尚和对客户的需求洞察，以达成更好的产品设计；通过优化整个供应链，优化交付的能力，来降低库存等问题。这些都是服装行业当前的能力短板，也是为什么要做犀牛智造的主因。犀牛智造解决的就是从需求侧到供给侧之间，如何高频上新的问题。犀牛智造通过联动天猫淘宝平台上的销售数据，洞察趋势和热点，预测什么样的产品可能会大卖，为商家提供新款建议、预售或试销渠道以及反馈。在实现过程中，犀牛智造应用了一些AI技术，如人工智能多模态大模型M6，自动学习某个产品的图片和描述。你给系统输入商品文字描述，如能够适合沙滩穿的时尚男款拖鞋，就能自动生成很多图片，帮助提高产品设计周期。系统可以不断迭代，设计图片理论上是无限多的，能够更好帮助设计师做定制化的尝试。智能打版里还有很多的优化技术。例如，如何打板才能让布料用的最省，让边角余料变得更少。一件衣服怎么设计，十件衣服怎么使用布料。还有很多模块化设计，如袖口风格，领子设计，可以变成可选配模块，通过不同版式拼搭在一起。这种在软件行业很熟知的技术，现在也移植到服装行业。犀牛智造还可以通过云端的工艺地图，可以进行工艺匹配。不同工厂擅长的生产类型不同，库存布料不同，产线效率不同。在诸多可选配的条件下，完成工艺和设备的匹配，这也涉及到生产调度方面的能力。此外，犀牛智造还通过全链路优化供应链。比如，利用中间厂商生产衣服的基本组件，下游小工厂定制的领口、袖口的绣花等。下游生产最好离用户更近，比较方便物流。当然,还有供应链金融问题。很多厂商可能没有足够的流动资金买原材料、设计和生产，需要通过供应链金融来做。通过这种方式以销定产，柔性快反，全链路的数字化，犀牛智造推动传统服装行业达到一个新的高度。服装行业仍然很传统，仍然需要人、缝纫机、各种服装生产设备。但通过对产线的数字化，对工人技能的数字化，对整个需求预测的数字化，对于整个供应链与生产调度的数字化，可以让这个非常传统的行业利用大数据分析及决策，到达一个更优的程度。以犀牛智造为代表的数字化能力，就是希望在“小单快反”的情况下，仍能够做到像大品牌标准化生产那样的质量，同时响应客户个性化需求。打通全链路中的每个环节都要通过数据。通过数据了解需求、了解客户；通过数据，了解生产设备和控制系统；通过数据，将一个个生产厂商连接在一起；通过数据，自学习设计，提供相匹配的工艺服务；通过智能排产，优化全局的实时调度，优化生产效能等等。在技术的支持下，传统行业也是现代行业。冷静看待后疫情时代中国的数字化机遇新冠疫情正在重构全球供应链体系，各国内顾倾向加剧，产业链供应链布局趋于区域化、本土化、短链化。例如，无论是美国、欧洲还是中国，都在构建完整的自主半导体产业链，这种趋势导致了很多根本性的变化，其中很重要的一个就是产业优化的目标不再是零库存。现在，汽车生产厂商因为半导体备料不足以及价格飙升，面临生产和定价的难题。所有行业的供应链体系可能都会发生类似变化。不过，在看到问题的同时，也应该看到未来十年还有很多好的机遇。首先，中国人均GDP超过1万美金，带来整个社会从生产到消费的转变。第二，中国人口结构也在发生变化，老龄化会带来不一样的生产消费。第三，技术创新会带来新机会。中国的整个数字基础设施可能是全球发展最好的，全球一半以上的5G基站都在中国，传统基础设施的数字化也会带来新的驱动力。此外，还有消费政策和消费文化的进一步开放。中国已经是全球最大的消费互联网大国。我们有庞大的人口基数，移动互联网的普及率跟美国一致。中国还解决了物流最后一公里的问题，很多外卖人员能够方便快捷地提供配送服务。这些服务在很西欧、北美等地区也没有这么便利。中国的移动支付也走在全球前列。另外，中国是全球最大的零售品大国，达到近四十万亿销售额的体量。在这个环境里面，任何一个小的需求，都有不小的市场。中国也是全球最大的数字消费大国。最重要一点，中国是全球最大制造业大国，相当于美德日之和，这非常了不起。以上四个优势叠加，奠定了中国企业数字化局部领先的坚实基础。工业互联网、制造业数字化转型，或者是某个特定领域的数字化转型，在中国现在都非常有机会，而且走在全球前列。我们把这些市场、政策、技术等优势发挥好，加上年轻有活力的下一代数字原住民，相信各位从业者都能在这个赛道里越跑越高，越跑越远。