“智能制造智享未来”，随着5G等科技迅速发展，智能制造受大众关注度也在不断提高。近日CapitalCoffee平台邀请华映资本主管合伙人章高男，以及知顿创始人兼CEO魏喆做客，多角度来讨论“智能制造”。
以下为对话实录，经知顿整理，略作删减。
智能制造的技术支撑：信息化、数字化、智能化
主持人魏喆：非常感谢CapitalCoffee邀请我来主持这场活动，也非常荣幸可以和华映资本章总有这样的一个对话，今天我们谈的话题是“如何通过智能制造智享未来”，智能制造这个词提了很多年，不过其实很多人并不知道啥叫真正的智能制造，您用哪几个关键词来定义智能制造？
嘉宾章高男：其实行业对智能制造并没有一个严格的定义，个人理解所谓的智能更多强调的是数字化以及基于数字化之后的智能化所带来的产业升级。
数字化和智能化在To C端或消费大领域已经很普及了，我们几乎日常所有行为已经被各种APP高度数字化，如果离开手机可能很多人都无法生活了。但是在产业界特别是制造业数字化和智能化的过程相对滞后，其实用的是同样的技术。数字化主要底层技术包括通信技术，计算机科学，大数据及云技术，还有AI，往上就是各种各样的应用软件或Paas和Saas。随着5G和物联网的普及会在制造业产生大量的机器数据，这是巨大的数据增量。未来制造业在整个的生产过程和日常的管理过程都会产生各个细分工作和细分环节的数据，那么如何去存储和管理这些数据？如何让这些数据产生价值？这是智能制造的本质价值。
制造业是立国之本，新产业升级会带来更多机会
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、石油这样资源型的公司，但是最近10多年，互联网公司占据了半壁江山，甚至更多份额。这是不是恰恰说明了数据在现在商业中的价值？
章高男：我一直认为数据是第一生产力，互联网公司的排名高，是因为信息技术革命是在互联网行业或者在C端首先爆发的。特别是中国的互联网行业除了受益于信息技术的升级，还率先享受了整个中国市场的大红利。中国是世界独一无二的市场，首先，它是全世界最大的单一市场，其次，它是一个高度统一的市场。欧盟是超级大的市场，但欧盟不是一个统一的市场，它是由很多国家组成的，国家和国家之间还是有障碍和差异的。美国是一个高度统一的市场，但不够大。这是中国的天然优势，互联网应用的爆发力和平台属性都特别强，在中国统一市场和人口红利下优势被指数级放大，所以他们第一波占得了先机，各个领域都成长为巨头。换句话说过去20年中国一定会孕育出来顶级的互联网公司，是谁看机遇，但第一波一定是toC互联网行业的数据革命的机会。
主持人魏喆：技术浪潮从互联网到移动互联网非常明显。那下一个技术浪潮会不会是智能制造？我们国家从2015年就开始提出了“中国制造2025”，国外也有“第四次工业革命”的说法，我们也把它列入到政府工作报告，从2015年到现在已经进入到第二个五年了，中国制造取得了很多的成绩，但是我们也看到了一些短板，您怎么看待我们现在这个发展的阶段？有什么样的机会和挑战？
章高男：我觉得制造业还不能拿互联网这样一个成长路径来对比。中国是一个超级制造大国，全世界将近30％的产能来自中国，我们可以制造几乎所有的东西，大到轮船、飞机，小到螺丝钉。但跟互联网模式不一样的是制造业由来已久并不是新鲜事物，产业里面超过30年的公司比比皆是，这个行业一直存在着。制造业是中国的基石产业，所谓的智能制造并不是说某一天突然开始了，这是一个长期持续的过程，跟互联网快速的爆发性增长是不一样的，我觉得它是一个持续自然增长的过程。
当然在这个增长过程中我们能看到一些加速的变量和机会，这个加速的趋势从宏观上讲还是来自于国运的改变。中国改革开放这么多年，走到一个比较关键的转折点。过去我们强调开放，就是先吸引外来先进的生产力和先进技术，我们通过开放市场来换取高速的发展。今天我们中国整个产业需要更高层次的升级，我们要更多的走向利润更高的高端制造，大家也不想永远拿这么低的工资，所以现在是开放和竞争并存，大家公平竞争。
从现状看我们制造业的毛利目前还是非常低的，行业平均不到8％，跟互联网的毛利比根本没办法比，但我们GDP接近40％又来自于制造业。所以制造业的产业升级是基本的国家战略之一，我们必须进入高毛利行业，还要完整的体系。现在中国的国运已经开始根本改变了，我们一方面欢迎世界各国进入中国市场，在中国获取利益，同时我们必须有能力在没有外部支持的情况下建立自己完整的工业体系和能力体系，能够自给自足。这是我们作为全球最大的单一市场所赋予的机会和责任，我们必须建立自己完整的生态，在很多关键环节上我们必须要有自主能力。自主完整的生态建立是一个巨大长期的变量和趋势，过去是没有这么强调的，这个大机会和趋势我觉得至少会持续10年甚至更长。
那么在这样的趋势下会带来很多新的机会，特别是在底层或者在核心技术上的一些突破，以前市场上没有这样的机会，但今天国家的转型、整个产业升级需要这样的东西出来了，那么它会得到很多的政策红利和市场支持，我觉得新基建就是其中的一部分。
总结一下，第一，制造业对我们中国太重要了，这是我们的立国之本，智能制造是必经之路；第二，新的产业升级会带来很多以前所不具备的投资机会。
看好智能制造的四大投资方向
主持人魏喆：哪些领域会率先有场景落地，能跑出一些优秀的公司，比如独角兽？
章高男：制造业是一个非常大的领域，有各种各样的分类维度，按照行业分有上千个行业。我就说说个人从投资的角度对智能制造投资机会的分类：
第一个方向是最上层的业务管理软件层。例如ERP最早是源自制造业的，是对MRP，MRPII，MRPMRPIII的升级。随着物联网，大数据、和AI的普及，整个生产过程的监管也越来越数字化和智能化，过去的ERP已经不能涵盖未来的生产和业务的管理，会产生一些新的需求和机会。比如说多约束下的自动化排产，还有供应链采购管理，这些都是企业超级刚需，而过去的ERP并没有很好的解决这些问题。我们制造业如果想提高毛利，就必须缩短生产周期，提高资金周转率，从库存式生产转向订单式生产，这对采购和供应链管理提出了极高的要求，要尽可能缩短采购周期。另外，未来的制造更多向柔性生产演化，企业需要有极强的接紧急单和插单的能力、随时改变生产计划的能力，这个要求非常高，这里面会有大量业务提升软件服务提供的机会。未来MES系统也有很多机会，当然如何跨行业是比较大的挑战，另外配套的仓储管理WMS还有PLM等细分领域都有升级机会。这些东西我觉得都是在不断的发展和完善中， 去补充原来的ERP，把整个生产和管理变得更加合理。
对这一类业务管理软件，核心比的是对业务的软件抽象的能力，就是如何高效的解决跨行业的挑战而不是陷入高度的定制化泥潭，人效比越高的公司规模化的机会越大。这个领域是市场充分竞争的环节，国外的产品更成熟些，但国内也有很多优秀的后起之秀。
我们在这个细分里看标地至少要求他能做到十个以上行业我们才会去看，也就是说谁能够用有限的产品能支持更多行业，他未来增长的爆发力就越强。除了跨行业，还要看他产品标准化的能力。就是对客户定制化需求能不能用相对标准化的产品解决，人均产能能不能超过100万的底线？否则几百个客户来的时候的开发团队太大是对规模化的巨大约束。总之说到底就是软件抽象的功力。
第二层就是工具软件层。这一层的软件和服务是涉及到整个制造业各垂直行业里设计和生产的工具，它不是业务管理而是直接的生产工具，主要包括研发设计相关的CAD、CAE、CAM，EDA，BIM，行业建模软件等。这一层最大的机会是国产替代。因为通常这些细分的工具软件行业门槛非常高，需要在行业里几十年的浸淫。要对行业有非常深的理解和超强的技术能力。同时这个领域经过这么多年的发展，高度集中和垄断在少数欧美巨头手中， 具有高度卡脖子的风险。半导体的EDA就是典型的例子，也是美国对我们最先动手的领域。其实工业里CAD和CAE等类似的例子非常多，高度被欧美垄断只是目前还没被大规模限制，当我们想进入到利润更高的高端制造时，很多矛盾就会凸显。
这层的工具软件未来一定要有自主的国产技术的，这是国运的改变带来的机会和使命，因为如果不突破，就永远受制于人，跟在人家后面，产业要想升级首先的有技术底座，决不能被卡脖子，这个风险太大了，国产必须有替代能力。
工具软件层还有一个特点就是技术门槛和行业壁垒非常高，想投资必须深入行业。比如想看CAD，首先得了解CAD的技术核心几何内核，还得了解各种约束器，流程行业和离散行业的诉求也大相径庭， 这些对专业度和行业理解都有极高要求。也因为这些壁垒，这个领域投资的好处是玩家不是很多，往往在一些顶级的机构或者研究所孵化的项目里，可能就四五个项目里面挑一个，同时投资竞争玩家也相对较少，只要是你对这个行业认知到了，可以相对轻松的选择标的。
第三个方向是自动化检测和监测，我们最基本的逻辑就是今天中国仍然有超过一千万的工人在工厂现场，未来工厂绝大部分情况不应该有人，越是人员密集型场景就越是替代机会，未来机器人，自动化检测和管理软件应该取代大部分人的工作。产线的自动化监测并不是一个新行业，美国和日本有非常成熟的上市公司，我们更关注的是新的增量和技术挑战比较高的市场机会。第一个方向是AI缺陷的检测，也就是很难用明确的规则去定义缺陷。比如说一瓶矿泉水里有没有杂质，杂质你无法用规则定义，只能用小样本边检测边学习，然后不断扩充训练级优化推理。这个领域很新，国内外起点差不多，所以有弯道超车机会。第二个方向是3D高速高清纳米级检测。过去的检测更多在2D领域，3D检测很新，对高端制造尤其关键，未来有巨大空间。
第四个方向就是工业机器人，以及软硬结合的自动化解决方案，这块如果有在某些大产业、应用场景比较好、可复制性比较强又有较高技术壁垒的机会，我们会高度关注。
基本上跟智能制造直接相关的就是这四个分类，当然另外还有间接相关的项目我们在数据的底层技术这个方向会跟进，譬如IOT和边缘计算。边缘计算是我们高度看好和关注的，我们已经投了两家公司，我们还会持续去关注，边缘计算是未来工业和制造业的技术底座，类似今天的公有云的影响力度，未来的产业互联网是基于算力的智能分配，需要大量的边缘云支持，真正的边缘云技术天生是去中心化的，这块一定不再是几家互联网巨头瓜分天下。
未来5～10年：ToB企业服务领域将涌现更多独角兽
主持人魏喆：感觉华映投资的项目以技术驱动的企业服务企业居多，我们看到欧美不乏千亿美金市值的企业服务公司，但是中国企业服务领域超过百亿美金市值公司就是不错的了，至今还没有出现过像salesforce这样的千亿美金市值公司。那么在中国，企业服务领域会用多少年走完西方发达国家几十年走过的路？
章高男：我个人理解您可能是想问在ToB类的行业赋能的话我们国内能不能跑出巨头，我觉得中国这个机会肯定是有的。我坚信未来五到十年一定会涌现出数家超过百亿美金以上的toB服务的公司。美国这些巨头也是经过几十年不断的整合和并购的过程，他们的产品线并不完全是自己开发的，而是通过战略研究不断的购买来完成布局的，中国这个过程刚刚开始，现在是黄金时期，因为我们已经在很多领域有年收入超过5亿的小头部企业，他们已经跨越了生存阶段，正在稳步前进或者开始并购整合。
不过客观讲，国外的企业他们的产品线通常很全很丰富，产品的标准化程度相对高，中国在技术上目前还是有一些差距的。但是我们在一些细分小领域已经有很多的解决方案了，虽然大家都还小，但是市场机会是巨大的，我们也不怕国外巨头的竞争。首先国内公司的组织架构和管理方式和国外明显不同，外企首先要解决水土不服问题，产品不可能简单直接用，必须做相应本地化改进。第二，中国政府有很多各种各样的监管和个性化的要求，这对外企也是巨大挑战，如果不愿意配合也就失去了市场机会。所以我觉得未来五年十年是非常黄金的时期，你已经能够看到一些小巨头开始上市了，上市刚开始可能估值几十亿、百亿左右，因为上市可以融到资开始并购，慢慢扩大产品线发展成为真正的巨头。整体上我们企业服务大致落后欧美五到十年，这正是我们投资布局的黄金机会。
智能制造投资如何“避坑”，具备专业性，并做好长期准备
主持人魏喆：在智能制造投资方面，从投资机构来讲需要避开哪些坑？因为感觉很多领域里虽然大有机会，但是充满风险，像之前的共享单车、电子烟等等。
章高男：共享单车和电子烟这类所谓风口项目具备一些共性的。第一，都是很强刚需；第二，有快速的裂变效应；第三，时间积累价值不是特别高。你要烧很多钱获取市场，但你不一定能够烧到用户的忠诚度和圈地效应。烧完钱很可能教育了市场，被后来者窃取果实，因为壁垒并不高，有快速的波峰波谷效应，通常就会被定义为风口。
然而，智能制造跟这些风口领域不太一样。
第一，智能制造是持续完善的过程，很难有一个巨变，需要不断的时间积累过程，时间会拉得很长，成败也会拉得很长，参考一下国外toB服务的上市公司，从创立到上市平均是十一二年，快一点可能七八年，慢一点的十七八年，共享单车可能四到六年就接近于上市状态了，所以周期完全不一样。
第二，行业认知的壁垒很强。toB投资不同于toC的投资，很大一点在于行业经验的要求。因为任何投资首先要了解业务本身。toC的投资了解业务更多是从消费真本身出发，并不需要极强的行业背景，所有可以看到很多非常年轻的投资新锐，因为他们更敏感，或者跟用户人群的理解更直接。toB投资完全不同，必须有直接或间接行业背景，这个是跟ToC端的要求不一样的。
为什么要求专业背景？因为如果没有专业背景，你就无法真正的体会到这个产业里真正的痛点，你就没有感觉的。譬如半导体投资如果你都不了解半导体生产工艺那你怎么知道半导体行业的真正需求是什么？而了解半导体工艺一件事情就需要大约两到三个月的学习时间，这个学习曲线很长，学习半导体最基础的知识，对于一个没有任何电子工程经验的人来说就是一个灾难，三极管和与或非们都不理解的人是无法理解半导体的。所以这个行业门槛其实是非常高的，你了解之后才敢说这里有没有痛点，或者有没有改变的机会，不然就是赌博了。
所以在ToB里的学习能力和行业背景是很重要的，这个要求比ToC端高很多，如果是ToC端的人进入到这里又是按照原来的逻辑，往往会做出很多草率错误的判断，而且这个一套就很多年，因为ToB半死不活的公司远比ToC多多了。
互动环节
问：最近有一种说法，数据或者说流量已经是未来的一个基础设施了，您怎么理解基础设施这个概念？
答：我们过去十年经历的改变是远超于过去200年之合的，而且变化的趋势仍然在加快。本质是由信息化技术的变革推动的，而信息化技术的原材料就是数据。
换句话说不论来自哪个行业，toC端或者toB端，归根到底，未来本质是数据和数据处理能力的竞争。其实七八年以前很多人都说大数据是个笑话的时候我就强调：数据是第一生产资料，第一生产资料不是石油、，能源，矿或水，数据是比它们更重要的生产资料，谁拥有核心数据，谁就控制了最原始的的生产资料。因为你未来所产生价值的东西都不能完全脱离数据，现在任何一个产业都在尽可能的让自己的产业去更多的数据化和智能化。智能化的前提是大数据，大数据的前提要让数据数字化可被流通，数字化的基础首先是数据搜集，通过各种传感器获取收据，其次是网络联通和存储，存储下来以后再要进行分析和处理，让它产生商业价值，任何一个行业现在最核心的工作都是在做这些事情。
问：工业本身在信息化尤其企业服务里它其实是一个稍微比较苦的行业，尤其跟政府、金融或者零售比的话都比较苦，您怎么看这个行业信息化的机会？
答：我们不投给工业本身，我们投给工业赋能的企业。我们不可能投一个拖拉机厂或者玻璃厂，这个不是我们投的，我们更多投的是给拖拉机厂和玻璃厂赋能的公司。对于工业行业本身，谁尽快拥抱数字化和智能化，谁就走得更快生存更好，走的慢的就自然被行业淘汰了。
我们要投的公司就是帮助各行各业的工业体系里，让他们一年只能赚十块钱变成一年能赚一百块钱。怎么能赚一百块钱？第一提高生产效率、降低生产成本；第二，就是提高资金周转率，比如一年你能生产一轮现在你能不能一年生产五轮。
问：智能制造是否会帮助我们的工业企业更有效率的去获得一些金融的服务，是否会对它有哪些方面的促进？
答：智能制造跟金融其实可以高度相关，供应链金融就是一个很大的领域，如果你的信息流、资金流和物流，这三个流的数据全部是能够被监控的话，其实我们是可以做很多信用贷款的，这样对很多企业来说从重资产公司可以变成一个轻资产公司，对行业规模扩张和获利有巨大帮助。很多帮助制造业数字化智能化赋能的公司其实是拥有企业所有核心数据的。但是供应链金融的难度在于金融机构往往都需要第三方可信的数据方进行交叉验证，尽管现在我们国家的商业银行虽然在努力改变，但是目前还做不到那么技术驱动可以直接根据创业公司的数据直接做判断，现在往往做的好就是它的下游客户也就是欠款方，如果欠款方的资质非常优秀譬如是央企或上市公司，那银行可能会当做一个比较安全的应收账款的管理而放贷，但是对于大量的中小公司还是比较难的，银行并不直接相信中小公司，它需要一个第三方银行可信的数据再进行交叉验证，这个就难了。但是整体上银行也在加快数据化能力，未来金融和智能制造结合的空间一定会越来越多，这是不可逆转的趋势，也是商业银行本身应该担负的社会责任。（ 文 ／ 贺婧涵）