在专栏开篇文章中，我们以一家“灯塔工厂”种子选手何以放弃申报的案例，试图去说明当近些年产业数字化转型成为各级政府积极推进的热点工程，尽管取得了不少成绩，却因为认知上的误区，在具体实践时衍生出很多问题。
政策补贴引导企业建立数字化智能化示范工厂是一方面，这次我们再就“上云上平台”展开谈谈其中的“理想与现实”。
事实上，中国的产业数字化政策经过了几个大的阶段。2014年前后开始主推“两化贯标+智能制造”，其实质是推动工业企业的管理规范化，提高产线的自动化水平，并用ERP等信息化工具加以承载。这个过程中一些经营状况好的企业通过ERP洗礼，很多成长为较为优秀的企业。
但一些原本经营状况一般的企业，业务治理难度较大，对问题的难度也缺乏心理准备和攻关决心，以为数字化是把屠龙刀，可以毕其功于一役。结果这些企业勉强在ERP实施过程中实现财务管理的规范，但与不规范的业务运营体系还是“油水两层皮”的分离状况：ERP应用无法深入，往往回归粗放经营的局面，很多体会了“上信息化等于找死”的过程。
面对这种不尽理想的局面，2016年前后，我国开始主推“上云上平台”政策，主要针对的就是基础条件较差的中小企业。初心是将复杂的工业技术和数字化协同工具封装在便宜方便的工业云服务中，让这些中小制造企业交很少的年费，即可快速转变为数字化企业。
2018年前后，我国又同步推动“工业互联网”政策，截至2022年先后评审通过了29家国家级“跨行业跨领域”工业互联网平台，平台开发运营方既包括CT通信背景的中国移动、中国电信、中国联通；也包括IT背景的华为、用友、浪潮；互联网背景的阿里、腾讯、京东；工业背景的航天云网、三一重工树根互联、美的美云智数等，可谓众星云集。
政策制定方应该是希望各种工业云服务架构，在这些国家统一认证的“双跨”工业互联网平台上彼此间互联互通，依托这样的整体布局逐渐实现中国工业的全面数字化互联。这种美好愿景的顶层设计让人心生向往，但如果忽略基层的基本特点与现实情况，也衍生出很多问题。
01 制造业千行千面
互联网企业之所以能够全面上云上平台，以电商为例，是因为其整合的主要是价值链是流通环节，其展示、交易、物流、售后等工作，具有通用性。
无论多么复杂的产品体系，对于电商而言，无非是一组商品橱窗和价格标签，不用考虑实际产品开发过程中反复调整的概念设计、客户确认、结构设计、工艺打版、宣传物料等过程。
无论多么复杂的物流过程，对于电商而言，也无非是快递物流公司的一张快递单是否按期送达，不用考虑大宗物流的动态运价，备货退货的成本风险，包装装卸的出货准备。
无论多么千奇百怪的买家，对于电商而言，还无非是一串点击流量，不用考虑客户到底是最终消费者、买手公司、贸易商还是品牌公司，不用考虑验厂要求、汇率变动、退税政策、合同条款等等。互联网公司处理的对象是高度抽象的，是便于数学化、数字化的。
而制造业面对的价值链研发、供应、生产等环节，根据品类、工艺、材料、设备的不同，具有高度的专用性。工业企业处理的对象是具象的，面临各种物理、化学、商业、社会关系的复杂制约。
以较为容易理解的图案印刷为例，如果需要印刷的图案是较为简单且高度重复的LOGO、花纹等，那么使用机械化的丝印技术与设备最为高效。如果图案是复杂且多样化的限量潮牌画作，则使用数码化的激光印刷技术与设备更为方便灵活。
同样是激光印刷技术与设备，如果生产的是小朋友间流行攀比的奥特曼卡牌，镀金卡、3D卡、透明卡、镭射卡、炫彩卡等新型产品，背后又是各种高精尖的印刷技术与专用昂贵设备。
此外，印刷材质是真皮、人造革还是布、纸、铁，全套处理又各有不同。印刷造型是鞋子这样的立体结构还是普通的平面结构，又是完全不同的专业领域。甚至，以上种种不同形态所匹配的印刷油墨，又是一片博大精深的专业天地。
用工业语言来讲，最基础的生产现场涉及人、机、料、法、环、测6大组要素，上面举的例子只是法（工艺）之中印刷环节的一点简单说明。而这6大组要素的复杂排列组合关系，按较为粗放的划分，又有面向库存生产、面向订单装配、面向订单生产、面向订单设计等完全不同的形态。
以最复杂的面向订单设计为例，汽车行业的供应商在真正开始生产之前，一般要提前几年与品牌汽车厂共同开展研发；而共同研发的前提是被允许进入品牌汽车厂的供应链名单，这又得先有几年的验厂、评估、试产、认证的复杂磨合。
凡此种种，细节机理就算由工业专家出面解释得清清楚楚，听众没有三年五载的行业经验也很难理解透彻。这还没有涉及不同领域、不同地域产业集群上下游供应链集聚与协作的巨大差异，不同地区消费者偏好与营商环境的巨大差异。
因此，制造业不是一个行业，而是千行万业，隔行如隔山，无法一概而论。
02 理想与现实
一般情况下，制造业推动数字化，先要做“实施”。实质是生产变革，即把靠人脑模糊管理的业务流程和数据文件，变成数学化的严谨清晰的流程闭环和数据编码，并让人改变过往思维习惯，用数学化的思维方式开展工业管理，用软件承载和沉淀这个过程。
具体来说，在软件开发之前要有严谨专业的业务治理、数据治理、IT治理。从最简单的要求来看，至少要回答“不合理的业务流程是否做了关停并转”、“不同产品的物料清单是否有清晰编码”、“不同IT系统的数据接口是否打通”。
然而，一方面，全世界都没有哪家“跨行业跨领域”工业互联网平台，有能力将千行万业的底层逻辑做统一架构，各种云服务应用自然难以实现互联互通。
工业互联网平台统筹整合云服务商生态，往往变成平台总包，对政府补贴雁过拔毛。例如某知名家电企业孵化的数字化公司，统筹负责某产业集群的设备技改工程，实际操作是把各家成熟企业的设备拿回来贴上自己的品牌，工业企业采购新设备要拿到补贴，就必须选购这个品牌。
另一方面，云服务低廉的年费无法覆盖昂贵的实施成本，云服务商要么不触及根本问题，只提供工业钉钉式的简单应用，设法使人脑模糊管理的效率提高一点；要么卡着政策补贴额度只做“最精简”的实施，把项目数量做多，项目质量不得不打些折扣。再者，云服务商有一个强大的垂直产业生态与全链解决方案，制造业企业把云服务商的标准当作行业标准来遵循。
不言而喻，能满足这个条件的云服务商少之又少。还是那句话：未来，深度数据采集与分析工作的开展，需要先鼓励“懂行人”打造产业中间体，积极开展业态创新和生态制度设计，在打造提升基于健康竞合生态的前提下关注经济性，再下沉实现制造、产品、营销的全局拉通。再好的愿望和设计，都需要扎根基层实际情况，尊重规律，敬畏专业。
（作者就职于北京庄生拓扑咨询有限公司）
