音频文字.

Erik：欢迎来到工业 IoT Spotlight，这是您从工业 IoT 思想领袖那里获得洞察力的第一站，他们正在与您的主持人 Erik Walenza 一起改变当今的业务。

欢迎回到工业物联网聚焦播客。我今天加入了 Vinay Nathan。 Vinay 是 Altizon 的首席执行官兼联合创始人，该公司总部位于印度浦那湾区。 Altizon 是一家专注于工业互联网的公司，专注于 SDK 中的传感器数据应用。根据您的经验，第三方组织（例如 OEM 设备制造商或供应链合作伙伴或客户）是否是高度参与的利益相关者？

我之所以这么问，是因为在某些情况下，例如，OEM 肯定会从他们的机器上获得的数据中占有一席之地，他们会喜欢这样，当然对于他们的研发或制造业务而言，供应链合作伙伴或客户肯定会欣赏可见性在某些情况下进入运营，以便他们可以提高组织的绩效或可见性，例如，从客户的角度来看，产品何时到达。那么这通常是项目中需要考虑的事情吗？或者您是否主要专注于解决通常与生产力相关的主要目标，然后这些目标是潜在的，添加数据的案例使用，但可能是您不直接参与的事情？

维奈：所以在智能制造用例中，主要目标是由最终用户和企业制定的，你必须专注于实现这一目标。但就你的观点而言，理解正在发生的事情显然是既得利益或利害关系。但重要的是要划清界限，如果这是关于智能制造和数字化转型，最终用户就是要发号施令的人。

在某些情况下，其中一些数据可能会返回给 OEM，但这种情况很少见。原始设备制造商，对我们来说，至少从我们的角度来看，设备制造商与基于状态的监控或远程资产类型的情况更相关，在这些情况下，泵制造商想知道泵在现场或传感器制造商的工作情况想知道他们的传感器在地面上的表现如何。因此，资产绩效管理用例是我们发现与 OEM 直接同步的地方，而您正在推动这一点。并且很多时候，这种销售也是向 OEM 进行的。所以，至少这是我们所看到的。

在其他情况下，OEM 本质上是一个推动者。当然，我们会与他们进行互动，以了解在某些深奥的情况下是否存在不易获得的协议，他们是否可以启用该协议来提供支持。

Erik：您之前提到您有这份报告按行业用例跟踪投资回报率，您能否向我们简要介绍一下您通过研究发现的一些关键发现？

Vinay：我们记录了我们四年的工作，当时我们已经完成了大约 62 家联网工厂，通常，当您将生产力质量用例视为主要驱动因素时。我们试着看看，那里有哪些关键影响指标，所以让我以汽车等行业为例，快速了解一下 [音频不清晰 03:48]。

就您之前的观点而言，这可以从网络上获得。所以拿出工业汽车。在所有连接的工厂中，我们意识到 46% 的用例是围绕生产力提高而启用的。其次是基于条件的维护，占 18%。能源是另一大份额，占 24%。所以汽车，这是客户寻找工业物联网项目的主要用例。

当你从投资回报期的角度来看待投资回报率的影响时，比如提高生产力是真正的核心，我们发现这是一个很好的用例，因为在超过 65在 % 的案例中，很多情况下的投资回报率在 6-12 个月内。所以这是一个很好的衡量标准。它允许我们引导客户说，嘿，伙计，如果你是一家汽车公司，这就是我们的销售人员会跟你说的，嘿，让我们看看你拥有的生产力指标，让我们看看启动和运行它需要什么，这样我会在 12 个月内给你一个投资回报率，而不是你正在尝试做的事情。这就是一个例子。我希望这能说明这一点。我们针对我们已经完成的项目提供了跨越五个或六个垂直领域的类似数据。

Erik：您是否认为公司的成功与他们的运营有关，但也与他们实施或实际让他们的车间采用该技术的能力有关？或者您是否发现实际投资回报率的分布范围相当窄？

Vinay：用例的性质发生了变化。如果您针对正确的垂直行业遵循正确的用例，那么您将处于更好的位置。所以让我举一个例子来说明我的意思。所以让我们说谨慎的行业，比如传统上因为资本支出高而没有投资的汽车行业，或者这是一个利润微薄的行业，这个过程中涉及到很多人为因素等等。例如，很多分析层或历史学家类型的产品线通常从未在这些市场上找到购买。

因此，在此类细分市场中，以可在 6 到 12 个月内获得 ROI 的价格点提供的自动化和可见性对于该行业极具吸引力。因此，如果您选择离散，那么首先点击的可能不是环境、健康和安全。虽然在该过程中看起来像这样的东西，现场化学品和类似的东西，停机时间更重要，但事实上您能够关联其中一些数据集并能够根据情况提供早期警告或条件设备的使用通常是不费吹灰之力的。因此，您必须考虑在正确的客户面前获得正确的用例，这样会让生活变得更轻松。

第二个方面是现在我们发现它已经进入了我们旅程的第五个年头，我们必须做更多的宣传工作并坐在高管旁边并解释前几年的好处是什么，我们三年的旅程。今天，总的来说，我们发现企业至少对他们想要的东西有一个初步的看法，然后你必须做更多的事情，但你不是从基础开始的。几乎全面有一种长期趋势说工业物联网对我很重要，我现在需要了解我需要首先开始什么。这往往是更多的问题，而不是我应该这样做吗？

Erik：什么可能是有道理的，我认为我们在中国肯定看到了，但我认为在全球范围内也有很多早期的情况，即采用某些东西的自上而下的巨大压力，然后可能因为缺乏正确的用例而没有被采用清楚地说明正确的用例是什么。如果我们将您的特定技术放在一边，并考虑您所看到的成功客户与不太成功客户在内部决策过程、执行过程方面的区别，您会在客户开始时向他们提出什么建议为了帮助提高其实施的整体投资回报率而踏上这段旅程？

Vinay：我会回到我之前提到的跨职能团队。对于我们所拥有的几乎每一个成功的实施，都有一个跨职能团队的元素，我们将来自实际职能的业务部门人员与同样致力于整个流程的 IT 人员配对。自上而下是给定的，除非你有自上而下的接受或推动，否则总是很难在层次结构中推动新的变革。所以你需要它作为顶部。但即使在这样做之后，获得跨职能团队的正确组合也会增加成功的可能性倍数。

第二件事是选择正确的项目开始的关键方面，而不是去大爆炸的东西。很多时候，从小处着手进行迭代是有意义的，看看它是否在某种程度上对你有用。当您开始时，您可能没有将未来三年的整个路线图砍掉。您应该在有限的时间内拥有它。如果您不确定从哪四个项目开始，请定义可以在三个月内完成的较小版本，然后选择您想要扩展的项目。 [听不清 10:00]。这对 IT 行业来说非常普遍，但在工业世界的背景下却不一定如此。

因此，在我提到的跨职能团队角度（在提高成功概率方面）之后，能够快速进行实验并因此为您的旅程到达正确起点的心态有很长的路要走。

Erik：在过去的几个月中，您开始看到在技术或商业领域最令人兴奋的趋势是什么，您很高兴能够遵循并在战略上要求您的团队在未来 12 年或24个月？

维奈：有两三件事让我非常兴奋。这是一项正在顺利进行的项目，超级智能边缘能够推动分布式智能，这对于我们在多个垂直领域推动更广泛的用例采用至关重要。所以这是一种此时此地的活动。但是，Apple 仍然需要做很多工作才能实现在该领域落地的产品。所以，超级智能边缘是我现在所相信的东西，我们正在投入大量资源和努力以使其以正确的方式工作。

对我来说有趣和令人兴奋的下一个级别是工业数据共享。例如，我们正在与几家公司合作。实际上，在印度，我们与企业一起参与了政府计划的一部分，旨在为汽车中的特定集群创建通用行业数据，特别是在性能基准数据和机器利用率数据等可用的地方以明显匿名的格式，但可供人们理解数据科学家从多个角度工作。

因此，创建数据共享对我来说是一件非常有趣和令人兴奋的事情，因为那是当你开始从所有这些数字化中获得更高的订单产量或收益时，让这些数据可供 OEM 和企业查看看看从基准测试和类似的东西演变而来的最佳实践。因此，Data Common，我们看到世界各地发生了几项此类举措。德国已经有一些。以印度为例，我们参与了这一活动。

第三个是整个 SaaS 世界正在发生的转变，因为您正在成为一种价值即服务。你不只是在销售订阅和 IP 许可之类的东西。归根结底，您将自己的成果和未来与这样一个事实联系起来：在企业中持续不断地从您所做的事情中获得价值。

所以从生产力的角度来看，我提到了 UI 等指标。你现在已经陷入困境，直到你根据最终客户推动结果并说，嘿，伙计，我会在 12 个月内将其提高 15% 并保持在 70% 或 80% 或未来三年将达到 90%。因此，通常不采用联盟格式的附加步骤将有助于更广泛地采用，并推动企业更容易接受这些解决方案。

Cooper 的创始人写了一本漂亮的书，名为 Value as a Service。而且我看到很多这样的事情也正在发生，因为现在我们正在与系统集成商密切合作，就业务成果进行仔细考虑，将我们反对的承诺作为结果，甚至将其中的一些作为回报给我们。

因此，这些是我认为未来 12-24 个月将以更积极的方式形成的三个趋势。第一个是超级智能边缘，第二个与工业数据共享以及其中多少会对整个行业产生影响有关，第三个与围绕为 SaaS 提供生产力应用程序的价值即服务目标有关到最终客户或基于状态的监控应用程序或客户中 [听不清 14:33]。

Erik：所以我正在与 Turbine 的首席执行官和创始人交谈，该公司正在建立物联网交换。你是偶然熟悉这家公司的吗？

维奈：不，我没有。

Erik: Turbine 他们位于山谷之外。他们已经在隐身模式下进行了 2.5-3 年的研发工作，而且他们刚刚进入 Alchemist 加速器，所以我认为随着他们现在开始进入试点阶段，我们可能会看到更多他们。但他们目前在数据交换方面的能力主要集中在交通数据上，因为这往往更公开。然后你有 Iota，例如，它更多地基于区块链，但也专注于实现机器对机器的交换。

经常出现的一个挑战是，例如，如果您正在查看公共交通数据，那么从组织的角度来看，这些数据相对容易使用，因为它已经在公共领域。所以它只是围绕标记元数据并对其进行结构化，并可能建立合同来管理围绕它的使用。如果您正在处理制造数据，则可以解决技术问题，但法律和合同方面的挑战是巨大的。

您一直在提到一种更加以政府为导向的方法。这些家伙正在采取非常自由的市场方法。您如何看待公司愿意为了更大的利益而分享他们的数据或通过将其货币化来实现这种演变？因为很明显，现在有大量的价值被锁定，你如何看待这种新兴事物，以便将这些价值释放到市场中？

Vinay：例如，如果您查看一份智能制造报告，它是一个示例，说明如何在整个垂直 ROI 设备之间共享抽象数据或派生信息，从而获得趋势等相关亮点。这是我们可以作为数据服务提供的东西，我们现在以报告的形式提供。对于这些高阶应用程序，我们已经向一些系统集成商公开了某些数据服务 API。所以这是自由市场方法，它将围绕这种方法进行驱动。

第二个是创建公共数据共享的地方。例如，我们支持名为 watchyourpower.org 的项目。这样做的目的是提供此时在印度约 600 个村庄以及其他三个国家、印度尼西亚和其他几个国家的电力质量和可用性信息。如果你能想象这解锁了什么，电源质量，但质量是它变得有趣的地方。因为现在，例如，对于制造来说，如果质量达不到标准，就会出现设备故障问题，诸如此类。

正如您现在可以想象的那样，这就像一个公共资助的项目，只是提供低质量和可用性。有人可以获取这些数据并构建一个更复杂的应用程序，更专注于说，嘿，伙计，这种设备，如果你去世界的这个地方部署，你会遇到这些问题。

所以这是第二种情况，它可能是公共工程版本，政府不参与其中。它实际上是私人资助的。但关键是数据是公开的。因此，第一个是专有数据，但以抽象格式、匿名格式提供，因此不会产生任何法律影响。其次，它是一个私人资助的公共数据项目。

第三种是政府的方法，我之前提到过，这里的想法是提供一个工具台或工作台，让飞行员可以在这里执行。其中之一当然是提高认识。其次是一大堆试点基础设施，其中基础设施由政府提供，或者是公私合营的倡议。那里发生的一切都可供社区消费，无论谁是那里的订户。

所以这些是我看到的三种不同的模型，至少在我们曾经使用过的东西中出现。

Erik：我认为这是一个非常非常吸引人的市场方面，具有巨大的潜力，但实际上并没有像平台传感器技术等那样迅速发展，只是因为技术挑战之上的法律和组织挑战.我们将继续并将它们放在节目说明中。维奈，非常感谢你今天抽出时间与我交谈。

维奈：我非常感谢，埃里克。很高兴参与对话。谢谢你。

Erik：感谢您收看另一个版本的工业物联网聚焦。不要忘记在 IoTONEHQ 的 Twitter 上关注我们，并查看我们在 IoTone.com 上的案例研究数据库。如果您有独特的见解或项目部署故事要分享，我们很乐意在未来的版本中介绍您。写信给我们 erik.walenza@IoTone.com。