幾年前，一個關于大陸連圓珠筆筆尖鋼球都造不出來的報道曾引起過軒然大波，大家痛斥大陸精煉鋼技術如何落后，
沒錯，至少5年前，我們用的圓珠筆頭上的那粒碳化鎢球珠，大陸是不具備這種特種鋼鋼材的生產能力的。
之后，大陸太原鋼鐵廠，專門對這個直徑僅有2.3毫米的球座的生產材料做了技術攻堅，在2016年終于造出了圓珠筆球專用的精煉鋼。
再后來，出爐、量產、圓珠筆廠商用上了大陸制鋼球的故事，便接二連三地發生了。
雖然很多人把大陸造不出什么歸咎于在鋼鐵技術研發實力的落后，但某種程度上，我們忽略了市場在中間發揮的作用——利潤可能只有幾塊錢的圓珠筆，會吸引一眾鋼鐵廠去造技術含量高，研發投入大，但不賺錢的小鋼球嗎？
而同理的，也有最近某名人在演講中所說的大陸造不出打火機墊片，需要依賴日本進口的故事。
其實，諸如鋼球攻堅戰、大陸造不出打火機墊片的故事，僅僅映射出了不為大眾熟知的大陸鋼鐵行業發展現狀的一角。
多年來，我從小時候看新聞聯播，到現在真正接觸鋼鐵工業，這個行業20多年來一直存在著幾個痛點：
產能依然過剩，
2020年大陸鋼鐵產量仍然在增長，而且總量非常大，達到10.5個億，占全球鋼產量的60%，但是這里面的鋼，大部分是建筑（房地產）用的普碳鋼。很明顯，房地產繁榮造就了鋼鐵行業的30年產能輝煌。然而，在經濟效益褪去，步入寒冬后，就越發凸顯出下面兩個問題。
結構性失衡，技術含量低。
60%的普碳鋼占比，意味著技術含量高一點的鋼占比就很低，進口多于自產，上面提到的圓珠筆鋼球用的鋼材，就是產業里的一個技術瓶頸（主因當然不是這個）。而相關的瓶頸，還有很多，
特別是早些年像汽車鋼板這類高級鋼材，主要依賴進口，因此發改委一直在嚴控新增產能，壓制落后產能。
此外，集中度低也是失衡的表現。大陸產鋼企業多而散，全國前十大鋼鐵公司只占這10.5億中的38%，散戶多的結果，一方面是采購鐵礦石的議價能力弱，另一方面是容易進行低水平重復建設——大家都在低段位競爭，陷入價格戰死循環。
給環保和安全生產帶來的巨大壓力，
只要稍微了解煉鋼工序和環境，都不難想象鋼鐵廠的污染指數，礦山里亂竄的灰黑礦粉，煉鋼廠煙囪里冒出的滾滾濃煙，以及廢棄的毒金屬…以至于2018年，河北煉鋼重鎮唐山勒令鋼鐵廠如果不整頓轉型，就必須集體搬遷。
2020年12月31日，工信部開的『新藥方』，體現在一份叫做《關于推動鋼鐵工業高質量發展的指導意見》里，總結下來其實是這三個詞——
技術、人才和規模，
工業互聯網企業傲林科技的鋼鐵專家告訴虎嗅，企業規模越大，上下游協同性就會變得更好，對技術（資訊化）的要求也就更高，
而反過來講，同樣成立——資訊化更高，那么協同就會做的越好，
而這樣為鋼鐵企業帶來的直接好處，通俗來講，就是盡可能做到『不浪費』『降成本』『多賺錢』。
『之前有家挺大的鋼鐵廠，資訊化自動化水平已經很高了，但有些重要數據還是存在誤差，比如300噸的轉爐，廢鋼裝入量誤差也在±3噸左右。這已經是非常好的數據了，
很多小一點的鋼廠，爐子小，自動化水平又比較低，誤差就會大一些，導致數據不準確，影響生產，』
鋼鐵廠的轉爐，圖片來自『混亂博物館』的視訊
因此，中小規模鋼廠在議價權、資訊化程度和環保治理上的『低人一等』，從宏觀來看，更容易在市場價格波動中『受害』，也更容易被停業整頓；
從微觀來看，也更難把控煉鋼過程中的質量檢驗與稱重等問題。
『這樣的企業在供需上的匹配就有盲目性。舉個例子，如果一家鋼廠在制定明年的生產計劃，那么預測與市場實際需要之間往往有時間差，對市場信號的研判和反饋不及時，也不準確，所以才會有這種來來回回的波動，』
圖片來自『科技奇趣』的視訊
因此，在工業互聯網創業高潮迭起的2018~2020年，要么有技術公司瞄準某道工序縱向切入，為工廠做生產效率優化；要么是技術公司從全域性數據治理和平臺業務入手，為工廠做橫向的『多快好省規劃』。
但是，作為多年來一直在曲折升級的傳統產業，鋼鐵真的可以被所謂的工業互聯網『一擊即中』嗎？
分而治之，逐個擊破
其實鋼鐵生產這門生意，雖然一直被譽為『制造業脊梁』『現代工業骨骼』，但它也被行業內的人都戲稱為一個『傻大黑粗』的產業，
這個特點不僅來源于社會觀感，也來源于它的工藝特質——用『幾千幾萬噸』來計數的鋼材產量，無論做的多精細，都存在一定的『粗放性』，
軋鋼，圖片來自『科技奇趣』的視訊
你看那幾米高的大爐子，那大塊的鐵礦石和粗鋼粗水。既然要講求規模，那么勢必要放棄一定的精細化，但是，這并不意味著里面沒工作可做。
傲林鋼鐵專家指出，作為流程性產業，鋼鐵廠無論是車間里，還是辦公室，都有技術優化空間。
L1~L6代表著工業往自動化、資訊化、數據化不斷進階，圖片來自傲林科技
從上面這張工業數字化的分級圖上，我們可以看到，L1到L6，是每一家工廠從底層到高層的進化過程，
我們所熟悉的PLC（可編程邏輯控制器）、MES（生產執行系統）、ERP（企業資源計劃系統）和CRM（客戶關系管理系統），都屬于L1~L4的工廠資訊化改造，
在很多大型自動化工廠里，PLC機柜和MES操作系統是很常見的配置，而它們也大多來自西門子、Rockwell、施耐德等工業巨頭，
我在上一篇《一支卷煙里的大江大河》里就提到，像香煙制造、汽車、精密設備制造（芯片）等行業，其自動化水平之高，讓他們有『扎實的地基』往更高層次進化——L5~L6。
因此，很多基礎條件不錯的鋼鐵工廠，就會對技術在生產和管理中的應用有更高的要求，
譬如，寶鋼與武鋼合并后的寶武集團，2020年產量達1億噸，他們有一家叫『寶信』的子公司，專門做資訊化。
但是，與精密設備產線不同，鋼鐵產業的特殊性，也在于其參差不齊的發展水平。
大公司（國有）規模越大技術越強，走的越快，已經往L6進發；而體量小的企業則技術相對落后，連整個產品生命周期的L1和L2都沒走完，它們中的一部分，也會變成我們經常在新聞里看到的『被關停』的時代犧牲品，
『有些地方的小工廠非常落后，人工操作的工序很普遍。譬如曾在這幾年被連續取締上千支的燃煤土豎窯，就是污染非常嚴重、非常落后的制造工藝，』
鋼鐵專家提醒我們，千萬不要把鋼鐵行業想的多么高大上，即便是大廠，作業環境也遠比我們想象的惡劣，
鋼鐵制造流程，大體可分為燒結、球團、焦化、高爐煉鐵、鐵水預處理、電爐煉鋼、二次冶金、連鑄、再加熱、熱乳和冷化等工序，
也就是說，每家鋼鐵廠，因處于不同發展階段，遭遇的難題完全不同，需要不同類型的技術公司幫忙解決。
『比如，有給車間里的工控設備做連通協同的，也有專門給高爐減能耗的技術公司，每年給你摳出一個點的能耗，那也是不得了的事情；
還有些自動化公司，把熱電偶（鋼鐵產業里的某種傳感器）埋在高爐爐缸的周圍，可以測爐壁的溫度，這樣系統就能根據爐壁溫度來監測爐缸情況，做危險預測，』
高爐，圖片來自混亂博物館
但傲林認為，從成本著眼，在現有的設備不換的情況之下，通過對工藝優化的方式，成本降了一個點后，再往下降，難度就會變得非常大。
『工廠更換設備也有一個長周期，對于重工業，不可能建了一個高爐后，兩三年技術升級了，就拆掉高爐再建一個；
你也不可能隔很短時間換傳感器，因為煉鋼是一個流程性作業，一般幾年才停爐檢修一次，停了的損失更大；也不能采購了MES和ERP系統后，兩三年再采購新系統。』
當然，除了考慮到經濟利益，還有一些不可控的人為因素（大家都懂）廣泛存在于傳統產業。
舉個例子，燒結部門采購的是A公司的ERP，連鑄部門采購的是B公司的ERP，兩個部門都有使用什么系統的決策權。一家鋼鐵廠可以存在若干種相同功能、不同品牌的系統。
因此，即便要全部更換，也可能是個時間和資源完全不同步的大工程，而讓甲方工廠最可能接受的解決方法是——那就靠第三方去打通吧，
另一邊，不想跟設備制造商、傳統資訊化系統供應商搶肉吃的『輕量化』技術服務和平臺公司，跳出被系統和設備框住的思維模式，用互聯網思維，選擇從另一個可以『連通』的屬性切入——
數據。
這也是L5與L6層存在和創造的價值，
『實現降本增效，并不是只有改造產線，也可以做一個鋼鐵廠內部的橫向協同，』
傲林鋼鐵專家講到了一個叫做『產供銷平衡』的概念。簡言之，就是我們在制定生產計劃時，報出的數字盡可能跟實際產能、原料供給，以及銷售市場走勢相匹配，
『除了數量，對產品結構的把握也非常重要。
譬如我每月要生產多少螺紋鋼，多少鍍鋅鋼板才能實現效益最大化，都需要定一個數字，這也對應了對礦石采購、生產排期、物流安排、銷售策略等的要求，是一個牽一發而動全身的事情，』
其實『產供銷平衡』并不是一個新概念，
相反，你可以在20世紀80年代的期刊上看到它頻繁出現在與工業結構調整的文章里。但幾十年過去，伴隨著鋼鐵產能的持續過剩，這個問題的解決方案，依然非常骨感，
傲林的工程師們在走訪地方鋼鐵廠時發現，公司內部的橫向跨部門協同方式相對原始，與現代化有點脫節：
『大家一起開所謂的經營分析會，既慢又不夠精準。一旦市場信號出現了某些變化，根本來不及反應，特別是單個企業。』
他們提到有家鋼廠的董事長想看一張可視化報表，這聽起來是一件很簡單的事情，很多軟體都能做，然而，就這件『小事』，他最終等了三天半，
『因為他想看的那張表要從不同的資訊化系統里取采數據，而數據的格式、規范以及采樣頻率都要對齊，讓好幾個人折騰了三天才做好，』
某種程度上，這與我們講的『數據孤島』，有類似之處，
在鋼鐵行業，數據孤島問題也叫『數據煙囪』，每一道工序都有一個自己的小網路，連鑄有一個，精煉也有一個，以前都是互相隔離的，像兩個小煙囪，數據是不通的，
『有家鋼鐵廠的煉鋼工序和連鑄工序數據資訊溝通不太好，導致連鑄拉速不穩定，鑄坯質量出現了問題，影響了生產，
現在，把這兩個工序打通了，消除了數據煙囪，轉爐工序和連鑄工序都能實時了解生產情況，無論是生產節奏還是成本控制都有了明顯效果。』
而專注于L5&L6層的技術公司們，包括傲林，某種程度上，做的就是『時間生意』——
在存在于許多不同系統里的數據拉出來，放在一個湖里，然后做梳理分析，最終把一份清晰的綜合性數據和分析結果呈給這家公司的一把手，以及各部門一把手。
『把MES、ERP、CRM的接口打通，從銷售部門拉出過去每年每月的銷售和訂單數據，從采購部門拉出材料庫存和供給數據，從財務部門拉出的人力和收入數據，還有產線上的產能數據，以及宏觀市場走勢數據，都放在一個庫里，』
圖片來自傲林
其實我們認為，這并不是一個技術含量很高的過程。相反，傲林也認為，這是一個其他影響因素遠大于技術的『苦活累活』，這個時候，技術部門是輔助，市場作為核心部門，需要耗費大量時間和經理。
而他們設想的更具技術含量的任務和服務增值點，則是數據真正打通后，能不能通過算法產生更具價值的東西——
智能輔助決策。
『我們不是ERP，而是一個全域化的數據治理和全局化的效益優化，除了收取按期支付的實施費用，鋼廠需要支付持續的SaaS模式服務費用。
哪個地方能擠出錢來，挖出效益來，我就幫你去找，但前提是數據得打通，按照最后你的真實總效益來收錢，其實客戶也不是很在乎你這一百萬到底是采購省下來的，還是銷售增加出來的。最后他看的還是整體效益，』
實戰里，全都是數據造的坑
理論上的無懈可擊，往往在現實中藏著巨大的陷阱。
不做ERP，做全生命周期的數據治理與量化分析，是一個大故事。而大故事，則意味著大麻煩。
像前面說的，L5與L6建立在健全的L1~L4基礎上，如果產線上的工控協同沒做好，或者很多環節都有人為因素在里面，那L5與L6也不會成立。
但是，L5與L6圍繞數據的再加工，全依賴自動化系統采集的數據質量，
『數據質量是我們一個很大的挑戰，』傲林鋼鐵專家告訴我們，由于粗放性，很多環節『大面』由系統管控，而細節則有很多人為影響因素摻雜其中。
因為很多數據不是機器直接產生的，而是人手動輸入進系統的（這也意味著實現了自動化，但未實現智能化），這種情況非常普遍。
這就相當于，工人是『數據標注工』，而數據的質量，則取決于人的不可控性，
喂絲機。喂絲，指將添加劑破碎調和成一定形態，用薄鋼帶將其包裹起來制成包芯線。
『舉個例子，精煉有一個「喂絲」的環節，喂絲長度以及速度都要靠工人在機子上設置，憑經驗來加，數據沒有自動采集到系統，也不能通過系統精確控制喂絲量，對鋼水質量和生產都會帶來影響，』
傲林鋼鐵專家還舉了一個非常形象的例子：在鋼鐵的精煉環節，需要工人用鐵鍬來扔造渣劑，但是因為造渣劑重量控制不準，就會影響鋼水質量和生產成本，所以工人都會掂量著來：
『如果感覺還不夠，就直接再鏟兩鏟子，直接丟進火里去！』
因此，用傳感器來自動采集數據，是產業在努力推動的事情，然而，這又涉及到成本、工序難度和用人等各方面條件，進程相對緩慢，
此外，傳感器在高溫高壓的嚴酷燒煉環境里，也很快就會變得不準，所以傳感器的精度保持和安裝難度也很大。而工程師們也在通過一定的算法補償來校正數據質量，
熱電偶，相當于鋼鐵生產流程中的一種傳感器，主要用來測溫、測壓，圖片來自網路
第二，有時候不單單是數據質量，而是『你要的數據到底有沒有』的問題，
拿『預測性維護』這個很多工業互聯網公司都在打廣告的能力來說，很多工程機械、挖掘機以及飛機的發動機，的確應用了非常成熟且有效的預測性維護技術，
但是，在大陸技術更迭沒那么快的老舊工廠，有很多所謂的『啞設備』，既沒有PLC，傳感器也很少；
另一邊，一些工藝先進且復雜的特殊設備，也沒有給第三方留打通數據的『余地』。
『國外一些設備里面都有“黑匣子”，做預測性維護就要拿到數據，但除了設備生產商其他企業都拿不到“黑匣子”里的拿不到接口和數據，所以就做不了預測，』
傲林鋼鐵專家提到，連鑄工序有個設備是一家國外企業生產的，但這設備他們就是不給你接口，你就預測不了，
連鑄，圖片來自『科技奇趣』視訊
總的來說，不僅僅是鋼鐵行業，有個問題普遍存在于所有工業產業中——經營類系統（ERP、CRM）的數據品類與質量，要遠高于生產類系統（PLC、MES），
因此，如果要做一個工廠的全生命周期管理，勢必要解決『短板過短』的問題。
你絕不能忽視和跳過任何一個環節。
一把手工程？
對于一家工廠來說，對于『把各個部門完整數據收集上來，并做系統分析』最樂見其成的，顯然是老板，
但就像剛才所說，要讓所有部門和車間欣然拿出自己的數據交給工程師們做統一治理，技術實現并不難。既然牽扯到利益關系，它就變成了一個『苦力活』。
根據我們此前獲悉的其他產業新興技術落地的結果來看，很多所謂的5G、人工智能設備，或者是智能化平臺，要么采購后被擱在某個辦公室角落里落灰；要么被當成『階段性成果』宣傳一陣兒后，隨著支持款項中斷便無疾而終。
這些都是『一把手工程』的表現。
『我們服務了一些民營鋼鐵工廠，除了老大，其他領導的態度也很不錯，有家工廠的總經理專門開了動員會，給員工提要求，說「如果誰不配合，到年底就拿你是問」，』
傲林客戶經理說，對于鋼廠每個部門來講，如果不干領導就會稍微調整一下KPI，那下面就不得不干。
『有些功能，執行層也不是全面排斥，譬如我們有家客戶企業，每兩周就開一次關于數據治理的項目分析會，看項目進展效果，大家為了統一的目標，其實很愿意配合，』
但傲林工程師也沒有掩飾遭遇的非議。
對于非常看經驗和資歷的工業人來說，不少人認為『輔助決策』是個偽需求，甚至有人當面就給他們擱下這樣一句話：
『我不用L6，我的腦子就是L6，』后來經過溝通，他們最大的顧慮，是會覺得系統有威脅到自己的一部分職能。
此外，既然是跨部門的供產銷聯動，讓他們感受到工廠每個部門由于做事風格完全不同，經常遇到『銷售部門說很好，但生產部門說不行』的局面。因此，就不得不逐個擊破：
『財務部門非常嚴謹，但不善于說自己的需求，必須靠產品經理挖掘和引導它們的需求，否則他們表達的其實連潛在需求30%都不到；
而銷售部門則是非常健談但思維很發散，說的需求其實都不太好落地，那這個時候怎么去控制他們的需求，畢竟我們都需要根據周期按時上線。』
截至目前，傲林所有的行業首項目周期在半年以上，雖然在供給側，他們在推行模塊化、產品化的思路，但往往行業的屬性就決定了這種『了解需求，說服客戶，融入其中』的“苦力活”需要占用不少時間，
『我們老大也會帶上安全帽，每去一家工廠，就在工地和辦公室之間來回穿梭，美名曰：融入工業。』
傳統的互聯網，特別是消費互聯網，就像是一片高地或者平原，那如果有產業大鱷帶著足夠大的決心和資金來鋪行業，是可能打通的，就好像一瓢水潑下去之后，所謂卡一下就打開，就往下奔流，
但是，工業互聯網這個領域，有點像縱橫的溝壑。一個一個的細分行業之間是有壁壘的。所以你如果想一瓢水潑下去，把這地方全占領是不可能的，因為它會被隔成一個一個的小水洼。
而對于專供工業的技術企業，只能按部就班先做好每一個小水洼，沒有任何捷徑。
