过去十余年，从初创企业到传统行业，都在逐步走向“云端”。甚至大众印象中信息化程度比较落后的制造业，也在各地政府的推动下，轰轰烈烈地开启了“万企上云”的进程。

与之相伴的，则是中国云市场规模的迅速壮大，以及亚马逊云服务AWS、本土的阿里云、腾讯云等国内外巨头的激烈竞争。近来，随着“新基建”建设的提速，得益于大数据、云计算、工业互联网、人工智能等技术的飞速发展，传统制造业也越来越重视产业互联，也有越来越多的案例来佐证这些技术与服务为传统制造业带来的革命性进步。

在此背景下，近日，在《财联社》、四川国际会展与金蜜智造共同发起的“产业互联·星辰计划”中，记者专访了AWS大中华区企业业务拓展部总经理凌琦，看看他们眼中的中国云市场，以及基于此构建的产业互联网，是否能够带给我们一个全新的世界。

记者：随着5G 、人工智能、工业互联网、物联网技术的成熟发展，“云移大物智”已经被重新定义为“新型基础设施建设（简称“新基建”）”支撑着企业在技术层面的数字化转型。AWS也在向众多企业提供“新基建”的服务功能，具体而言，AWS是从哪些方面去帮助制造企业进行数字化转型呢？

凌琦：亚马逊云服务（AWS）是一家“以客户为中心”的企业，我们的目标是长期陪伴客户成长，帮助客户快速搭建数字化转型平台。AWS通过安全、可靠、领先、覆盖全球的云平台，广泛而深入的云服务，为企业提供强有力的技术支撑，赋能工业互联网企业的数字化转型，帮助他们提高全球竞争力。

具体到制造业领域，目前许多制造企业都遇到现有IT系统无法满足业务支撑的要求，需要实现数字化转型，需要快速向云上迁移的情况。无论在工业质检领域、供应链端到端的可视化管理、设备的连接还是自动化仓储物流等方面，云上的大数据、机器学习、物联网技术都将发挥重要的作用。

在制造企业向云上迁移的过程中，AWS不是简单的销售产品和服务，而是会从三个层次帮助客户进行系统性的规划。首先，我们会帮助客户分析他们的战略愿景，了解其面临的挑战；其次，我们会帮助客户进行数字化转型的路径规划，分析在其战略目标下如何快速有效地迁移上云；最后，我们会通过AWS丰富而深入的云服务对客户进行技术赋能，帮助他们快速应用大数据、机器学习、物联网等技术。

此外，AWS通过遍布全球数以万计的合作伙伴，构建了一个充满活力的合作伙伴网络，使来自各行各业、各种规模的公司都可以从中受益，找到最佳解决方案。例如，2020年6月4日，全球知名的智能操作系统产品和技术提供商中科创达（ThunderSoft）宣布将AWS最新在中国区域推出的机器学习服务Amazon SageMaker集成到了中科创达智慧工业ADC (Automatic Defect Classification) 系统，让制造业客户可以在工业生产中轻松获得AI质检能力。

记者：如今工业互联网正风起云涌，有数据表明，2020年全球工业互联网领域的投资规模将超过5000亿美元，2020年中国工业互联网的市场规模将达到7000亿元。产业也越来越重视云计算和AIOT在工业领域的应用，而这些也正是AWS所擅长的领域。您如何看待中国工业互联网的发展前景和发展趋势？在这一领域，AWS有哪些前沿技术？做了哪些布局？

凌琦：我们非常高兴地看到，中国的工业互联网在近几年有了非常显著的发展。无论是本土制造企业不断加大在云计算、大数据、人工智能等方面的投入，还是全球领先的制造企业在中国的落地其全新的技术解决方案，以及本地工业软件企业加速创新等，都显示了市场对工业互联网的重视。

具体到发展趋势上，我们可以看到目前在制造企业的数字化转型上有几个典型的应用场景，一个是工业互联，利用IoT技术实现设备的连接,实现生产过程的智能化；第二是数据可视化，能够做到所见即所得，支持管理和决策；第三是数据的清洗、整理、分析，比如设备效率的分析、产品质量分析等，并开发基于人工智能和机器学习的应用；第四就是供应链的预测，实现上下游产业链的高效协作。

在先进技术方面，AWS有三大领域的技术将会在工业互联网领域发挥积极的作用：

一是物联网与边缘计算。AWS提供了全系列的IoT服务，有了这些服务，工业互联网平台的开发者可以专注于工业互联网的业务逻辑和业务流程，不用在技术实现上浪费太多精力，从而高效、快捷地开发和部署工业互联网应用，为客户提供稳定可靠的运营。我们认为，十年以后，大多数公司本地部署的可能都不是服务器——这些服务器将被虚拟化，全部运行在云中，他们本地部署的将是连接设备。数十亿这些连接设备将部署在家中、办公室、工厂、船舶和飞机、汽车、油田和农业领域。这些传感器将无处不在，它们通常很小，只占用少量的空间。因此，云对于这些设备极为重要。目前许多大型物联网项目都在AWS上运行，因为相比其它供应商，AWS为物联网和边缘计算提供更多的功能。

二是大数据分析。物联网连接大量的设备，设备产生大量的数据。在云中，AWS提供了大量的数据分析组件，让数据的收集、存储、分析和共享变得非常便捷。不仅成本效益高，而且带来了更多的业务可能性。

三是全栈的机器学习和人工智能技术。目前，在云中进行的80%的机器学习工作负载都是在AWS上完成的。AWS在技术堆栈的三个层面提供广泛的服务组合，使用AWS进行机器学习的客户也要多于任何其他提供商。在技术堆栈的底层， AWS 专注于性能、灵活性，降低成本，以便任何用户都可以使用最新的基础设施，对多种框架进行试验。借助AWS，客户可以访问针对机器学习的、最强大的 GPU 实例，应对最苛刻的应用场景。在中间层，AWS提供完全托管的机器学习服务Amazon SageMaker，大幅度减轻了机器学习过程中的繁重工作，让开发高质量模型变得更加轻松。在顶层，AWS提供了训练好的人工智能服务，这些服务主要解决与人类认知相关的典型问题。例如，计算机视觉方面的服务，可以识别图像或视频中的对象、人员、文本、场景、活动和不安全或不适宜的内容。个性化推荐服务可以基于消费者的倾向推荐相关的产品和服务。客户可以直接在其应用中调用AWS提供的这些人工智能服务，而无需关注服务背后的机器学习模型。

记者：随着云计算、产业互联网的迅速发展，越来越多有关企业数据安全和隐私的问题逐渐浮出水面，企业积极拥抱新技术与新生态的同时也对自身的数据安全有更多的担心。那么AWS在保证数据安全和数据隐私方面做了哪些努力？

凌琦：AWS的云是非常安全的。安全始终是我们的首要任务。如果审视AWS云，会发现它采用了与传统数据中心相同的安全隔离措施。这些措施包括确保数据中心物理安全、网络分离、服务器硬件隔离以及存储隔离。

我们在业界首先提出了“与客户建立安全责任共担模型”，这是一种非常先进的理念，因为再安全的云，也经受不起缺乏管理的使用方式。AWS的安全责任共担模型是指，AWS负责管理从主机操作系统和虚拟层到运营服务的数据中心的物理安全层面的组件，而AWS客户负责构建安全的应用程序。我们提供各种最佳实践文档、加密工具、以及指南，帮助客户开发安全的应用程序。此外，AWS合作伙伴还提供数百种从网络安全、配置管理、访问控制到数据加密的工具和功能，以帮助客户实现安全目标。

AWS也非常重视保护客户的隐私，我们采取了先进的技术和物理措施来防止未经授权的访问。我们不会一有要求就披露客户信息，除非为了遵守法律上有效且具有约束力的法令（例如传票或法院指令）。此外，我们会尽可能地在披露客户信息之前通知该客户，以便他们采取措施防止信息被不当使用。同样需要指出的一点是，对于高度敏感的内容，客户可以选择加密作为标准安全流程的一部分。 AWS为客户提供了可在静止或移动下加密数据的工具，客户也可以从AWS支持的众多第三方安全解决方案中挑选适合自己的产品。没有正确的解密密钥，已加密的内容将变得无用。

总体而言，AWS种类广泛的安全技术，全天候的监控和警报，以及对AWS基础架构服务方方面面的严密关注，都旨在确保客户的数据只能由他们自己使用。

记者：工业互联网的核心是“平台”，而当前工业互联网平台的类型多样，通用平台、垂直平台、服务型平台，您认为中国本土的工业企业应如何选择，才能借力起飞？

凌琦：AWS提供可用来支持工业互联网平台的基础云平台和云服务，服务于工业互联网平台的服务商。您提到的通用平台、垂直平台、服务型平台，都是AWS的客户。中国的工业企业如何在这些平台当中进行选择，主要还看客户的需求。有可能一个工业企业的不同业务会用到不同的平台，如果条件成熟，也可以建立一个平台，服务自身业务的同时，服务于其它工业企业。

记者：现在工业互联网正在变成全球化的浪潮，但是发展起来还存在一定的局限。比如从德国开始兴起工业4.0到现在智能制造，过渡了多年，但并没有完全发展起来，您认为有哪些主观与客观的限制因素？对于中国制造业而言，未来可能从哪些方面去突破这种限制？

凌琦：我们认为，工业4.0也好，智能制造也好，都取得了很多成就。在AWS官网，您可以看到一些智能工厂的成功案例，这只是我们大量成功案例的一小部分。

比如在北美的 Georgia-Pacific 制造厂每天生产数百个纸和手帕纸母卷。纸张生产是一种微妙而复杂的操作，因为在制造母卷以及在将大量母卷加工成消费者可以使用的卫生纸或纸巾产品时，可能发生撕裂或断裂。如果经常出现撕裂或断裂，则会导致造纸机和加工生产线停机，每年每条生产线损失数百万美元。这个数字可能很大，因为该公司拥有 150 多条加工生产线。为了满足对数据洞察和数据收集的需求，Georgia-Pacific 寻求采用运营数据湖的先进分析方法。

最终，Georgia-Pacific 使用基于 AWS 的先进分析解决方案优化了许多工厂中的关键制造流程。例如，对于一条加工生产线，该公司消除了加工过程中 40%的母卷撕裂。通过减少纸张撕裂，为一条生产线增加了数百万美元的利润。有 150 条生产线可以从这些优化流程中受益，因此这对公司来说是一个价值数百万美元的改进。

另一个典型的案例是GE，从2015年开始，GE把9000多个应用全部迁移到AWS上，包括GE电力、GE航空、GE医疗、GE交通和GE数字化部门在内的多个部门，已经在AWS上运行了多个云应用。通过实行云优先战略，GE的IT团队摆脱了构建和运行数据中心的负担，将公司的资源聚焦在创新上，帮助GE完成其历史性的变革。在这个过程中，GE的物理数据中心从34个减少到4个。

当然，对于中国制造业的进一步发展，我们的建议是，要更加重视数字化和智能化建设。过去这些年，中国制造业在信息化、自动化方面的投入比较多，未来要加强数字化、智能化的建设。当制造企业真正做到数据驱动产品质量、数据驱动设备效率、数据驱动供应链、数据驱动决策时，就能够充分利用大数据分析技术，利用机器学习技术，实现更高的效率。