京东会怎么养猪？产业数字化的始局和终局
导读：2019年，智能改造的焦点将慢慢从改变人的生活方式扩展到改变生产方式。机器人、AI、物联网等新技术跟各产业进行深度链接后，产业“奇点”渐来临。
2019年，智能改造的焦点将慢慢从改变人的生活方式扩展到改变生产方式。机器人、AI、物联网等新技术跟各产业进行深度链接后，产业“奇点”渐来临。
但一切变革最终都逃离不了商业化的问题。技术改变生活方式，to C服务是基础，针对海量的消费个体，企业使用一次开发便可重复使用的技术模型让边际成本降到极致。
然而，产业数字化是一门to B的生意，不同的产业甚至不同的企业客户的环境及需求也许有着天渊之别。一切to C的玩法在产业数字化中难以适用。要真正切入产业数字化，开拓者必须直面下面三个问题：
1.产业数字化是否仅能从垂直行业撬动？
2.怎么让边际效益最大化？
3.核心技术如何在不同场景实现有效迁移和应用？
带着这些疑问，日前，亿邦动力与京东数字科技副总裁、技术研发部总经理曹鹏进行了一次深入的对话。
始于定制化
亿邦动力了解到，京东数字科技的前身是京东金融。2018年11月，京东金融品牌升级为京东数字科技，旗下包括京东金融、京东城市、京东农牧、京东钼媒、京东少东家五大子品牌。目前，京东数字科技以数据技术、AI、IoT三大时代前沿技术为核心，在数字金融、数字城市、数字农业、数字营销、数字校园等领域进行布局。
实际上，在积累了大数据分析、AI和视觉应用等一系列技术后，京东去做产业数字化是一个自然而然的选择。曹鹏指出，现在很多产业的发展都已经很成熟，但成熟的运营体系也意味着很固化、急需突破升级。
“在大量新技术出现的前提下，很多事情在原本产业形态中不能做的，现在都可以去做了。这成为一些传统产业进行模式变革的基础，让其拥有成本大幅降低、流量大幅增长等新机会。”他说道。
曹鹏以智能养殖作为例子来阐述这个变革给产业带来的能量。
在中国，养猪是一门比较传统的产业，其资源利用效率也远低于美国——在中国饲料成本是美国的2倍，人工成本是美国的5倍（注：美国单个员工的工资水平是比中国高的）。两个国家的产业区别在于美国养猪企业采用大量自动化设备取代人工工作。
改变养猪产业的理论基础和所需技术已经成熟了。养猪的科研人员知道猪的生活习惯，知道在哪些准确的时间点给猪进行什么样的反馈。这些理论仅局限于实验室，不能大规模普及，因为仅靠人去精准做反馈是很难实现的。这一切“不可能”在新技术下终于可以实现了。
值得注意的是，新模式的实现仅靠技术支持是不够的，在新技术落地过程中还需要对行业的理解能力。曹鹏向亿邦动力表示，在很多改造升级的时候，京东数科提供的是数据能力、技术能力、用户管理和运营能力等，传统产业相应拿出他们这几十年积累下来对行业的理解。两方进行深度结合实现的可实施的方案才是有价值的。
行业不同，双方深度结合在产业摸索的时间也各不相同。曹鹏指出，有的企业有时需要两到三年时间才能“摸到”门槛，这是产业数字化的壁垒所在，也注定了产业数字化这种2B生意一开始必须走定制化路线。
“各个行业有不同的诉求，落地在每个行业的时候最开始一定是切到行业里面了解痛点是什么。因此一开始产业数字化可能没机会做标准化。但在通过新技术给产业带来变革后，就有样本让该行业的其他企业愿意去改变自己过去的流程，实现标准化了。”曹鹏说道。
让技术在不同场景间迁移
当然，产业数字化不只有养猪这一项。京东数科本身积累的数字技术能力是可以应用到多个产业中的。虽说每一个行业最开始的解决方案大部分都是定制化，所使用的底层技术却是类似的。如果能有效把底层技术在不同场景进行迁移甚至使用同一套系统，那整个产业数字化的边际成本将会大大降低。
但这并不是一件易事。不同的产业拥有不同的场景，不同的场景的差异性和复杂性让底层技术的迁移变得困难。对此，曹鹏举了两个不能用标准系统去处理的两个场景。
场景一、私密情况。
比如银行是要求数据不能外传的。因此在跟银行合作的时候，京东数科必须改变过去的合作模式，变成私有云+京东数科共有云的混合云模式，这个模型要在基于跨多个云的架构上进行搭建。
场景二、断网情况。
比如养猪业以及一些终端零售（线下店），有时候会存在没有网的情况。在过去，大部分机型的很多能力（比如算法导航）都依赖于网络，所有计算模型都铺在云端，有的甚至需要人工遥控，因此必须拥有网络支撑。当没网时，整个处理能力不可能跟传统模式一样把整个模型放在服务器上计算。而是把所有处理能力都向前推，推到终端上做边缘计算，最后把结果计算出来后进行现场反馈，到某一个时刻再把数据回传同步。
（编者注：边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。）
从上述两个场景上看，虽然每个场景都需要运用到类似的技术能力（数据技术、AI、IoT），但因为不同场景的特性不同，京东数科需要基于不同场景，把技术系统做出相应形态的改变，来满足特定场景的一些特性。
那这个形态改变和技术迁移是如何实现的呢？曹鹏以图像识别为例进行了分析。
在联网场景，比如手机进行图像识别的时候，手机会把图像数据采集并传输到服务器上，并基于GPO（一种图像技术处理计算模型）做整个图像计算模型。
但在断网的终端场景比如养猪场做猪的识别时，终端边缘计算的模型是基于FPGA或一些AI芯片来做的，所以技术复制要做的是整个系统的迁移，相当于底层系统在新环境下做定制版来适应该场景。
FPGA即现场可编程门阵列，是指一切通过软件手段更改、配置器件内部连接结构和逻辑单元，完成既定设计功能的数字集成电路。简单来说，通过类似可编程的模型，京东数科把底层模型复制到新场景，再利用其可编辑型变化成适合该场景的模型，来降低边际成本。
搭生态 建立开源系统
从曹鹏的描述中可以整理出产业数字化的商业思路——针对具体场景，京东数科在已有的技术能力中寻找产业所需的能力，然后跟产业中的企业一起合作探索定制化解决方案去推动产业变革。
在这个过程中，制定解决方案方是以技术提供方京东数科为导向的。那如果把制定解决方案方跟技术提供方进行分离呢？
当技术提供方作为一个平台单位存在，垂直行业的服务商甚至该行业的企业本身就可在该平台单元直接筛选适合自己的技术能力自己去制造适合自己的解决方案。
那这种看似边际效益更高的开源体系会出现在产业数字化领域么？
曹鹏认为，在未来，这样的开源体系是会出现的。这也是京东数科目前在不同产业和场景进行扩展的原因之一。
“比如做机房和金库搬运的机器人。这种细分场景定制化很重，天花板也很低。但在做这些事情时，京东数科能积累一系列能力，比如底盘能力、控制能力、空间定位能力和物体识别能力。中国整个人力成本不断增加，当机器人产业需求爆发的时候，京东数科就可以把这一系列能力开放出来变成一个平台，大家就能利用平台做自己定制的机器人。”曹鹏说道。
因此，在切入具体行业时，京东数科也会选择不同的场景来积累不同的基础底盘。比如去积累巡检能力时，京东数科一方面会切入机房巡检，这个场景代表一个封闭且地面平整规范的环境；另一方面，京东数科也会切入铁路轨道的巡检，这是一个室外且拥有很多变化的环境。
曹鹏告诉亿邦动力，京东数科会尝试在不同行业里面开展项目，通过做这些项目把能力积累下来。最后，这些能力会变成底层能力推动整个生态发展——更多的合作伙伴会进入到生态中，中间会有需求方、开发者、底层能力提供者。这些玩家进入后，产业数字化才能越做越大。
“实际上现在京东数科已经把部分技术开放出来了。比如AI底层的人脸识别能力和支付能力都是对外开放的，银行可以用这些能力放在自己的App上去搭建自己产品。” 曹鹏举例说道。