在工業場景中，一些自動化與智能化企業親歷了2018年底的市場寒冬，遭遇業績“變臉”，至今仍心有余悸；而另一些企業則迎來了前所未見的增長周期，信心滿滿，蓄勢待發。為什么會形成兩極分化的局面？

同處IoT的星球，你、我、他正在經歷的有可能截然不同。

比如在工業場景中，一些自動化與智能化企業親歷了2018年底的市場寒冬，遭遇業績“變臉”，至今仍心有余悸。而另一些企業則迎來了前所未見的增長周期，信心滿滿，蓄勢待發。

為什么會形成兩極分化的局面?

這些市場信號背后蘊含的內在規律應該如何解讀?

IIOT

現實總是骨感

這次我們直面痛苦，從一次對話開始。

當談到去年的銷售業績時，我的好友羽總(化名)并沒有直接回答，而是用手在空中畫出了巨大的“L”。為什么是L型?他繼續說，“不是增長下降，而是整體下滑。”

制造業中一些垂直領域的訂單正在縮水，直接導致上游工業自動化和智能化廠商的業績下滑。其實從去年5-6月份開始，拐點就已經出現。他猜到了開頭，卻沒猜到過程和目前的結尾。

這次的市場驟降得沒有余溫。2018下半年，羽總公司的制造業訂單基本是接近于“0”的狀態。

此前從沒有出現過這種情形。

羽總在一家大型外企工作多年，公司主營傳動、控制、傳感等綜合性自動化產品及解決方案，在工廠自動化領域排名領先，一直發展得順風順水。業績增幅下降的情況都很少見，更別提整體下滑，幅度直逼10%。

羽總的10%還不是最糟。松下、安川、甚至工業智能化巨頭，都出現了不同程度的訂單量下滑，5-10%比較常見，30-40%也并不稀奇。

不僅外企如此，國內企業也未能幸免。在某些上市公司，這種情況甚至演變成股市暴雷。

根據公開數據，江特電機2015年耗資6億收購米格電機，形成商譽4.6億元。后者，米格電機，是國內電機企業中唯一能夠生產伺服電機(含步進電機)超過30萬臺的企業，規模優勢非常明顯。其下游客戶包括大豪科技、英威騰等，得到工廠自動化領域諸多大型企業的認可。

如今，舊時風光不再。江特電機在剛剛發布的2018年度業績預告修正公告中披露，公司修正后的預計業績為虧損15至16.4億元，上年同期為盈利2.8億元。其全資子公司，米格電機，由于下游需求下滑，利潤下降，其商譽存在減值跡象，計提金額約3億元。

這是現實，但不是全部

制造業整體沒錢了嗎?采購需求徹底沒有了嗎?

即便親歷了業績的突然變臉，但產業需求則一直是循序漸進的。業內反饋普遍是：有錢，有需求。但是錢花得更謹慎了，錢的去處也變的更細化了。

制造業哪個部分的錢不花了?

直接說答案：

貴的系統沒人買單了。

周期長的項目沒人盲目建了。

不涉及OT提效，只涉及IT 光鮮的泡沫，沒人想碰了。

那么，有沒有哪個部分的投入還在，甚至更多了?

從硬件來看，大家的反饋非常統一：傳感產品。

中小型制造企業購買傳感器的意愿正在增強。SICK、康耐視等以智能傳感器產品為主的公司，預期增長15-20%。根據康耐視公司最新發布的財報，中國市場2018年銷售額為1.26億美元，2017年銷售額為1.08億美元，增幅16%。

松下、歐姆龍等綜合性自動化公司的傳感產品線，也基本保持了兩位數的增幅。但由于其傳感產品的銷售增長，無法抵消驅動與控制等產品的業績下降，導致工廠自動化部分的整體營收還是低于預期。

絕地?征途?

一邊是冰冷入骨的工業自動化市場，一邊是仍在增長的數據采集場景，為什么會形成兩極分化的局面?這些市場信號應該如何解讀?

1. 從工業自動化到工業物聯網

工業自動化產品一般被用于兩個部分，一部分面向設備制造商，作為組件構成整體設備對外銷售。另一部分面向工廠管理部門，作為生產線的一部分，起到提質增效的作用。

這兩部分對應推進企業發展的兩種驅動力，一種是來自于市場增長性的外部拉力，另一種是來自于企業整體效益提升的內在動力。

隨著市場環境的變化，整體設備的銷量收縮，第一部分的出貨量下滑，而第二部分的投入正在發生轉型。當經濟周期進入新階段，很多市場的增長紅利一望見底，制造企業開始關注可持續的競爭力，開始分析自身的運營效率。如果錢投下去，不能及時有效地轉變為新的制造訂單，這樣的粗放型投入普遍被擱置。

最明顯的表現是，第二部分的投入，正在從傳統工控，轉變為工業物聯網。產線擴容的需求變成了升級改造的需求、設備換新的需求變成了性能提升的需求…對于傳感產品的部署需求被釋放，用于提升企業內部生產的能見度。通過傳感數據的分析，企業可以更好的了解并改善自己的生產效益，延長設備的生命周期。

越來越多的工業數據變得在線了，這本身堪稱一次質變。

2. 從機器換人到機器助人

潮水退去，越來越多的企業仔細審視著自己的“內功”，審視著自己的供應鏈管理和生產效率。無論是產品降價的空間、市場份額爭奪的空間、生產效率提升的空間，都開始被仔細測算。這時，幫助企業獲得效益提升的解決方案備受青睞。

以工廠內部的物流與倉儲環節為例。工業機器人、AGV、自動貨架等高大上的最新產品雖然技術領先性不言而喻，但相比“一次到位”，制造企業更加重視如何逐步的改進現狀。

如果說過去制造企業還“好高騖遠”地思考如何機器換人，現在就“真切務實”地轉而思考如何讓機器更好的與人配合。在不增加太多成本的同時，較短時間內就能提升效率。關鍵是要見效快。

舉個例子，工廠內部的物流管理水平還普遍較低，80-90%的工作仍然由人工操作，短時間內改變這種現狀，做到“無人化”并不現實。通過部署不同類型傳感器，少量網關等硬件，以及為工作人員裝備可穿戴設備，就可以完成倉儲效率的提升。

市場上現有的工業物聯網解決方案，部署時間僅需要1個月，投資回收周期在1年左右。因為對原有流程變化較小，降低了對人員操作及培訓的要求，人力成本可降低30%~50%。

越來越多的企業從小處著眼，讓知識在人機之間共享，讓效益在雙方交互中提升。

3. 工業數據的顆粒度在變細

過去制造企業只需要管好“進銷存”，但現在要管好更深的“底盤”才行。

做個比喻，過去的生產線像自助餐廳，每個機器都在做菜，產品源源不斷產生，顧客也就絡繹不絕。到底哪個廚師做的菜好吃，哪個設備的生產效率最高，并不需要精細顆粒度的數據分析。反正自助餐廳的整體銷路好，菜是否好吃，生產效率是高是低，都能分到一杯羹。

數據顆粒度太粗，導致餐廳既不知道顧客是被哪盤菜所吸引，也不會因為某盤菜賣得好，給廚師發獎金。自助餐廳的廚師也就沒什么廚藝精進的意愿，畢竟做好做差一個樣。菜色日趨平庸是必然。

但現在，顧客口味變高了，個性化更強了，自助餐廳的模式很難生存。這時就要分析每個廚師的表現、每盤菜品的受歡迎程度、甚至每個人廚藝中的優缺點。

具體到制造業，就變成需要追蹤每一批次的產品，甚至追蹤到每一件獨立的產品，比如生產出的一瓶水、一包煙、一根筆…這樣的顆粒度。還得了解每條產線，每個工段，甚至每臺設備在各種工況下的具體情況。

與數據顆粒度變細這一趨勢高度相關的，又是工業物聯網系統。

首先是設備聯網，通過數據采集的精細化和全面性，覆蓋工業過程中的各類變化條件，保證提取出反映對象真實狀態的全面性信息。

當然僅僅做到數據聯網還不夠，需要進一步掌握數據背后的物理意義，以及特征之間關聯性的機理邏輯，將數據分析與決策、管理、激勵掛鉤。

縱情向前

對未來越有信心，對現在就越有耐心。

工藝水平、運營能力和員工素質都是逐步提升的過程，這些事情只有去掉浮躁和泡沫之后，才有韌性扎實去做。

無疑，在2019年，一家制造企業的“底盤”承載著運營效益。這個階段，“降維打擊”可能會成為普遍現象，運營效率不高的企業直接被清除出局。

以上種種，對工業物聯網來說，是不幸中的萬幸，是“蕭條”下的利好。