先帶大家來回顧一下這個事件的始末吧。

“女工程師爬到8米多高的鍋爐上，跟工人師傅瞭解每一個器件的作用”這事兒發生在迪森熱能。迪森熱能主要做的還是熱能裝置的生產製造，因此跟阿里雲工業雲合作，想透過ET工業大腦實現對鍋爐健康狀況的評估。於是就出現了上面這一幕。

我去搜索了一下，發現這事兒基本上是他們阿里雲工程師的常態了，之前也有阿里雲演算法工程師光鹽在車間寫程式碼的新聞。www.sohu.com/a/157406661_505825

為啥阿里雲工業雲的工程師都這麼接地氣，主要還是跟阿里雲的戰略有關。

首先，我們可以看到，隨著工業網際網路的不斷髮展，阿里雲培養了更多網際網路+工業製造跨界人才。阿里雲將全國工業雲總部設定在廣東，並且正在組建規模達1000人的雲計算和人工智慧工程師團隊來深度再造ET工業大腦。

這就要求團隊既要懂演算法，又要懂製造業，這樣的跨界人才真的挺難找的。所以“下車間學習”就成了阿里雲解決團隊知識背景單一的最快手段。

也正是這樣的做法，讓工程師們真正的清楚了生產的每個環節，以前那些需要憑藉經驗來判斷的事情，現在可以直接在車間透過資料獲取，寫出來的程式碼才有效果。

其次，阿里雲工業雲十分重視應用，目標是解決工業中實際的問題。在有些企業的人工智慧往往還是存在在PPT，或者是演算法、模型的領先。但是阿里雲的ET工業大腦更注重實踐和應用，目前已經在許多大型製造業企業實際運行了一兩年時間，效果也挺好的。

比如說全球最大的光伏切片企業江蘇協鑫吧，透過與阿里的合作，協鑫整個生產線的良品率提升了一個百分點，每年創造了上億元人民幣的價值。也是因為這次合作，ET工業大腦對流程製造業有了深刻的認知，對後來進入半導體流片、印染企業、鋼鐵等流程製造企業的幫助非常大。

最後，現在阿里雲ET工業大腦正在深化著“網際網路+製造業”。浙江“十萬企業上雲”中阿里雲支援了半數企業，不乏中策橡膠、盾安新能源、恆逸石化等大型製造企業，而在江蘇則誕生了ET工業大腦首個成功案例——協鑫光伏……這些案例都在表明，現在網際網路與製造業正產生著激烈的化學反應。

以前傳統企業對網際網路的接受程度非常低，但現在不一樣了。雲計算、大資料、人工智慧賦能於製造業，加速了智慧改造。所以就需要更多的工程師走入車間，先成為一個生產工藝師，其次才是人工智慧演算法工程師。

順便說一下前兩天，阿里雲Quattroporte胡曉明在廣州開會，也強調了阿里雲現在很重視工業賦能，未來10年，將推動廣東製造轉型“廣東智造”。

總之，我認為阿里雲是將人工智慧這個很“高大上“的概念真正落實到了產業上，變成了”接地氣“的技術，讓工業也享受到了人工智慧帶來的方便，還是很支援的。大家也一起來談論一下？

阿里雲團隊不僅要懂演算法，還要懂製造業。阿里雲團隊培養的是更多有實踐經驗的年輕人，因為只有把理論和實踐相互結合，才能幫助工程師們更好的解決問題。“下車間學習”是解決團隊知識背景單一的最快手段。

當團隊要進入一個新行業新場景的時候，如何能快速的對工藝知識、業務需求、資料基礎等有所瞭解並準確的掌握，那就需要因地因時轉換，不同的場景和行業對工藝的要求也會不同，就算是在高超的演算法也需要結合實際情況進行分析。

其實深入工廠、深入車間，不斷聚焦在製造業生產流程中的具象環節，與抽象畫的演算法公式有著很大的不同。觀察製造業的生產流程，與工廠工人進行一次次的交流和共鳴中，更有利於工程師找出其共鳴點，對演算法的改進將會有一定的幫助。

關注生產環節中的業務流程、關鍵業務點和關鍵資料，並對這些資料進行分析、搭建模型，定位出哪些節點對工廠提升良品率來說更有意義，找出改工廠在哪些環節存在弊端，如何用演算法去針對性的進行改良，這些都是下車間的好處。

以前工程師們往往以過去的經驗和資料去判斷的事情，其實不同的廠商每個環節的資料都會有所出入，現在可以透過下廠資料獲取，從資料角度去描述和判斷一個部件是否在正常狀態下執行。更有利於工程師對演算法的精密計算。

當工程師與工廠相遇，一定能擦出不一樣的花火，工程師們可以許多和裝置專家、工藝人員交流是，相互瞭解，相互學習，從其它行業中交流不同的技術，就像“不入虎穴焉得虎子一樣，只有深入體驗，才能更好的改變工廠存在的弊端。

要想幹好一行，必須要用真心去對待，這個社會很現實，只要你認真對待了，社會就會回報給你應有的成果，阿里雲的女工程師能夠放下架子，爬到鍋爐上跟師傅瞭解每一個器件的作用，年輕的工程師在車間寫程式碼，這些都足以說明他們是在用心工作，不是應付了事，所以阿里雲ET是唯一走?檞Sc蔕>J甇（?

我們在其他的企業看見過工程師爬到鍋爐上面跟工人師傅交流過嗎？我們見過工程師忘我的在車間裡面寫程式碼嗎？所以說事在人為，只要用心去幹了，就會得到成果的回報，阿里雲不愧是阿里雲，員工都是忘我的工作，都是用心的在工作，都不是像我們大多數企業的工程師一樣混日子

其實，在我看來，阿里雲在注重使用人工智慧解決問題的同時，也充分考慮到了光靠工程師個人的“經驗”並不足以完美的與現實實際相匹配。它引領工程師們走進車間，深入瞭解掌工藝知識、業務需求、資料基礎等。

阿里雲跟其他公司的打法不一樣，是從製造最核心的地方做起，深入到車間裡去，看到工業生產最本質的製造環節，對那些機器的生產線加上神經網路，改裝生產線的控制，就好比嫁接一個可以思考的“大腦”，讓它可以基於原材料的不同，動態調整加工引數。這就是ET工業大腦。

三年前，阿里雲就是依靠ET大腦才把物聯網大資料與工業領域結合起來，幫助中國許多製造業企業進行智慧轉型，比如全球最大的太陽能元件生產企業天合光能將電池片A品率提升了7%；全球前三的中策橡膠將混煉膠合格率提升了5%；協鑫光伏將良品率提升了1%……毫無疑問，阿里雲的人工智慧正在改變中國的製造業。

總之，就是因為阿里雲玩人工智慧十分注重和實際產業結合，所以它自己就能和其他公司明確的區分開來，隨後它的團隊工程師也深入到了實際生產中，也就讓阿里雲成為了唯一一個走進車間的人工智慧，從“陽春白雪”變成了“下里巴人。”