作者| 黃松延
編輯| 白則人
本文主要從研發到營銷講數據智能重構供給側的問題，并不考慮經濟學中土地、資本等供給側其他重要、但與數據智能化關系不大的要素。數年前國家已提出供給側結構性改革，調整產業結構，去除無效供給。本文從技術結合市場的角度切入，用數據智能化的思路，在各個細分行業，考慮如何做到供給與需求的精準匹配及需求到供給的快速實現問題，提出了需要用數據智能化的方法重構供給側的觀點，進而給出“ 數字化供給”的思想。
關于作者
黃松延博士
線性資本執行董事
黃松延博士重點關注數據智能重構供給側、機器人、芯片等領域投資。擔任IEEE學會多個頂刊的審稿人。曾就職于華為，任數據科學家職位，先后負責過多個人工智能前沿研究及應用開發項目。黃松延博士畢業于浙江大學信電學院，機器學習方向。
01.
為什么要用數據智能重構供給側
我國經過40年的快速發展，開廠、擴生產就能賺錢的時代已經成為歷史。供需關系正面臨著不可忽視的結構性失衡，中低端產品過剩高端產品供給不足的現在極為嚴重，這也是國家層面提出供給側結構性改革的原因所在。不僅在經濟結構方向，對于單個產品，由于需求的差異性越來越大，導致產品的個性化/非標性越來越嚴重。過去，靠標品打天下的時代幾乎一去不復返。當然有人會提出茅臺就靠標品做到萬億市值這樣反例，但畢竟人家有中國最大CRM軟件、奢侈品這樣的屬性，這是不好比的。
由于需求的差異性越來越大，變化越來越快，如何解決供給與需求的精準匹配、需求到供給的快速實現問題逐漸成為很多行業面臨的核心問題。想要解決該問題，就要做到能夠快速精準的洞察需求并響應需求，最終做到快速地識別需求標簽，并能夠把需求標簽轉化為設計標簽、采購標簽、生產標簽。對于多數行業來說，目前還無法做到快速的需求洞察與需求響應，原因在于過去供給側主要為做標準品而建立的，工作在線下、非數字化環境中，在一定成本與時間要求的約束下，無法滿足多樣性、快速精準的要求。想要實現上述的能力，首先要把供給側要素映射到數字世界，給出準確的“數字化供給”，并基于數字化供給，得到具有真實統計意義的需求，進而再用數據化供給指導生產，快速實現市場真實的需求。需要注意，數字化供給必須完全準確，是實物在數字世界的一對一映射。據我們了解，“數字化供給”概念由本文首次提出。
02.
數據智能重構供給側的評價標準
數據智能重構供給側，首先要考慮數據智能與產業結合問題。針對該問題，線性創始人Harry發表了數據智能與產業結合的分析框架，具體內容和分析可參考Harry的個人演講《 AI投資的未來黃金十年 》 。我們接下來思考數據智能重構供給側的分析維度。從供給與需求的精準匹配及需求到供給的快速實現問題出發，就需求側與供給側的特性，我們給出如下5種分析維度：
需求側SKU種類大小
比如在鞋子、工業自動化等領域，存在海量的SKU。我們認為SKU種類越多越好，SKU種類越多，行業越難形成寡頭壟斷，數據智能重構供給側的阻力會越小。另外，SKU種類越多，數字智能化重構供給側的效率提升空間也越大。
需求量變化快慢
需求量變化越快越好，從需求側的量這一維度思考，極端情況，如果需求量是恒定不變的，則供給側保持恒定供給即可，自動化的手段就能完美解決問題。但在多數實際情況中，需求量都持續變化，因而需要及時調整供給以匹配需求的變化。比如在熱能行業，由于工業園區有多家工廠，且每家工廠自身產量變化很快，導致對工業熱力站的熱能需求量也變化很快。
供給側現有運作效率
現有供給側運轉效率越低，數據智能改造供給側帶來的效率提升越明顯，重構速度也會越快。我們已經看到在不少行業中，數據智能重構供給側能夠帶來數量級的效率提升。在中國，由于大多數行業信息化程度不高，存在大量原始作業方式，效率很低，數據智能改造這些行業相當于在一片未開墾的土地上耕作，效果凸顯速度更快、凸顯程度更高。因而，在中國，我們預測數據智能重構供給側會在未來十年中大規模的發生并發展壯大。
供給角色的非同質化性
如果供給側的角色單一、或者同一角色的屬性單一，基于規則就能完成有效運轉，數據智能可發揮空間有限，反之，數據智能則能夠發揮比較大的價值。
業務場景的多元性與復雜性
例如家裝與教育的業務場景就比較復雜。我們認為業務場景越復雜與多元化，則越好。復雜與多元化的業務場景會導致需求的碎片化，進而導致供給方的多元化。該情況下，基于數據智能，創業者“更容易”連接起多方，重構供給側的同時，賦能行業。另外，在多元化的業務場景下，更容易做產品與服務的延伸，因而未來更容易找到企業的其他增長曲線。
03.
數據智能如何重構供給側
中國幾乎有世界所有的行業，但不同垂直行業屬性差異很大，且各自信息化、自動化程度大相徑庭，因而數據智能化在不同行業的演進方式不可能相同，比如離散型制造與流程型制造的數據智能化方式就有比較大的差異。在實際商業中，不管是創業公司還是大公司內部，幾乎無法做到純粹為了數字化而數字化，對于不同的行業，關鍵是找到行業痛點，并以此為切入點，解決問題的同時完成數據智能化重構。下文我們會根據行業形態、行業現狀、行業問題的差異，總結幾種供給側的數據智能化演進方式。
去除無法用數學建模表達的因素
比如人工操作，不僅不可建模且會引入人為誤差。通過自動、智能化設備引入、人工經驗的模型化等方式，不僅能消除人為誤差，也能通過對人工經驗的數據化、并結合大樣本的學習優化，降低對老師傅的依賴，提升系統效率。特別地，對于復雜系統，人工幾乎沒法完成平穩、高效的控制，因而整個系統端到端的數字化、自動優化與控制意義更大。在熱能行業，需求端對熱能的需求量實時變化，供給端的工業熱力站是工作在高壓、危險環境下并具有非線性、強耦合、大延遲特性的熱能系統。目前我國多數工業熱力站的操作人員只保證鍋爐安全，幾乎不考慮效率高低問題。全應科技通過自研端到端的熱能行業數據智能化解決方案，能夠準確洞察需求、優化系統、大幅提升系統的效率，在實際落地中，僅一個小型熱力站，全應就能幫助它年年節省200萬。
打通從研發到生產的整個數字化鏈條
接通供給側斷裂的數據鏈路，釋放被“壓制”的個性化/非標化需求。在一些行業，我們看到個性化/非標化需求真實存在，但是現有后端在成本、時間等約束條件下做不出來，就是因為從研發到生產的流程中存在嚴重的數據割裂現象。比如，在建筑行業，我國建筑設計師常面臨一個問題：自己有很多個性化設計創意，如果交由工人手工完成拆解與加工實現，在規定的時間內做不出來產品，最后建筑設計師只能妥協，選擇市場已確定能夠生產的模塊，作為一種折中方案，當然也對創意大打折扣。在該方向，我們已經看到有公司通過自研CAM，做到快速地把設計標簽轉化為生產標簽，釋放建筑設計師被“壓制”的個性化需求。
打破原有行業壁壘，釋放更多的“數字化供給”
傳統消費行業遵循收集需求、分析需求、B端研發設計、采購、生產這樣的流程，隨著供給主導的標品時代結束，個性化需求越來越凸顯，如何能夠快速的洞察需求成為決定一家企業生存的核心問題。在零售領域，通過網紅、社區領袖、以及能夠與客戶實時互動的小B等抓手，企業實現了一定超前的洞察性。但是如果能夠在供給側直接提供“數字化供給”，則可能通過這種極低成本的“虛擬化”供給預測出市場需求，然后根據市場真實需求，并結合準確的數據化供給，指導數字化生產，精準供給，實現供給端的規模效應。在鞋子行業，時諦智能通過提供鞋子準確的虛擬化3D設計方案，把一款鞋子的平均設計時長從90天變為準實時實現，平均成本從超過一萬元降為相應的算力成本，在同等成本投入下，通過技術實現了供給的極大釋放。上海信傳科技通過數字化陶瓷行業原材料，在保證陶瓷品質的前提下，給出了不同的配方，釋放“供給”的同時，大幅降低成本，真正做到了幫助不同的泥巴實現：都是泥巴，憑啥你行我不行。
改變生產方式，提供柔性化產線
到目前為止，非標與規?；a之間矛盾沖突仍然非常嚴重，工廠做個性化定制，一定會帶來生產成本提升、良品率降低等問題。想要徹底消除該現象，需要生產方式的革新，做柔性化產線。在很長的時間內，汽車被認為是典型的標品，但近幾年該行業正在發生很大的變化。世界頂級機器人公司KUKA聯合某歐洲車企巨頭做的Matrix Production（矩陣化生產）產線已經在該車企實現落地，且MatrixProduction已經被KUKA注冊。矩陣化產線由多個獨立執行單元組成，每個執行單元能夠完成某幾種工藝流程，矩陣中不同的幾個單元組成一個完整的生產流程。矩陣中的每個單元物理上相互獨立，并在能夠完成的工藝種類上有冗余設計，該種設計思路保證產線高效并行運轉的同時又有極大的柔性與容錯性。該方向，杭州芯控智能結合我國工廠現狀，提供了柔性化產線整體解決方案，已在不少行業中落地。
上述幾種方式并非相互獨立存在，在不少行業中，他們是相輔相成的關系，在未來數據智能重構供給側的演化進程中，會相互促進，推動整個供給側完成數據智能化重構。
04.
數據智能重構供給側帶來的機會
基于上文的分析，我們可以看到想實現效率的大幅提升、資源的精準配置，必須先用數據智能重構供給側。過去二十年，由于溫飽與娛樂需求還未被完全解決，我們看到數據化成功改造了零售、社交、內容服務等行業，也產生了幾家行業巨頭。今天，我國的基本生活需求已被滿足，但其他行業還比較原始，存在巨大的市場機會，未來十年一定會是數據智能重構供給側的黃金十年，更是技術人員創業的黃金十年，但要求技術人員能夠深入到行業中去，深刻理解行業屬性，并找到行業痛點問題。在投資過程中，我們觀察到幾個潛在的方向：
行業中的精準數字化供給。 行業精準的數字化供給是數據智能重構各個產業供給側的根基。
數據智能重構供給側衍生出的新角色 ，在現有行業中不存在的產品或者服務，但對數據智能化重構供給側進程至關重要。
現有供給側數據鏈條的斷層點 ，過去的信息化給某些行業提供一定的數據化基礎，但是，多數的軟件更多從某單一功能點切入，使得大多數行業供給側存在數據鏈條斷層現象，如果能夠從這些點入手，利用好現有的數據化基礎，會加快供給側數據智能化進程。
05.
后記
本文從如何完成供給與需求的精準匹配及需求到供給的快速實現問題出發，提出了數據智能重構供給側的觀點，并給出了數據智能重構供給側的評價標準、實現方式等分析框架。數據智能重構供給側會打破原有行業壁壘，重構產業鏈，把現有的線性供應鏈轉變為分布式供應鏈，這會是行業的一次巨大升級。在后續文章中，我們會給出不同模塊的進一步詳細分析報告。數據智能重構供給側是一個相對漫長但不可逆轉的歷史性進程，我們在數據智能重構供給側方向看了不少企業，也投了一些企業。ToB市場，不同細分領域千差萬別，不存在贏者通吃的情況，更多細分方向還有待更多的創業者去布道、去開辟。