国务院印发的《关于深化“互联网+先进制造业”发展工业互联网的指导意见》指出，未来3年将是我国工业互联网发展的起步阶段。随后，在我国最发达的长三角地区，上海市、浙江省、杭州市、宁波市等地围绕工业互联网均有所动作，而苏南工业重镇苏州自然不会保持沉默。

　　12月7日，在云栖大会·苏州峰会上，此前刚刚在乌镇第四届世界互联网大会上荣获世界互联网领先成果科技奖的阿里云ET大脑成为人们关注的焦点。阿里云总裁胡晓明曾表示：“我们希望通过这套平台，能够帮助中国制造提升1%的能力，1%意味着为行业创造上万亿元人民币的利润。”在苏州峰会上，走上云端的苏州制造，向人们讲述了一个又一个有关智能制造、IoT(物联网)、新零售等产业热点话题的故事。

　　区域经济大脑：地方政府的“好参谋”

　　许多地方政府管理部门，都想随时了解辖区内企业的运行状况，以便确定相关企业是否是本地区所需要的企业。苏州市工业十分发达，去年工业年产值高达3.6万亿元。在苏州高新区内，大概有4000多家企业。阿里云苏州分公司总经理高飞说：“如果靠有限的人力对这些企业做摸底调查，可能需要一年左右的时间，甚至可能还做不完。”当然，今天的苏州高新区管委会并不会为此感到烦恼，因为在管委会决策者的办公室里，阿里云的区域经济大脑已经部署到位。

　　据了解，阿里云的区域经济大脑脱胎于苏州的工业企业集约运行平台。这个平台的目标就是政府一定要掌握必需的数据，以便对企业去做一些精准化的管理。比如，每一亩工业用地能够给地方带来多少税收?能够提供多少就业?能够产生多少碳排放?甚至包括能够带来多少创新?以此来评估某个企业是不是苏州需要引进来的企业，是不是与区域经济发展相平衡的企业。

　　阿里云产品经理杨淑香介绍说，区域经济大脑汇集了和产业经济发展以及企业发展相关的数据，基于算法模型的智能分析以及自上而下整体贯通的产品架构，成为区域经济的透视镜和政企协同发展的桥梁。

　　区域经济大脑可协助政府对企业运行情况进行全面分析，依据企业的排污量、税收、用电量、人力等综合数据分析，对将入驻企业进行评估，为政府招商引资提供判断依据。高飞说，有了区域经济大脑，就能看出哪些企业属于产能过剩，是要去掉的产能落后的企业。“通过数据分析技术，很快就能给区域内的所有企业画一幅精准的画像，我们希望通过数据化的方式，帮助政府做出科学的决策，这是我们设计整个产品的初衷。”他说。

　　显然，阿里云区域经济大脑的推出解决了政府管理中的许多难题。高飞表示，未来阿里云会把区域经济大脑推广到全国，特别是新区，让他们更精准地了解区域内的企业发展情况。

　　ET工业大脑：推动制造迈向智造

　　在云栖大会·苏州峰会上，天合光能宣布阿里云ET工业大脑在试点产线上的电池片A品率提升7%，下一步将在全部产线上推广，预计年利润可提高数千万元。

　　今年7月，阿里云ET工业大脑正式入驻天合光能，结合天合光能实际生产数据，寻找提升电池片光电转换效率的新途径。以光电转化率为标准，其中电池片转化率在18.8%以上的为A品，天合光能希望借助云计算、等人工智能技术提高A品比例。

　　据了解，一片光伏电池的生产需要经历表面制绒、扩散制结、腐蚀、清洗、镀膜、丝网印刷、测试分选等多道环节。天合光能首先将车间设备、人员、工艺、质量等 输入工业大脑，随后通过人工智能算法，对所有关键数据进行深度学习分析，构建模型，精准分析出与生产质量最相关的关键参数。

　　ET工业大脑最终在丝网印刷环节捕获到了关键因子。丝网印刷是制作光伏电池电极最普遍的生产工艺，在前序环节后，电池片已经可以在光照下产生电流，为了将电流导出，就需要通过丝网印刷在电池表面制作正负两极。

　　听起来极为简单的一道工艺，背后是复杂的物理化学反应。丝网间距、室内气温、下压压力、丝网间隙等不同维度的数据都在影响丝网印刷环节的质量。传统的人工经验可以发现两个单独因子之间的关联，而工业大脑通过实时、快速的分析计算，则可以挖掘出5个甚至更多因子之间的关联，远远超出了人力。

　　天合光能全球IT负责人朱加川说：“天合光能智能制造转型已经在进行。目前我们已基本完成了生产过程管理系统化，当前正致力于通过物联网、边缘计算和云计算的CPS(信息-物理系统)架构，结合分析，以数据做驱动，实现制造数字化、智能化的升级。天合光能未来的目标则是全面推进智能化、平台化建设，由制造商向整体解决方案提供商转变，加强物联网、云计算、与新能源生产、存储、配送、消费的深度融合，成为全球领先的智慧能源和能源互联网整体解决方案提供商。”

　　阿里云机器智能首席科学家闵万里表示，阿里云是一个把技术沉淀到车间中去的云计算厂商，抓住工业生产最本质的制造环节，改装生产线的控制，让它可以基于原材料的不同，动态调整加工参数。

　　事实的确如此，2016年夏天，阿里云ET工业大脑首次落地，入驻苏州协鑫光伏切片生产车间。光伏切片生产有着十分精密的工艺流程：一根仅0.1毫米粗细的钢线不断摩擦硅锭，最终切出一片片仅0.2毫米厚的硅片。车间的湿度、温度、砂浆上下部温度、导轮上下部温度等上千个参数在实时影响着生产。如此复杂的生产环境下，人工经验很难百分之百地保证产品质量。

　　ET工作的第一步，是将标准化车间所有端口的数据传入工业大脑，随后通过人工智能算法，对所有关联参数进行深度学习计算，精准分析出与良品率最相关的60个关键参数，并搭建参数曲线，在生产过程中实时监测和控制变量。

　　经过半年的测试调整，ET工业大脑最终在数千个生产参数中发现了影响光伏良品率的规律，帮助协鑫光伏提升良品率1个百分点，相当于一年可以节省上亿元的生产成本。