人工智能为金融行业提供了一种可以满足客户需求的方式，这些客户希望以更智能、更方便、更安全的方式投入、获取、消费、储蓄其资金。由于使用了人工智能和机器学习，金融机构和银行运行的应用程序变得更加简单易用。

　　金融科技公司对人工智能技术特别感兴趣，开发和利用人工智能应用程序。基于的人工智能的解决方案旨在满足当今金融部门的关键需求，例如改善客户体验、成本效益、实时数据连接以及提高安全性。通过实施人工智能和相关技术，可以为其客户创造更好、更具吸引力的金融环境。以下列出了金融行业的十个人工智能创新应用。

　　(1)信用评分模型

　　信用评分这个人工智能模型是由Temenos AI公司开发的。该公司率先为银行提供了具有自动化决策功能的人工智能应用，同时拥有透明度和可解释性。信用评分模型能够提高合格率，降低违约风险，从而降低信用风险。通过与Temenos Infinity集成，提高了对最终用户的透明度，实现了可解释的自动化决策，将承保工作提升到了一个新的水平。

　　智能数据湖由Temenos AI公司开发的XAI平台和Temenos数据湖集成而来，为银行提供实时、端到端的服务，通过多种来源提供更高质量和丰富的数据。数据湖从大量数据源中收集大量不同的数据，保留其原始模型和格式，并支持用户就地查询和分析。这意味着银行可以在人工智能算法的帮助下做出更快、更准确和可解释的决策。

　　机器人顾问不仅是传统财务顾问的低成本替代方案，而且还可以为大量用户提供财务咨询，帮助用户做出更明智的财务决策。此外，数据驱动的人工智能机器人顾问还可以向投资者推荐投资组合、退休、遗产规划等服务，从而使其开户过程成为一种良好的互动体验。

　　(4)基于人工智能的报告和分析

　　现在通过移动银行应用程序和门户网站，金融服务人工智能(特别是Envestnet Yodlee的人工智能Fincheck)可以分析消费者的账户数据，以了解他们拥有的资金和财务表现，并根据分析数据对未来的行动提出建议，然后帮助用户实现储蓄和预算的自动化，以改善财务状况。在金融行业，人工智能可用于检查现金账户、信用账户和投资账户，以判断某个用户的整体财务状况，并能跟上实时的变化，然后根据新传入的数据创建定制建议。

　　Envestnet的智能和高级分析服务可以使金融机构能够轻松地实时获得关键业务问题的解决方案，可以在台式机、移动设备和支持Amazon Alexa的设备上使用。Envestnet的智能和高级分析服务提供交互、预测和对话功能，从综合的金融数据集中提取信息，以确保金融机构能够随时随地在任何设备上轻松回答关键问题。

　　银行业中的聊天机器人不仅是一种节省成本的工具，还可以自动执行简单的任务，例如开设新账户或在账户之间转账。想要使用聊天机器人的很行只需将它们加载在现有网站上，而无需创建单独的聊天机器人应用程序。而且它们始终在线，因此即使是在凌晨访问网站的客户也可以获得答案和帮助。聊天机器人可以执行的任务包括，支付账单或处理帐户申请等。

　　(7)快速且可扩展的图形平台

　　TigerGraph图形平台利用人工智能和机器学习工具处理图形数据库。TigerGraph将大规模并行处理、MapReduce、快速数据压缩和解压缩等功能与新方法结合，创建了一种可扩展、快速且可靠的深度探索方法。TigerGraph的工具利用分析、机器学习和人工智能算法来帮助用户分析复杂的数据集。Visa公司等行业领先的金融服务提供商以及中国招商银行正在使用TigerGraph来增强他们的欺诈检测流程。

　　(8)虚拟环境中潜在的未来模拟器

　　企业软件生产商Simudyne公司为金融机构生产人工智能软件。他们的解决方案让金融服务提供商能够在安全的虚拟环境中有效地模拟潜在的未来场景。他们的人工智能软件可应用于交易、借贷和风险管理领域。这个人工智能工具让银行能够模拟一系列场景，例如对欺诈者的行为进行建模。

　　印度第二大私营银行ICICI银行已在其各个职能部门的200多个业务流程中部署了软件机器人。ICICI银行的软件机器人被配置为从系统捕获和解释信息、识别模式，并跨多个应用程序运行业务流程，其中包括数据输入和验证、自动格式化、多格式消息创建、文本挖掘、工作流加速、对帐和货币汇率处理等。

　　预测分析功能包括提醒客户定期支付高于平均水平的费用，如果客户的支票账户中的资金超过平均水平，则提醒客户将资金转入他们的储蓄账户，或者提示客户在购买机票后制定旅行计划。预测分析可为移动应用程序用户提供超过50种不同场景的提示。例如，如果客户收到一笔不符合他们通常交易模式的入账存款，并且不需要满足他们的正常费用或预定付款，系统可以突出显示存款并建议客户保证资金的安全。

　　人工智能在金融行业的未来发展

　　无论是在加速交易、自动化呼叫中心、实时欺诈预防还是其他金融服务领域，人工智能都在帮助金融机构为其客户提供服务，并推动金融行业的未来发展。最终，金融机构将支持数百个甚至数千个应用程序。那些投资于企业人工智能转型的银行将获得市场份额、提高客户满意度以及改善财务绩效，并超越那些未能在人工智能方面进行创新的竞争对手。

广发证券大数据平台技术负责人刘幸：“FinTech促进券商的业务转型，是下一代券商的核心竞争力。人工智能已经处在风口，在国外的券商业务中已经有经典的应用场景并显示了其巨大的价值和潜力。”那么，广发证券的智能证券业务未来的发展趋势如何呢？

一、大数据和人工智能的时代；

二、人工智能和大数据在行业中的应用；

三、人工智能和大数据在广发的实践。

大数据和人工智能的时代

时代趋势。这是一张反映技术成熟度的图，大家可以看到大数据和人工智能所支撑的技术基本上都在顶峰，也就是说这两个是比较火的。我们再看一下人工智能和大数据给我们带来一个很大的领域叫FinTech。我个人总结一下大概是三个，第一个是人工智能，第二个是大数据，第三个是区块链。这里我主要讲人工智能和大数据，再加上传统的证券业务，传统证券业务推出了一系列创新型的产品，用技术去推动业务的发展。

行业形势。一句话来概括，FinTech促进券商行业的业务转型，是下一代券商核心的竞争力之一。这里主要有两个技术：一个是大数据，一个是人工智能。大数据现在已经进入成熟期，因为从我进入这个行业开始，大数据就已经非常火热了。大概从2004、2005年发表论文开始，2007、2008年Hadoop开始横空出世，那时候大数据就逐步的火起来，到了一几年，基本上是火遍天。现在大数据技术提的已经比较少了，因为这个风头已经被人工智能所取代，这个标志性的事件可能就是AlphaGo事件，所以人工智能现在处在一个风口。据我个人判断，确实存在可以落地和实践的地方。

人工智能和大数据在行业中的应用

人工智能和大数据在行业中的应用主要有三方面：智能证券业务、数据化运营、智能监管。

智能证券业务有几个大的方向：①智能报告，比如投资银行、证券研究类里面可以做一些智能研报，这些都是全部智能化，比现在人工建模人工写的这种效率高很多。②量化交易、征信，可以把这个归结为人工智能辅助工具。③智能投顾，这个也炒得非常火，我们广发也有相应的智能投顾产品，叫贝塔牛，应该是券商里面第一个吃螃蟹的人。④金融知识图谱，这也是我们现在正在建的一个东西，还没有完成。

智能证券业务里面的智能投顾和智能客服部分，分为三个维度：用户服务、投资产品服务和资讯类服务。这几个东西在我们金融行业看起来好像比较新，其实在互联网行业早就已经玩得非常成熟了，比如说资讯，我们智能化推荐，根据他的个人兴趣去推荐一些东西。

数据化运营也是非常成熟的。之前我们把这个东西叫做基于数据的运营，或者叫数据化运营，第二步我们会跳到智能化运营。我们看一下数据化运营里面主要的几个点：数据化运维、智能风控、智能合规稽核和智能财务，后面我会讲到数据化运营和智能风控实现的方式。

监管行业就是有适当性的检测、交易的检测和反洗钱的检测，这三个都是非常适合用智能化的技术去解决的。

人工智能和大数据在广发的实践

这部分内容包括广发在人工智能和大数据方面的技术介绍以及人工智能和大数据在广发的应用情况。

1、广发在人工智能和大数据方面的技术介绍

资源层。最底层的一定都是资源。首先有资源，我们才能干活。最底层的资源我们有大数据和人工智能技术站，必须有比较多的技术储备；往上有数据源的集成，有IT的资源，有专业的人力资源，这整个构成了我们的资源层。

服务层。我们有了资源以后，会推出各种各样的服务，由此建一个服务层，有大数据开放的研发服务，有智能引擎，有大数据引擎，有自动化产品，有专业的方案和研发。

客户层。再往上是客户层，这不一定是我们广发最终真正的客户，但是对我们的大数据和人工智能平台来说有可能是我们的客户，所以我们对内所有的业务部门也算我们的客户，比如我们的手机APP的使用端也是我们的客户。也就是说使用了我们整个服务的都算是我们的客户，所以有浏览器，有APP，有最终用户，以及我们的业务部门等等，这对我们来说都是客户。这是我们的服务层级关系。

②广发大数据团队日常工作

平台建设及运维。我们会运维一套人工智能和大数据平台，不但要建设它，还要维护它。

数据运营。有了这个基础之后，会做数据运营，常见的有常规的数据治理工作、数据建模工作、以及与数据资产与运营管理相关的工作。

价值发掘。数据运营之后，接下来就进入价值发掘阶段，这个是最核心的东西，一级一级往上推的话，它的价值越容易被人所看到。价值发掘阶段，有AI、大数据、云服务、研发、运营管理。我们刚才讲的服务层，我们要进行研发，我们把它称为内部的私有云服务。价值发掘有产品研发运营服务。再往后我们有业务项目的研发方案，这个就相当于不是我们主导的一个产品，相当于某个业务方，比如我们要做一个智能化的风险识别，提出业务需求，我们用大数据和人工智能的能力去支撑业务的开发和运营。

系统架构分成四层：天源层（数据池）、集市层（数据集市）、服务层（SaaS层）、PROD产品层。

天源层。我们再看一下系统架构是怎样的。这是整个系统的架构，这一块技术人员会比较感兴趣。我们看一下左边这一条，数据治理体系，从下往上要保证它的开放性、应用性、合规性、安全性和可靠性，这些是用一套标准和规范来约束着下面这一层。

下面这一层大的东西是我们的PaaS层，PaaS是平台即服务的意思。我们建了一个大数据和人工智能平台，大数据平台是最中间的这一块，叫广发Data Platform，最右边是AI Platform，人工智能平台，这个平台是平等的关系，并不是上下级的关系。

再往上是DaaS，是数据即服务，我们下面有一个数据池，我们叫做天源层，这个Date Lake是我们所有数据的池子。我们把所有业务的数据，包括它所有的历史，全部采集到数据池里去，供大家使用原始的数据。大家可能会有很多的问题，比如一份数据有很多人使用，比如我需要一个指标，很多人重复计算，我们就非常缺乏一个金融建模。

我们再往上有一个.cn，进去体验一下。

这个大家都玩的比较多了，券商必须有一个监控大屏，但是大数据监控和一般的监控大屏有什么区别呢？最大的区别其实就一点，我们是用流计算技术去解决的，传统的监控大屏是专门开发一套case by case的监控系统。我们现在的流计算技术，把实时的业务数据流处理过来，这样能够解决海量的数据，比如交易明细、日志都能拿来分析，这是传统监控大屏系统解决不了的，因为我们的数据量极其庞大，一天下来就有几千万的交易明细的列表，如果用传统的技术去解决，几乎是计算不过来的。这是我们用流计算的技术去做大数据监控。

可能是大家听的最多的，这个截图还是用的比较早的版本，现在的版本比这个界面美观很多。这个是贝塔牛，在券商行业也是比较有名的系统。贝塔牛的后端服务给大家看一下，这一块用到了我们广发大数据平台。

我们自己基于Eagle发了很多微服务，所以贝塔牛的后端技术还是蛮先进的，把所有的服务全部都微服务化，然后在后面直接对接大数据平台，微服务做了哪些东西呢？做应用服务接入、session服务、注册、安全验证、投资组合管理、股票组合管理、资产配置、任务监控、一键跟单和统计分析，这一块相当于用微服务解决整个业务系统的问题，数据的计算以这个用户该给他做哪些股票，应该选哪些股，应该怎么生成策略，它的资金投资组合应该怎么办，这些都是大数据计算出来的。

大数据应用——产品&资讯推荐

大数据应用还有一个产品和资讯的推荐，这一块比如我们建投资组合推荐的时候，是根据用户的偏好和行为，推荐的一个他可能喜欢的股票和投资组合，当然他也可以不选择这个，只是系统会给他推一个出来。比如说我们发现这个人是风险型承受能力比较高的，喜欢做短线操作，不喜欢买一些蓝筹股，那系统就会自动算出来，这个人推荐中小盘成长策略。如果我们发现这个人是稳健型的，经常买大盘股、蓝筹股，我们就给他推荐一些相对稳健类的策略，这样我们就可以更提高用户的转化率，比让用户在一堆策略里面自己选择好很多，这就是推荐的好处。

第二个是资讯中心，比如他资讯看完了之后，可能对相关内容的资讯，下面会有几个相关资讯，还有用户可能感兴趣的资讯，做一个资讯推荐。再往下就是（易淘）的广告推荐，相当于是一个能变现的推荐，前面两个是提升用户体验的。第三个，比如说在首页、理财产品、基金产品的地方，我们会放一些广告的推荐。在互联网行业给用户推荐东西是非常理所当然的，没有协会的存在，没有规章制度的存在，没有条条框框的限制，互联网给大家做推荐是非常多的，到了证券基金有很多条条框框的限制，有合规的限制，有各种证券基金管理的限制，比如说我们现在又出了适当性管理办法，这些就对用户有了比较明确的要求，我们做推荐的时候，要在用户授权的情况下，才会给他做推荐，所以我们为了给到用户适当性管理的要求，我们做推荐就要给用户做一个选择，就是你愿意看的推荐和你不愿意看的推荐，给他一个开关和入口。

再往下，我们可以做产品体验的改进，这个是我们用大数据的技术自己去分析我们的产品。比如我们埋几个点，埋到我们系统里面，我们可以改善整个系统的产品。举个例子，我们把估值由以前的每天算一次变成实时算一次，改进产品的体验。比如说页面布局，我们用AB test，有几套布局，我们让不同的用户看到不同的布局，看用户的喜好程度是怎么样，然后来改进我们自身的产品。

全面风险管理用大数据和人工智能技术做风控，这也是业界说的最多的话题，我们有个专门的部门叫风险管理部，一块做的全面风险管理项目，把传统的风险那一套逻辑，用最新的大数据和人工智能技术替代掉，第一步先替代它，第二步再去改进它，为什么我们用大数据和人工智能去替代传统的风险管理呢？最主要是传统风险管理的技术层面，有几个不足，一个是数据全面性不足，数据内容不足，系统计算能力不足，实施性不强，就是传统的这些技术解决方案，它的计算能力在海量数据面前是没办法发挥应有的功效，它不支持海量数据。第二是传统的数据代价比较大，比较昂贵，如果我们实现的话，它的代价也是非常大的。用Hadoop之后，不但能解决大数据的问题，也能解决系统的造价问题，这个是风险最喜欢的两点。我们有了大数据技术以后，就有了数据抓取能力，有更强大的计算集群，更强大的数据存储，内层化的流数据计算，这样我们的全面风险管理能力大幅提升。

我们看一下风险管理这个图，底下一堆是我们从各个系统里抓的数据源，再往下是我们的大数据平台，跟贝塔牛一样，也是处于承上启下一个比较重要的阶段。

这个我们目前正在做，我们还没有完全实现这个实时风险管理。我们现在的风险并没有想象那么实时，这个很简单，把我们的T+1的一线数据计算变成实时的T+0的实时的数据计算，这个通过卡夫卡组件，就可以把各种各样的数据拉过来，进行实时计算，做一些实时的分析，多层神经网络模型预警，最后产生报警，可以去交易。风险有事前事中和事后的风险，我们前面那一块事前和事后的风险，这个是事中的风险管理，我们可以拒绝他的交易，可以报警。

智能投研，这也是讨论比较多的话题，我们要建一套语义图谱、知识图谱、机器学习图谱，然后智能投研会建一套智能投研的引擎，可以完成数据梳理、辅助智能投研报告以及数据支持。

近年来，我国在推动制造业升级的步伐上也明显加快，2017年国务院发布的《深化"互联网+先进制造业"发展工业互联网的指导意见》中明确指出，工业互联网平台对于促进"互联网+先进制造业"的融合发展具有重要的作用。IDC 预计，2020 年中国工业互联网市场规模可达 1275 亿美元， 年均复合增速约 14.7%。

11月22日2018广东云栖大会上，阿里云首席智联网科学家丁险峰从智能制造的连接、合作、创新三个维度，分享了阿里云在工业领域的思考。

阿里云首席智联网科学家丁险峰

丁险峰总结了三个定位，是对现有能力的优化提升，是中小企业的普惠智造，是工业物联网+互联网。

"很多人现在说要做智能制造，就是要建一条全自动的生产线，但是中小企业怎么办？自动化的生产线就等于智能制造了吗？"

"对现有的生产线的能力的改造也是智能制造的一部分，这其中不仅仅是工业互联网，而且要运用工业物联网，二者结合才能寻找出一条适合中国中小企业普惠制造的智能制造之路。"

工业互联网平台是智能制造最重要的基础设施

"制造需要很多的工业的元素，比如材料、产品、销售这些都是一个广泛的离散的问题。工业互联网能够把工业中诸多的元素连接在一起，纵向连接消费者、零售商、批发商这些订单信息与生产信息；横向连接金融、物流、人才甚至创新创业平台，打通从消费者到制造端，以及制造生态中的各类元素。"

物联网时代我们要打造工厂版的操作系统，调动物理世界资源。好比是一个"Android"。

"工厂的资源是什么，就是"人、机、料、法、环"，要靠工业物联网把机器连接在一起，在工厂建立调度系统并发挥到极致，把效率从比较低的水平提到比较高的水平，就像手机的操作系统一样，把运算资源发挥到最高的水平。"

什么是阿里云物联网产品？

阿里云物联网产品首先是把工业的资源建立端边云的连接管理平台和数字化平台。

"在端侧，我们有很多协议标准和安全防护机制来保证我们连接的平台上的机器得到安全的数据传输；在边缘侧我们建立了一个边缘计算平台，用以处理大量、实时的工业数据，决策后直接指挥机器进行工作；在云端建立了一个更为广泛的云平台，包括连接管理、设备管理、应用组件。这些就是制造业、工厂数字化的基础设施。在这个基础设施之上可以用大数据、人工智能来产生各式各样的应用的解决方案。"

"今天要做的一件重要的事情，也是智能制造最重要的核心思想，就是要重构信息化思路。如果让所有的中小企业去重新买一套非常昂贵的软件，绝大部分的企业是买不到的。"

"第一步要让所有的业务软件云化，以SaaS形式提供给企业，这将会大幅度降低成本。第二步是把所有资源调度系统跑在边缘侧，再把所有的机器连接到云侧，借助物联网进行数字化。第三步是用人工智能大数据重新管理"人、机、料、法、环"，从而达到生产体系的全面优化。"

"借助工业网关连接了所有各式各样的机器，数据可以显示在云端、机床边上、手机和平板电脑上，可以看到工作的进度，质量的分析等等。我们和合作伙伴打造了一个非常高效的软硬一体化的解决平台，这将会普适中小企业。"

"从具体能上看，云边端一体化视觉检测方案将让人工智能平民化。我们建立了一个云平台一体化的AI的平台，包括算法的管理平台和算法容器。把人工算法跑到公控的平台上，提供了非常方便的人工智能边缘平台，同时进行深度学习的加速，打通了各式各样的摄像头和机器的采集设备，人工智能将会为更多中小企业使用。"

阿里云工业互联网平台的五大优势

灵活，提供灵活的云边一体化架构，支持3类云边协同计算方式。

易用，组态化开发，模块化集成，适应工业界面开发习惯，极大降低了开发的时间和能力。

高效，一键发布、全程托管，减少90%部署环境搭建时间。

开放，标准统一、接口开放，支持5种以上开发语言。不管用哪种开发工具，不管是工业的开发人员还是嵌入式开发人员还是互联网的开发人员都可以在工业互联网平台上开发，为整个工业企业服务。

最后一点非常重要的安全，设备唯一身份、全链路保障，6类防护能力，23个功能模块，确保工业的数据不会泄露。

阿里云工业互联网平台的用户价值

"之前讲到了工业互联网平台给开发者的好处，对工业互联网的服务商好处也很多，对软件开发商来说，一站式的开发的平台，极大降低了开发的成本。完整的应用的托管能力，让应用可以大规模的使用。对工业互联集成商来说，完整的工业台可以降低集成部署成本，标准化的工业硬件完整打通，会让你高速的部署。对工厂企业来说，会大大降低数字化成本，提高市场化选择和需求适配性。"

"总结起来，首先，连接的主要目的是要让制造进行数字化。然后，工厂数字化之后，将与整个产业进行合作，把工厂生产变成服务业。 最后，提供大量的SaaS应用，让制造智能化。"

工业APP是什么？工业技术软件化是什么？本文论述了软件是什么，提出工业知识软件化产生工业软件，在“知识”与“软件”这两个要素发生变化的情况下工业知识软件化产生了工业APP。分析工业互联网平台的出现赋予工业APP发展的新方位。本文来自：工信头条，作者系工信部电子五所杨春晖、谢克强 ，原文发表于《中国工业和信息化》杂志2018年十月刊总第6期

工业APP溯源：知识软件化返璞归真

本文论述了软件是什么，给出一个闭环赋能模型以说明软件的作用，基于此模型说明软件是如何产生的，继而提出工业知识软件化产生工业软件，在“知识”与“软件”这两个要素发生变化的情况下工业知识软件化产生了工业APP。分析工业互联网平台的出现赋予工业APP发展的新方位，论证工业知识软件化的重要意义。

工业APP是什么？工业技术软件化是什么？是如何产生的？两者有什么关系？与工业软件有什么关系？与工业互联网平台有什么关系？与软件定义制造有什么关系？带着这些问题，本文尝试回归到事物本源，从源头开始一步步缕析工业APP是怎么产生的，以及它与诸多要素的关系与内涵（本文将“工业知识”等同于“工业技术”，不做区分性描述）。

软件是什么：从大数据到大知识，从德鲁克到安德森

软件是一系列按照特定顺序组织的计算机数据和指令的集合，也是程序加文档的集合体。

软件不仅仅是一行行的程序代码，也不仅仅是一个个的算法模型，这些都只是软件的某种具体表现形式而已。从根本上看，软件是对客观事物的虚拟反映，是知识的固化、凝练和体现，是现实世界中经济社会范畴下各个行业领域里各种知识的表现形式。

被誉为“大师中的大师”的彼得·德鲁克在《经济学人》杂志上发表过一篇题为《下一个社会》的文章。他从政治、经济、社会、管理等诸多视角，全方位地研究组织管理对于人类社会的深刻影响。他预见并深信“下一个社会”是知识社会。随着知识社会的临近，知识以“加速度”方式积累形成“知识爆炸”，将会产生越来越多的知识产品。知识将由工业社会中的非独立性生产要素变成独立性生产要素。知识将超越资本，成为社会的关键资源。知识作为重要的生产要素，建立起新型的生产关系，催生出远超现今的强大生产力。知识资产及其产生的生产关系将催生以知识经济（信息经济/数字经济）为核心的社会形态。这个社会亦可称为知识社会，知识社会是信息社会发展到高阶段的产物。

当时还没有大数据、人工智能、智能制造、工业互联网、知识型IP等概念和技术，但是彼得·德鲁克的论断前瞻而精辟：下一代经济的核心资产不是物质，而是知识，因此，知识工作者是新时代的“知本家”。未来管理的核心是有效定义具体知识的运用和组合，未来的工作方是知识的拥有者——知识工作者接入一个集群，这个集群负责把不同的专业知识作用到某个共同的“最终产品”上。

知识将成为推动社会发展的重要资源。由此产生一个问题，即如何把知识作为一种重要生产要素去分配及管理？如何承载知识来产生生产力？

另一位著名人士，美国硅谷投资家马克·安德森的言论某种角度上可视为对此问题的回应。马克·安德森在《华尔街日报》发表的题为《软件在吞噬世界》的文章，认为软件将逐渐成为世界上所有行业的运行基础，软件创新公司将会逐渐主宰所有产业，包括很多从前跟软件没有什么关系的领域。

彼得·德鲁克的“知识”和马克·安德森的“软件”有什么关系呢？他们的内在逻辑是什么？

彼得·德鲁克宏观地定义了知识是未来的“生产资料”，所有生产关系将随之改变；而马克·安德森微观地定义了软件作用，即软件作为知识的载体，将改变所有产业。软件承载了知识管理，并且对知识要素进行优化及配置，从而产生强大的生产力。

在数据、信息、知识“大爆炸”的时代，过往的纸、笔等物理载体已经显得力不从心。数据无处不在、信息无处不在、网络无处不在、计算无处不在，使得软件无处不在。软件改变了信息的分布、存储与传递，成为当今人类加工数据、信息、知识、经验和智慧的工具与载体。软件通过专业人士的知识劳动，改变信息的形态和形式，改造世界，满足人们的需求，创造价值。可以说，软件是生产要素的承载者与管理者，是信息时代的核心生产工具。

发生在当下的新一轮工业革命，实质是信息技术给社会、企业、个人之间关系（生产关系）带来的“颠覆性改变”，是未来经济的生产要素——知识通过大数据、云计算、人工智能、工业互联网等各种“外化”形式不同的新型软件由虚到实的“物化过程”，是产业生态的重新布局，是我们进入知识社会/信息社会的前奏。

另外，现在国家提出大数据战略，大数据是基础战略资源，是新型生产要素；这与知识作为生产要素并不矛盾，而是一脉相承的。毫无疑问，数据已经成了当下重要资源。但数据要经过处理成为信息，再升华成知识才能更好地为人所用，产生智慧，体现价值。

图1所示为经典的DIKW模型的延展。其中：

数据（Data）：对客观事物记录下来的、可识别的符号，包括数字、文字、图形、音频、视频等。

信息（Information）：对数据进行处理，建立彼此间的联系，使之具有实际意义，是可利用的数据。

知识（Knowledge）：对信息及其内在联系进一步加工分析，从中得到所需要的规律性认识，是对信息的应用。

智慧（Wisdom）：基于已有的知识和高级的综合能力，发现其中的原理并预测客观事物的发展等，是对知识的应用。

理解数据之间的关系产生信息，理解信息之间的规律、应用信息产生知识，理解知识之间形成的原理、应用知识产生智慧。

从大数据中分析得出以前依靠人的知识、经验等无法得出的信息与知识才是大数据的价值所在；如果只是大量的数据，而不能从这些数据分析、提炼出有用的信息与知识，则这样的“大数据”只能是“大垃圾”。“大数据”的关键在于能产生“大知识”，进而产生“大价值”。就像人们常说“成功是99%的汗水加上1%的灵感”，但往往遗忘了后半句“但那1%的灵感是最重要的，甚至比99%的汗水还重要”。

软件的作用：构建闭环赋能体系

软件是人类认知事物运行规律产生的知识的代码化，是指导甚至控制物理世界运转的工具，是技术体系的载体，也是人类经验、知识和智慧的结晶，是人类大脑的扩展和肢体的延伸。

基于安筱鹏博士提出的赋能体系，笔者进行了修改，认为软件承载了知识管理，并且对知识要素进行优化及配置，建立起一条“物理运行—知识—软件优化”的链接，构建起物理（Physical）空间到赛博（Cyber）空间的闭环赋能体系：物质世界运行—人类认知世界—认知知识化—知识模型化—模型算法化—算法代码化—代码软件化—软件不断优化和创新物质世界运行，从而产生强大的生产力。

物质世界运行，产生客观规律，这种规律不以人的意志为转移，与人没有产生直接关系，更不能为人所用；若要利用，需要人类通过种种方式去认知这个世界；人类在认知世界过程中，将接收到的大量的数据、信息转化成为知识；将知识进行形式化和结构化的抽象，形成模型；将模型演化为解决问题的方法、流程、策略等，并对一定规范的输入，在有限时间内给出所要求的输出，形成算法；将算法用代码来表达；进而将代码形成软件；人们通过使用软件，发挥软件“赋能”“赋值”“赋智”作用优化物质世界的运行；周而复始，不断前进。

这一体系的本质是以通过信息变换优化物理世界的物质运动和能量运动以及人类社会的生产消费活动，提供更高品质的产品和服务，使得生产过程和消费过程更加高效，更加智能，从而促进人类社会的智能化发展，实现人与自然的和谐统一。

软件的产生：知识软件化

在图2所示的闭环赋能体系中，很重要的一部分是将事物运行的规律转化成软件，用软件反映客观事物，将知识凝练、固化和体现，这一过程，可称之为知识软件化，如图3所示。具体来说，完整的知识软件化是人类对客观世界运行规律产生的认知进行显性化表述、结构化分析、系统化整理与抽象化提炼，实行知识化、模型化、算法化、代码化、软件化的过程，一般依次包括认知知识化、知识模型化、模型算法化、算法代码化、代码软件化五个环节。

软件由知识软件化产生，这中间凝聚了知识的应用，凝聚了逻辑分析，核心是知识革命、知识工程。

知识软件化能够推动知识泛化，让知识被更好地保护、更快地运转、更大规模地应用，从而千倍万倍地放大知识的效应，进而支撑实现知识自动化。

工业软件的产生：工业知识软件化

具体地，根据领域范围，对于工业领域运行规律认知形成的知识，进行工业知识软件化。工业知识软件化形成工业软件。工业软件的核心是工业知识。工业知识包括标准规范、行业流程、知识技能、管理思想等知识。

参考朱焕亮与徐保文的《工业软件浅析》一文对工业知识与工业软件的论述：工业知识一般主要可以分为方法、过程和装置三个要素。不同要素的工业知识软件化产生不同类型的工业软件。方法层面的工业知识软件化后，产生了基于物理原理与专业学科发展的各类专业工具；过程层面的工业知识软件化后，产生了以流程管理为核心的各类业务系统；装置层面的工业知识软件化后，产生了各类嵌入式软件。工业知识软件化产生了覆盖制造全过程、产品全生命周期的工业软件，并使它成为推动生产组织方式的变革和工业转型升级的重要动力。

1工业APP的产生：新知识、新软件

工业软件自诞生以来，推动机械化、电气化、自动化的生产装备向数字化、网络化、智能化发展，经过几十年的发展，工业软件也在不断变化。

目前，工业软件呈现以下主要发展趋势：

从软件形态角度，工业软件朝着微小型化发展，软件模块→软件组件→APP→小程序→微小应用。

从软件架构角度，一方面，在工业软件微小型化发展的趋势下，软件架构朝着组件化、服务化发展，从面向服务的架构到基于微服务架构；另一方面基础工业软件朝着平台化发展，工业软件向一体化软件平台的体系演变，特别是基于技术层面的基础架构平台。工业互联网平台就是某种意义上的工业软件平台。

从软件使用角度，工业软件朝着云化发展，软件和信息资源部署在云端，使用者根据需要自主选择软件服务。

从工业知识角度，工业软件朝知识化发展，从通用工业知识到特定工业知识，从工业知识创造、加工、使用的分离到统一。

工业软件的 “知识”与“软件”两个要素发生变化，即工业知识软件化中的“知识”与“软件化”发生了变化。

在“知识”要素方面，由通用工业流程、方法等要素的集合、自然科学与技术科学等通用科学知识，向基于通用工业知识，面向特定应用场景、解决特定问题的流程、方法、逻辑、经验、诀窍以及数据挖掘分析得出的参数等通常人难以把握的工业知识转变。

在“软件”要素方面，由原来的面向服务的架构向微服务架构演变，由架构复杂、功能耦合向架构简单、功能独立演变。

在这两个要素变化的背景下，工业知识软件化产生工业APP。工业APP是人们将研发设计、生产制造、运营维护、经营管理等制造全过程的运行规律进行知识化、模型化、算法化、代码化、软件化，是承载工艺经验、业务流程、员工技能、管理理念等知识的新载体。工业APP将隐性、分散的知识显性化、系统化，促进知识沉淀、传播与复用，放大价值创造，发挥软件“赋能、赋值、赋智”作用，推动工业提质增效升级。工业APP一般有知识化、轻量化、灵巧化、独立化、可复用、可移植等特点。

工业互联网平台：工业APP发展的新方位

工业互联网的出现，为工业APP的发展带来了强大的活力和增长机遇，基于工业互联网平台全新架构和理念开发工业APP，让工业知识软件化有了新的路径，让工业APP有了新的方位。

工业互联网平台带来了知识沉淀、复用与重构

安筱鹏博士曾提出，工业互联网平台的本质是通过提高工业知识沉淀与复用水平构筑工业知识创造、传播和应用新体系。其中，工业PaaS把大量的工业原理、行业知识、基础工艺、模型工具规则化、模型化，封装成为可重复使用的微服务组件。通过平台，创新的主体可高效便捷地整合第三方资源、创新的载体变成可重复调用微服务和工业APP、创新方式变成基于工业PaaS平台和工业APP的创新体系。这些都大大降低知识创新的成本和风险，提高研发效率，加速知识传播。

知识复用提升知识价值，改变知识生产方式。正如《工业互联网平台白皮书》所述，通过数据积累、算法优化、模型迭代，工业互联网平台将形成覆盖众多领域的各类知识库、工具库和模型库，实现旧知识的不断复用和新知识的持续产生；通过提供基于工业知识机理的数据分析能力，实现知识的固化和积累；将传统上分散于不同企业、不同系统、不同个体的工业经验有效沉淀和汇聚起来，并通过平台功能的开放和调用，以及网络的传播，使工业知识加速传播。

工业互联网平台带了新的软件研发方式

传统工业应用软件往往开发难度大、开发要求高，不能灵活地满足用户个性化需求。

工业互联网平台中，一方面传统架构的工业软件拆解成独立的功能模块，解构成工业微服务；另一方面工业知识形成工业微服务。工业PaaS实质上则成了一个富含各类功能与服务的工业微服务组件池，这些微服务成为不透明的知识“积木”，面向应用服务开放API，支持无专业知识的开发者按照实际需求以“搭积木”的形式进行调用，高效地开发出面向特定行业、特定场景的工业APP。此外，工业互联网平台支持多种开发工具和编程语言，图形拖拽开发、API高级开发等。这些为不会写代码的工程师快速开发出人机交互的高端工业软件，为欠缺工业理论和工业数据资产的IT人提供高效复用专业算法模型提供了可能；让原本封闭的企业专业化开发转化为社会通用化共享，知识得到传播，能力得到复制与推广，极大降低工业APP的开发难度和成本，提高开发效率，为个性化开发与社会化众包开发奠定了基础。

工业软件未来的开发和部署将围绕工业互联网平台体系架构，以工业APP的形态呈现，不需要每个开发者都具备驾驭庞大架构的能力，但依托底层平台架构的支持，众多的小型工业APP组合在一起，就能够组织起一个个庞大的场景。这就好比一支可以打败大象的蚂蚁军团，从而能够颠覆性地化解传统工业软件因为架构庞大而给企业带来的实施门槛和部署难度。

在传统工业软件被国外工业巨头把持的局面下，工业APP为我国提供了一条“换道超车”的路径。工业APP有助于实现工业软件核心技术突破，补齐高端工业软件短板，加快解决我国工业软件发展中存在的卡脖子问题。

工业互联网平台带来了新的价值呈现平台

工业互联网平台是以互联网为代表的新一代信息技术从消费环节向制造环节扩散、从提高交易效率向提高生产效率延伸、从推动制造资源的局部优化向全局优化演进的必然结果，是构建现代化产业体系、推动经济高质量发展、抢占新一轮产业革命制高点的重要举措。

一方面，工业APP的发展将成为推动工业互联网发展的重要手段。安筱鹏博士将工业互联网平台概括为：数据+模型=服务。工业互联网平台最终需要通过提供服务来体现价值。工业APP是应用服务体系的重要内容，支撑了工业互联网平台智能化应用，是实现工业互联网平台价值的最终出口！没有工业APP，工业互联网平台就像没有了功能丰富的APP的苹果手机、安卓手机，用户无法享受到便捷智能的服务，自然也不会愿意付高价购买。 

另一方面，工业互联网平台给了工业APP全新的展现舞台，全新的价值呈现！基于工业互联网平台，面向特定工业应用场景，激发全社会资源形成生态，推动工业技术、经验、知识和最佳实践的模型化、软件化和封装，形成海量工业 APP；用户通过对工业 APP 的调用实现对特定资源的优化配置。工业APP通过工业互联网平台，进行共建、共享和网络化运营，支撑制造业智能研发、智能生产和智能服务，提升创新应用水平，提高资源的整合利用。

知识创生软件，软件定义制造

工业知识软件化产生工业软件，工业软件定义智能制造。各个国家先进制造计划的基础是实现“硬件”、知识和工艺流程的软件化，进而实现软件的平台化，是新型工业软件的平台或者操作系统，本质是“软件定义”。工业软件是由工业知识软件化形成，核心是工业知识，软件定义制造的另一种解读是工业知识定义制造。进一步，工业知识软件化构建软件化的工业基础、软件定义的生产体系，促进生产关系的优化和重组，奠定了软件定义制造的基础与前提。而工业APP是以软件形式定义工业业务应用，是一系列软件化、可移植、可复用的行业系统解决方案，是软件技术与工业技术的深度融合。

如业界诸多专家所见，将来人是知识的生产者，智能机器是物质的生产者；让“人智”以软件形式转化为“机智”。知识软件化一方面将人的知识提炼出来以软件为载体储存，把软件嵌入到机器设备，通过软件运行，人的智慧以知识形式变成机器智能；另一方面通过工业大数据与机器学习，替代人工积累经验，并自动发现知识、学习知识、积累知识，形成新的软件，提高机器智能。通过封装工业知识的工业APP对机器“赋能”“赋智”，形成机器智能，并不断增强机器智能，机器智能则可突破人体使用知识的时空局限。

综上，工业知识软件化变得极其有意义！知识是所有智能的源头，没有工业知识软件化就没有工业软件，没有工业软件就没有机器智能，没有机器智能就没有智能制造。同样也就不会有工业互联网，软件定义制造也成了无本之木。