編者按：互聯網上半場，即消費互聯網的紅利期已過；下半場，也就是所謂的產業互聯網已來。產業互聯網和消費互聯網本質的不同在哪兒？科技、數字技術如何促進傳統產業提升效率，融合創新？資本在寒冬時期，又將有怎樣的判斷邏輯和傾向？帶着這些問題，TGO 鯤鵬會採訪了千乘資本 VP & TGO 鯤鵬會會員姜欣，進行了以“傳統企業如何在產業互聯網浪潮中突圍”爲主題的對話。以下爲對話實錄：
姜欣，千乘資本 VP，負責 ABC（AI ＆ Bigdata ＆ Cloud）團隊的投資工作。之前在華爲、中國移動等大型企業有 10+ 年的數據領域＆網絡領域的產品和技術背景，曾主導研發多個產品並擁有多項專利，深入理解企業服務領域的運作邏輯。
包圍：BAT 們入局，企業生存空間在哪兒？
TGO 鯤鵬會：現在都在講互聯網的下半場，也就是產業互聯網，您是如何理解的？
姜欣：消費互聯網的本質是基於連接和流量，然後變現，在目前人口紅利越來越小的態勢下，發展趨勢也比較明顯，就是橫向擴展，滲透到國內三、四、五線市場，或者海外市場。
同時，在過去 10 年中，以“雲 + 大數據 +AI”的基礎設施型技術有了較大發展，並在互聯網巨頭中得到了很好的應用和驗證。所以，大家開始瞄準傳統產業，希望通過“雲 + 大數據 +AI”的技術能力來賦能傳統產業，也就是所謂的產業互聯網。
但產業互聯網又可以細分，靠近消費側的 B 端，市場格局相對分散，供應鏈領域有巨大機會，邏輯有點類似於 C 端的邏輯，還是要通過連接和流量後實現變現，雖然也需要數據和技術賦能，但整體來看模式屬性偏重；而遠離消費側的 B 端，更多以基礎設施和工業領域爲主，產業格局相對集中，更多的需求是通過技術賦能來解決實際業務疼點，這一領域也是我的主要投資方向，我個人更喜歡數字化轉型這個表達。
TGO 鯤鵬會：BAT 等巨頭都紛紛涌入賽道，結局和上半場會有什麼區別？其他企業在互聯網下半場裏的生存空間在哪兒？
姜欣：產業互聯網的大趨勢是垂直整合。在產業界維度上去看，這種整合已經發生一段時間了。我們看到“芯片（雲＆終端）+ 基礎設施設備 + 雲 + 平臺（大數據＆AI）+ 算法 + 應用”這個鏈條上，華爲、阿里、騰訊、AWS、微軟各個巨頭雖然切入點不一樣，但都在橫向擴展自己的覆蓋範圍，最終通過成本優勢、性能優勢和生態優勢來消除一切中間環節，獲取較高利潤。BAT 等巨頭們未來的競爭是在數字化基礎設施層面上生態的競爭，還是寡頭去瓜分市場的格局。
但巨頭受制於戰略、成本和機制，短期內是沒有辦法在行業裏深扎的，創業公司的機會巨大。創業公司有機會在細分行業領域裏做到行業垂直整合，通過壟斷場景來爲客戶構建一體化解決方案。
變革：數字化轉型變革企業，彈起“四重奏”
姜欣認爲，宏觀上來說，數字化轉型 10 年前已經開始發生，未來 10 年將持續深化，雲、大數據和 AI 等新興技術的興起加速了數字化轉型的進程。數字化轉型所帶來的變革意義不僅僅在於對 IT 基礎設施架構的重構，而是以 IT 基礎架構變革爲切入點，逐步延展到對應用系統的重構、對企業運營模式及商業模式的重構。
TGO 鯤鵬會：數字化轉型是如何重構 IT 基礎設施架構的？
姜欣：從基礎設施層面來看，數據化轉型的終局是爲企業構建統一的、一體化的“雲 + 大數據 +AI”的平臺架構，可以理解爲企業的後臺系統和部分中臺系統（與行業屬性無關的部分）。我們通過在一線與創業公司和業界的交流，從雲、大數據和 AI 這幾個層面分別來看，看到了幾個小的趨勢：
雲趨勢：混合雲成爲發展趨勢
1、混合雲成爲發展趨勢。混合雲是傳統企業平衡數據資產保護和資源合理利用的最佳方式，公用雲廠家目前已強勢介入私有云領域，亞馬遜推出 Outposts，微軟、阿里、華爲都在大力佈局；
2、企業 IT 架構在經歷了物理機、虛擬機、OpenStack、Kubernetes（前段時間還出現了 Severless）幾個階段後，最小管理功能單元在逐漸變小。同時，雲化逐漸從計算＆存儲＆網絡等基礎資源的雲化在向業務微服務解構、業務雲化的方向變遷。這使得傳統應用系統的不斷解耦成爲可能，對後續應用系統的開發、部署、運維模式產生重大影響；利用得好，將大大降低定製化開發和運維成本，並能夠快速實現應用產品的試錯和落地；
3、企業爲了更高效率地管理 IT 基礎設施及業務協同的需求，CMP（雲管理平臺）、APM（應用性能管理）、DevOps、AIOps、SDN（軟件定義網絡）等需求會逐漸被挖掘出來，這些細分領域解決方案會被逐漸引入和集成；
4、隨着大數據和 AI 應用的深入，以及未來 5G 應用的展開，將進一步帶動對雲資源的巨大消耗，雲基礎設施層面將從以流程管理和核心向以計算管理和核心轉變。
數據趨勢：做好數據治理，纔是創業公司真正的壁壘
數據處理層面我們看到的趨勢是異構。關係型數據庫、以 MongoDB Redis 等爲代表的 NoSQL、Hadoop、MPP、Spark、Kafuka+Flume，甚至是工業場景用的較多的 TSDB（時序數據庫），不是哪類技術好哪類技術不好，而是數據存儲和計算的技術是多元化的、異構的。應用場景的多元化決定了實現技術的異構，企業所面臨的多元化的應用場景需要不同的技術來應對。
另外，創業公司在爲客戶構建大數據平臺階段一定要重視數據治理工作，我們看到很多創業公司喜歡做標準化的產品，覺得數據治理是髒活累活，工作量大（大致佔整個大數據平臺建設 70%-80% 工作量）不願意投入。但其實數據治理如果做好了纔是創業公司真正的壁壘（舉個不恰當的例子，類似於物流對京東的戰略意義），通過幫助客戶把所有業務系統數據實現統一採集和 ETL，幫助客戶搭建分層、分主題、分域的數據管理框架，並存儲在你的平臺，那你就是對客戶數據最瞭解的人。未來客戶的業務都會在你的平臺上發芽、生長、開花，數據治理就是你孕育了客戶最寶貴的數據土壤。
AI 趨勢：AI 風潮更多應用在感知層面
AI 的邏輯與數據處理類似。傳統的數據挖掘算法已應用很長時間，這輪 AI 風潮主要是以神經網絡爲代表的的深度學習，更多應用在感知層面。但神經網絡本身是個黑盒子，沒有任何邏輯，需要通過大規模數據標記來“餵養”算法，應用場景有限。目前基於邏輯推導的知識圖譜和認知計算屬性的人工智能，基於優化計算的運籌學等 AI 分支也在不斷髮展，他們各自有各自的應用場景。
在這個領域內，目前我們看到的很多創業公司，雖然大家選擇的切入點不同，但未來演進後的產品形態有可能類似，都是一體化的解決方案，比如：我們看到傳統的 OpenStack 企業在不斷往上延展，通過自研或合作方式提供容器、大數據引擎、TensorFlow 框架等能力組件；以容器技術爲切入點的創業公司在同時向上和向下生長，把自己的產品做厚；以行業業務系統切入的公司在孵化自己的容器平臺和大數據引擎…
從長遠來看，在這個領域的創業公司，就算未來構建了自己完整的“雲 + 大數據 +AI”的產品架構，但在技術層面的領先性也會越來越小。“雲 + 大數據 +AI”可能更多的是能夠切入一個行業場景的切入點，不能成爲真正的壁壘，真正的壁壘來自在深扎一個行業後，通過行業數據、行業 Know-how、行業應用所沉澱出的行業套件。
TGO 鯤鵬會：數字化轉型對企業的業務又是如何實現重構的？
無論是平臺切入，還是業務切入，大家的目的都是佔據場景，通過場景來驅動產品演進，打造成一體化的解決方案
姜欣：從業務層面來看，數據化轉型的終局可能是基於行業數據、行業 Know-how、行業應用所沉澱出的行業套件（中臺系統中與業務屬性相關的部分），並反向切入業務，實現對應用系統的重構。基於有洞察、分析、推導、預測、決策屬性的應用系統來重構上一代功能性的應用系統，這類新物種，我們已經在不少創業公司身上看到了趨勢。比如有一家大數據平臺公司，向上延展出基於某一細分行業數據的知識圖譜後，開始構建新一代具有潛客分析及客戶推薦功能的 CRM 系統；有一些機器視覺領域的創業公司，從一條產線中一個節點的檢測設備切入，之後延展到整條產線的檢測，最終自己開始做整條產線設備。
對於初創企業來說，是從基礎架構平臺起步，再向上去延展行業套件並反向切入業務？還是從具體應用系統做起後，再向下沉澱行業套件和底層基礎架構能力？
創業公司創始團隊的不同基因決定了不同的路徑，我們看到像神策數據這類的公司，創始團隊是百度大數據平臺研發團隊出來的，自下向上的路徑會更爲合適，團隊初期堅持單品極致的思路幫客戶構建數據平臺及分析引擎能力，爲給客戶帶來更多價值，依託客戶需求拓展產品線，從最初的單一產品線神策分析擴展神策智能推薦、神策客景、神策標籤管理、神策自動化運營等產品；像慧程這類的公司，創始團隊來自工業界，本身行業經驗豐富，所以先從幾個細分行業的 MES 切入，而 MES 本身是個定製化很重的產品，然後基於容器技術孵化出模塊化的 MES，降低開發和交付成本，在持續在行業中孵化行業套件，場景深耕後再基於 AI 能力解決具體業務問題。個人覺得，從長期的時間維度來看，切入核心業務流程是戰略問題，切入路徑的選擇是戰術問題。
雖然路徑不同，但相同的是，這個領域裏對創業公司的產品迭代演進能力要求極高。需要你不斷挖掘客戶需求，沉澱產品，構建行業的整體解決方案，最終切入到客戶的業務核心流程之中，產品是否有機會切入到客戶的核心業務流程之中也是我們判斷產品是否有價值、是否對客戶有持續粘性的一個標準。如果切不進去，可能就是一個工具，這個工具你做的再好，如果客戶用不起來，就沒有價值。如果能切進去，那你就有機會形成閉環、不斷完善產品，可能大家更習慣用另外一個詞來總結：場景。所以無論是平臺切入，還是業務切入，大家的目的都在佔據場景，通過場景來驅動產品演進，打造成一體化的解決方案。
TGO 鯤鵬會：數字化轉型進程中，企業 IT 基礎設施和上層應用系統有很強的延續性？
姜欣：確實是，從上述的數字化轉型能力構建過程中，我們看到了一個隱藏的技術思想到商業思想的邏輯：“分佈式處理 — 解耦 — 異構 — 中臺能力構建（行業屬性無關和行業屬性相關兩部分）— 切入核心業務流程 — 一體化解決方案 — 行業垂直整合”。
分佈式處理思想的誕生是整個連鎖效應的起始點，傳統 IOE 的邏輯是把單點的性能做到極致；然而伴隨着 2C 業務的崛起，系統對高併發的需求激增，使得 IOE 架構受制於性能瓶頸和成本終究無法實現。分佈式處理架構的出現促使了業務系統的解耦，業務系統從以前垂直、“煙囪”式的架構演進成模塊化的架構；一個個功能組件獨立出來，使得單一組件能力可以線性擴展（當然也是有瓶頸的）；容器技術的出現使得業務的解構進程加速，更可以便利、高效地管理各個組件部署、開發和運維。
當解耦進程到一定階段，企業原本分散在各個環節、各個部門、各個系統的孤島數據需要統一有效的存儲、管理和計算。這裏面數據是異構的，應用場景也是異構的，需要異構的架構來實現數據資產的存儲和計算。完成數據治理和存儲後，數據還需要產生價值，根據企業的不同應用場景需求，也需要異構的分析引擎來支撐。此時，異構的數據存儲、計算和分析能力體系被構建出來。
無論是解耦後的業務邏輯模塊，被治理好的數據本身，還是數據的分析組件能力，需要統一的多租戶管理實現對企業內外部不同部門的權限分配，支撐業務的敏捷開發、調用和編排，此時需要有統一的中臺能力來進行管理調度。
如果一個供應商在某個行業的標杆型客戶構建了這種能力，他會更瞭解企業的應用和數據，有機會自主開發或利用生態爲客戶構建應用，集成關鍵設備，形成一體化解決方案，帶來更大的客單價和客戶粘性。這類企業發展到一定階段，有可能對上下游產業鏈進行進一步的整合。
TGO 鯤鵬會：數字化轉型對企業運營模式又會有什麼樣的影響？
姜欣：數字化轉型，其實本質上就是數據驅動。
通過數據驅動的思維模式來重構公司的生產方式。在美國，以前雖然沒有所謂的大數據概念，但數據驅動的思維模式一直是存在的，國內我們存在一定差距，這個進程會是一個非常漫長的過程，可能需要 10 年的演變，每個細分行業的演進進程也會有較大的區別。
對於任何一個企業來說，數據驅動思維模式的構建，不僅僅是業務問題，更多是一個戰略問題。對於國內大型企業，決策機制大多是一把手工程，領導班子對這個事情的認識和變革驅動力就尤其重要。但就算戰略確定了，各個企業面臨的最大問題是組織結構的變革。我們看到在很多大 B 企業裏，僅僅是大數據平臺落地，就會涉及到多個部門利益的重新調整，沒有有效的組織結構調整和制度上的支持，戰略都只是說說而已。組織結構調整一定不是大刀闊斧的改革就會成功，還必須從局部範圍內的業務開始做起並帶來了實際價值後，這種思維模式再慢慢在企業裏去滲透後，驅動一步一步的迭代。
另外，很多大的行業裏已經形成了比較穩定的供應商格局，客戶與原有供應商的利益綁定較深，對提供數字化轉型產品和解決方案的創業公司來說，角色弱勢，但機會和挑戰並存，初創企業如何做好自身的定位、選擇好場景切入點至關重要。
其實，從上面的介紹我們看到，在數字化轉型驅動的產業互聯網大環境下，無論是一個行業還是一個企業，都會遵循“技術層面的變化、與業務的融合、商業模式變化”的規律。從長久來看，個人非常看好軟件產品的雲服務的商業模式，但短期內爆發還有很多限制。
突圍：資本青睞怎樣的團隊和行業？
TGO 鯤鵬會：您作爲一個投資人，對行業、領域的創業團隊的投資，會有什麼樣的判斷邏輯？
姜欣：個人覺得在這個領域的創業公司相對來說會要求比較全面，並且需要有足夠的耐心（美國企業服務領域的創業公司成爲獨角獸平均是 8.8 年）。說幾點我感觸比較深的：
1、洞察能力
創業者需要非常熟悉他們所切入的行業，從過去到現在的行業演進歷程中去推演行業的終局狀態，並去理解行業每一次變化後面最本質驅動力及時間機會窗口，行業未來演進可能會有幾條路徑？大家都在以什麼樣的切入點切入？未來可能會是什麼樣的成長路徑？演進的時間節奏是什麼？洞察是一切戰略的起點，不止對初創公司，對投資人來說也是核心能力。
2、客戶需求挖掘及產品演進能力
整個數字化轉型是從一個產品切入後，逐漸融入到客戶業務流程，幫助客戶構建一體化產品體系的過程。在這個進程中，需要供貨商不僅可以有效利用雲、AI、大數據等技術能力，更要求供貨商在深入理解客戶業務的基礎上，利用這些新技術幫他們去解決業務問題，優化生產流程。所以，供貨商提供的產品和服務能力需要不斷快速迭代，需要不斷從實際業務場景中沉澱產品。
3、產品 + 服務的模式
和國外相比，國內專門做標準化軟件產品成功的企業相對少一些，一方面是與國內比較“獨特”的商業環境相關。另外，我們現階段能研發出“沒你不行”的產品概率還不大（對未來看好），這常常會導致一家產品做出來了，多家仿製，然後就是價格戰，最後藍海變紅海。但我們不能選擇市場，只能適應市場。另外，國內很多投資人對服務屬性比較重的公司也都比較頭疼，覺得他們是項目制，只能線性發展。
我的理解是，產品的優勢是可以複製，確保企業有不錯的投入產出比。服務有兩層含義，一方面確實需要大量的人力投入；但另一方面，服務代表的是與客戶之間的粘性，尤其是針對於大 B 客戶，他們希望供貨商能把所有工作兜底，而不是僅僅提供一個工具或標準化產品。所以，對於初創企業來說，產品和服務都很重要。需要同時提供產品和服務能力，如何通過不斷把產品做厚、識別對產品有價值的服務內容、通過微服務等方式減少服務交付成本，控制好產品和服務的黃金比例問題，可能是大家能力差距的最大體現。
4、大 B 銷售能力
這個領域的創業公司往往都會面對大 B 客戶和超大 B 客戶，這類客戶內部組織結構複雜龐大，新進入的供貨商找到最合適的業務對接部門和關鍵人員都需要一段時間。這類客戶一定需要設計針對性的銷售戰略，設計銷售套路打發，通過“立體式銷售”方式作戰；另外，對售前能力和交付能力要求也非常之高。
5、壁壘建立能力
我們創始人熊偉先生曾經說過一句話“技術是沒有壁壘的，只有領先的時間窗口，如何在這個窗口期把技術優勢變爲商業優勢，這個壁壘才真實存在”。我理解這個領域內真正的壁壘，應該是基於行業 Know-how 和行業數據沉澱後，切入到企業核心生產流程中的產品和服務所構建出的商業粘性。比如說，在工業領域內，數據治理、基於場景和機理模型深入理解後轉化成數學及算法問題的這個過程，都是可以構建壁壘的。
TGO 鯤鵬會：資本在選擇行業時會關注哪些維度？主要聚集在哪些行業？
姜欣：我們千乘資本在選擇行業時，除了會考慮行業痛點、行業信息化程度、行業市場大小、客戶付費能力等通用因素外，還會從以下幾個角度去分析初創企業是否有成功的概率：
行業痛點如果被解決，是否對行業有變革性的意義、是否會是一個結構性的紅利；這個細分行業內哪些利益羣體是去解決行業痛點問題的推動者，他們的驅動力是什麼，緊迫性有多大；現有的供貨商格局、現有供貨商的基因和能力如何，他們未來有沒有可能壓制住初創企業的發展，供應商體系被重構的可能性有多大；數據驅動型的產品應用後如何改造行業現有業務系統，給客戶帶來什麼樣的價值，初創企業是否可以通過他們提供的產品和服務與客戶保持長期、有粘性、高客單的商務合作關係。
我們最近在工業領域關注較多。工業又分爲離散工業和流程工業，離散工業整體來說在排產優化、供應鏈整合、定製化生產等方向有一定機會。我們更偏重在流程工業領域。流程工業領域的疼點和需求非常明顯，就是基於深刻的行業 Know-how 的理解，通過賦能型技術實現降本增效，這裏面最難的就是基於對行業的深刻理解後，行業業務痛點與賦能型技術之間通路的打通。我們看到在電力、水務、水泥、石油化工、鋼鐵等領域內都可能出現大的機會，我們今年也在電力行業投資了兩家企業：鵬銳技術和天地和興。
以電力行業爲例，電力行業覆蓋面非常廣。比如說在火電發電環節，這幾年發電利用小時數不斷下降，而原材料價格又比較高，導致火力發電環節對降本增效的需求十分強烈。其實，在整個火力發電端到端過程中有大量的場景值得深入：如何實現鍋爐和汽輪機之間效率的協同？如何根據需求的調整實現最經濟的發電機組的變負荷能力等等。
這些場景對大數據和 AI 的需求非常強烈，商業價值也非常大。但是稍感遺憾的是，在資本界和創業界，大數據和 AI 非常火爆的今天，在這些場景下我們看不到太多的創業公司在切入，我也在這裏呼籲有更多的創業公司能夠進入這類場景 。
TGO鯤鵬會，系極客邦科技旗下高端技術人聚集和交流的組織，旨在組建全球最具影響力的科技領導者社交網絡，線上線下相結合，爲會員提供專享服務。目前，TGO鯤鵬會已在北京、上海、杭州、廣州、深圳、成都、硅谷、臺灣、南京、廈門、蘇州十一個城市設立分會，武漢分會即將成立。現在全球擁有在冊會員 740 餘名，60% 爲 CTO、技術 VP、技術合夥人。
會員覆蓋了 BATJ 等互聯網巨頭公司技術領導者，同時，阿里巴巴王堅博士、同程藝龍技術委員會主任張海龍、蘇寧易購 IT 總部執行副總裁喬新亮已經受邀，成爲 TGO 鯤鵬會榮譽導師。
如果你想和這些優秀的科技領導者們一起前行，歡迎點擊「報名表單，申請加入」。