作者| 黄松延

　　编辑| 白则人

　　本文主要从研发到营销讲数据智能重构供给侧的问题，并不考虑经济学中土地、资本等供给侧其他重要、但与数据智能化关系不大的要素。数年前国家已提出供给侧结构性改革，调整产业结构，去除无效供给。本文从技术结合市场的角度切入，用数据智能化的思路，在各个细分行业，考虑如何做到供给与需求的精准匹配及需求到供给的快速实现问题，提出了需要用数据智能化的方法重构供给侧的观点，进而给出“ 数字化供给”的思想。

　　关于作者

　　黄松延博士

　　线性资本执行董事

　　黄松延博士重点关注数据智能重构供给侧、机器人、芯片等领域投资。担任IEEE学会多个顶刊的审稿人。曾就职于华为，任数据科学家职位，先后负责过多个人工智能前沿研究及应用开发项目。黄松延博士毕业于浙江大学信电学院，机器学习方向。

　　01.

　　为什么要用数据智能重构供给侧

　　我国经过40年的快速发展，开厂、扩生产就能赚钱的时代已经成为历史。供需关系正面临着不可忽视的结构性失衡，中低端产品过剩高端产品供给不足的现在极为严重，这也是国家层面提出供给侧结构性改革的原因所在。不仅在经济结构方向，对于单个产品，由于需求的差异性越来越大，导致产品的个性化/非标性越来越严重。过去，靠标品打天下的时代几乎一去不复返。当然有人会提出茅台就靠标品做到万亿市值这样反例，但毕竟人家有中国最大CRM软件、奢侈品这样的属性，这是不好比的。

　　由于需求的差异性越来越大，变化越来越快，如何解决供给与需求的精准匹配、需求到供给的快速实现问题逐渐成为很多行业面临的核心问题。想要解决该问题，就要做到能够快速精准的洞察需求并响应需求，最终做到快速地识别需求标签，并能够把需求标签转化为设计标签、采购标签、生产标签。对于多数行业来说，目前还无法做到快速的需求洞察与需求响应，原因在于过去供给侧主要为做标准品而建立的，工作在线下、非数字化环境中，在一定成本与时间要求的约束下，无法满足多样性、快速精准的要求。想要实现上述的能力，首先要把供给侧要素映射到数字世界，给出准确的“数字化供给”，并基于数字化供给，得到具有真实统计意义的需求，进而再用数据化供给指导生产，快速实现市场真实的需求。需要注意，数字化供给必须完全准确，是实物在数字世界的一对一映射。据我们了解，“数字化供给”概念由本文首次提出。

　　02.

　　数据智能重构供给侧的评价标准

　　数据智能重构供给侧，首先要考虑数据智能与产业结合问题。针对该问题，线性创始人Harry发表了数据智能与产业结合的分析框架，具体内容和分析可参考Harry的个人演讲《 AI投资的未来黄金十年 》 。我们接下来思考数据智能重构供给侧的分析维度。从供给与需求的精准匹配及需求到供给的快速实现问题出发，就需求侧与供给侧的特性，我们给出如下5种分析维度：

　　需求侧SKU种类大小

　　比如在鞋子、工业自动化等领域，存在海量的SKU。我们认为SKU种类越多越好，SKU种类越多，行业越难形成寡头垄断，数据智能重构供给侧的阻力会越小。另外，SKU种类越多，数字智能化重构供给侧的效率提升空间也越大。

　　需求量变化快慢

　　需求量变化越快越好，从需求侧的量这一维度思考，极端情况，如果需求量是恒定不变的，则供给侧保持恒定供给即可，自动化的手段就能完美解决问题。但在多数实际情况中，需求量都持续变化，因而需要及时调整供给以匹配需求的变化。比如在热能行业，由于工业园区有多家工厂，且每家工厂自身产量变化很快，导致对工业热力站的热能需求量也变化很快。

　　供给侧现有运作效率

　　现有供给侧运转效率越低，数据智能改造供给侧带来的效率提升越明显，重构速度也会越快。我们已经看到在不少行业中，数据智能重构供给侧能够带来数量级的效率提升。在中国，由于大多数行业信息化程度不高，存在大量原始作业方式，效率很低，数据智能改造这些行业相当于在一片未开垦的土地上耕作，效果凸显速度更快、凸显程度更高。因而，在中国，我们预测数据智能重构供给侧会在未来十年中大规模的发生并发展壮大。

　　供给角色的非同质化性

　　如果供给侧的角色单一、或者同一角色的属性单一，基于规则就能完成有效运转，数据智能可发挥空间有限，反之，数据智能则能够发挥比较大的价值。

　　业务场景的多元性与复杂性

　　例如家装与教育的业务场景就比较复杂。我们认为业务场景越复杂与多元化，则越好。复杂与多元化的业务场景会导致需求的碎片化，进而导致供给方的多元化。该情况下，基于数据智能，创业者“更容易”连接起多方，重构供给侧的同时，赋能行业。另外，在多元化的业务场景下，更容易做产品与服务的延伸，因而未来更容易找到企业的其他增长曲线。

　　03.

　　数据智能如何重构供给侧

　　中国几乎有世界所有的行业，但不同垂直行业属性差异很大，且各自信息化、自动化程度大相径庭，因而数据智能化在不同行业的演进方式不可能相同，比如离散型制造与流程型制造的数据智能化方式就有比较大的差异。在实际商业中，不管是创业公司还是大公司内部，几乎无法做到纯粹为了数字化而数字化，对于不同的行业，关键是找到行业痛点，并以此为切入点，解决问题的同时完成数据智能化重构。下文我们会根据行业形态、行业现状、行业问题的差异，总结几种供给侧的数据智能化演进方式。

　　去除无法用数学建模表达的因素

　　比如人工操作，不仅不可建模且会引入人为误差。通过自动、智能化设备引入、人工经验的模型化等方式，不仅能消除人为误差，也能通过对人工经验的数据化、并结合大样本的学习优化，降低对老师傅的依赖，提升系统效率。特别地，对于复杂系统，人工几乎没法完成平稳、高效的控制，因而整个系统端到端的数字化、自动优化与控制意义更大。在热能行业，需求端对热能的需求量实时变化，供给端的工业热力站是工作在高压、危险环境下并具有非线性、强耦合、大延迟特性的热能系统。目前我国多数工业热力站的操作人员只保证锅炉安全，几乎不考虑效率高低问题。全应科技通过自研端到端的热能行业数据智能化解决方案，能够准确洞察需求、优化系统、大幅提升系统的效率，在实际落地中，仅一个小型热力站，全应就能帮助它年年节省200万。

　　打通从研发到生产的整个数字化链条

　　接通供给侧断裂的数据链路，释放被“压制”的个性化/非标化需求。在一些行业，我们看到个性化/非标化需求真实存在，但是现有后端在成本、时间等约束条件下做不出来，就是因为从研发到生产的流程中存在严重的数据割裂现象。比如，在建筑行业，我国建筑设计师常面临一个问题：自己有很多个性化设计创意，如果交由工人手工完成拆解与加工实现，在规定的时间内做不出来产品，最后建筑设计师只能妥协，选择市场已确定能够生产的模块，作为一种折中方案，当然也对创意大打折扣。在该方向，我们已经看到有公司通过自研CAM，做到快速地把设计标签转化为生产标签，释放建筑设计师被“压制”的个性化需求。

　　打破原有行业壁垒，释放更多的“数字化供给”

　　传统消费行业遵循收集需求、分析需求、B端研发设计、采购、生产这样的流程，随着供给主导的标品时代结束，个性化需求越来越凸显，如何能够快速的洞察需求成为决定一家企业生存的核心问题。在零售领域，通过网红、社区领袖、以及能够与客户实时互动的小B等抓手，企业实现了一定超前的洞察性。但是如果能够在供给侧直接提供“数字化供给”，则可能通过这种极低成本的“虚拟化”供给预测出市场需求，然后根据市场真实需求，并结合准确的数据化供给，指导数字化生产，精准供给，实现供给端的规模效应。在鞋子行业，时谛智能通过提供鞋子准确的虚拟化3D设计方案，把一款鞋子的平均设计时长从90天变为准实时实现，平均成本从超过一万元降为相应的算力成本，在同等成本投入下，通过技术实现了供给的极大释放。上海信传科技通过数字化陶瓷行业原材料，在保证陶瓷品质的前提下，给出了不同的配方，释放“供给”的同时，大幅降低成本，真正做到了帮助不同的泥巴实现：都是泥巴，凭啥你行我不行。

　　改变生产方式，提供柔性化产线

　　到目前为止，非标与规模化生产之间矛盾冲突仍然非常严重，工厂做个性化定制，一定会带来生产成本提升、良品率降低等问题。想要彻底消除该现象，需要生产方式的革新，做柔性化产线。在很长的时间内，汽车被认为是典型的标品，但近几年该行业正在发生很大的变化。世界顶级机器人公司KUKA联合某欧洲车企巨头做的Matrix Production（矩阵化生产）产线已经在该车企实现落地，且MatrixProduction已经被KUKA注册。矩阵化产线由多个独立执行单元组成，每个执行单元能够完成某几种工艺流程，矩阵中不同的几个单元组成一个完整的生产流程。矩阵中的每个单元物理上相互独立，并在能够完成的工艺种类上有冗余设计，该种设计思路保证产线高效并行运转的同时又有极大的柔性与容错性。该方向，杭州芯控智能结合我国工厂现状，提供了柔性化产线整体解决方案，已在不少行业中落地。

　　上述几种方式并非相互独立存在，在不少行业中，他们是相辅相成的关系，在未来数据智能重构供给侧的演化进程中，会相互促进，推动整个供给侧完成数据智能化重构。

　　04.

　　数据智能重构供给侧带来的机会

　　基于上文的分析，我们可以看到想实现效率的大幅提升、资源的精准配置，必须先用数据智能重构供给侧。过去二十年，由于温饱与娱乐需求还未被完全解决，我们看到数据化成功改造了零售、社交、内容服务等行业，也产生了几家行业巨头。今天，我国的基本生活需求已被满足，但其他行业还比较原始，存在巨大的市场机会，未来十年一定会是数据智能重构供给侧的黄金十年，更是技术人员创业的黄金十年，但要求技术人员能够深入到行业中去，深刻理解行业属性，并找到行业痛点问题。在投资过程中，我们观察到几个潜在的方向：

　　行业中的精准数字化供给。 行业精准的数字化供给是数据智能重构各个产业供给侧的根基。

　　数据智能重构供给侧衍生出的新角色 ，在现有行业中不存在的产品或者服务，但对数据智能化重构供给侧进程至关重要。

　　现有供给侧数据链条的断层点 ，过去的信息化给某些行业提供一定的数据化基础，但是，多数的软件更多从某单一功能点切入，使得大多数行业供给侧存在数据链条断层现象，如果能够从这些点入手，利用好现有的数据化基础，会加快供给侧数据智能化进程。

　　05.

　　后记

　　本文从如何完成供给与需求的精准匹配及需求到供给的快速实现问题出发，提出了数据智能重构供给侧的观点，并给出了数据智能重构供给侧的评价标准、实现方式等分析框架。数据智能重构供给侧会打破原有行业壁垒，重构产业链，把现有的线性供应链转变为分布式供应链，这会是行业的一次巨大升级。在后续文章中，我们会给出不同模块的进一步详细分析报告。数据智能重构供给侧是一个相对漫长但不可逆转的历史性进程，我们在数据智能重构供给侧方向看了不少企业，也投了一些企业。ToB市场，不同细分领域千差万别，不存在赢者通吃的情况，更多细分方向还有待更多的创业者去布道、去开辟。