齐心集团戴盛杰：工业品数字化的底层逻辑与未来发展

4月21日，“第六届中国工业数字化高峰论坛”在上海举行。本届会议由中国互联网协会互联网投融资工作委员会、中国生产力促进中心协会数字经济工作委员会提供指导，由中国化工学会信息技术应用专业委员会和产业数字化创新发展联盟提供支持，由MyMRO我的万物集·固安捷、齐心集团、欧菲斯、鑫方盛、致趣百川、市场易、晨光科力普、领先未来、脉链、米思米中国、百炼智能等企业参与协办。来自全国各地的政府领导、专家学者、工业产业链上下游企业、产业数字化平台、传统工业企业负责人等参加了会议。

齐心集团董事高级副总裁 B2B事业部总经理戴盛杰

齐心集团董事高级副总裁 B2B事业部总经理戴盛杰出席会议并发表主题演讲。在此向各位读者分享演讲实录：

谢谢主办方，谢谢各位嘉宾、各位领导！

“工业品数字化的底层逻辑与未来发展”，刚才董教授和李主任，我觉得他们更有资格回答这个问题。其实对于底层逻辑的理解，我只能说简单地说一下我的感受。我觉得信息化是一种新型的生产力，是一次工业革命，在信息化的过程中产生了大量的数据，数据成为资产，资产逐渐演变成生产资料的时候，它的生产关系一定会发生变化。我理解的底层逻辑，其实是有一种新的生产资料，在改变，在创造，在驱动一种新的生产关系。因为过去数据不是一种生产资料，大家没有这种理解，接下来我的分享更多是从一些案例，从我们的一些实践当中来提出一个观点，未来我们会成为什么样。

首先简单介绍一下齐心，齐心从最早期的办公用品制造商，逐渐通过各种市场机会驱动，成长为（为大型央国企）提供To B服务的、综合型服务企业。

在整个MRO场景里面，刚才周艳华董事长介绍了它（MRO）的特殊性，响应时效要求很高；MRO是针对设备运维过程当中，制造单元非常复杂，专业化程度也非常高；通用物资占了MRO销售产值里面接近70%—80%，但是剩下的20%—30%的物料，具有非常强的服务属性，这是他们的特征。

作为一个供应商，我们（齐心）如何去解决这个问题，特别是作为一个半路出家的供应商怎么解决这个问题？下面我举个例子，也是一个非常热门的例子。

从图片上大家可以看到，这是最近三个月非常热的ChatGPT。我们做了一个尝试，我向ChatGPT提了一个问题，这个问题也考虑到今天会议上，大家可能都有共性的问题。首先请ChatGPT推荐高浓度气溶胶污染物环境下呼吸防护产品，也就是说呼吸防护的产品。ChatGPT给了我一堆回答，N95如何防护，P100是如何防护的，还有全面罩呼吸防护器怎么防护，这是对话式的，不能关对话框。已经在第一部分里面对整个产品做了比较详细的介绍，能够防护到什么程度，防护什么样的颗粒大小，三个选项，N95、P100、全面罩。

接下来问第二个问题，P100和全面罩防护器相比有什么优劣?这个时候（ChatGPT）做了一个具体的技术性分析，里面包括PAPR型的呼吸防护器，PAPR是什么？我不懂，如果说再问PAPR防护面罩是什么？ChatGPT会告诉你是PAPR防护面罩是一种气动装置。第三个问题，开始进入解决方案了，需要长期使用的建议是什么？这个回答就开始出问题了，我猜到一定会给我一个模棱两可的答案。ChatGPT会告诉你根据场景选择，根据一些参数、有效期、以及时间等等，这里已经开始模棱两可了。我再问第四个问题，我想直接一点，能不能从成本角度给予我一些建议，就是说我要长期使用，是不是可以给我一个比较好的成本推荐。给我的回答也是模棱两可的。

最后一个问题，我想直接一点，有没有可推荐的产品型号和价格？它不回答了，它告诉我是根据不同的区域。这里面又有两个关键词，第一个关键词，你可以通过渠道商批发采购可以便宜一点。第二个关键词，集中采购可以便宜一点。很有意思，这是我对ChatGPT在解决方案的维度提出的问题。各位再看下一页，下一页是计算，我让它计算一个圆形弹簧，让它算一个弹簧的线性，只是输入了弹簧的外径、内径、高度，很快算出来3.66，我复核了一下，基本准确。但是如果说算一个巨型弹簧，需要你提供更多的参数。

这两个案例我想和各位领导分享的是什么？ChatGPT已经很恐怖了，前面一个案例尽管没有给出一个采购人需要的最终解决方案，但是已经打破了很多过往的各个封闭独立单元的知识体，把它串联起来了，也就是说以前过往的企业用心做的知识库，我们培养我们的前端人员、客服人员，以及售前人员，这种工作很可能会被AI取代，现在有的工作已经被AI取代了，这是一个很恐怖的事情。

第二个方面，可以告诉我们，我们的很多运算，知识型的、结构型的、确定性很高的运算，我们通过AI这种新型的数字化技术是很容易实现的。我们的企业是否需要快速重构，也就是说过往我们的很多培训，很多内部的知识库，是否可以通过一个接口，由我们的专业人员建立自己的小模型，去训练，直到到回答最后两个问题——推荐具体买什么，具体的价格。因为作为一个大模型来讲，ChatGPT已经做了很大的一件事情：洞察了互联网里面的所有的知识结构。如果你今天用英文提问，我相信它的回答会更好，我们知道ChatGPT是OPEN AI，美国的产品，已经把30多种语言资料放进去训练了。但是我们可能还要做一个小模型，训练它回答最后两个问题的能力，通过小模型完成最后的输出，变成一个完整的解决方案。我们在新环境下说AI、工厂自动化、智能化生产，这个过程中，我们该不该把接口接进来，这是值得我们去思考的。我同时以其它形式提问了一下，图片、技术参数、链接，ChatGPT都可以提供，所以比较有意思的。

通过这样一次实践，我来回答刘总给我的第二个问题：未来我们会是什么样？未来的发展会是什么样？我认为未来的发展，不管是行业标准的建立，还是建立一些小模型，有一件事情非常确定：行业壁垒必将会被人工智能打破，我们会更注重的是协同。也就是说行业的从业者最终会被数字化逼着进行协同，因为MRO数据量太大，专业化程度太高。我记得前面董老师提到了这样一个概念，点线面，如果说每个企业要把所有的资源装到自己的口袋里，很多企业也正在这么做，但是未来会是什么样？未来会被AI、人工智能，被数字化推动着必须去打破这个壁垒，每个企业要在整个产业链上找到自己的分工和定位，你到底是做什么的，你应该做什么。

至于说AI小模型的应用，我们自身积累了大量的数据，我们也有大量的供应商，我们正在对一部分的订单特点不断加标签，当你标签加了二三十个的时候，系统会给你自动推选后端的供应商。我们的供应商在31个省都有，我们尝试着让AI帮我们推选供应商，达到降低自身库存的目的。我们慢慢把订单摸索出一些特点来，在订单身上打标签，识别它是比较注重交付时效，还是比较不注重交付时效；到底是计划订单还是维修类订单。通过不断打标签实现我们的合理库存，目前我们达到的效果是我们可以降低20%的常备品，也就是通用物料库存，这是由订单驱动的库存下降。我们努力让我们整个库存满足应急交付，对于计划交付的这部分产品，我们原则上不设库存，这是我们的算法达成的目的，并且降低了20%的库存。