几年前，一个关于中国连圆珠笔笔尖钢球都造不出来的报道曾引起过轩然大波，大家痛斥中国精炼钢技术如何落后。

没错，至少5年前，我们用的圆珠笔头上的那粒碳化钨球珠，中国是不具备这种特种钢钢材的生产能力的。

之后，中国太原钢铁厂，专门对这个直径仅有2.3毫米的球座的生产材料做了技术攻坚，在2016年终于造出了圆珠笔球专用的精炼钢。

再后来，出炉、量产、圆珠笔厂商用上了中国制钢球的故事，便接二连三地发生了。

虽然很多人把中国造不出什么归咎于在钢铁技术研发实力的落后，但某种程度上，我们忽略了市场在中间发挥的作用——利润可能只有几块钱的圆珠笔，会吸引一众钢铁厂去造技术含量高，研发投入大，但不赚钱的小钢球吗？

而同理的，也有最近某名人在演讲中所说的中国造不出打火机垫片，需要依赖日本进口的故事。

其实，诸如钢球攻坚战、中国造不出打火机垫片的故事，仅仅映射出了不为大众熟知的中国钢铁行业发展现状的一角。

多年来，我从小时候看新闻联播，到现在真正接触钢铁工业，这个行业20多年来一直存在着几个痛点：

2020年中国钢铁产量仍然在增长，而且总量非常大，达到10.5个亿，占全球钢产量的60%。但是这里面的钢，大部分是建筑（房地产）用的普碳钢。很明显，房地产繁荣造就了钢铁行业的30年产能辉煌。然而，在经济效益褪去，步入寒冬后，就越发凸显出下面两个问题。

60%的普碳钢占比，意味着技术含量高一点的钢占比就很低，进口多于自产。上面提到的圆珠笔钢球用的钢材，就是产业里的一个技术瓶颈（主因当然不是这个）。而相关的瓶颈，还有很多。

特别是早些年像汽车钢板这类高级钢材，主要依赖进口。因此发改委一直在严控新增产能，压制落后产能。

此外，集中度低也是失衡的表现。中国产钢企业多而散，全国前十大钢铁公司只占这10.5亿中的38%。散户多的结果，一方面是采购铁矿石的议价能力弱，另一方面是容易进行低水平重复建设——大家都在低段位竞争，陷入价格战死循环。

只要稍微了解炼钢工序和环境，都不难想象钢铁厂的污染指数。矿山里乱窜的灰黑矿粉，炼钢厂烟囱里冒出的滚滚浓烟，以及废弃的毒金属…以至于2018年，河北炼钢重镇唐山勒令钢铁厂如果不整顿转型，就必须集体搬迁。

2020年12月31日，工信部开的『新药方』，体现在一份叫做《关于推动钢铁工业高质量发展的指导意见》里，总结下来其实是这三个词——

工业互联网企业傲林科技的钢铁专家告诉虎嗅，企业规模越大，上下游协同性就会变得更好，对技术（信息化）的要求也就更高。

而反过来讲，同样成立——信息化更高，那么协同就会做的越好。

而这样为钢铁企业带来的直接好处，通俗来讲，就是尽可能做到『不浪费』『降成本』『多赚钱』。

『之前有家挺大的钢铁厂，信息化自动化水平已经很高了，但有些重要数据还是存在误差，比如300吨的转炉，废钢装入量误差也在±3吨左右。这已经是非常好的数据了。

很多小一点的钢厂，炉子小，自动化水平又比较低，误差就会大一些，导致数据不准确，影响生产。』

钢铁厂的转炉，图片来自『混乱博物馆』的视频

因此，中小规模钢厂在议价权、信息化程度和环保治理上的『低人一等』，从宏观来看，更容易在市场价格波动中『受害』，也更容易被停业整顿；

从微观来看，也更难把控炼钢过程中的质量检验与称重等问题。

『这样的企业在供需上的匹配就有盲目性。举个例子，如果一家钢厂在制定明年的生产计划，那么预测与市场实际需要之间往往有时间差，对市场信号的研判和反馈不及时，也不准确，所以才会有这种来来回回的波动。』

图片来自『科技奇趣』的视频

因此，在工业互联网创业高潮迭起的2018~2020年，要么有技术公司瞄准某道工序纵向切入，为工厂做生产效率优化；要么是技术公司从全域性数据治理和平台业务入手，为工厂做横向的『多快好省规划』。

但是，作为多年来一直在曲折升级的传统产业，钢铁真的可以被所谓的工业互联网『一击即中』吗？

其实钢铁生产这门生意，虽然一直被誉为『制造业脊梁』『现代工业骨骼』，但它也被行业内的人都戏称为一个『傻大黑粗』的产业。

这个特点不仅来源于社会观感，也来源于它的工艺特质——用『几千几万吨』来计数的钢材产量，无论做的多精细，都存在一定的『粗放性』。

轧钢，图片来自『科技奇趣』的视频

你看那几米高的大炉子，那大块的铁矿石和粗钢粗水。既然要讲求规模，那么势必要放弃一定的精细化。但是，这并不意味着里面没工作可做。

傲林钢铁专家指出，作为流程性产业，钢铁厂无论是车间里，还是办公室，都有技术优化空间。

L1~L6代表着工业往自动化、信息化、数据化不断进阶，图片来自傲林科技

从上面这张工业数字化的分级图上，我们可以看到，L1到L6，是每一家工厂从底层到高层的进化过程。

我们所熟悉的PLC（可编程逻辑控制器）、MES（生产执行系统）、ERP（企业资源计划系统）和CRM（客户关系管理系统），都属于L1~L4的工厂信息化改造。

在很多大型自动化工厂里，PLC机柜和MES操作系统是很常见的配置，而它们也大多来自西门子、Rockwell、施耐德等工业巨头。

我在上一篇《一支卷烟里的大江大河》里就提到，像香烟制造、汽车、精密设备制造（芯片）等行业，其自动化水平之高，让他们有『扎实的地基』往更高层次进化——L5~L6。

因此，很多基础条件不错的钢铁工厂，就会对技术在生产和管理中的应用有更高的要求。

譬如，宝钢与武钢合并后的宝武集团，2020年产量达1亿吨。他们有一家叫『宝信』的子公司，专门做信息化。

但是，与精密设备产线不同，钢铁产业的特殊性，也在于其参差不齐的发展水平。

大公司（国有）规模越大技术越强，走的越快，已经往L6进发；而体量小的企业则技术相对落后，连整个产品生命周期的L1和L2都没走完。它们中的一部分，也会变成我们经常在新闻里看到的『被关停』的时代牺牲品。

『有些地方的小工厂非常落后，人工操作的工序很普遍。譬如曾在这几年被连续取缔上千支的燃煤土竖窑，就是污染非常严重、非常落后的制造工艺。』

钢铁专家提醒我们，千万不要把钢铁行业想的多么高大上，即便是大厂，作业环境也远比我们想象的恶劣。

钢铁制造流程，大体可分为烧结、球团、焦化、高炉炼铁、铁水预处理、电炉炼钢、二次冶金、连铸、再加热、热乳和冷化等工序。

也就是说，每家钢铁厂，因处于不同发展阶段，遭遇的难题完全不同，需要不同类型的技术公司帮忙解决。

『比如，有给车间里的工控设备做连通协同的，也有专门给高炉减能耗的技术公司，每年给你抠出一个点的能耗，那也是不得了的事情；

还有些自动化公司，把热电偶（钢铁产业里的某种传感器）埋在高炉炉缸的周围，可以测炉壁的温度，这样系统就能根据炉壁温度来监测炉缸情况，做危险预测。』

高炉，图片来自混乱博物馆

但傲林认为，从成本着眼，在现有的设备不换的情况之下，通过对工艺优化的方式，成本降了一个点后，再往下降，难度就会变得非常大。

当然，除了考虑到经济利益，还有一些不可控的人为因素（大家都懂）广泛存在于传统产业。

举个例子，烧结部门采购的是A公司的ERP，连铸部门采购的是B公司的ERP，两个部门都有使用什么系统的决策权。一家钢铁厂可以存在若干种相同功能、不同品牌的系统。

因此，即便要全部更换，也可能是个时间和资源完全不同步的大工程。而让甲方工厂最可能接受的解决方法是——那就靠第三方去打通吧。

另一边，不想跟设备制造商、传统信息化系统供应商抢肉吃的『轻量化』技术服务和平台公司，跳出被系统和设备框住的思维模式，用互联网思维，选择从另一个可以『连通』的属性切入——

数据。

这也是L5与L6层存在和创造的价值。

『实现降本增效，并不是只有改造产线，也可以做一个钢铁厂内部的横向协同，』

傲林钢铁专家讲到了一个叫做『产供销平衡』的概念。简言之，就是我们在制定生产计划时，报出的数字尽可能跟实际产能、原料供给，以及销售市场走势相匹配。

『除了数量，对产品结构的把握也非常重要。

譬如我每月要生产多少螺纹钢，多少镀锌钢板才能实现效益最大化，都需要定一个数字，这也对应了对矿石采购、生产排期、物流安排、销售策略等的要求。是一个牵一发而动全身的事情。』

其实『产供销平衡』并不是一个新概念。

相反，你可以在20世纪80年代的期刊上看到它频繁出现在与工业结构调整的文章里。但几十年过去，伴随着钢铁产能的持续过剩，这个问题的解决方案，依然非常骨感。

傲林的工程师们在走访地方钢铁厂时发现，公司内部的横向跨部门协同方式相对原始，与现代化有点脱节：

『大家一起开所谓的经营分析会，既慢又不够精准。一旦市场信号出现了某些变化，根本来不及反应，特别是单个企业。』

他们提到有家钢厂的董事长想看一张可视化报表，这听起来是一件很简单的事情，很多软件都能做。然而，就这件『小事』，他最终等了三天半。

『因为他想看的那张表要从不同的信息化系统里取采数据，而数据的格式、规范以及采样频率都要对齐，让好几个人折腾了三天才做好。』

某种程度上，这与我们讲的『数据孤岛』，有类似之处。

在钢铁行业，数据孤岛问题也叫『数据烟囱』。每一道工序都有一个自己的小网络，连铸有一个，精炼也有一个，以前都是互相隔离的，像两个小烟囱，数据是不通的。

『有家钢铁厂的炼钢工序和连铸工序数据信息沟通不太好，导致连铸拉速不稳定，铸坯质量出现了问题，影响了生产。

现在，把这两个工序打通了，消除了数据烟囱，转炉工序和连铸工序都能实时了解生产情况，无论是生产节奏还是成本控制都有了明显效果。』

而专注于L5&L6层的技术公司们，包括傲林，某种程度上，做的就是『时间生意』——

在存在于许多不同系统里的数据拉出来，放在一个湖里。然后做梳理分析，最终把一份清晰的综合性数据和分析结果呈给这家公司的一把手，以及各部门一把手。

『把MES、ERP、CRM的接口打通，从销售部门拉出过去每年每月的销售和订单数据，从采购部门拉出材料库存和供给数据，从财务部门拉出的人力和收入数据，还有产线上的产能数据，以及宏观市场走势数据，都放在一个库里，』

图片来自傲林

其实我们认为，这并不是一个技术含量很高的过程。相反，傲林也认为，这是一个其他影响因素远大于技术的『苦活累活』。这个时候，技术部门是辅助，市场作为核心部门，需要耗费大量时间和经理。

而他们设想的更具技术含量的任务和服务增值点，则是数据真正打通后，能不能通过算法产生更具价值的东西——

『我们不是ERP，而是一个全域化的数据治理和全局化的效益优化，除了收取按期支付的实施费用，钢厂需要支付持续的SaaS模式服务费用。

哪个地方能挤出钱来，挖出效益来，我就帮你去找，但前提是数据得打通，按照最后你的真实总效益来收钱。其实客户也不是很在乎你这一百万到底是采购省下来的，还是销售增加出来的。最后他看的还是整体效益。』

理论上的无懈可击，往往在现实中藏着巨大的陷阱。

不做ERP，做全生命周期的数据治理与量化分析，是一个大故事。而大故事，则意味着大麻烦。

像前面说的，L5与L6建立在健全的L1~L4基础上，如果产线上的工控协同没做好，或者很多环节都有人为因素在里面，那L5与L6也不会成立。

但是，L5与L6围绕数据的再加工，全依赖自动化系统采集的数据质量。

『数据质量是我们一个很大的挑战，』傲林钢铁专家告诉我们，由于粗放性，很多环节『大面』由系统管控，而细节则有很多人为影响因素掺杂其中。

因为很多数据不是机器直接产生的，而是人手动输入进系统的（这也意味着实现了自动化，但未实现智能化），这种情况非常普遍。

这就相当于，工人是『数据标注工』，而数据的质量，则取决于人的不可控性。

喂丝机。喂丝，指将添加剂破碎调和成一定形态，用薄钢带将其包裹起来制成包芯线。

『举个例子，精炼有一个「喂丝」的环节，喂丝长度以及速度都要靠工人在机子上设置，凭经验来加。数据没有自动采集到系统，也不能通过系统精确控制喂丝量，对钢水质量和生产都会带来影响。』

傲林钢铁专家还举了一个非常形象的例子：在钢铁的精炼环节，需要工人用铁锹来扔造渣剂，但是因为造渣剂重量控制不准，就会影响钢水质量和生产成本，所以工人都会掂量着来：

『如果感觉还不够，就直接再铲两铲子，直接丢进火里去！』

因此，用传感器来自动采集数据，是产业在努力推动的事情。然而，这又涉及到成本、工序难度和用人等各方面条件，进程相对缓慢。

此外，传感器在高温高压的严酷烧炼环境里，也很快就会变得不准，所以传感器的精度保持和安装难度也很大。而工程师们也在通过一定的算法补偿来校正数据质量。

热电偶，相当于钢铁生产流程中的一种传感器，主要用来测温、测压，图片来自网络

拿『预测性维护』这个很多工业互联网公司都在打广告的能力来说，很多工程机械、挖掘机以及飞机的发动机，的确应用了非常成熟且有效的预测性维护技术。

但是，在中国技术更迭没那么快的老旧工厂，有很多所谓的『哑设备』，既没有PLC，传感器也很少；

另一边，一些工艺先进且复杂的特殊设备，也没有给第三方留打通数据的『余地』。

『国外一些设备里面都有“黑匣子”，做预测性维护就要拿到数据，但除了设备生产商其他企业都拿不到“黑匣子”里的拿不到接口和数据，所以就做不了预测，』

傲林钢铁专家提到，连铸工序有个设备是一家国外企业生产的，但这设备他们就是不给你接口，你就预测不了。

连铸，图片来自『科技奇趣』视频

总的来说，不仅仅是钢铁行业，有个问题普遍存在于所有工业产业中——经营类系统（ERP、CRM）的数据品类与质量，要远高于生产类系统（PLC、MES）。

因此，如果要做一个工厂的全生命周期管理，势必要解决『短板过短』的问题。

你绝不能忽视和跳过任何一个环节。

对于一家工厂来说，对于『把各个部门完整数据收集上来，并做系统分析』最乐见其成的，显然是老板。

但就像刚才所说，要让所有部门和车间欣然拿出自己的数据交给工程师们做统一治理，技术实现并不难。既然牵扯到利益关系，它就变成了一个『苦力活』。

根据我们此前获悉的其他产业新兴技术落地的结果来看，很多所谓的5G、人工智能设备，或者是智能化平台，要么采购后被搁在某个办公室角落里落灰；要么被当成『阶段性成果』宣传一阵儿后，随着支持款项中断便无疾而终。

这些都是『一把手工程』的表现。

『我们服务了一些民营钢铁工厂，除了老大，其他领导的态度也很不错。有家工厂的总经理专门开了动员会，给员工提要求，说「如果谁不配合，到年底就拿你是问」。』

傲林客户经理说，对于钢厂每个部门来讲，如果不干领导就会稍微调整一下KPI，那下面就不得不干。

『有些功能，执行层也不是全面排斥。譬如我们有家客户企业，每两周就开一次关于数据治理的项目分析会，看项目进展效果。大家为了统一的目标，其实很愿意配合。』

但傲林工程师也没有掩饰遭遇的非议。

对于非常看经验和资历的工业人来说，不少人认为『辅助决策』是个伪需求，甚至有人当面就给他们搁下这样一句话：

『我不用L6，我的脑子就是L6。』后来经过沟通，他们最大的顾虑，是会觉得系统有威胁到自己的一部分职能。

此外，既然是跨部门的供产销联动，让他们感受到工厂每个部门由于做事风格完全不同，经常遇到『销售部门说很好，但生产部门说不行』的局面。因此，就不得不逐个击破：

『财务部门非常严谨，但不善于说自己的需求，必须靠产品经理挖掘和引导它们的需求，否则他们表达的其实连潜在需求30%都不到；

而销售部门则是非常健谈但思维很发散，说的需求其实都不太好落地，那这个时候怎么去控制他们的需求，毕竟我们都需要根据周期按时上线。』

截至目前，傲林所有的行业首项目周期在半年以上，虽然在供给侧，他们在推行模块化、产品化的思路，但往往行业的属性就决定了这种『了解需求，说服客户，融入其中』的“苦力活”需要占用不少时间。

『我们老大也会带上安全帽，每去一家工厂，就在工地和办公室之间来回穿梭。美名曰：融入工业。』

传统的互联网，特别是消费互联网，就像是一片高地或者平原。那如果有产业大鳄带着足够大的决心和资金来铺行业，是可能打通的。就好像一瓢水泼下去之后，所谓卡一下就打开，就往下奔流。

但是，工业互联网这个领域，有点像纵横的沟壑。一个一个的细分行业之间是有壁垒的。所以你如果想一瓢水泼下去，把这地方全占领是不可能的。因为它会被隔成一个一个的小水洼。

而对于专供工业的技术企业，只能按部就班先做好每一个小水洼，没有任何捷径。