中国终于造出了圆珠笔小钢珠，但这远远不够

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： 

产能依然过剩。 

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。 

结构性失衡，技术含量低。 

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。 

给环保和安全生产带来的巨大压力。 

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—— 

技术、人才和规模。 

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。』

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。』 

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？ 

分而治之，逐个击破 

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』。

『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。

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。 

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。』 

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。 

『工厂更换设备也有一个长周期。对于重工业，不可能建了一个高炉后，两三年技术升级了，就拆掉高炉再建一个； 

你也不可能隔很短时间换传感器，因为炼钢是一个流程性作业，一般几年才停炉检修一次，停了的损失更大；也不能采购了MES和ERP系统后，两三年再采购新系统。』 

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*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，』 

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精力。 

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—— 

智能辅助决策。 

『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。』 

实战里，全都是数据造的坑 

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。 

『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。 

第二，有时候不单单是数据质量，而是『你要的数据到底有没有』的问题。 

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。 

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。 

一把手工程？ 

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*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*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。

【本文由投资界合作伙伴虎嗅网授权发布，本平台仅提供信息存储服务。】如有任何疑问，请联系（editor@zero2ipo.com.cn）投资界处理。