数字化这个词语，想必大家都不陌生。今天，连路边煎饼摊的大爷都能熟练地问出你扫我还是我扫你？，人们往往对中国的数字化程度过分乐观。
但事实真的是这样吗？数字化的真相数字化转型（DigitalTransformation）这个术语最早可以追溯到2011年以前。2011年，麻省理工Sloan管理学院与法国知名咨询机构Capgemini联合调研了全球50家大型传统企业，采访了157名高管，最终发布了名为《数字化转型：走向十亿美金企业之路》的研究报告。
2011年是什么概念？举个例子，2011年，当时手机巨头诺基亚突然宣布与微软联手合作，计划推出基于WindowsPhone操作系统的智能手机。中国智能手机厂商刚刚开始起步，支付宝、微信支付等还远远谈不上普及，用手机打车、点外卖还没有成为现实。这还仅仅是数字化转型这个术语可追溯起源时间，企业拥抱数字化则要更早。
可以说，自计算机发明以来，就有无数企业前赴后继地投身到这场数字化浪潮之中。根据中国信息通信研究院数据，我国工业制造数字化渗透率仅为19.5%，不仅远低于发达国家33%的平均水平，更是不到制造强国德国45.3%的一半。
打个比方，水泥熟料，这是一款水泥的半成品，由水泥工厂将石灰石、粘土、铁矿石等原材料在1200℃以上的高温下煅烧形成。在高温、粉尘飞扬、环境恶劣的熟料库里，如果你拥有一座大规模、数十年生产经验、产量巨大的建材水泥工厂，你想要知道熟料库存数量，你最可能怎么做？答案是——每周让工作人员爬上几十米库顶，从测量孔放下皮尺，量出库中熟料到测量孔的高度，然后用底面积乘以高的公示来计算库存体积，再推算质量。
对某些工厂来说，这可能是性价比最高的方式。相比于随时知道库存数据，随时可以根据产销情况调整生产节奏的智能工厂，这种手工作业堪称原始。事实上，无论是抖音、快手、小红书，还是瑞幸、滴滴、夸父炸串，这些现在我们日常生活中应用频繁的消费产品，它们大多直接从数字化土壤里长出来，是Z时代的数据原住民，从诞生之初就有着完备的数据基建，企业经营决策强烈倚靠数据驱动、算法驱动，可以实现敏捷的经营管理。
但它们只是中国经济体的一小部分。水泥、石油、钢铁、煤矿、制造、冶炼、物流……在更广阔的世界里，还有大量非数字化原生企业，它们往往有着强烈的数字化转型需求，却始终被困在低回报、高壁垒的矛盾漩涡里。
不是没人试过解决这些问题。在过去的自动化大潮中，大量企业已经从硬件角度引入产线自动化设备，配备了基础仪器仪表与中控。同时，自动分拣机器人、AI瑕疵检测设备、物流管理软件……互联网+AI+概念曾经推动了一大批传统制造业转型，力求不断提高数字化渗透率，推动产业升级。
只是，一方面，互联网思维讲究快速试错，积极迭代，这与大量实体场景天生相悖。制造、金融、医疗等行业的容错率极低，无法复用试错—迭代—试错的互联网路径。另一方面，ToC产品思维往往是解决某个单一的用户痛点，但在能源、工业等大量产业中，往往每个点都将牵一发而动全身。
同时，不同企业的生产制造场景个性化程度极高，即便引入了机器与自动化设备，场景中依旧存在着大量的问题：使用了大量自动化设备，却发现设备的管理、维护成了难题。减少生产人员节省的成本，最终多花在了增加运维人员上。
想要用AI优化产品良率，却发现数据不是没有就是用不上，数据收集时却发现十台生产机器有八个型号，其中一半以上用的是十年前的数据接口，别说5G传输了，连U盘都插不上，一台机器200G数据，光拷贝都得一天一夜。
与此同时，对于不规则形状、无固定路径、环境光干扰强烈、产线更新频繁的场景，还有大量问题使用现成的技术无法解决，只能靠人力往里填。
长期以来，实体企业数字化转型路径长、环节复杂，投入高、时间长、难度大——失败率极高。一款相机、一个系统、一台机器人、一套传感器，无论是其中
