怎样实现无忧？

现在中国在建的26个8英寸晶圆厂和12英寸晶圆厂，将成为中国下一波经济来源和主要增长点。建一个厂大概需要20亿～45亿美元。晶圆厂里面需要人工操作的机会很少，人只需做一些简单的事情，所以里面的数据最值钱。

Intel在2000年的时候找我合作，希望对数据进行分析和预测。因为他们的设备价格比较昂贵，他们希望能够预测设备什么时候发生故障以降低维护成本，也希望可以了解故障和质量、速度等之间的相关性。所以将预测性和预防性做到很高端的半导体设备上面，就是我们IMS中心在2000年的研究重点。

从大问题导向到大价值导向，“煎蛋模型”可以给出很好的解释。传统工业价值指的是蛋黄的部分，即5个M：材料（Materials）、设备（Machines）、方法（Methods）、维护（Maintenance）和测量（Measurement）。价值核心是蛋白部分，即6个C：建立互联互动的环境（Connection）、IoT的基础架构以及在云端随时随地按需获取的计算与存储的能力（Cloud），在赛博空间（Cyber）建立数字孪生模型，建立设备全生命周期的数据档案的记忆（Contents/Context），结合带有场景化的数据分析，提供对数据深刻的洞察，最后这些数据能够在社群（Community）当中进行分享，在用户群体或整个供应链和生态链当中分享数据，最终在整个社群当中每一个人都能从中获得个性化的服务（Customization）。

蛋黄是大问题，蛋白是大价值。我们讲大数据是从大问题开始，但它绝对不是目的，要做到大价值、发挥最好的作用，就要从问题到数据再到经验。虽然经验可以传承，但无法长久传承，而数据可以，因为它有逻辑性，最后再把价值做好，把经验变成事实。

工业大数据要的是聚焦，是收敛的，而传统的大数据是发散的，谁是客户，就定向给他们推送广告，这些都是机会导向，不是精密性的价值导向。GE发动机通过远程监控，可以节省1%的油钱，15年下来能够累积节省一大笔成本，这就叫蛋白。中国船舶的案例中，船舶是蛋黄，针对每条船运行时的天气、海浪、风等参数建模，形成海浪跟油耗的关系模型，根据分析结果来优化航线和速度，能够节省5%的油钱，这也是蛋白。