赵文政学长是上海交通大学软件工程硕士，复旦大学MBA。赵文政学长曾任HP（惠普）高科技行业组负责人，于2017年在上海创立喆塔科技，目前担任喆塔科技创始人暨CEO。

作为扎根于数字化行业的20+年的老兵，赵文政学长既对智能工厂、数据价值有深刻的理解，又深谙外资IT平台和国内创业的自有生态差异，在采访中，他分享了对数字化制造的见解以及喆塔科技创业故事。

求是缘：作为产业的专家，您能否为我们描绘一下您所理解的智能工厂是什么样子，具有怎样的特色？

赵文政：一般人对工厂的认知就是投入原材料进入到生产线，加工生成成品出来。可以抽象一点来说就是实物流，信息流与资金流的统一性过程。所谓智能工厂，就是拥有设备互联能力的自动化产线并充分结合精益生产理念安排生产过程；广泛应用MES（制造执行系统）、APS（先进生产排程）、能源管理、质量管理等工业软件，实现生产现场的可视化和透明化；从生产排产指令的下达到完工信息的反馈，实现闭环。

通过建立生产指挥系统，实时洞察工厂的生产、质量、能耗和设备状态信息，避免非计划性停机。通过数据驱动平台洞察生产现场的状态，辅助各级管理人员做出正确决策，通过数据驱动达到产能预测，良率预测，设备维护性预测等功能，实现智能化工厂；智能化的最终演进就是最终实现自主化工厂，看过【流浪地球2】的朋友都知道550W怎么转换成MOSS。拥有足够的数据与工业模型，加上算法算力的支持。进而从智能化工厂演进为自主化工厂，拥有自主决策、自主参数修正、自主物料路径、自主生产安排等等。

喆塔团队对智能工厂的理解和阐述

对于半导体行业来说， 12寸Fab基本也开始在做智能化的推进与深入。目前海外的某些成熟的高端工艺的Fab基于自身强大的数据和模型层面的支撑，初步实现了由数据来驱动生产，往自主化工厂的方向演进。

国内的FAB也已经完成了数字化基础的搭建，实现了生产过程的自动化、信息化、物联化；但在生产排程、物流优化，数据驱动的模型建立与透明化运营方面还需要继续加快速度。 

求是缘：您如何看待Data数据资产对于一家企业的价值？目前对于数据资产的采集、挖掘、分析、运用等环节存在哪些不足？

赵文政：所有的人都认识到数据是有价值的，但是大多数人不知道怎么将数据资产的价值展现或者应用在自己的领域当中。由于分布式存储、分布式算法以及大数据以及AI算法的迅速进步，进一步凸显了数据资产的价值。特别是在2015年开始金融、零售领域有很多的好的数据应用场景的成功落地验证了方法论的可行性。

对于工厂来说，具有强烈的行业属性。工厂里的数据有内在逻辑，工厂从当初被搭建开始，所有的设备、物流都被串联起来。如果我们把生产环节的时间切片展开来看，每个时间点都是有数据的，包括生产的动态过程，产品的生命周期的所有数据。数据展开之后能给工厂的管理者提供决策管理依据，如何降低运营成本（物料成本、质量和良率），如何提高产能，提升设备的稼动率等。

对于高端制造业，尤其是半导体工厂来说。天然是有大数据属性的，数据量大且存储成本高，很多FAB的数据量都是PB级。但是要将数据的价值发挥出来，需要有一整套完整的方法论。总的来说，就是如何采，如何存，如何取，如何用。 

在FAB里，其实“人，机，料，法，环”等各个环节都有它特定的协议以及特定的方式，能够有效的将数据采集的同时去掉“脏“数据以及无效数据，保证数据质量，就是所有数据价值发掘的前提。

在数据存储的时候，按照行业数据模型进行多维有序的安排与数据分布。为数据的查找、使用和挖掘做好准备。数据的取用，则要回归到工厂运营的本质，解决工厂运营的具体问题，比如围绕良率的一站式分析与预测，围绕设备的最佳配方的生成，围绕生产的最佳路径的规划等等。

这个完整的数据价值产生的过程，就是行业Know-how与ABC(AI,Bigdata,Cloud架构)IT技术深度融合的一个过程。喆塔数据驱动平台ZetaCube就是基于这个准则完成1+N的全过程产品平台。1个数据平台完成采，存，取的方法支撑，同时N个应用来完成场景落地和用户部门的用户交互的界面实现。

求是缘：面向不同的制造业客户，比如半导体、面板、新能源等，它们对于数字化需求有何不同？

赵文政：半导体、面板厂在建厂初期就做好了自动化、信息化、数联化。Fab建厂之后工作重心是围绕稳定工艺、提升产品的良率。Fab适应多变的能力比较强，满足多客户、小批量的生产要求。这些工厂目前主要的数字化转型的需求在于数据驱动与管理方法的融合，目标是实现智能化工厂以及为自主化工厂奠定基础。新能源则不同，产品标准化更强，工厂核心的目标是产能和生产节拍。

虽然不同行业工厂的需求不同，技术标准不同；但站在制造工厂本身来看，都是要取的市场竞争优势，盈利为目标。对于每个工厂投资人来说，就是要收回投资、产生利润。在当前的大的宏观背景下，人力成本、供应链成本持续升高，要想在全球的竞争中继续保持领先优势，最好的出路就是迅速完成制造业数字化的转型。迅速在生产效率、管理效率、市场反应速度等方面通过数据驱动的方式完成智能工厂的转型。

求是缘：您如何看待CIM（计算机集成制造）的产业格局现状，未来的发展趋势？

赵文政：CIM（Computer Integrated Manufacturing计算机集成制造），随着信息技术成为工业的基础架构不可或缺的一部分，CIM的概念外延在不断的扩大。中国有句古话叫“隔行如隔山”，讲的就是工业领域，各细分行业的差异特别大。CIM需要基于不同领域客户的工艺过程来定义软件，工艺过程不同，则CIM软件也不同。

因此在工业软件领域，每一家友商都有各自专注的细分赛道。欧美友商进入产业比较早，如AMAT、IBM等占据12寸Fab的主要份额。国内友商基本都处于刚起步阶段，在6-8寸以及特色工艺等FAB工厂，国内厂商已获得导入机会。

当下复杂的半导体产业环境给国产创业团队而言机遇与挑战并存。目前的确是国产替代是绝好的时机；但严峻的市场环境以及行业周期性将迫使国内半导体行业节奏放缓。工业软件的可用性，以及能否给企业带来价值赋能，需要经过实际量产线的长期验证。

进入这个行业的企业，需要有坚定的目标方向和战略定力，愿意付出10年、20年的努力来做这件事才可以做成。站在这个维度来看，国内的友商也才刚刚开始，处于国产工业软件行业发展的早期阶段。那接下来比拼的就是谁对行业理解更深，谁能做的最好，谁能够更专注与更坚持。

求是缘：您能否为我们系统地介绍喆塔科技的产品家族解决方案？

赵文政：喆塔的产品的核心理念就是用数据驱动来解决问题。团队拥有20+年以上的半导体行业Know-how与ABC（AI，Bigdata，Cloud）深入融合的经验，重构新一代的工业软件体系。

ZetaCloud一站式工业互联自主化方案，基于工业互联网架构，核心由数据平台+业务应用组成，APP架构提供丰富便捷的开发工具及开放API。通过ZetaCube（工业数据中台）自上而下的产品需求驱动与ZetaDMO（数字化智造运营平台）自下而上的生产过程驱动，助力企业沉淀数据资产形成行业模型的同时，为企业提供闭环式制造解決方案，加强数据、流程、组织和技术等要素的协同创新，满足企业灵活、复杂、经济、创新的数字化应用需求。

求是缘：相较于与友商，喆塔科技的差异化体现在哪些方面？

赵文政：喆塔的差异化主要体现在产品力的构建上。

与国内外同行相比，喆塔科技实现了行业Know-How与“ABC”深度融合。目前欧美软件产品架构基于数十年前的IT技术，国内大部分玩家产品则参考国外产品进行开发。而喆塔科技产品基于数据驱动的新一代IT技术来设计，包括机器学习、深度学习等AI算法的引入，因此在技术架构上具有领先一代的优势，同时减少系统复杂性，降低各种系统集成的风险和客户组织成本。

为了加强喆塔产品在工业模型、算法的优势， 我们去年与安徽省人工智能实验室、中科大先研院合作成立「工业互联网创新应用联合实验室」。实验室凝聚三方优质创新资源，在研究方向、课题设立将与相关企业联动进行，既解决企业实际存在的算法、算力、人才等问题，又对未来技术演进进行指导性探索。

求是缘：喆塔团队服务模式的特色优势体现在哪些方面？

首先，喆塔核心团队拥有近20年的半导体工厂数字化经验，可以从整体工厂运营的视角，提供全生命周期的数字化规划和落地实施方案。确保工厂客户在沙盘推演阶段就能减少不必要的沉没成本出现。

其次，通过解决制造业客户很多实际问题，我们打造了一整套标准流程体系、方法论来保证项目实施落地。

最后，我们始终以快速响应并服务好客户为己任。围绕重点客户就近布点，更高效贴近客户来做好服务。 

求是缘：您当初为何选择创业？从原来的专业外资经理人转变为创业人，您如何看待二者角色之间的差异之处？

赵文政：原来在外资大平台上做职业经理人相比创业较轻松，职责主要以公司业务目标为导向；推荐给客户的方案有大品牌背书，有强大的专家团队资源支持，在客户端也比较强势。创业之后，才体会到创业的艰辛，基本上不敢停歇半刻，从战略布局、产品规划、团队管理及融资都要一手抓。

选择创业也包含以下两点原因：

一、作为半导体工业软件的老兵，我们发现主导中国市场的欧美软件都是20-30年前的技术架构，但与之相反，IT技术发展迅速；工业软件和IT技术二者之间已经脱节。喆塔团队浓厚的工程师基因决定了我们一定要做最好的工业软件。

二、 国家强调智造立国，创业之后，这种使命感变得更加强烈。在今天这个充满变数的宏观背景下，我们面临着更大的历史机遇与挑战。我们是立志成为打破美国对我国半导体行业的工业软件“卡脖子”威胁的一份子！是中国工业软件 “赶欧超美”的一份子。无论是客户、合作伙伴还是投资人，他们皆把对国产工业软件期待倾注在我们这批工业软件老兵身上，所以“我内心希望把事情做好”！

被访人与采访者合影，左为赵文政

采访人后记