方鑫，BV百度風投投資副總裁，長期關注AI行業解決方案、企業服務智能化、工業智能、數據智能等領域，并致力于幫助產業方、科研學者、創業者和技術擁有者等打造和完善行業智能創新方案。在工業智能領域主導或參與投資項目包括玄羽科技、匯電云聯、湃方科技、埃睿迪、長揚科技、數見科技、云丁科技等。

目 錄

一、工業智能化概述

1.1我們理解的工業智能化，是技術帶來的開源節流、生產組織方式變革或行業效率模型再造

1.2 工業智能化的形態和商業模式發展：強解決方案大乙方&強運營新甲方

二、工業智能化創業與投資機會詳解

1.平臺型企業并不壟斷，互相賦能正當其時

2.垂直重度打造細分行業工業智能系統大有可為

3.單點切入，資產/設備、流程優化打造新型智能系統

3.1資產/設備的智能化機會

3.2算法和數據驅動的流程優化打造新型調度決策系統

4.智能工廠操作系統，從點線運營效率到系統效率提升

4.1串聯制造執行，獲取業務數據，MES的價值

4.2精準和柔性，從制程優化到全局智能FOS（工廠操作系統），未來工廠的暢想

5.工業智能化帶來的產業效率提升和商業模式變革

5.1以工廠為核心，企業作為主體，技術賦能上下游的產業效率提升

5.2連接研產供銷，企業級的流程再造和商業價值重塑

6.工業智能中數據產業鏈的投資價值

三、共創工業智能未來：技術孵化、產業連接和資本助力

一、工業智能化概述

1.1 我們理解的工業智能化，是技術帶來的開源節流、生產組織方式變革或行業效率模型再造。

所謂工業智能化，我們關注的是能夠帶來開源節流、生產組織方式變革的產品或技術解決方案，以及通過效率模型的變革和再造帶來的運營型機會。工業智能化是以工業感知、IOT、AI、數據、軟件、機器人等技術為基礎，實現全局語義化的智能感知、控制、調度和決策，通過這些手段，可能會對有原有的設備、制程、工廠、供應鏈進行優化和改造，以達到提質、降本、增效或生產組織方式變革的目的，也可能誕生新的智能設備、新的制程、新的OEM、新的供應鏈組織形式甚至新的品類。但效率模型變革在各個行業并非一蹴而就，工業領域將在數據化和信息化進程中，迎來漸進式的智能化變革，本文系統梳理了工業產業鏈上技術變革帶來的作業效率和商業效率提升機會，并從數據、模型、決策角度分析數據產業鏈的價值。

圖1工業智能化技術概覽

1.2工業智能化的形態和商業模式發展：強解決方案大乙方&強運營新甲方

用技術手段實現工業智能化，其呈現的形態和商業模式又是什么呢。本文試圖從一個技術、產業觀察者，產業投資者的角度來闡述和分析工業智能化的一些方向和可能。概括如下圖，工業智能的表現形式可能為硬件、軟件、業務系統、算法、平臺、解決方案等，從商業模式看，可能強解決方案，終極路徑成為一個大乙方；也可能通過強運營模式再造新甲方或成為新型甲方。

圖2AI賦能的機會：解決方案or重度運營

然而平臺林立，創業公司的機會在哪里？細分行業繁多，哪些領域有大的機會？是做解決方案的機會還是運營的機會？本文試圖通過平臺的分析、技術配置和行業選擇的梳理、工廠解構、產業鏈拆分和數據的鏈條來尋找投資和創業的機會。并總結如下：

圖3工業智能化的未來方向和發展可能

二、工業智能化創業與投資機會詳解

1.平臺型企業并不壟斷，互相賦能正當其時

近年，市場涌現了眾多的工業互聯網平臺級企業，但工業行業本身細分非常多，且各自的行業屬性和特點差異很大，不可能出現一個放之四海而皆準的模型和技術。這里面技術應用的邏輯和商業閉環的形成可能需要不同技術背景、產業背景的人或公司來參與和驗證。

以國內比較早的工業互聯網平臺為例，基于母公司或原企業的稟賦特征，大型工業企業工互平臺多少都承載了原有企業的烙印。

比如根云互聯以設備物聯為基礎，建立設備全生命周期的管控，搭建工業云平臺；圍繞三一重工銷售全世界各地產品，利于IOT、大數據、人工智能技術進行商業模式的創新，并延展至其他設備和產業。

而海爾CosmoPlat則是以用戶為中心的柔性生產平臺，區別德國工業4.0工廠智能化升級改造，Cosmo除關注廠內的作業效率外，更注重于商業效率的提升。通過Cosmo實現了部分品類的零庫存、可控成本大規模定制等。并嘗試將家電領域實現的體系化的大規模定制能力賦能給陶瓷、紡織服裝等產業。

新晉上市的工業富聯依托富士康現有大量客戶資源、長期深入穩定的戰略合作關系，規模效應下的產業及供應鏈優勢，期望進行上下游延伸，打造工業互聯網平臺。從上市后的業務進展來看，在刀具預測、制程優化等等方面紛紛開始發力。

相較于國內新興的工業互聯網平臺，GE Predix及西門子MindSpere是國際上較早的將工業互聯網、大數據等理念應用于工業的平臺。且歷史發展進程來看，他們也在不斷用各種收購兼并的方式豐富自己的產品、解決方案及行業線。

除歷史悠久的西門子和GE這樣的大型企業和新興工業互聯網平臺之外，傳統的軟件廠商和系統集成商也在謀求工業互聯網方向的轉型和布局，如用友、漢得信息、東方國信、寶信等等。

另一類的代表是阿里云、華為這樣在國內具有較強的2B能力的互聯網或科技企業，阿里云ET工業大腦在流程行業的方案，如鋼鐵、石化、能源做的比較多；淘工廠平臺主要為淘寶商家提供制造和供應鏈能力。但這些公司都希望提供的是更通用、底層、標準化的能力，在其生態，也需要更多掌握細分行業knowhow和算法的方案商的合作。

所謂平臺，大家都是想要搭建一個更開放和廣闊的生態，賦能給更多的工業企業，但中國的工業互聯網或者工業智能化才剛剛開始，大型平臺企業也只是冰山一角，且不同行業的knowhow的差異較大，留給創業者的機會還很廣闊。

2.垂直重度打造細分行業工業智能系統大有可為

工業本身是一個非常泛的概念，不同行業之間差異較大，單論流程工業與離散工業的生產自動化程度、數據可得性和工業復雜度都不盡相同，存在的機會也有所不同，而最大的共性在于，每一個場景都需求各異，進入任何一細分領域都需要足夠深厚的行業knowhow和上下游資源整合能力。不同行業的智能化訴求可能也不盡相同。這種特質的好處在于在產業服務的層面，無法形成傳統大企業壟斷的局面，而各個細分都有平臺級的機會。從離散到混合到流程，從產品到服務，從生產到管理，存在不同的智能化變革的機會。

可供選擇和配置的技術手段有很多，且成熟度和領先性各有不同，什么才是有價值的機會點，如何進行選擇，本文試圖做出一些邏輯上的梳理。

如果將上文提及的技術、與行業以及行業相應的功能和環節進行結合，就可能產生相應的商業模式和創業機會。

圖4從離散到連續，技術及行業配置的機會

以下舉例來說，不同行業都存在智能化變革的可能，這里面可能是賣解決方案的機會，也可能是運營型的機會。

?產供銷一體2C產品型行業：2C型產品都有定制和柔性生產的需求，例如紡織服裝、食品飲料、家電等，2C領域由于需求和產品的差異化，比較分散，集中度可能不高，有做出新品類、新網絡和做出集中度的可能。這其中可能結合了大數據、排產排程、運籌優化、柔性產線改造技術及各種工業軟件來得以實現。

?高能耗流程型行業：諸如鋼鐵、有色、化工、陶瓷等行業，周期性較強，涉及國計民生，體量大，且多面臨產能過剩問題，能源消耗占據了很大成本，在感知、實時檢測、能效等方面都有強需求。有做成一個大的解決方案商的機會。

?設備裝備類企業：基于邊緣計算和工業物聯網技術，設備類企業都商業模式轉型的可能，從銷售服務效率、資金效率等等層面都有很大增加值的可能。

?半導體和面板產業：本身精細化、自動化程度比較高，但產業鏈的國產化程度低，良品率的提升對于整個產業的附加值大。

從單個行業產業鏈來看，我們從什么地方下手和切入，結合大的大乙方和新甲方的方向，筆者通過系統的調研和投資踐履，梳理了在工業產業鏈上和工廠內部技術變革帶來的作業效率和商業效率變革機會。并簡要概括如下：

圖5工業智能化的世界觀

3.單點切入，資產/設備、流程優化打造新型智能系統

3.1資產/設備的智能化機會

3.1.1工業機器人及智能裝備

從設備、資產角度，不同信息化和自動化程度的工廠都有資產升級更新迭代的需求，近年涌現了一批成長很快的新型集成商、本體研發商。同時在產品體系上，也出現并聯、協作等新型的需求和團隊，人機互融、仿生、自適應等新興技術層出不窮，我們認為機器人本身是一個很大的系統性投資機會，從產業鏈到不同細分，在這里就不做更多展開。

另一個方向是裝備的智能化，部分行業和工廠的自動化程度已經比較高了，但設備和資產本身在技術突破層面有很大的空間，裝備本身借助工業視覺、大數據、計算機仿真等技術進一步自適應、自校準、自主化。同時裝備往制程的延展和產線的結合，可以進一步影響產品的良率。

3.1.2設備故障預測和健康管理(PHM)

傳統設備原廠商都沒有太關注設備、產品銷售后帶來的后服務問題，典型的三大發動機廠商GE、羅羅、普惠在PHM層面做得不錯，但大量機械設備廠商不具備自帶PHM的服務能力。從數據采集、數據分析層面，設備的故障診斷和預測結合了算法能力、工程經驗和復雜機理模型的理解，對傳統的設備廠商帶來比較大的技術挑戰。

從技術路徑上，在端上做特征提取，在云端訓練模型是驗證的路徑，但具備這樣的能力的團隊在市場上較為稀缺。以美國的Uptake為例，依托卡特彼勒的內燃機產品的PHM，幾年內迅速成為數十億美元的獨角獸。另一個代表是全球最大的風機廠商Vestas，他們從制造開始，對風機進行了改造，傳感器遍布所有部件，從2016年起，服務收入超過設備銷售收入，成功轉型成為一家風機服務的提供商。

從市場規模看，我國有一千座鋼鐵高爐，47萬個燃煤鍋爐、200萬臺數控機床、30萬的大中型空氣壓縮機、5萬臺的內燃機，而且還有海量的泵等機械設備，且絕大部分設備、產品、裝備都沒有考慮過健康管理問題。

但也有三個方面的因素限制了這個方向的發展，一是AI技術與工業Knowhow不能有效結合，大多數團隊也缺乏相關的工程化經驗；二是算力成本過高，讓資產端無法獲得高性價比的預測性解決方案；三故障數據和標注的缺失，無法進行經典意義的深度學習路徑去做預測。

今年漢諾威工業展上預測性維護是一個非常熱的話題，科技大廠、傳統工業軟件廠商、設備商、眾多細分的創業公司在這涉足這一領域，在歐洲市場來看，這也是比較落地的工業AI和工業互聯網應用場景，基于人力成本高昂等原因，預測性維護在商業邏輯也比較說得通，比如每次上門的巡檢和運維單人需要300歐元，但預測性維護的方式完全可減少或避免這一支出。設備廠商也在積極擁抱這一技術，嘗試進行商業模式的轉型，比如Durr集團與Software AG的合作，幫助其從設備銷售往服務轉型。

3.1.3與IOT結合的商業模式變革

從設備使用角度，通過共享/租賃的模式，甲方可以選擇使用而不是持有，同時結合長期數據提取和分析，可以將保險、金融等商業模式嫁接進來。例如美國工程機械租賃平臺Yard Club為卡特彼勒收購，國內的樹根互聯、徐工信息、中科云谷也在設備金融保險方面有實踐。

從資金端的需求看，國內一些金融機構也在尋找機器人等智能設備的融資租賃機會，基于精準的物聯網檢測和數據服務租賃模式可能會為智能設備領域帶來新的產業增長機會。

結合PHM和IOT相關的商業模式變革，我們總結了以下的技術變革和創新機會點。

圖6資產使用優化圖解

3.2算法和數據驅動的流程優化打造新型調度決策系統

跳出單個設備，大型的甲方也在尋找不同的制程優化解決方案，但不同的行業差異性較大，且同行業也會涉及大量復雜的制程，可能有物理、化學、生物的變化。結合數據的分析，對原料、設備、工藝進行優化以期達到提質、增效、節能等效果。

我們系統梳理了從離散制造到連續制造的各個行業，從行業空間、信息化程度、能力邊際提升空間、產能提升等層面進行了一些比較。總結了可能存在巨大市場機會和技術賦能機會的數個制程。

BV也布局了3C領域、環保、鋼鐵等領域涉及制程優化的公司，比如在手機加工領域，在成型、沖壓、合金、涂裝、表面處理領域涉及數十個制程，每個制程都有通過數據、算法進行優化的空間。終極形態是打造一套AI閉環控制的新型調度決策系統和智能工廠操作系統。

過去的專家系統更多是一個機理模型，但數據的決策最終要和工藝和機理模型結合起來，這也是在工業領域無法產生一個放之四海皆準的通用型平臺的原因。

部分投資者對于制程的非標性存在質疑，這種非通用的需求和場景一定程度限制了復制的速度和規模效應。重述一下我們在工業智能化領域尋求兩類投資機會，解決方案商和運營商，在信息化和自動化時代，很多行業比如3C、鋼鐵、石化等等領域，都產生了多家上市公司，從市場規模的體量上看，在智能化時代，很多行業都可以支撐多家大的解決方案商或運營商誕生，對于我們的核心重點是要找到好的行業、結合新興技術和工業場景理解的團隊和真正能有效變革和提升行業效率模型的方案。

另外，除了行業各異的制程外，與物聯網、數據、人工智能等技術結合通用型需求，在這里還想講三點，設計、安全、檢測和能效。

3.2.1設計+AI

工業仿真天然與機器學習相關，為獲得最優的設計、裝配、運維等實踐，需要新型的智能化工業仿真軟件。CAD、CAE本身是一個很大的生態，可以類比安卓和IOS，主流的參與者西門子、達索等都在積極布局和收購在不同領域，如流體力學、散熱學、振動力學等等方面的優化算法和求解器，軟件、插件產品可廣泛用于汽車、航空航天、機械裝備、3C等行業。不過目前在中國市場還未出現做設計做的很大的軟件公司，大的想象空間可能在于結合大規模定制、柔性供應鏈等模式，獲取需求數據、結合領先軟件仿真和AI技術、無縫銜接，快速生產適銷產品，直接切入到運營領域，再造某一新品類，重整供應鏈。

3.2.2安全要素的必要性和價值

在往工業智能化時代行進的過程中，必然有大量的機器、設備、station都通過DCS、Scada等系統來調度，除傳統工業軟件外，還有很多新興的業務調度和決策系統出現。在人的介入越來越少的情況，安全的把控更為不可或缺。

在工業安全領域，過往在國內大多是一些壟斷性企業基于合規性或等保的需求進行采購，但近年，逐步從政策性驅動往市場化驅動發展，擁有多元工控協議解析能力、強產品能力團隊將有機會快速脫穎而出，并不斷迭代自身產品線，儲備下一代的與數據AI結合安全防護需求。

美國工業網絡安全公司Claroty獲得了Rockwell Automation、西門子風投Next 47、施耐特等工業巨頭的投資，在工控協議的解析和自動化、信息化的融合方面獲得了投資的支持，同時也獲得了淡馬錫等財務投資者青睞。

3.2.3能效與AI的結合點

能源是眾多工業企業主要成本之一，諸如鋼鐵、石油、水泥、環保等流程行業，能耗占據了企業大部分的成本。傳統的LMS扮演了一定的能效管理職能但在優化方面做得有限，一些科研機構掌握眾多的機理模型和控制邏輯有一定的節能效果，新的機會是在于這些機理模型與AI的進一步結合。

另一方面，隨著電力市場的逐步改革和市場化，工商業用電的放開，多元化的參與者進入到這一市場。我們也期待技術、數據能夠產生一定的鯰魚效應，幫助企業降本增效。

3.2.4工業檢測的通行需求和非標特性

通過計算機視覺技術去提升檢測環節的效率不是一個新的話題，在3C面板、蓋板、鋰電池、晶元、醫藥等領域都有些公司在做。但也存在許多挑戰，諸如非標問題，機器視覺系統開發成本高，周期長；算法和軟件存在易用性差，使用門檻高等問題；且還存在高精度、高動態、高反等技術上的難點和挑戰。但如果能做出較為通用的平臺公司，且能夠解決低成本規模化行業復制的問題，必然能產生大的機會。

4.智能工廠操作系統，從點線運營效率到系統效率提升

如果設備是點，制程是線，上升到面的層面我們再來看看智能化的變革機會。將制程的分段優化進行串聯，并輔以工業軟件及先進的傳感其技術、自動化技術、機器人技術，實現全局語義化的調度和決策是理想的智能操作系統狀態。從工廠運營層面，我們關注作業效率的提升，我們從資產/設備——制程——智能操作系統（Factory Operating System），三個層面看工廠智能化的投資機會；并以數據庫、邊緣計算、PAAS、新的感知作為承載智能化改造的基礎。

圖7智能工廠操作系統結構

4.1串聯制造執行，獲取業務數據，MES的價值

美國先進制造研究機構AMR將MES定義為“位于上層的計劃管理系統與底層的工業控制之間的面向車間層的管理信息系統，整體來看，MES在我國的滲透率還是比較低的。

MES產品具有比較強的行業屬性和定制屬性，領先的產品和技術掌握在大部分外資企業的手里，比如Rockwell、西門子、GE，同時通過兼并收購豐富其行業覆蓋；半導體軟件領域的領先技術都掌握諸如Applied Materials等國外企業。從國內部分企業的過往發展來看，或是依托集中度高的行業各樣發展起來，比如寶信和石化盈科，或是限于產品特性未能做大。同時，真正擁有強產品的能力和團隊在國內較為稀缺。但我們認為，MES作為工廠智能操作系統的基礎在未來不可或缺。

這里面有兩層的投資邏輯，第一是能否成為一家大型的解決方案商，MES公司存在三個方面的價值，一是客戶壁壘，細分行業客戶黏性高，積累難度高；中大型客戶、外企看中服務質量和穩定性，一般與服務企業建立長期穩定合作關系；二是行業理解：離用戶近、理解業務邏輯，可能做一定的定制開發；三是場景數據優勢：基于數據積累應用數據科學進行效率模型變革；第二個投資邏輯是否有強產品、云化的可能，諸如Rockwell、GFOS、ITAC Software等領先MES廠商兼認為云端是未來的發展方向，都在談物聯網平臺，將數據放到云端，從制造執行往工作協同、安全等方向發展。在國內工業互聯網的大背景下，這個趨勢也在漸進式的發展。

MES是串聯工廠作業和制程的系統，但有定制化程度高、實施周期長等發展瓶頸。但整體來看，MES在我國的滲透率還是比較低的，但作為智能操作系統的基礎，MES將管理層面和生產層面（工業控制）進行連接，使得全局的數據分析、調度、決策成為可能，同時在能耗分析和優化、以及排產排程、柔性制造層面，可以通過AI的結合提升效率。

MES通常囊括了工廠內人、機、料、法、環各個環節，且與行業knowhow、業務流程強相關，舉例說來，有了MES才能有效量化單品能耗和單人產出。

廣義來講，APS是MES的一部分，它扮演了排期優化執行生產的角色，排產排程本身是一個運籌學的最優化問題，結合多條件的約束，需求最優的排產排程計劃，人工智能可以提升效率。例如油田的開采周期持續8-10年，如何獲得最優的產量本身是一個多階段求最優解的過程。另外高級排產排程的算法可以使得生產獲得更強的柔性，在某些領域可能數倍提升生產效率。

4.2精準和柔性，從制程優化到全局智能FOS（工廠操作系統），未來工廠的暢想

現階段的智能化可能大多數還不能做到全廠全域的情況，大多是點、線的技術，但在方向和路徑上，一些大型企業和創業者也在試圖去延伸自己的能力邊界，從單一制程往全制程發展。試想一下，在工廠運營環境下，對物理世界的信息進行全局語義化的解析，機器與機器，人與機器能夠進行高效的交互，同時智能化的操作系統完成眾多的控制、調度、決策，包括AR、視覺技術對于人或數字員工的引導，倉儲物流柔性化的作業調度，新型業務軟件系統執行的決策調度，用戶意圖的獲取3D重建和模擬……同時這種控制、調度、決策能夠保證最優的實踐。工業企業的效能提升必將進入一片新的天地。

5.工業智能化帶來的產業效率提升和商業模式變革

以上的梳理集中于工廠運營層面，如果上升到工廠作為一個企業，作為一個盈利主體這一層面，它要結合上下游全面考慮研、產、供、銷。

圖8工廠運營之外的效率變革機會

5.1以工廠為核心，企業作為主體，技術賦能上下游的產業效率提升

工業智能化不僅涉及工廠內全局語義化的智能操作系統，同時上下游的協同，生產、資金和銷售服務層面都有巨大的效率提升空間。

在生產采購層面，通過設備、數據的連接，IOT的賦能，線上線下的打通，云工廠可以帶來產業鏈效率的提升，在產量、價格、投入等層面都質的突破。

借助各種優化算法，工業企業在采購、庫存、物流等層面都存在降本、增效的機會，早在本世紀初，惠普公司應用庫存優化及數學規劃模型來重構其供應鏈模型，兩年時間節省1.3億美元。

借助產業鏈里的數據獲得更精準的風險模型，也能幫助企業提升資金層面的效率。

在銷售服務層面，海爾、酷特智能都是典型C2M的代表，海爾通過反向定制，實現了部分產品的零庫存，帶來巨大的財務收益，當然這一結果也是工業軟件、數據積累、智能化的效能。

總體來講，數據算法和智能軟硬件可以作為配置器，進行產能撮合、供需匹配、資金匹配和賦能供應鏈協同。

5.2連接研產供銷，企業級的流程再造和商業價值重塑

從制造型企業的職能來看，價值的閉環通過研產供銷來實現，創業或投資的邏輯也可循著企業自身價值實現的邏輯來探索新的機會。過往一些做精益咨詢的公司一定程度扮演了局部或全局優化的智能，AI時代，借助技術的賦能，在企業的價值實現角度，可能帶來新部門、新的供應鏈組織形式甚至新品類（公司）的投資機會。

圖9企業級AI：連接研產供銷

6.工業智能中數據產業鏈的投資價值

在作業效率和商業效率，資產到制程到FOS的框架之外，我們再來討論一個貫穿始終的主題，就是數據。過去的工業領域投資，重點著力產品設備、自動化的產品和解決方案等等，整體偏硬，總體是對于人的手腳，體力勞動的替代。AI能做的事，當然不僅限于動作的執行，在數據決策層面，AI能夠賦能工業企業的一些內部部門，或者替代一些大型專業服務公司，幫助其更好地完成運營和商業的決策。

從數據的產業鏈來看，我們劃分了三個層級來看：

圖10工業數據產業鏈投資機會

在設備物聯角度，面對多種協議并存的異構設備，如何把他們連接、數據匯集、融合起來，實現在邊緣或云端計算，是一個基礎的命題。從數據源和數據采集層面，我們也在關注新的數據軸，新的感知和采集手段，比如領先和跨代際的傳感器，BV也在此領域系統布局多家國內外領先的前沿傳感器公司。或者能夠快速幫助企業完成工業3.0的軟件產品等，如果一個企業無法量化一些指標，諸如能耗、成本或工時，則談不上更多數據決策問題。

在存儲、處理和分析角度，我們關注新型的數據技術、中間件和算力需求，數據融合、集成也是智能化的一個通用需求；同時，工業機理、工業流程、模型方法經驗和知識積累不足，也成為工業領域算法層面的瓶頸。

在應用層，數據可以幫助人完成在供應鏈、設計、生產制造、檢測、后服務全局的決策，因此產生了各種技術解決方案和商業模式，上文提及的作業效率和商業效率反映了數據的能力邊際足以為工業帶來巨大的效能和變革。

三、共創工業智能未來：技術孵化、產業連接和資本助力

國內不同行業、不同地區的企業，所處階段不盡相同，有的處于2.0需要補課，有的處于3.0待普及，有個別企業處于4.0需示范，多元化的發展階段，差異化的改造需求，碎片化的市場訂單，造就中國工業智能化改造最復雜的市場。

在投資孵化，深入產業的過程中，我們也看到了對于技術創新者諸多的挑戰，例如數據完整性、解決方案不能閉環、商業模式不夠有吸引力、沒有很好的環境數據和模擬環境、運營邊界比較窄、還有諸多傳統to大B面臨的困擾和問題。前路不可謂不光明，但道路不可謂不曲折。

BV的邏輯是循著大的行業效率變革的方向，布局以前沿技術作為手段，做解決方案或運營類公司，同時借助智能產業實驗室、高校科研院所研究資源整合，技術方案連接等手段助力中國乃至全球的工業轉型升級。