趙文政學長是上海交通大學軟件工程碩士，復旦大學MBA。趙文政學長曾任HP（惠普）高科技行業組負責人，于2017年在上海創立喆塔科技，目前擔任喆塔科技創始人暨CEO。

作為扎根于數字化行業的20+年的老兵，趙文政學長既對智能工廠、數據價值有深刻的理解，又深諳外資IT平臺和國內創業的自有生態差異，在采訪中，他分享了對數字化制造的見解以及喆塔科技創業故事。

求是緣：作為產業的專家，您能否為我們描繪一下您所理解的智能工廠是什么樣子，具有怎樣的特色？

趙文政：一般人對工廠的認知就是投入原材料進入到生產線，加工生成成品出來。可以抽象一點來說就是實物流，信息流與資金流的統一性過程。所謂智能工廠，就是擁有設備互聯能力的自動化產線并充分結合精益生產理念安排生產過程；廣泛應用MES（制造執行系統）、APS（先進生產排程）、能源管理、質量管理等工業軟件，實現生產現場的可視化和透明化；從生產排產指令的下達到完工信息的反饋，實現閉環。

通過建立生產指揮系統，實時洞察工廠的生產、質量、能耗和設備狀態信息，避免非計劃性停機。通過數據驅動平臺洞察生產現場的狀態，輔助各級管理人員做出正確決策，通過數據驅動達到產能預測，良率預測，設備維護性預測等功能，實現智能化工廠；智能化的最終演進就是最終實現自主化工廠，看過【流浪地球2】的朋友都知道550W怎么轉換成MOSS。擁有足夠的數據與工業模型，加上算法算力的支持。進而從智能化工廠演進為自主化工廠，擁有自主決策、自主參數修正、自主物料路徑、自主生產安排等等。

喆塔團隊對智能工廠的理解和闡述

對于半導體行業來說， 12寸Fab基本也開始在做智能化的推進與深入。目前海外的某些成熟的高端工藝的Fab基于自身強大的數據和模型層面的支撐，初步實現了由數據來驅動生產，往自主化工廠的方向演進。

國內的FAB也已經完成了數字化基礎的搭建，實現了生產過程的自動化、信息化、物聯化；但在生產排程、物流優化，數據驅動的模型建立與透明化運營方面還需要繼續加快速度。?

求是緣：您如何看待Data數據資產對于一家企業的價值？目前對于數據資產的采集、挖掘、分析、運用等環節存在哪些不足？

趙文政：所有的人都認識到數據是有價值的，但是大多數人不知道怎么將數據資產的價值展現或者應用在自己的領域當中。由于分布式存儲、分布式算法以及大數據以及AI算法的迅速進步，進一步凸顯了數據資產的價值。特別是在2015年開始金融、零售領域有很多的好的數據應用場景的成功落地驗證了方法論的可行性。

對于工廠來說，具有強烈的行業屬性。工廠里的數據有內在邏輯，工廠從當初被搭建開始，所有的設備、物流都被串聯起來。如果我們把生產環節的時間切片展開來看，每個時間點都是有數據的，包括生產的動態過程，產品的生命周期的所有數據。數據展開之后能給工廠的管理者提供決策管理依據，如何降低運營成本（物料成本、質量和良率），如何提高產能，提升設備的稼動率等。

對于高端制造業，尤其是半導體工廠來說。天然是有大數據屬性的，數據量大且存儲成本高，很多FAB的數據量都是PB級。但是要將數據的價值發揮出來，需要有一整套完整的方法論。總的來說，就是如何采，如何存，如何取，如何用。?

在FAB里，其實“人，機，料，法，環”等各個環節都有它特定的協議以及特定的方式，能夠有效的將數據采集的同時去掉“臟“數據以及無效數據，保證數據質量，就是所有數據價值發掘的前提。

在數據存儲的時候，按照行業數據模型進行多維有序的安排與數據分布。為數據的查找、使用和挖掘做好準備。數據的取用，則要回歸到工廠運營的本質，解決工廠運營的具體問題，比如圍繞良率的一站式分析與預測，圍繞設備的最佳配方的生成，圍繞生產的最佳路徑的規劃等等。

這個完整的數據價值產生的過程，就是行業Know-how與ABC(AI,Bigdata,Cloud架構)IT技術深度融合的一個過程。喆塔數據驅動平臺ZetaCube就是基于這個準則完成1+N的全過程產品平臺。1個數據平臺完成采，存，取的方法支撐，同時N個應用來完成場景落地和用戶部門的用戶交互的界面實現。

求是緣：面向不同的制造業客戶，比如半導體、面板、新能源等，它們對于數字化需求有何不同？

趙文政：半導體、面板廠在建廠初期就做好了自動化、信息化、數聯化。Fab建廠之后工作重心是圍繞穩定工藝、提升產品的良率。Fab適應多變的能力比較強，滿足多客戶、小批量的生產要求。這些工廠目前主要的數字化轉型的需求在于數據驅動與管理方法的融合，目標是實現智能化工廠以及為自主化工廠奠定基礎。新能源則不同，產品標準化更強，工廠核心的目標是產能和生產節拍。

雖然不同行業工廠的需求不同，技術標準不同；但站在制造工廠本身來看，都是要取的市場競爭優勢，盈利為目標。對于每個工廠投資人來說，就是要收回投資、產生利潤。在當前的大的宏觀背景下，人力成本、供應鏈成本持續升高，要想在全球的競爭中繼續保持領先優勢，最好的出路就是迅速完成制造業數字化的轉型。迅速在生產效率、管理效率、市場反應速度等方面通過數據驅動的方式完成智能工廠的轉型。

求是緣：您如何看待CIM（計算機集成制造）的產業格局現狀，未來的發展趨勢？

趙文政：CIM（Computer Integrated Manufacturing計算機集成制造），隨著信息技術成為工業的基礎架構不可或缺的一部分，CIM的概念外延在不斷的擴大。中國有句古話叫“隔行如隔山”，講的就是工業領域，各細分行業的差異特別大。CIM需要基于不同領域客戶的工藝過程來定義軟件，工藝過程不同，則CIM軟件也不同。

因此在工業軟件領域，每一家友商都有各自專注的細分賽道。歐美友商進入產業比較早，如AMAT、IBM等占據12寸Fab的主要份額。國內友商基本都處于剛起步階段，在6-8寸以及特色工藝等FAB工廠，國內廠商已獲得導入機會。

當下復雜的半導體產業環境給國產創業團隊而言機遇與挑戰并存。目前的確是國產替代是絕好的時機；但嚴峻的市場環境以及行業周期性將迫使國內半導體行業節奏放緩。工業軟件的可用性，以及能否給企業帶來價值賦能，需要經過實際量產線的長期驗證。

進入這個行業的企業，需要有堅定的目標方向和戰略定力，愿意付出10年、20年的努力來做這件事才可以做成。站在這個維度來看，國內的友商也才剛剛開始，處于國產工業軟件行業發展的早期階段。那接下來比拼的就是誰對行業理解更深，誰能做的最好，誰能夠更專注與更堅持。

求是緣：您能否為我們系統地介紹喆塔科技的產品家族解決方案？

趙文政：喆塔的產品的核心理念就是用數據驅動來解決問題。團隊擁有20+年以上的半導體行業Know-how與ABC（AI，Bigdata，Cloud）深入融合的經驗，重構新一代的工業軟件體系。

ZetaCloud一站式工業互聯自主化方案，基于工業互聯網架構，核心由數據平臺+業務應用組成，APP架構提供豐富便捷的開發工具及開放API。通過ZetaCube（工業數據中臺）自上而下的產品需求驅動與ZetaDMO（數字化智造運營平臺）自下而上的生產過程驅動，助力企業沉淀數據資產形成行業模型的同時，為企業提供閉環式制造解決方案，加強數據、流程、組織和技術等要素的協同創新，滿足企業靈活、復雜、經濟、創新的數字化應用需求。

求是緣：相較于與友商，喆塔科技的差異化體現在哪些方面？

趙文政：喆塔的差異化主要體現在產品力的構建上。

與國內外同行相比，喆塔科技實現了行業Know-How與“ABC”深度融合。目前歐美軟件產品架構基于數十年前的IT技術，國內大部分玩家產品則參考國外產品進行開發。而喆塔科技產品基于數據驅動的新一代IT技術來設計，包括機器學習、深度學習等AI算法的引入，因此在技術架構上具有領先一代的優勢，同時減少系統復雜性，降低各種系統集成的風險和客戶組織成本。

為了加強喆塔產品在工業模型、算法的優勢， 我們去年與安徽省人工智能實驗室、中科大先研院合作成立「工業互聯網創新應用聯合實驗室」。實驗室凝聚三方優質創新資源，在研究方向、課題設立將與相關企業聯動進行，既解決企業實際存在的算法、算力、人才等問題，又對未來技術演進進行指導性探索。

求是緣：喆塔團隊服務模式的特色優勢體現在哪些方面？

首先，喆塔核心團隊擁有近20年的半導體工廠數字化經驗，可以從整體工廠運營的視角，提供全生命周期的數字化規劃和落地實施方案。確保工廠客戶在沙盤推演階段就能減少不必要的沉沒成本出現。

其次，通過解決制造業客戶很多實際問題，我們打造了一整套標準流程體系、方法論來保證項目實施落地。

最后，我們始終以快速響應并服務好客戶為己任。圍繞重點客戶就近布點，更高效貼近客戶來做好服務。?

求是緣：您當初為何選擇創業？從原來的專業外資經理人轉變為創業人，您如何看待二者角色之間的差異之處？

趙文政：原來在外資大平臺上做職業經理人相比創業較輕松，職責主要以公司業務目標為導向；推薦給客戶的方案有大品牌背書，有強大的專家團隊資源支持，在客戶端也比較強勢。創業之后，才體會到創業的艱辛，基本上不敢停歇半刻，從戰略布局、產品規劃、團隊管理及融資都要一手抓。

選擇創業也包含以下兩點原因：

一、作為半導體工業軟件的老兵，我們發現主導中國市場的歐美軟件都是20-30年前的技術架構，但與之相反，IT技術發展迅速；工業軟件和IT技術二者之間已經脫節。喆塔團隊濃厚的工程師基因決定了我們一定要做最好的工業軟件。

二、?國家強調智造立國，創業之后，這種使命感變得更加強烈。在今天這個充滿變數的宏觀背景下，我們面臨著更大的歷史機遇與挑戰。我們是立志成為打破美國對我國半導體行業的工業軟件“卡脖子”威脅的一份子！是中國工業軟件 “趕歐超美”的一份子。無論是客戶、合作伙伴還是投資人，他們皆把對國產工業軟件期待傾注在我們這批工業軟件老兵身上，所以“我內心希望把事情做好”！

被訪人與采訪者合影，左為趙文政

采訪人后記