InfoQ|| 二叉树视频，留美六年毅然归国，85后技术VP金超：我想把工业智能做好( 二 ) 视频丨二叉树团队编辑丨李冬梅采访嘉宾

【InfoQ|| 二叉树视频，留美六年毅然归国，85后技术VP金超：我想把工业智能做好】金超经常听到的一个问题是“有没有相关案例？有没有成熟产品？”对于创新或者技术研发，国内客户可能在观念上相对保守，这给技术从业者们提出了更高的要求：所做的应用一定要落地，并且能够在很短的时间内实现价值。
在2017年加入北京天泽智云科技有限公司（以下简称：天泽智云）之前，金超就已经在为天泽智云服务，加上此前在IMS积累的解决问题的方法，包括算法上的创新、特征构造方法等，金超一直在思考如何将经验固化下来以更好地服务于国内企业的智能化转型。就这样，他带着团队从建模工具做起，希望逐步降低工业智能建模的门槛，并实现技术普惠。
近几年，金超的工作重心开始慢慢转移，从纯粹的技术型岗位转变为了管理者。他坦言，自己其实已经有两年多没写代码了。但在他看来，这其实没有什么，本就应该给一线工程师更多机会。他曾经听过一位CTO在演讲中提到：在科技企业，绝大多数的创新都来自于一线工程师，而不是所谓的Leader ，这告诉我们要给真正战斗在一线的工程师更多话语权，让他们去展现自己。如果某个团队中算法能力最强的是团队的Leader ，那么这个团队可能就不是一个成功的团队。只有当团队里面所有人都比Leader还强的时候，可能才是一个更健康的状态。
为什么选择尚未定型的工业智能？我们可能都在努力成为“斜杠工程师” 。目前，国内的工业智能领域尚处于初级阶段，需要大量的人才参与建设，而这一领域对人才的要求也格外高。在采访中，金超表示，工业智能属于数据科学的范畴。数据科学家这个职业还相对比较新，职业发展路径没有那么僵化，但无论哪个行业的数据科学家，多少都有一个特点：除了懂数据科学之外，还要懂行业，这一点在工业智能领域尤其重要。
除了需要掌握机器学习算法，知道如何可以让分类、回归模型更加准确，工业智能领域的数据科学家们还需要在行业中找到适合用智能化方式解决问题的场景，要能够将模型做到可解释，让用户一看就懂、一看就会用。这对工业智能领域的数据科学家要求很高，因为工业上很多领域知识都是大学里的一门专业，该专业的从业人员至少要学习四年甚至更久才能掌握这个领域的知识和技术，然而，现场的问题又很碎片化，所以做工业智能算法需要努力让自己成为“斜杠工程师” ，即复合型人才，同时也要不断培养自己的学习能力。
即便如此，金超还是抱着“为国内的工业智能贡献一份力量”的简单念头，毫不犹豫地选择了尚未定型且难度较高的工业智能领域。光从名字来看，可能会有不少人觉得工业智能与人工智能差不多。通用的人工智能技术在经历了GoogleAlphaGo的声名大噪后得到了快速发展，也吸引了很多技术人才的关注，其本质是认知科学；而工业智能是人工智能技术在工业领域的应用，最终目的是要利用人工智能技术帮助工业解决实际问题，工业应用最终的目标离不开降本增效，要想真正拿出成绩，光靠数据是不行的。
在采访中，金超表示，目前的普遍认知是工业智能仍处于初级阶段，在解决问题时要坚持从痛点出发，而不是拿着一堆数据看看能做什么，然后再考虑实现价值，这种方式的效率和价值相对是比较低的。所以，企业自身要更加明确自己做智能化的目标，才能够让工业智能更好地落地。
当然，要想做好工业智能，现阶段首先要解决的问题还是数据。金超表示，很多企业可能连工业2.0、3.0都还没有实现，想要一蹴而就实现工业智能4.0是非常吃力的。首先，企业应该重视数据收集过程，并具有从多维度分析数据的能力，而不仅仅是收集和记录；其次，工业智能现在亟待解决的问题是企业中的管理模式。