工业4.0战略提出之后，企业在信息化、数字化、智能化改造方面的需求出现快速增长，由此也带动了工业互联网行业的发展。

由于工业细分场景众多，各场景之间业务逻辑、工艺流程等方面差异性较大，并且客户普遍缺乏清晰定义需求的能力，这使得工业互联网厂商通常由垂直场景切入，并且以项目制为主要盈利模式。尽管产品规模化、标准化速度较慢，但目前工业场景在已经经历了一波自动化技术改造之后依然存在大量降本增效的空间，这为工业互联网厂商/技术方提供了巨大的发展机会。

以流程制造业为例，钢铁、化工、电力设备等场景在传统的操作流程中存在极大的能源和材料浪费，主要原因在于，企业缺乏对业务流程的信息化管理，管理层对于能耗、物料利用情况不能端到端的追踪，导致企业很难对能耗及业务进展进行在线实时监管和控制，从而进一步导致企业难以发现流程优化及降本增效的空间。

就流程制造业而言，当前已经出现大量基于工业物联网技术帮助企业实现数字化、智能化升级的厂商，包括企业自身孵化的平台，例如石化盈科、树根互联；也有众多第三方平台，例如博依特、联元智能、极熵等，行业竞争已经比较激烈。奋兮科技（公司全称杭州奋兮科技有限公司）作为一家成立于2018年7月的新晋企业，将自身差异点定位在了基于工业大数据的算法搭建和应用开发层面。

在创始人丁勇看来，流程制造业本身基础设施和业务架构相对成熟完善，并且行业多大客户，是当前智能化升级需求较为迫切以及付费能力较强的领域，奋兮科技优先选择在电力设备及材料相关行业，例如水泥、玻璃厂、电解铝、钢铁领域落地也是基于这样的考虑。

从产品设计的角度上看，创始人丁勇认为，要帮助用户实现信息化、智能化升级，底层的算法至关重要。奋兮科技要做到的，首先是对数据模型的完善和学习模型的优化，通过训练调整最优参数解，输出相对最高的（分析）计算精度；其次，要在即使硬件配置相对较低的情况下（有限的算力），保证机器学习算法的准确度及速度。除此之外，由于工业领域尤其强调业务闭环，这意味着从前期的生产原材料准备到后期的客户反馈流程需要全链路打通，且每道生产工序之间存在很强的（时序）相关性。如何在保证业务连续性的情况下搭建出精准的数据和学习模型并给出优化意见，一方面要依赖团队的在数据分析和挖掘上的专业能力，更重要的是基于行业经验及相应的流程工艺know how实现分析系统与业务场景的高度拟合。

奋兮科技核心成员来自德国卡尔斯鲁厄理工学院（KIT）及德国智能数据创新实验室（SDIL），拥有多位计算机科学领域与电气工程领域的专家学者，曾经为50多家大型工业企业，包括奔驰、西门子、通快、蒂森克虏伯等公司开发工业大数据分析算法及相应软件产品。

在向国内市场落地的过程中，创始人丁勇表示，国内工业，包括流程和离散工艺，都存在特殊性，不同用户之间需求差异性较大。因此，奋兮科技当前的盈利模式尚处在高定制化的项目期，用户可以选择全套的定制化方案，也可以购买或者订阅算法服务。从前期的需求沟通到最后的产品交付，项目周期基本控制在半年内。对于客户来说，降本增效非常明显，例如为线缆行业中型企业节省原材料浪费50%，相当于节省300-500万元；为电弧炉炼钢厂中型企业节电10%，相当于节省2000万到5000万人民币。奋兮科技年营收上百万元，已经实现收支平衡。公司计划明年正式推出工业4.0 app store平台，进一步提高营收增速。

为流程制造业提供工业互联网解决方案，「奋兮科技」已完成从数据采集到信息反馈的闭环开发