在阿里云，对一撮程序员来说，埋头写代码是过去式。

他们应对的是中国制造企业转型的需求，云计算、大数据、人工智能到底能不能帮助传统制造业解决痼疾、创造价值？

要把互联网技术带到工厂里，如果只是坐在电脑前码出一套工业算法，对他们而言并不是很难，但是脱离了真实的工业生产场景，这些算法只需要工艺专家看一眼，就会被全盘否定：“不符合真实的情况”、“不合理”。

他们去到车间，和工人师傅面对面交流，亲眼看明白每一道工艺流程。这条路最初由几位程序员率先趟出，并且行之有效，后来得到推广。

他们之中大多是年轻人，80后、90后，男生、女生，海归博士、本土大学生，毕业不久的、工作十年的，金融业跳槽来的、“老阿里人”的，形形色色，却都认同且坚持这种新的工作办法，成为了中国第一代在车间里成长起来的程序员，在车间和办公室两头忙碌，获得了客户的认同、创造了真正的工业产值。

吾斯 男 80后 “出差和在办公室的时间比例是1：2”

我是2013年从新加坡南洋理工大学博士毕业的，统计学专业。

毕业后我一开始留在新加坡工作，结果那份工作经常派我回国出差，一来二去觉得国内环境比新加坡更好，就选择了回国。

到阿里云上班的第二天我就被叫到杭州本地一家轮胎生产企业开会，他们的诉求是希望通过大数据分析来提高良品率。

当天和客户聊他们的需求，看他们的生产环节，想一想怎么用算法去解决这些问题。那也是我第一次去车间，当时的感觉特别新奇，没想到可以看产线。

后来发现，去车间其实是工作的常态。去年一年我在工厂出差的时间和在办公室上班的时间比例大约是1：2，橡胶、光伏、光纤、石化的车间都去过，主要还是江浙一带的制造企业，大约有六七家。

印象最深的是光纤车间，需要穿防尘服、戴耳塞，里面的噪声非常大。光纤很细，直径大约只有8μm~10μm，一点点杂质就能割断。工厂的设备和自己想象的完全不一样，非常先进。

另外还去过一个石化企业，看的是生产PTA的化工装置，工艺非常复杂，每个环节都是串行或者并行，中间还有化学反应、物理变化，真的太难懂了，刚开始一点儿都不明白，只能和那些已经有二十多年生产经验的老专家取经。艾思 女 90后 “我一个年纪轻轻的小姑娘，人家当然以为我在吹牛”

我是中山大学的数学系研究生。毕业的时候大家都希望找体制里的工作，所以当时去了深圳的中移动，后来跳槽到上海陆家嘴的银行，去年9月到阿里云。

刚入职的时候觉得挺受不了的，之前的工作都是朝九晚五，结果在阿里晚上九点下班都还算早。去年9月-12月也就是我的试用期，我一半时间都在车间，那时候每周要和团队去常州，一去就是两三天。

从金融到互联网、工业，之间的跨度挺大的。在银行的时候，做一个现金分期的产品，我用模型数据分析找到一个好策略，就能创造上亿的利润，但在工业上完全不一样。换句话说，可能以前的行业赚钱比较容易，但是工业上更需要脚踏实地、要情怀。

车间里的工作实际上非常忙，有可能这里有故障、那里有问题，师傅们每天的工作都很饱和，一开始也不会特别信任我，毕竟我一个年纪轻轻的小姑娘，跑去说我可以帮你们提高良品率，换谁都觉得我在吹牛。慢慢熟悉之后，看到我们在努力，也就慢慢有信任了。

来阿里云面试的时候，面试官跟我说，这个工作压力比较大、出差也很多，问我要不要想一想。我觉得以前学了那么多年数学、参加过那么多竞赛，想去技术难度大的地方，所以觉得自己可以试一试，现在我觉得状态还不错。

云襄 男 90后 “出差没休息好，回来就呼吸性碱中毒了”

我是计算机科学硕士毕业，毕业三年了。

阿里云是我的第一份工作，最开始我是做O2O方面的数据挖掘，比如人群画像、信用、潜客之类的分析，那时候不怎么出差。

2016年7月的时候调整到现在这个团队，当时其实没有确定的工业方向，只是有一个工业的项目在摸索，还不知道最后能不能做成。

那是我们第一次做工业项目，是团队三个人一起做的。第一次去客户那儿的时候，我们先和客户聊了一下需求，他们希望提高良品率，但是我们对客户的需求理解很模糊，因为没有去车间看，所以没有体感。

怎么办呢？我们就把客户的需求拆解开，一个个去车间里看现场、做分析，试了好多想法，看效果再一个个排除。这个项目做的很难，因为没有经验可以借鉴，大概花了半年的时间才最终交付，客户也很满意。

O2O到工业，其实本质都是数据，只是工业比O2O的难度更高，你必须了解业务场景、每个流程、生产的经验都要自己去搞明白。

我的同学现在很多在做机器学习方面的工作，有时候聊天说到又去哪儿出差了，大家其实觉得也算合理，你做数据肯定得要了解真实业务。我觉得自己最大的提升是非技术层面的，工业是项目制的，不仅仅是技术上的考虑，业务、项目的整体进展都要了解，还要写客户需求文档，写SOW（工作说明书）。

当然现在我们的思路又拉回来了，要做产品化，技术上还要更深一点。

同事补充：有一次他出差可能是没休息好，第二天早起赶着上班就呼吸性碱中毒了（呼吸过于急促导致）。（云襄：我都忘了……）夏分 男 80后 “晚上下班后回家看paper，要看几十篇”

我做过两个完全不一样的项目。一个是风机故障预测，风机部件很多，监控起来非常麻烦，风力发电场的位置又很偏远，大多在大西北，数据积累的非常少；另一个是LED项目，是工艺流程太长，数据参数太多。

我是浙江大学的数学博士。刚毕业的时候去的一家医疗信息化公司，去年来的这支团队，“工业是战略、医疗是民生”，我是这么理解。入职前也作了些准备，毕竟这个行业第一次接触。后来就是一边刷paper一边和专家学习生产的原理。了解一个新行业的时候一般要先看上几十篇paper，用下班回家的时间看，就是晚上看。

我的同学里面做老师的更多一点，其他的还有做金融和IT的，不过来了阿里以后也不太有时间交流了。

现在经常下车间、去工厂，虽然有点累，不过我觉得也挺有意思的，因为可以见很多有趣的人。宇西 女 80后 “师傅说他们的经验是看火的颜色”

我是美国哥伦比亚大学的统计学硕士，回国后我先在一家咨询公司担任分析建模师，做数据层面的咨询。

以前我的工作更偏方案实施，给客户提完落地建议后，工作也就结束了，我希望自己的经验可以沉淀下来。

之前我负责了一个锅炉企业的项目，他们主要想做故障的预测报警，我首先要搞清楚工业锅炉的整个生产过程，为了搞明白工艺我就爬了8米高的锅炉。

锅炉和一般产线不太一样，它的设备很大很惊人，现场气味也是臭臭的。爬之前我也没多想，只想着把工作做好。

工人师傅说话的方式和我们不太一样。比如我问他们是用什么办法发现锅炉故障了，师傅们会告诉我凭经验，而他们的经验是看火的颜色……他们在一线工作了几十年，靠手、眼睛、耳朵就能分析异常，但是我们不能，就只能先自己观察，然后问工艺专家，再根据他们的说法去推理，在数据上会有什么表现。

更接地气一些，没有像现在这么接地气，没有直接跟工人交流。

锅炉跟一般的生产线不一样，就是一个很大的设备，现场就是几台很大的设备工作、臭臭的，没有太去想，就觉得挺长见识的，其他同事的项目也有参观生产线的，面对的不同行业车间就不一样，有些需要穿服装、有些炼钢可能就没有那么干净。

铭坤 男 80后 “背了十斤工艺专家的本子回来，请团队里的人吃水果一起干”

我是慕尼黑工业大学研究生毕业，学的是通信系统工程专业。

毕业后我在德国的英特尔，回国后先去了一家创业公司，和工业IoT有关，以前也经常出差。来了阿里云后，没想到会负责重工业项目，经常需要去很偏远的地方。

比如有一家磷矿石企业在贵阳附近的山区，第一次去的时候司机还开错了路，开上了都是运货大卡车的老路，路上雾很重，全程大家都很紧张，花了1个半小时才到客户的厂里。

现在这家企业已经去过四次了，每次去都住在山里的招待所。记得第一天晚上，因为白天很累，晚饭吃山里的火锅，放了满满一锅毛肚，觉得特别满足。

还有一件有意思的事儿。有些企业他们原本的信息化水平不是很高，每条产线每天每小时的数据都是工人记在小本本上，为了整理生产数据，我们只好把十几本本子从山里背回来，大概有十斤重，再买水果给团队里的同事，大家一起手动整理录入电脑，用了两三天才做完。虚修 男 80后 “没想到高中学的物理、化学知识真的有用”

我是四川大学计算机学院毕业的，毕业至今大概有九、十年了。

两年前第一次做工业项目的时候，我是一脸懵逼的。当时客户想要把所有业务数据全部上云，这个数据量特别大，是我做了这么多项目、除阿里集团外数据量最大的，几千台机器设备的数据，要实现每秒钟的实时上传，解决的第一个核心问题就是要有稳定的云端传输通道。

第一次去客户车间的时候，因为这个客户是光伏行业的，所以车间和传统工厂不太一样，车间里非常干净，工人的操作、衣着都是井井有条，给人的感觉相当高精尖。

还有一个炼钢的车间，我们是真的到炼钢炉边上走过，红彤彤的炉水四溅，大概二三十米远就能感受到炼钢的热度，真的好像走近太阳，大家都觉得心惊胆战。但是能看到钢铁的制造过程特别感叹，从热钢水的淬炼到钢板的冷轧，最后你会看到钢条以每秒200米的速度往前传，那种生产效率和生产质量，都相当震撼。

做工业其实很有意思，感觉回到了高中时代，突然发现以前学的物理、化学知识，竟然又有用了。化学工业真的要用到原子反应、热量温度，物理工业就要装备组装，确实要符合力学、声学、电学的原理，真的就是这样。

互联网思维的确可以帮助客户，举一个小例子：有一位工艺老专家，他在这个行业已经工作了20多年，以前处理日常数据是先把数据导出来到EXCEL里，再在EXCEL上用报表公式分析，花了几个小时做一张报表，其实只是为了最后看3-5秒钟，3-5秒就可以发现数据里的问题，这个时间产出性价比特别低。我们就给他们做了一个工业应用来解决问题，他们觉得好难，但其实我们会觉得特别简单。