热门资讯> 成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀 >

成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀

转载时间:2021.10.22(原文发布时间:2019.05.07)
205
转载作者:36氪企服点评小编
阅读次数:205次

Uptake是美国工业互联网领域的明星创业公司,目前已是估值23亿美元的独角兽。

Uptake于2014年7月成立于美国芝加哥,围绕高价值设备提供设备监管、运维、预测性维护等产品服务。2017年11月,Uptake获得1.17亿美元D轮融资,估值23亿美元,总融资额达2.5亿美元。

融资和估值迅速提升的背后,是Uptake业务的爆发增长。2014年成立首年,Uptake第一个订单为卡特彼勒的上亿美元订单。2015年,Uptake拿下了卡特彼勒旗下一家火车头公司的订单。2016年,Uptake拿下全美国最大的风机运营商Berkshire Hathaway Energy的订单。

截止目前,Uptake已服务了一百多家企业,横跨能源、制造、矿业、农业、航空、建筑、施工、车队、政府、油和气、轨道等领域。

Uptake找到了哪些痛点?提供什么样的解决方案?产生怎样的价值?成功的核心因素是哪些?最新的规划和动态是什么?

围绕这些问题,36氪采访了Uptake全球副总裁、大中华及北亚董事总经理陆泓。

成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀

Uptake融资历史(数据来源:crunchbase)

抓住核心增长引擎:设备预测性维护

卡特彼勒是世界上最大的工程机械和矿山设备生产厂家,每天有300多万台运转设备,难以统一管控。Uptake创立之初拿下的第一个订单,是为卡特彼勒开发一套设备联网和分析系统,采集设备的各类数据信息,联网监控,同时分析预测设备可能会发生的故障,以提前应对。

以设备预测性维护为核心抓手,Uptake扩展到了多个高价值设备行业,包括工程机械、火车头、风机等。在另一个维度,设备产业链上,Uptake也扩展到了设备使用企业、经销商、主机厂等多个重要角色。

设备经销商连接着主机厂和设备使用企业,是Uptake的重要服务对象。陆泓告诉36氪,在重型机械领域,如果设备在维保期外发生了故障,约有80%的维修、更替都不会找到原主机厂,而是购买价格更低的仿制品。

针对该问题,Uptake为经销商提供设备联网运维系统,可以对所有其销售的设备进行预测性维护分析,预判设备故障并及时告知客户,快速高效完成相应维修。

这样可以保证客户施工的不中断,同时大大提高经销商和原厂的售后服务收益,降低服务人工和备件成本。更重要的是将设备运行反馈传递给了原厂商,用于改造制造工艺和优化供应链,提高产品质量,从而形成良性的产品闭环

成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀

Uptake的工业AI和物联网服务架构(图片来自Uptake)

设备预测性维护,是一门大生意

从上一节我们看到,设备预测性维护是Uptake业务增长的核心引擎。国内也有大量的工业互联网公司,提供设备预测性维护,但是鲜有真正能大范围落地的。

我们也听到一些声音,认为设备预测性维护规模太小,需求不强烈,提供价值有限,并不是一个好的落地场景。

所以先回答一个问题,设备预测性维护有多大的价值?陆泓给了我们一些实际案例:

美国一家Class1的火车公司,在美国有大约一万四千个火车头,通过启用人工智能做的预测性维护,帮助他们企业每年节省4700万美金。AMEREN是美国一家发电厂,每年用了Uptake的人工智能应用平台帮公司节省990万美金。PaloVerde是一家核电厂,每年Uptake帮他们节省1000万美金。某个重型机械经销商,UPTAKE软件服务帮助公司每年提高850万美金的收入。

这些案例都清晰的表明,无论是提高收入还是降低成本,设备预测性维护可以发挥的价值巨大,能直接带来企业的显性经济效益提升。

如何真正落地:“人工经验+算法模型+闭环无限迭代”

前面我们聊了Uptake以预测性维护为核心,解决了哪些痛点,能产生多大的价值。这么好的生意全球自然有不少模仿者,可是绝大多数设备预测性维护的公司并没有赚到钱。

所以在这一章节中,我们来探讨下Uptake是如何让设备预测性维护产生这么大价值的。

和陆泓聊完后,我将答案总结为3个关键点:“人工经验+算法模型+闭环无限迭代”。我们结合Uptake的项目服务流程来具体说明,在拿到一个客户项目时:

  1. Uptake会先和客户探讨明确他们的痛点,即定义好问题;

  2. 然后看相应设备是否有需要的数据。Uptake不做数据采集,只做数据对接,客户要将所需要的数据准备好。

  3. 弄清楚客户是怎么诊断设备故障的,怎么看参数和症状。然后建立一个故障模型,能判断出:什么样的设备数据,对应什么样的故障。

  4. 将故障模型用在分析实际问题上,让技工判断模型分析结果是否正确,这是模型优化过程。最终在这一步,已经能够较准确实现算法自动诊断设备故障,但是还不能做到预测。

  5. 根据采集的大量设备运转数据,结合AI算法等进行拟合建模,得出:什么样的设备数据表征和趋势,对应什么样的故障。这就得到了故障预测模型。

  6. 将该模型应用在实际问题分析上,结合技工的反馈,持续优化迭代。同时,根据以上逻辑流程,不断建立新的故障预测模型。从而在故障预测种类和准确率这两个指标上持续迭代,最终目标是“预知设备一切问题”。

特别说明的一点是,实现预测性维护价值的前提并不是“所有设备实时联网”

Uptake大多数客户只有20%的设备是联网的,一方面是数据源不仅是设备数据,还包括一些企业数据,如ERP数据,维修工单等,以及使用环境、地理位置、交通等一系列可能影响到设备运转的数据。另一方面是故障预测模型可以直接植入设备,通过边缘计算的方式进行判断。

这点也能给国内企业很多启发,太多的公司都是不管能分析出什么,先把设备上云了再说。

另外,Uptake使用公有云提供SaaS形态的产品服务,可以将每个项目的经验进行沉淀,并在更广泛的类似项目中进行推广。考虑到安全性,Uptake目前只选择了AWS作为云服务伙伴。

成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀

图片来自Uptake

Uptake成功的三大因素

一家公司的成功,除了某一项业务的优势,一定还有方方面面的综合因素。

关于Uptake为什么会成功的核心因素,陆泓给出了他思考的答案:专注,优秀的团队,数据科学Data Science

  • 专注。在领域上,Uptake只专注于工业,甚至只专注于“设备预测维护”这一核心问题。在服务目标上,则是专注以“客户第一”为导向,帮客户提高经济效益、降低成本、提高生产率和利润。

  • 优秀的团队。UPTAKE的创始人Brad Keywell和Eric Lefkofsky曾是大学同学,他们两人从大学毕业后,连续创业十几家科技公司, 其中Groupon、Echo Global Logistics、InnerWorkings这三家都成功上市。除了这两位创始人,公司同时也挖掘和招募了很多行业优秀的企业高管团队,很多来自GE和思科等专家团队。

  • 数据科学Data Science。Uptake平台有超过21亿小时的机器学习,连接了130万工业设备并不断在增加,并通过收购APT公司掌握了6万个失效模型,即使设备不联网,Uptake也可以通过这些失效模型来预测设备故障,从而帮助企业运用最优化的机器维护策略。2018年初,UPTAKE平台一天的数据交易量达已到纽约证券交易所的六倍以上。

2019年,Uptake将落地中国

2018年底,Uptake启动了全球扩张策略,从美国向美洲、亚洲、欧洲、大洋洲等扩张。中国作为全球工业产值最大的国家,自然也是Uptake高度重视的市场。

经过4个多月的多方研究、考察与行业调查,陆泓对于Uptake要如何在中国落地已有了初步的想法:一定要充分本土化落地,以开放的姿态,与中国本土的企业和基金合作,建立“有中国特色的”Uptake。

更直白的说,就是基于Uptake在美国的成功经验,不排除与中国公司合资,并吸纳中国相关领域人才,去成立一家中国工业互联网创业公司,与中国公司(运营商、云服务商、集成商等)合作,为中国工业客户创造价值

当下正是中国工业互联网火热的时机,Uptake是否能在中国续写美国市场的辉煌?中国企业又将面临怎样的机会和挑战?我们将持续关注。

相关阅读

深度研究 | 拆解万亿工业互联网赛道,寻找下一个GE

(我是36氪记者陈绍元,关注物联网、AI、科技,交流或寻求报道(不收费)加微信:963757163,请注明公司、职位、姓名)

[免责声明]

资讯标题: 成立3年估值23亿美金,「Uptake」掘金工业互联网的秘诀

资讯来源: 36氪官网

36氪企服点评

新锐产品推荐

消息通知
咨询入驻
商务合作