本文根据京东方RD数字化研发部部长吕志超在“数智赋能，智能制造——北京站沙龙”上的分享整理

吕志超 京东方RD数字化研发部部长

前言：数字化的本质是一个投资行为；研发数字化要解决“关系”问题。

大家好，我是来自京东方的吕志超，非常高兴能够带来本次分享，今天我分享的主题是《打造数字化平台工具链，助力研发提质增效》。首先向大家介绍京东方的发展架构：1+4+N+生态链”业务发展架构，其中1代表的是京东方的主营业务半导体显示，这也是策源地和原点。4表示的是传感、IoT创新、MLED、智慧医工四大发展方向。在主航道逐渐夯实牢固的过程中，还需要找到N个着力点，所以京东方做了很多业务场景的尝试，尤其是工业互联网领域。最底层是生态链，我们也会进行一些支持和定向的投资。

聚焦在数字化领域，每个企业都有自身的数字化转型架构蓝图，京东方也不例外。京东方形成了“一个、数字化、可视的京东方”数字化转型发展战略，在这样的战略指引下，我们打造了相应的架构。同时确定了子领域“两定一要”的实践路径。

定目标：不论是哪一部门，都要明确自身能为企业带来什么价值。落到IT部门，要做的是向外对标，借鉴好的解决方案，同时向内聚焦，将优质资源内化，进行定向输入，从而拉通智力，解放体力，持续产生价值。

定策略：任何一个业务的切入和发展，都要找到能够突破的单点，京东方的研发数字化从0到1，从小工具开始进行突破，在过程中确立业务模式，同时找到能够给予支持的伙伴和人才，最后建立一个良性的生产关系。

要成果：通过组织的工作和价值输出，服务更大的组织，实现持续发展。力争成为研发组织内部具备IT技能的部门，成为业务中最懂IT技术的，IT中最懂业务的部门，形成差异化壁垒。最后在实践中产生更多懂业务，懂技术，懂商业的人才。

总结来说，我认为数字化的本质是一个投资行为，哪些问题可以花钱解决，哪些无法花钱解决，这是广大IT负责人需要去思考的。另外从研发角度来说，研发数字化要解决的是“关系问题”，这要求IT部门与一线工程师、领导层等不同层级都要搞好关系，这是支撑研发数字化持续发展的重要条件之一。

对于京东方来说，研发数字化面临哪些挑战和机遇？客观来说，显示器件的研发，涉及到光、电、机械等多个学科，是一项非常复杂的工作，想要保证精度和质量，是非常困难的。在设计的过程中，首要难题就是版图绘制，手工绘图的速度和质量严重依赖软件熟练度。其次就是经验导向，研发设计以经验判断，参考历史项目，缺乏客观机理和理论的支持。最后是数据孤岛的问题，不同软件之间的数据无法进行自动传输和兼容。这是显示面板研发领域面临的三大问题。

因此对于研发人员来说，首要的需求是高效便捷，能够实现绘图过程自动化，哪怕是整个周期能够缩短一天也是非常有价值的。其次是机理创新，能够从算法、机理、仿真方向突破，摆脱人工经验的局限。最后是协同，从单学科设计升级至多学科集成，多工具数据和流程协同设计。这些都是未来潜在的机会点。

因此京东方也开展了广泛的实践，从企业的价值链来说，从拿到需求到研发设计，制造，销售，有很多数字化的机会点。研发数字化要摆脱经验主义，将研发专家的经验进行模型化、数据化、算法化，通过程序封装完成智力资产积累复用。以仿真来说，随着产品复杂度，集成度要求越来越高，缺乏材料、工艺、设备、设计跨学科间的协同设计平台，仿真一体化、建模精度、多物理场仿真都有很大的发展空间，也面临着巨大的挑战。

所以我们需要做的是在专业领域进行持续深耕，拆解研发子领域，分析现状挖掘痛点，从解决单点问题入手，联合立项，形成速赢，逐步形成组合方案。按照流程领域的深度发掘每一个领域一线的问题是什么，就能发现其中存在大量机会点。找到问题，将解决方案通过技术手段进行封装，交付给用户，这样知识就会固化下来，并进行传承，从而为公司带来一定的价值和收益。也就是打造数字化技术黑盒，聚焦一线工程复杂和繁杂问题，通过数字化技术赋能问题解决，降本增效，积累研发智力资本。

接下来为大家分享一些实际的案例。

第一是设计自动化工具里的面板排布自动化工具，过去工程师需要自己使用Excel进行计算，我们通过利用编程技术将GlassLayout计算规则和流程封装，结合软件API实现面板排布绘制、尺寸标注。这样不论是哪个科室的工程师，用同样的逻辑工具，功能都是一样的，大大提升效率。

第二个是工程图纸制作自动化工具，过去工程师画完图纸，需要人工导出，进行标注。现在通过算法写出来，集成坐标提取和筛选、报表一键出、Excel协同检查等功能，让工程图纸制作变得更高效、简单、准确。而且这一工具我们实现了内部的商业化，一个工具能够被市场定价，这个工具是非常有意义的。

数字化平台产品，我们是从底层的硬件基础设施、服务、终端开始来做的。这里介绍的是我们的产品快速RFQ平台。当我们拿到客户的开发需求后，内部会根据实际情况判断是否能够承接，过去是各个学科的人去做，然后通过统筹人汇总信息，最终领导判断是否可以做，再通过邮件反馈到BO部门，整个流程非常长，涉及的角色也非常多。我们通过逻辑和工具，打造一个线上化工具，拿到需求后自动分配，过程可视化，数据线上留存。甚至领导可以通过项目的多少来作为KPI判断的标准。

另外一个是设计仿真平台，显示器件中光电是核心，但是光学的设计都是分散的，所以我们目前做了平台的统一化，对于业务来讲是做了一个标准化分工，通过封装，第一个好处是逻辑统一，第二个是通过仿真的调度，解决了资源不足的痛点。

不论是工具平台，还是产品平台，我认为并不是做完工具就结束了，而是要让工具更好的活下去。这就需要建立一种良性的生产关系，让工具活的越来越好。所以我们的组织内部不仅有开发部门，还有专门的运营。不论是开发还是运营，都要与两侧的用户保持沟通，获得信任。对上要对领导进行定期的拜访和沟通，对自己也要严格要求，持续学习和精进，做工具一定要按照持续的思路去运营。

在过往的实践中，我们总结了研发数字化的业务增长飞轮，其中的核心就是“发现问题”，发现问题后提供相关的数字化工具和解决方案，提升工程师的体验，就形成了一个闭环。发现的问题越来越多，也就会倒逼IT去寻找更多的解决方案，打造相应的工具和平台，不断提升用户价值。也就是通过数字化技术，解决具体研发场景下的真问题，为用户提供价值，推动飞轮转动。

建立研发数字化体系，其实平台只是最终的展现形式，最关键的是人才组织、专业技术、业务流程。想要做好研发数字化，必须完善人才梯队建设，优化流程标准，整合工具及方法论，建成综合数字化体系，支撑研发数字化业务稳定运行。

对于管理方面的实践，技术管理是双轮驱动的，所以做数字化最怕的就是盲目跟风，应该学会选择性的输入，明确战略规划、业务架构，汲取业内优质的解决方案和方法论。从虚到实，从战略到落地，支撑研发数字化项目。另外就是需要构建适配组织现状的流程体系，发挥对齐作用，定期Review更新，让流程保鲜。因为没有流程就代表凭感觉工作，这是不靠谱的。做项目阶段，重要的是能否在项目前中后把项目管理清楚。而且我们还会进行看板管理，让信息流动起来。

对于研发数字化来说，不论是否对外，都要做营销工作，我们会通过产品发布、产品营销，持续不断的获得反馈，倒逼迭代升级。我们会在发布会上讲做了什么，用户如何，使用情况怎么样。对于我们而言，不怕需求多，更怕的是没有需求。

对于未来的展望，我认为可以将研发数字化分为三大发展阶段。第一阶段是自动化阶段，我们已经走过了这一以单点小工具为核心的阶段，目前正向着研发数字化平台的阶段努力。这两个阶段的跨越需要依赖规则、数据，而且更加依赖技术，其中一个非常重要的条件就是团队的人、知识、预算。第三个阶段就是智能化阶段，构建研发数字大脑，这一阶段的关键在于与AI人工智能的结合。

企业和组织想要发展，一定要打造出自身可持续发展的业务模式，我们将其分为三个对象，分别是数字化组织、研发组织、外部厂商，向外对标，向内挖需求，寻找三方的利益切合点，才能合作共赢。

当下AI在多个领域已经有广泛的应用，在工业内的研发领域，也有很多机会和挑战。如何把AI+大模型与半导体显示研发领域结合起来，形成企业大模型，提升研发效率，主要存在以下难点：第一就是研发设计场景存在大量图纸文件，数据采集、治理水平参差不齐，碎片化，无法直接利用。而且AI落地研发设计过程中,“Know-How”是核心阻碍，需要同时具备AI和行业知识的跨界人才。此外大模型目前还是概率产出，绘图准确性与生产成本直接相关，精度难以满足要求。

虽然AI大模型在工业领域研发应用落地方面存在诸多挑战，但对于工业企业来说，也要通过加强跨领域合作、提升模型性能以及优化系统、集成等措施，推动AI在研发应用落地产生价值闭环。这是值得深耕的领域。

以上就是我的分享，谢谢大家。