共计 4242 个字符，预计需要花费 11 分钟才能阅读完成。
本文约 4000+ 字，预计浏览耗时 12 分钟。
采访背景
2012 年美国提出工业互联网策略，2013 年德国提出了第四轮工业革命“工业 4.0”，2015 年我国推出“中国制作 2025”。毫无疑问，一个全面自动化、数字化、智能化的工业时代正在减速到来。这个信息化与工业化深度整合的过程，是工业互联网、云计算、大数据在企业研发设计、生产制作、经营治理、销售服务等全流程和全产业链的综合集成利用。软件研发治理平台作为工业软件研发的引擎，如何帮忙制作企业实现高效产品研发与麻利生产？
本次采访的仙工智能是一家专一于智能生产和智慧物流的高新技术企业，业务涵盖了通用 AMR（Autonomous Mobile Robot）控制器、仙工智能企业数字化中台 SEED、基于视觉技术的全感知 AI 零碎 RoboView 及主动叉车等 AMR 产品。仙工智能于 2020 年实现了销售额破亿，且业务增速达到一倍以上。仙工智能联结创始人兼产品总监叶杨笙，在移动机器人控制器畛域有多年的产品研发以及企业治理教训，致力于推动 AMR 控制器产品疾速迭代并获得了行业领先地位。
本文将带大家从 研发工具、研发流程、研发团队建设 等多个角度来理解仙工智能对于工业产品研发效力晋升的摸索，心愿对工业以及其余行业的研发团队有所裨益。
01
CODING： 首先想请叶总介绍下仙工智能目前的外围业务以及策略倒退方向。
叶杨笙： 咱们目前总共有四大块业务。首先最外围、做的最久以及占比最大的业务就是机器人外围控制器，次要是用于智能制作、工厂生产物流的场景。
第二条业务线是从外围控制器延长进去的机器人本体业务，分为主动叉车、小型工业 AMR。咱们重点会放在主动叉车，因为小型 AMR 曾经很成熟了，咱们不会投入太多去制作机器人本体，而是更加专一做外围管制模块，给业内生产机器人本体的企业提供外围控制器。因为主动叉车是个新畛域，所以咱们会先研发整机，在成熟之后咱们也还是会专一做叉车的外围控制器。
第三条业务线是咱们的第二代系统软件产品体系——仙工智能企业数字化中台 SEED，这个数据中台包含了四大模块：移动机器人业务施行工具（KHS）、机器人及自动化设施资源调度零碎（RDS）、仓储物流管理系统（WMS）、设施运行时数据可视化显示零碎（V）。
第四个业务，就是基于视觉技术的全感知 AI 零碎 RoboView，利用人工智能、机器学习等 AI 算法来进行移动机器人的视觉导航、视觉辅助定位等，实现车厂协同，这块业务在整个行业都处在比拟新的阶段，尽管对外还未正式销售，然而曾经在很多我的项目中进行产品验证了。
02
CODING： 也就是说仙工智能的业务中既有硬件产品也有软件产品。在工业产品研发过程中，以您的教训，硬件研发和软件研发相比哪个难度更高？
叶杨笙： 我感觉难度差不多，但区别还是很大的。比方两者迭代速度不同，软件比拟麻利，根本每周能够出一个版本。硬件的迭代周期就长很多，比方开发一块电路板，从原理图、PCB、再到打板，一般来说一个月能迭代一个版本，达到一个稳固的版本至多须要五到六个版本的工夫，那么大半年就过来了。随着研发能力的积攒，目前咱们降级硬件版本的速度曾经比以前快很多了，根本每个月都能迭代一到两个版本。
03
CODING： 能够看出你们在进步产品研发效率方面费了不少功夫。在之前的产品研发过程中，仙工智能遇到了什么问题，促使你们去寻找一个相似 CODING 的研发工具？
叶杨笙： 那故事得从守业之初开始说了，刚从学校毕业开始守业的时候，咱们还是用着 SVN 的代码合作形式，这种形式根本能够满足几个人的合作。随着团队人数开始扩张，咱们开始尝试自建 GitLab 来应用 Git 合作，但发现自己保护服务器十分麻烦。
起初就搬到云端，开始应用 GitHub，随着人员规模进一步壮大，咱们团队发现没有业余的需要 / 缺点反馈渠道，咱们就应用了一个开源的工具 Redmine 来做缺点治理跟踪。这套工具继续一段时间之后，咱们团队察觉这种形式还是不够高效：比方代码和需要的治理是割裂的，开发人员心愿的是代码的提交能够关联到某个缺点或者需要；而且 GitHub 没有一个我的项目的概念，就会导致咱们的我的项目代码分布在几十个仓库中，这种形式并不实用较大规模的企业研发团队应用。
于是咱们就开始找新工具，在找到 CODING 后，发现 CODING 和企业微信的联合也十分顺畅（因为咱们公司在应用企业微信），研发治理的功能完善度也十分高，咱们就决定了应用 CODING。
在确定了应用 CODING 之后，咱们花了不到两个星期就把在 GitHub 和 Redmine 所有代码和跟踪问题全副切换了过去，并且咱们是全员应用 CODING，无论是产品经理、售前、交付、测试人员等等都能够在 CODING 上交换产品问题。
04
CODING： 也就是说随着组织规模的扩充，你们的研发协同形式和研发治理形式也在一直变动。通过这一段时间的应用，你们过来的问题有失去逐渐的解决吗？
叶杨笙： 最大的矛盾曾经解决了，代码开发和需要、缺点治理能够联合得十分严密了，这对效率的晋升是十分有帮忙的，因为咱们的需要十分多。有了业余的协同工具后，咱们整个团队也能够更好地去单干，因为“通明”的信息让那些被动、有想法、有担当的团队可能同步获取信息，并且疾速地做出业务决策。
05
CODING： 说到业务需求量大这个问题，咱们理解到国内的工业还没有走到标准化和高质量的阶段，这意味着大量的工业软件要为这些不是标准化的货色去买单，这样会不会导致你们的研发团队为了去适配这些不同的我的项目，做很多定制化需要？
叶杨笙： 咱们软硬件产品研发和降级迭代的理念始终是，面对非标的需要，肯定要想方法转换成规范需要。这意味着咱们始终都只有一个代码骨干分支，咱们最终肯定会把需要形象成一个通用逻辑，代码都会合并回骨干。
06
CODING： 除了非标需要的问题，工业软件的实质是工业品，是须要工夫的积淀造成的，技术壁垒很高，这个行业也不像互联网那么凋谢，很多技术都是闭源的，没那么多开源的力量供大家学习和参考，你们是如何去解决这个问题的？
叶杨笙： 因为咱们研发的是控制器，管制和硬件的关系是很强的，如果写代码能力很强但不懂硬件那也很难参加研发的。所以在外面有很多咱们称之为 know how 的过程，就是一直踩坑、一直解决、一直积攒 。很多内容在网上都查不到的，尽管网上也有一些开源的机器人计划，然而那些次要是通用的实践，和理论的工业利用是差很远的，真正的生产环境中的问题常常是简单、边缘、诡异的。如果没解决好这些问题，机器人的程序挂了，在工业现场问题影响是十分大的。 所以咱们会把这些常识通通积淀在 CODING 的文件网盘和 Wiki 上，这样团队成员能够随时随地查看与学习，最大化施展常识效劳。
07
CODING： 那看来在这种高度生产化的工业场景，软件的品质要求是高的，一旦呈现 Bug 就有可能会造成生产损失。你们目前在 CODING 上有没有采取什么软件品质保障措施呢？
叶杨笙： 咱们上 CODING 也是为了可能更好地做好这块，包含自动化测试、继续集成，咱们都正在欠缺；也在应用制品库来对软件制品进行对立治理。咱们在借鉴互联网的先进研发教训，心愿可能利用在工业软件当中。
08
CODING： 那除了上述提及的常识积淀、继续集成、制品库、代码托管这些产品性能外，在应用 CODING 过程中有哪些令人印象粗浅的体验吗？
叶杨笙： 印象最粗浅的一个点是 CODING 对客户的响应速度 ，比方我提了一个小需要，可能过两天就做好了或者有解决方案了。对于应用体验，因为我不是具体的研发角色，所以我还是从管理者的角度来谈谈。整个事项筛选器、所有事项的页面十分不便，能够让我很快就看到问题的全貌，比方明天产生了哪些问题，哪些问题优先级比拟高。而且咱们的研发通知过我，在 git commit 里去关联需要 ID 是十分的不便。CODING 继续集成用起来也十分不便，能够自动化地进行版本公布，配置也没有很简单。还有就是集成了网盘和 Wiki，以前咱们用 GitHub 和 Redmine，文件没中央放，Wiki 没中央写，当初都能够放在 CODING 上。 也就是说研发要干的事都能在 CODING 上实现。
查看更多仙工智能在 CODING 上的利用实景
09
CODING： 将来在 CODING 的产品倒退上你还有哪些期待？或者说有什么优化倡议？
叶杨笙： 目前比拟期待的事件，就是能把挪动端的能力做得更欠缺一些，我心愿的是能和 PC 端一样的。因为咱们有很多在一线的人员，他们也会用 CODING 来提问题、跟踪问题，然而在工厂环境里，PC 不肯定有网络，甚至连电脑都不能带进去。
10
CODING： 下面咱们聊的都是研发工具方面的话题。咱们理解到您是浙大毕业后就开始从事工业产品的研发，以您的经验看，近几年工业产品的研发模式有什么变动？是不是曾经在逐步借鉴互联网的一些研发实际？
叶杨笙： 至多咱们公司是这样的。因为咱们公司整个管理层都是技术出身，对整个产品的技术栈根本都理解，也始终都有关注前沿技术动静，但可能咱们利用的脚步没有互联网那么快，因为工业的话还是得稳中求变。你看咱们也一直在寻找研发工具去晋升咱们的研发效率、研发品质，如果没有做好分支治理、就会呈现很多的分支、很多的版本，很难进行工具切换。得益于咱们这块做的还算不错，咱们能够很快地去切换研发工具。包含咱们当初在做数字化中台，也引入了很多互联网优秀人才。
11
CODING： 你们的研发治理债权很少，所以你们跑得也更轻快。最初一个问题，你感觉研发团队必须具备什么样的能力，才可能应答行业的将来挑战？
叶杨笙： 两点。一点就是敢于承受新的事物，这须要团队一直学习、一直借鉴本行业或者是其它行业的优良教训到绝对求稳的工业研发中。另外一个就是责任心，不解决问题誓不罢休的信心，以及对于紧急问题的临场解决能力。
写在最初
工业组织在成长的过程中，可能会遇到的研发问题包含：数字化协同、常识积淀、软件品质晋升、软件交付减速等等。这就须要研发治理平台具备足够的弹性和灵活性来适配组织的成长。而且研发效率的晋升须要从人、组织、文化、工具等等几个方面一起发力。在技术畛域放弃一个凋谢的心态，放弃对卓越工程的谋求，会让研发提效的路线更加顺畅。
CODING 针对智能制作、工业互联网的研发场景，提供一站式研发治理能力，反对从需要到部署的端到端交付，通过数字化协同、继续交付、DevOps、麻利等优良实际和理念，帮忙工业组织适应规模从小到大的演进，帮忙工业软件研发又稳又快。
参考：
《智能制作之路：数字化工厂》陈明，梁乃明
