全面解读智能制造业制造业难以为继，智能制造是什么？｜北大国发院两会解读|智能制造|上海羊羽卓进出口贸易有限公司

制造业难以为继，智能制造是什么？｜北大国发院两会解读

沈艳 | 北京大学国家发展研究院教授，教育部北京大学人力资本与国家政策研究中心副主任，中国数量经济学会常任理事，《经济学季刊》，《经济学报》等刊物的匿名审稿人。

活动：2017年3月18日，北大国发院【格政】特别在第80期举办大型主题论坛：两会解读报告会。笔记侠作为合作方，经主办方与嘉宾审阅授权发布笔记。

今日笔记侠客 | 笔记侠

责编 | 喻清野

深度好文：4770字 | 6分钟阅读

阅读第1294 篇笔记之前，请先思考：

为什么说智能制造是未来的方向？

大数据的模式是什么，运用效果如何？

大数据开发面临的困难是什么？

如何提高大数据的准确性？

全网首发·完整笔记·大数据

非常荣幸有机会跟大家分享对大数据、新经济、新动能的一些看法。

“新经济” 、新动能，是这两年政府工作报告中常出现的词汇。如果传统的以劳动力密集型制造业为主、出口导向的发展模式已经到了必须转型的地步，那么大数据对于中国的经济转型，可以扮演什么样的角色？这是我们希望能一起探讨的问题。

一、传统的制造行业难以为继，

智能制造是未来的方向

回到政府工作报告当中来看，如果是旧的中国制造出了问题，路在何方？

政府工作报告当中出现特别多的词就是“创新”。从2014年以来“创新”一直就是很重要的词，但出现最多的就是2016年，61次；今年一共是39次。其中提到“新动能”5次，“大数据”2次。

如果“中国制造”在可以预见的未来，因为国际环境的变化、国内的环境污染等原因而必须转型，有没有“危”中蕴含“机”，使我们从此走向“中国创造”？从中国制造到中国创造当中，以及过去我们讲“四小龙”遇到的问题的时候，其实和现在有一个很大的差别，这个差别就在于大数据时代的到来。

大数据时代的到来，新动能在实体经济当中是不是有反应？

我们在做新经济相关研究的时候，看过网络招聘的数据。我们看企业在有招聘需求的时候，按照他们招聘的岗位、带有的关键词，把他们愿意给的工资做一个排序。可以看到，从2015年8月到2016年2月这半年时间，名称中带有“研究”二字的通过网络招聘的企业，在招聘广告中给出的工资增长速度非常快。这就说明我们在发展新动能的时候，其实对于分析未来可能的态势的研究有特别大的需要。

这个需要就让我们又回到了连续四年都作为一个主题词在出现的词语——大数据。如果我们要理解今天我们国家的大数据产业处在什么位置，我们还是需要再回头梳理一下过去大数据是一个什么样的发展态势。

图片来源：千图网

我们注意到在政府工作报告当中第一次出现“大数据”这个词，是在2014年。当时对大数据的期待是“赶超先进，引领未来”。我们对于先进是一个“赶超”，然后期待可以凭借这个领域来 “引领未来”的态度。因此在2014年我们国家对大数据基本还是处在“头脑风暴”的时期。

到了2015年有一个提法，方向是推动大数据跟制造业相结合。其实只是提供了一个方向，具体要怎么做我们还不是特别清楚。

到了2016年，政府报告总结工作的时候指出我们已经在各个领域深入推进了。

到了今年的时候，比较特别的是我们用的词已经从开始的“赶超”，到“推动”，再到“深入推进”。现在是加快大数据、云计算、物联网的应用，还提出了智能制造作为主攻方向。

传统的制造行业难以为继，智能制造指什么呢？

以我自己生活当中的经验，我们知道，每个家都有些基本家务，如洗衣服、打扫等等。我们知道有扫地机器人，但是智能制造状态的扫地机器人是什么样的呢？在智能制造下，这个机器人可以按照家庭的习惯来设定程序，可以教给它哪些地方是特别需要清理的。几遍以后它就掌握了，就可以自行在家里清理。

再如洗衣服。现在的洗衣机有很多的设定，衣服的品质不一样洗法不一样。但如果我个人也不懂我的衣服该怎么样洗怎么办？但是未来很可能下一步的方向就是在智能制造这个领域里面，洗衣机自己可以识别。你把衣服放进去以后就能识别这个衣服的成分是什么，需要选择什么样的洗涤方式。

要实现这一步，背后要有很多的数据运算：

第一个就是对家庭的习惯有一个学习之后，可以让它学会了贴近，来解决这个家庭的问题；

第二个是智能洗衣机，用到一个国家洗衣服的习惯，再结合个人家庭的习惯。让这个洗衣机可以自己来识别，这个衣服放进去就应该是怎样的洗法，不需要我再做调整了。

再说一个跟生活比较接近的例子——健身。

在新经济相关研究中，我们看到在招聘需求方面增长得特别快的一个领域是健身教练。健身是新的行业，不知道大家有没有去过健身房，我不太愿意去，因为跑步机太枯燥。

现在接下来的有可能的智能制造是什么呢？

造一个不太大的房子，我可以在里面徒步。比如我想在大峡谷徒步，我就可以选择这个模式。这个智能制造当中不仅需要在技术上实现，你其实是在屋子里转圈，但是给你的感觉是在走直线，有坡度。另外还要结合虚拟现实，有了移动互联网和大数据之后，虚拟现实的技术可以收集信息。如果我们在大峡谷徒步有相应的湿度、温度、鸟的叫声，这些东西都要搭配进来。

所以智能制造未来有好几代，第一代是我们现有的机器人，已经有机器人可以在家里面扫地了，但是可以让它更加先进一些。第二代就是衣服可以来选择，高端的一些就是可以结合虚拟现实的状态，你不需要到很远的地方就可以实现我们的需求。

所以在智能制造的领域里有非常广阔的发展空间，我个人觉得在政府工作报告当中把智能制造选为一个主攻的方向，确实是非常明智的选择，也可以看到大数据的发展有一个更好的切入点。

二、大数据是什么？

说了这么多好处以后，到底什么是大数据呢？我来给大家举个例子。

不知道大家有没有看过一个电影，英国的纪录片《人生七年》，他们选了英国的14个孩子，有孤儿院的，有上流社会的，来记录他们的发展状况。这是一个小数据时代的收集方式，纪录片开始做的时候就有一个目的——追踪人们，选样也是经过精心的设计的，代表社会的各阶层，这是一个小数据的模式。

《人生七年》剧照，图片来源：豆瓣电影

大数据的模式是什么？就是刚刚设想的智能制造，未来的家庭，只要你在家里就自动开始录像。如果用这个自动录像，我们再联络对比在人生家庭当中记录的14个孩子的成长历程。未来的家庭给你记录了好多的信息，走路的声音、孩子信息，大人的信息也有。

这一年的数据和前面讲的开始追随到今天的，两组数据哪一个更好？

这时候我们就注意到有一些错误的观念，认为“有了大数据就好了，大数据可以告诉我们所有的事情”。但是显然我们可以知道，对比这两个数据的时候，14个家庭追踪了几十年的数据，和很细的某一些家庭所有的信息放在一起，这两个的品质不能对比。

应用在现实当中，比如我们在互联网金融里用到大数据风控的部分，如果只是用一些网络收集到的居民短时间内的消费习惯，而没有去追踪整个金融的比较长的周期，但要去做风控，还指望它做得非常好，那需要有很大的假定在里面的。

大数据够了吗？其实大数据很多时候是不够的。

另外我们还要看到在中国应用的现实当中，很多时候数据是以什么样的状态呈现的？数据孤岛。比如我作为一个消费的平台，有很多关于消费者比较细的信息，买了这样东西，这个东西多少钱等等，但是我并没有这个家庭背后的资料。这个时候一些数据孤岛在应用当中也都会有一些问题，也许我的分析对于某一种商品的消费是可以的，但是如果想拿它去分析这个家庭其它的习惯，恐怕是不够的。

在国际当中现在又提出“数据湖”，就是数据之间要打通，形成一个湖泊。其实大数据相互之间没有什么联络，使用当中也有很大的限制，这也是我们会遇到的问题。

图片来源：当代先锋网

我们在实证当中很多时候大数据的运用到底效果怎么样？

比如大数据基金。其实在中国也有这样的产品，我们也有看过他们在开发产品的时候容易遇到一个挑战，就是在开发这个产品的时候，拿大数据算出来的策略比其它策略好很多，但是拿到现实当中去的时候，比如股灾的时候发现大数据的基金有很大的回撤，于是导致证监会对大数据基金采取非常谨慎的态度。产生这些问题的主要原因是什么呢？

回到刚刚说的例子，很多家庭收集了很多很细的信息，但是这些信息质量的好坏的标准是什么？产生很多的冗余，这些东西怎么处理？很多时候没有一个判断和检验的标准。

我不知道这些数据的质量是好还是坏，只能凭我自己的感觉，我觉得它好，我就去推销这个想法。如果大数据是这个用法，那么指望大数据分析能够长久、大规模地有很好的回报，可以说想多了。

三、大数据开发面临的三大困难

大数据的数据孤岛问题、数据质量如何解决？

其实《国家大数据战略》里面写得比较清楚：开放共享是未来趋势。

开放共享当中，不能回避的就是政府数据的开放共享。可是现实当中我们接触一些数据相关项目的时候，我们发现开放共享数据还有蛮多的困难。

第一个困难就是开放数据的合法性问题；

虽然《统计法》指出，虽然提到“县级以上人民政府统计机构和有关部门统计调查取得的统计资料，除依法应当保密的外，应当及时开放、供社会公众查询”，但目前的法规要求统计部门上报的主要是各级人民政府，这就让地方统计部门不易拿捏哪些信息需要开放、哪些不需要开放。

第二，数据标准不一，质量良莠不齐；

即便是一家大型国有银行，各个部门之间如果想共享数据的话，都会存在一个问题：对于同一个东西，不同的部门之间因为自己的业务需要，定义不一样，标准也不一样。因此就使得标准不一，质量良莠不齐。政府觉得我把数据拿出去了，大家觉得都不准，制造出很多的问题，所以还不如不做。

第三，数据共享究竟跟谁共享？

目前地方统计部门在将数据开放给其他部门、企业、学术机构等的权限往往并不明确，因此数据究竟可以跟谁共享的尺度的拿捏往往也需要各个单位自己判断。

四、大数据开发共享展望

我们已经走到这个节点，这个节点就是“智能制造是未来的方向”，我认为可靠的大数据分析，需要做到“大小结合、人机结合”。

“大小结合”，是指大数据的使用要和我们现有的小数据结合，才能够判断这个大数据的质量怎么样、它究竟在哪些程度能用、哪些不能用？

“人机结合”，指的是我们用大数据的时候也不能说“这个算法很先进，一定要用我们专家的想法”，而是要和中国的现实结合起来，才有可能生长出好的大数据项目。所有这一切都需要能够在一个有计划、有步骤，合法的框架下完成数据的开放共享。

图片来源：千图网

对于开放共享，需要有步骤推行数据治理。需要有专门部门，统筹和协调各个部门之间的数据共享。在横向各个部门之间统筹协调，不然平级之间大家很难谈共享和分享。纵向之间可以推动优秀的治理经验在同一行业内的分享与推广。比如一些大型国有银行在整治自己数据的过程中有很多的心得和体会，怎么样给其他的中小企业进行分享，让他们在现有的状况下把数据整合好，实现这些部门之间的数据有更多的共享。

另外其实也可以对开放共享有更加明确的一些思考，到底开放的是什么？对谁开放？如何开放？

这里我们要明确的一点就是，开放不等于免费，开放也不等于完全对社会公众来开放。所以做一个分级的安排，对于一些基本的数据，公众有知情权的，我们可以仿照国外的部门，比如美国可以提供给公众查询的资料。这些我们把它分级作为底层的级别，公众可以使用分析的。再往上可以根据不同的安全级别，签订数据协定，让数据在使用当中达到数据的安全和数据的共享之间的平衡。

总之，大数据分析给我们带来了新的发展机遇，但是也带来了很大挑战。政府工作报告中还提到，数据是资源，或者说资产。如果数据是资产，我们拥有13亿人，因此我们的数据资产也是最多的。如果能够在数据开放共享方面更多着力，使大数据分析更加可靠，对新旧动能的转换，是可以带来很大空间的。谢谢大家。

问答环节：

提问： 我有个问题，其实像刚才您说的一样，数据如果准确的话就是好的数据。但是现在的大数据好像又面临一个问题，没法准确。请问后续如果再从大数据的源头开始，怎么提高数据的准确性？这个很关键。

沈艳： 在数据分析当中，如果数据质量差的话不要指望能分析出好东西。

我怎么知道数据质量好坏呢？

其实我需要有一些锚点，“大”“小”结合。我们在小数据当中，比如我们有一些几十年来使用过的统计资料，不管是关于国家的宏观经济状况还是微观层面的数据，或者细到一家银行已经有一些信贷的资料也好，这些资料是相对准确的，绝对准确是没有的。

相对准确这个事情怎么说呢？

我可以帮大家做预测，如果我对于这个规律的把握是比较准的，我对于未来的预测应该和未来的差别不太大。你刚刚提到的不准的问题，比如大数据基金有一个比较明显的体现，我在做测算的时候，我用历史数据做出来很漂亮，拿到现实当中一跑就不行了。

一个很关键的原因是在大数据分析当中有一个误解，我非常反对在中国使用大数据，却忽略中国经济发展的实际规律。不理解中国的经济发展背后的规律，单凭所谓“大数据分析”就得出好结果，是不太可能的。

笔记侠后台回复数字1-8，会有惊喜哦~

回复【1】查看湖畔大学笔记

回复【2】查看混沌大学笔记

回复【3】查看大咖笔记

回复【4】查看热点笔记

回复【5】查看读书笔记

回复【6】查看商业模式、战略思维、产品运营、传播社群、组织管理相关笔记

回复【7】查看投融资、大数据、创业方法、人工智能相关笔记

回复【8】查看社群管理、内容创业、文化生活创业心理相关笔记

笔记侠联合喜马拉雅FM推出《新商业进化论》

长按下图二维码收听系列完整音频课程

每周两期，每期15-20分钟，一年共100期，198元。

合作伙伴： 混沌研习社｜湖畔大学｜创业黑马学院｜i黑马| 创业邦｜领英中国｜36氪｜腾讯｜京东｜正和岛｜中欧｜微链| 高维学堂| 奋斗大讲堂...

智能制造的概念与推进策略

最近几年，智能制造成为学术界和企业界共同关注的热点问题。尽管如此，人们对智能制造概念本身的认识却未达成共识，并存在诸多模糊的认识。企业界的推进过程更是遇到多方面的困惑。本文针对这些问题，进行分析和讨论。

智能制造的概念

汉语中的“智能制造 ”对应两种英文表述，分别是smart manufacture 和intelligent manufacture。其中，intelligent manufacture的提法出现更早，但多数场合指的却是 smart manufacture。在中国工程院《中国智能制造发展战略研究报告》中，把智能制造分成 3种递进发展的范式：数字化制造、数字化网络化制造和新一代智能制造。smart manufacture主要对应数字化网络化制造，而intelligent manufacture则对应新一代智能制造。

在党的十九大报告中明确指出，要促进工业互联网的应用。重点是推进数字化网络化制造。因此，有必要对 smart manufacture 进行进一步解释。其字面含义是赋予企业快速响应内部和外部变化的能力。快速响应之所以重要，是因为市场竞争日趋激烈，使得响应速度越来越重要。

从目标上看，smart manufacture 与 flexible manufacturing（柔性制造）相似。但从手段上看，前者侧重用ICT（信息通信技术）的应用。与传统信息化相比往往需要对设备、组织、流程、工作方式、商业模式等方面的改造，而不是单纯的 ICT技术应用。因此，smart manufacture 往往被理解为 ICT 技术与制造业的“深度融合”。一般来说，智能制造不仅涉及制造相关的过程，智能服务和智能产品也常常被纳入智能制造的范畴。

可以用 4个基本要点理解上述智能制造的内在逻辑：ICT技术的深入应用是智能制造的出发点；价值创造是智能制造的目的和归宿；快速响应变化是智能制造的外部特征；协同、共享和重用是智能制造进行价值创造的内在机制。

1）强调“ICT 技术的深入应用是智能制造的出发点”，是因为智能制造的历史机遇是 ICT技术的发展带来的，要避免把智能化与传统的自动化、信息化混淆起来，从而忽视真正的智能化工作、丧失历史的机遇。智能化相关思想并不是现在才有的，但只有在ICT技术高度发达的条件下，过去的设想才能具备技术和经济可行性。

2）提出“价值创造是智能制造的目的和归宿”的背景，是反对为技术而技术、盲目采用先进而无用的东西。这种担忧不是“杞人忧天”，而是已经有了蔓延的可能。为此，智能制造必须以服务于企业真实的业务需求。很多企业对智能化的需求是隐含的。推进智能制造往往需要企业进行转型升级，改变生产经营方式，才能找到合适的场景，以便于创造价值。这就是ICT技术与工业“深度融合”的含义。

3）“快速响应变化是智能制造的外部特征”。随着的竞争不断加强，快速响应的重要性越来越大。例如，在手机、汽车等行业，快速响应的价值体现在新产品上市的速度上。推出新一代产品的快慢，很大程度上决定了企业的盈利情况。在另外一些对原料价格敏感的行业，快速响应供应链变化的能力决定企业的盈亏。所以，智能制造最重要的作用之一就是加快响应速度。

4）“协同、共享和重用是智能制造进行价值创造的内在机制”。ICT技术能够显著促进人与人、机器与机器、人与机器、企业与企业、部门与部门之间的协同。减少时间上的耽搁、减少界面上的失误。还可以通过对物质、人、知识或信息的共享来降低成本、提高效率和质量。在智能制造时代，知识的重用变得越来越重要。例如，通过模块的重用，可以减少研发过程不必要的时间和资金投入，并有利于提高质量、降低成本，提高经济性，并支撑快速响应。

智能制造有很多典型的模式或体系，其中最著名的是德国工业4.0和美国工业互联网。

智能制造与人工智能、自动化

随着人工智能技术的迅速发展，图像、语音识别等技术开始广泛用于生产制造的过程，帮助人类从枯燥、恶劣的工作环境中解放出来，意义重大。故而，有人认为“智能制造就是人工智能在制造业的应用”。但这个观点并不准确、且非常容易对公众产生误导。

人工智能传统上有 3个学派。符号主义又称计算机学派，侧重模拟大脑的逻辑推理功能；联接主义又称人工神经元学派，侧重模拟脑的结构，擅长知识的学习；行为主义又称控制论学派，侧重模拟脑体的协同、追求知行合一。在很多学术场合下，人工智能专指前面两个学派。以深度学习为代表的所谓“新一代人工智能”就是联接学派发展而来。

然而，与智能制造联系最紧密的应是控制论学派。控制论的主要思想可追溯到 20 世纪 40 年代维纳的《控制论》。维纳研究了动物和机器的差别，认为动物区别于机器的一个显著特征是对信息的感知和处理；动物能随时感知外部环境的各种变化而调整自己的行为，而不像多数机器那样只按既定的逻辑顺序执行。这一理论的实质就是主张将感知、决策和执行3个要素统一起来。

维纳的思想随着工具手段的发展促进着理论和实践的进步。“感知”和“决策”本质上是针对信息的，而“执行”最终是针对物质实体的。所以，两者的统一需要将信息和物理联系起来。这种思想在瓦特蒸汽机中就有体现。但是，蒸汽机的感知和计算，是用机械装置这种物理实体实现的。这种实现方法非常巧妙，却不具一般性、难以推广。这种约束直到弱电的出现，信息的感知和计算可以用弱电来实现，并转化成强电来驱动物理实体。于是，依靠“电”这种手段，把信息领域和物理领域联系了起来。控制论就是在这种背景下产生的。控制理论中，经典的模型是用传递函数、状态方程描述的。某种意义上说，这种模型的广泛使用与最初的技术手段有关，控制器往往是用电感、电容等电子元件搭建的。这种模型虽然简单，但应用上还是有局限性的。到了计算机时代，能描述的数学模型大大拓展、具有了一般性。后来，互联网的应用又使得人们对资源的可观、可控能力大大提升，进而把人类带入了智能制造的时代。因此，智能化和自动化的理论一脉相承，但实现手段有极大的改善。

从经济学上看，可观、可控能力的提升，导致资源配置能力的加强、进而导致经济性的改善。具体表现为，传统自动化往往局限于较小空间范围内，而智能制造能够实现跨区域、跨部门乃至跨企业的大尺度控制和优化。例如，上海优也信息科技有限公司在山东某钢厂的工作，实现了煤气产生方、使用方和缓冲方的实时优化调控。技术原理虽然容易理解，但相关设备分布在几平方千米的范围内，离开互联网的支撑，是不具备技术可行性的。所以，ICT基础技术条件的改变是推进自动化走向智能化的关键因素。

相比而言，自动化偏重代替人的体力劳动，而智能化则偏重代替人的脑力劳动，也就是决策。这也是两者的一个重要区别。因此，知识的数字化、模型化、软件化，促进机器的认知和决策能力，是智能制造的关键技术。

智能制造的典型流派：工业4.0

工业 4.0 的概念是德国工程院 2013 年提出的。其标志性特征可以归纳为“具备个性化定制生产能力的自动化流水线”。这个特征是理解工业 4.0的一把钥匙，能把技术的经济性和对技术需求联系起来，从而帮助人们理解工业 4.0 是如何把技术可行性和经济可行性统一起来的。从技术上看，工业 4.0的生产模式继承了流水线低成本、高效率的优点，又克服了流水线在产品变化时灵活性差的缺点。从经济上看，满足个性化需求可以获得更好的经济价值。可以设想，如果用传统生产方式进行定制化生产，产品设计、工艺设计、生产组织的时间和经济效益都难以保证、甚至不具备经济性。

工业 4.0 的生产方式对生产组织、销售采购、设计服务等业务造成极大的挑战。而智能化的特长，恰恰适合应对这些挑战。例如，通过对模块、工艺知识的重用，可以显著减少研发和试生产的时间；通过信息的横向集成应对销售采购和供应链方面的挑战；通过纵向集成应对生产组织管理的挑战；通过端到端集成应对设计服务业务上的挑战。再如，个性化生产导致生产组织和调度非常复杂，需要采用赛博物理系统（CPS）技术才能解决。

推进工业 4.0是个长期的过程，企业要根据自身的需求推动，不必被概念所束缚。工厂的自动化、定制化的程度可高可低，关键是有利于促进企业的竞争力。事实上，由于行业和地区的发展不均衡，自动化、定制化程度和难度都有显著差别。例如，在钢铁行业，由于自动化程度高、产品切换简单、物料跟踪相对容易，先进企业在几十年前就具备了定制化生产的能力。但是，在某些离散制造业，产品切换非常复杂，甚至要进行流水线的改造。在这些行业，推动自动化的难度都很大，智能化就更难了。事实上，德国提出工业 4.0 的背景主要针对这些相对困难的离散制造业。在离散制造业，数字化相关技术的发展，能将过去困难的问题变得容易。

有观点认为，工业 4.0 是工业 3.0 发展成熟之后的结果。现在看来，这种观点是片面的，可能会阻碍人们有益的探索。事实上，红领制衣是在人工操作的流水线上从事个性化定制，从工业 2.0 向 4.0 进军。西门子成都工厂号称“工业 3.8”工厂，能够在流水线上切换产品类型，但工厂的人工操作同样也很多。应该注意到，虽然两个企业都有大量的人工操作，但车间内的物流配送都是自动化的。由于定制化生产的物流很复杂，没有自动化、智能化的支撑，管理上就很难搞好。这种模式有一定的代表性，值得很多企业学习和关注。

有人认为，工业 4.0 发展到一定程度，必然取代工业 1.0~3.0。但工业 4.0 只是工业技术发展到一定程度的标志性成果，并不意味着所有企业都采用工业4.0的生产方式。其实，发达国家的高端制造业，现在也并非完全处于工业 3.0 阶段，很多高端设备、奢侈品要靠手工制造。而且工业 1.0~4.0各有优势、会长期共存。所以，企业是否推进工业 4.0 的生产模式，关键要看经济上是否合算。

智能制造的典型流派：工业互联网

工业互联网是美国 GE公司在 2012年提出的概念，后来影响了美国乃至世界范围内的企业。相比之下，工业 4.0体系以车间的生产过程为核心，而工业互联网侧重更大范围的协同。

工业互联网思想在实践过程中产生。维修人员很早就发现，通过互联网远程诊断医疗设备的状态，可以显著提高工作效率、降低维修成本。后来有人把这样的想法用于飞机发动机状态的诊断和维护。类似案例促成了工业互联网思想的产生。故而，有人把设备的“预测式维护”当成工业互联网技术应用的标志性场景之一。工业互联网强调实时连接“智能机器”“高级分析”和“工作人员”3种要素。其中，智能机器是安装各种传感器、控制器和软件的机器；高级分析是包含各种专业领域知识的数据分析算法；工作人员是指通过互联网参与设计、操作、维护等工作的各类工作人员。

美国 GE公司意识到，工业互联网可以帮助制造企业向服务业延伸和转型。故而，GE公司试图借助这种潮流，通过帮助其他制造企业转型，实现 GE 公司自身从“制造企业”到“软件企业”的转型。GE公司著名的工业互联网平台 Predix就是在这种思想下产生的。但 GE在推动 Predix时有些操之过急，导致技术的投入产出比不合适，遇到了不少的麻烦。

智能制造的中国观点

“流水线上的个性化定制”和“设备预测式维护”常被看作工业4.0、工业互联网的“标签式特征”。然而，多数企业未必需要个性化定制、多数设备也未必能够做到预测式维护。这些问题给很多企业带来了困惑。面对这些困惑，需要更加深入的思考。

人类努力工作的目的，是为了人类自身更幸福。而当经济发展到一定的程度，人类开始追求更好的工作环境。这时，更人性化的工作环境意味着对优秀人才的吸引力更大，故而能为企业带来经济价值，因此可以从人类如何工作的角度，分析未来工业的明天。

事实上，国内有多家科技团队，不约而同地从“人”的角度，分析了智能制造未来的发展思路。

平行系统的概念来源于2004 年王飞跃发表的《平行系统方法与复杂系统的管理和控制》文章中。平行系统采用复杂系统研究中的“多重世界”观点，对复杂系统进行建模时，不再以与实际复杂系统的逼近程度作为唯一标准，并将平行系统看作是实际复杂系统的一种可能的替代形式和实现方式，实际复杂系统的行为与平行系统的行为“不同”但却“等价”。对于复杂的制造系统，如石化生产、机床制造等，通过建立与实际系统平行运行的人工制造系统，并在人工系统上虚拟运行和优化生产方案、利用虚拟系统培训员工、预测实际系统维修维护节点，形成平行制造系统，可以为企业节省成本、提高效率。在平行工业时代，一方面，企业可以借助虚实系统的平行演化及闭环反馈，协同优化管理系统内部流程执行、生产制造以及资源调度。另一方面，基于知识自动化技术，社会情报服务系统实时将数据转化为客户需求，快速响应市场变化，同时通过任务分解、快速重组、众包等方式集合小微创新和群体智慧来创造产品，从而减少投放时间、增加市场份额。同时，网民借助物联网、互联网、移动互联网的无缝连接，表达自身个性化需求及创意，可全面参与产品创新的整个生产制造流程，实现实时化、个性化、大规模的“灵敏”移动“智造”。这种平行工业时代的制造模式称之为平行制造。

2016年，宁振波等提出“三体智能”的思想，从物理实体、意识人体、数字虚体之间联接融合的角度，观察智能的发展路径。2017 年，周济等提出 HCPS（human-cyber-physical systems，人-信息-物理系统）的思想，提出人借助赛博（Cyber）空间改变人与物理世界的关系。

与国外相关理论对比，这些思想的相似度很高，都着眼于人在智能制造发展过程中的作用和角色。这些思想虽然抽象，却是有操作性的。其发展的逻辑，可以从互联网的应用谈起。

随着自动化的发展和广泛应用，人类逐渐摆脱繁重的体力劳动。在此基础上，又可以通过互联网让人体逐渐远离危险、恶劣的工作现场。换句话说，工作人员可以通过赛博空间来管控物理世界。

人类通过这种方式工作时，本质上起到了决策算法的作用。于是，计算机代替人类决策的可能性进一步提升。决策的基础是知识和信息，拥有更多知识和信息的主体，有条件做出更优的决策。在传统工业阶段，人类的很多信息是通过感觉器官获得的，而机器获得的信息有限。这时，人类具有信息优势，故而有条件做出更优的决策。但是，在新的工作模式下，人类从现场获得的所有信息都是从计算机获得的，人类的信息优势不再了。这时，只要计算机补上“知识”的短板，并具有处理信息能力更强、更快的优势，就可能获得更加显著的“决策优势”。所以，在进一步的发展过程中，人类会把越来越多的知识赋予计算机。另外，随着数据的不断积累，将逐步进入工业大数据时代，计算机主动获得知识的能力也会越来越强。这样发展下去，机器代替人类决策的能力将会越来越强，在某些场景下甚至超越人类本身。这样，人类将进入“新一代智能制造”阶段，或真正的intelligent manufacture时代。

在这个时代，人类将会脱离对Cyber空间的实时控制，有利于摆脱紧张、枯燥的脑力劳动，进而从事具有创造性的、对 Cyber空间的完善性工作，为Cyber空间注入新的知识。

一定程度上，新一轮工业革命中的智能制造就是综合利用搜索技术、先进的生产制造技术、社会服务应用（社会媒体）及泛在的移动终端设备，通过众包等方式让社会民众充分参与产品的全生命周期生产制造过程，实现实时化、个性化、大规模创新和“敏捷移动智造”，或称社会智造。不久的将来，一个企业的竞争力和实力，很大程度上可能并不取决其外在规模与资产的大小，而取决于其掌控动态网群组织（cyber movement organization，CMO）的手段和能力，取决于其对虚实互动的认识、实践和效率，取决于与其伴生的人工企业之规模和深度。工业化和信息化的深度融合必将是平行工厂、平行企业、平行制造的应用和普及。

智能制造推进路径的策划

“ICT 技术与制造业的深度融合”是认识智能制造的一个角度。然而，很多企业发现，采用了机器人设备，成本增加了，效益却没有增加；收集了大量的数据，却难以发现有价值的知识；降低了劳动者的工作强度，却没有产出更多的价值。这让很多企业陷入困惑。

上述现象的本质，是技术的经济性差、没有取得经济上的成功。事实上，技术先进与经济性好并不是一回事。经济学家熊彼特很早就意识到这个问题，他指出：发明并不等于创新，只有将发明用于经济活动并且取得成功才是为创新。

推动智能制造健康发展，关键是要让技术具备良好的经济性。为了提高经济性，新技术的采用“要雪中送炭，不要锦上添花”。企业对技术有强烈需求时，技术才具备经济性。这个原则，在智能制造时代仍然成立。

企业需求不是抽象的，而是来源于具体业务场景。业务场景不同，需求的强度就不同、带来的价值就不一样。例如，GE公司的技术用在飞机发动机上具备经济性，但用在廉价玩具飞机上可能就不具备经济性。从趋势上看，先进技术用在高端产业的价值大、用在低端产业的价值就小。中国的低端产业多、比例大，这是中国企业推进智能制造时困惑更多的原因。

具体地看，鉴于中国低端制造业相对较多、劳动力成本相对较低的国情，智能制造不能只是着眼于让机器代替人的工作，更要着眼于帮助人更高效地工作、让机器做得比人更好。在适合智能制造的场景中，人类的工作效果往往受制于生理约束、尤其是脑力约束。这时，智能制造的技术优势就容易转化成经济优势。智能制造的相关理论，都会针对一个复杂的 Cyber 空间、涉及极其复杂的协同工作和大量资源的实时调动。这时，决策过程的复杂性就会冲击人的脑力极限。所以，用智能化的手段，就能把相关问题管理的更好，进而可以创造更多的价值。

中国企业的困惑往往是因为难以找到适合智能制造技术的场景。对此，企业家应该主动改变企业本身来创造新的业务场景。这种工作实际上是为智能技术的应用创造了合适的需求。这样才是 ICT技术与制造业的“深度融合”。而“创造场景”的活动本质上就是所谓的“转型升级”。转型升级是工作流程、组织结构、业务模式、商业模式的改变，是资源的重新配置，也是质量效率的提高、研发服务等业务的增强。

智能制造能够推进企业转型升级。这种现象可以换个角度表述，转型升级为智能制造技术创造需求和合适的应用场景。从这个角度认识的意义在于，推进智能制造首先应该是企业家考虑的战略问题，而不是技术人员负责的技术问题。技术人员往往只能从固有的业务场景考虑问题，自然会遇到很多困惑。企业家考虑清楚了，才能建立适合智能制造的业务场景，为技术创造需求。当然，企业转型升级并非为了应用智能制造技术，而是为了适应社会发展和市场的需要、提高企业的经济性。

企业推进智能制造的外部环境

很多人意识到，智能制造的很多理念、理论和技术其实“并不先进”，几十年前就有人提出过、研究过、实践过。事实正是这样，从根本上说，变化的不是人的思想，而是社会需求和技术条件。这些变化使得相关技术的经济性发生了本质性的变化。

从技术可行性方面看，随着ICT技术的发展，计算机和互联网的性能越来越好。过去很多无法实时感知、实时处理的信息已有实现的条件。同时，相关技术成本的降低、互联网可配置资源的增加，也使得很多场景的技术经济性发生逆转。

从需求角度看，国家的经济转型、老龄化等挑战，为推进智能制造带来了巨大的需求和动力。改革开放40年来，中低端制造业几乎全面过剩、市场竞争越来越激烈。在此背景下，企业必须提高质量、加强创新和服务能力、提高快速响应能力。同时，劳动力市场也由“无限供给”变成了“供不应求”，企业的劳动力成本不断上升。在可以预见的未来，两种趋势将越来越严重，并影响经济的发展速度。如果不能提高劳动生产率和产品附加值，中国的经济发展就会停滞、乃至衰退。这是中国必须推进智能制造、加快企业转型升级的根本原因。

企业转型升级的方向，要遵从社会和市场发展的规律、避免方向的偏离。就此而言，无论是社会需求还是技术能力，都需要企业更加重视产品质量。企业必须抛弃过去重成本、轻质量的观念和传统，也不能抛开基本的质量要求满足个性化需求。事实上，个性化定制往往针对质量要求较高的人群。所以，用低质量的产品去满足个性化需求，往往与经济性背道而驰。

企业的转型升级还要把握好节奏、要结合具体的国情，不能盲目地减人、提高自动化智能化程度。劳动者素质相对较差、管理水平相对较低是中国企业普遍存在的问题。部分企业因人为因素导致的失误远远多于企业的利润。所以，用智能化的技术兼顾代替人、帮助人、管理人，就会得到很好的经济效果。

然而，人们往往倾向于掩盖与自己相关的“跑冒滴漏”。所以，对管理者来说，价值损失往往是隐藏的。要改变这些现象，企业通常需要首先进行组织流程和制度的变革、改变利益关系。这在本质上也是一种转型升级。

结论

从某种意义上说，转型升级和ICT相关技术的应用是一体两面。但在实际运作过程中，却是由不同层级的人员来实施的。如果两者的协同互动处理不好，就很难推动。显然，企业转型升级的目的不是为了应用智能制造的相关技术，而是为了适应市场和环境的变化。因此，转型升级的方向，首先应该由企业家来把握。从技术经济性的角度看智能制造，绝不是单纯的科技问题，而是要看到企业管理、社会发展等方面的问题。只有在这样的视野下，才能避免片面地认识问题。

智能制造的目的是创造价值，对智能制造的研究应该围绕着技术如何创造价值展开、而不是沉溺于学术概念。这就要理解智能制造创造价值的逻辑。从手段上看，智能制造可以看作ICT技术与制造业的深度融合，也就是用ICT技术提升企业相关业务的经济性。提升经济性的方式一般是促进企业相关业务活动中的多方协同、资源共享、知识重用。

智能制造的推进往往是一个困难的过程，这个过程通常与企业转型升级过程相伴。技术应用都是需要付出成本的，只有将技术用于合适的场景，创造的价值才能超过成本的支出。对中国很多企业来说，这样的场景并不是天生存在的，需要通过转型升级才能创造出来。（责任编辑傅雪）

基金项目：国家自然科学基金项目（61533019，91720000，61702519，61806198，61773381，61773382）；国家重点研发计划项目（2018YFB1004803，2018YFB1004800）

参考文献（略）