“智”者之見

工業和信息化部裝備工業司原司長張相木：

沒有強大的制造實體，智能化只是空中閣樓

智能制造概念由來已久。近10年來，隨著新一代信息技術的發展及應用，逐漸形成了新一代信息技術條件下的智能制造概念。近幾年，隨著新一代人工智能技術的群體突破及與先進制造技術的滲透和融合，出現了基于新一代人工智能的智能制造概念。當前，智能制造的定義有近20種。定義越多，越說明對智能制造的表述還沒有達成共識，沒有國際公認的智能制造定義。因為，智能制造的發展方興未艾，就像朝陽一樣，正冉冉升起。但是，智能制造的基本內涵和本質特征還是可以認知的。

智能制造的核心要義是裝備的智能化、生產的自動化，以及信息流和物質流合一，價值鏈同步。對于信息流和物質流合一，首先要實現數字化，構建一個虛擬的數字系統，然后再考慮虛實合一。現在大量的工作還是在數字化過程當中，價值鏈同步指的是創造價值的所有活動都能夠相互協調，步調一致，這樣就能使整個系統集成起來，這樣的制造系統具有自主性。

智能制造的特征首先是互聯，沒有互聯就沒有智能制造，但不光是要互聯，還要互通。“通”的是信息或者說是數據，數據的自動和有序流動，是實現虛實合一的關鍵。有了數據的流動，工業生產和服務的要素才能夠集成起來，才能夠實現價值鏈同步。這樣一種生產過程形成以后，我們的制造和原來的制造就完全不一樣了，生產方式就會發生變革。

智能制造根本的宗旨是生產效率更高、產品質量更優、生產成本更低、資源消耗更少、環境污染更小、市場響應更快，最終目標是要從根本上解決傳統制造的突出問題，實現高效、優質、低耗、清潔、靈活和定制化生產，轉型智能制造，不是為智能制造而智能制造，而是為了更好地制造。

智能制造的基石是精益生產。目前，國內有相當一部分企業在這方面還存在非常大的差距，但要轉型智能制造必須要推行精益生產，這是企業必須經歷的一個變革過程，不懂精益生產，做智能制造等于在沙灘上建大廈。智能制造的本質是制造而非智能，智能只是實現智能制造的手段，沒有強大的制造實體，數字化、網絡化、智能化只是空中樓閣。因此，要始終保持對制造的敬畏之心。

同濟大學教授、博士生導師陳明：智能制造人才培養有很大提升空間

圍繞智能制造人才的培養，重點要從兩個方面進行考慮：

第一，智能制造的人才需求。全球制造業競爭的要素有很多，其中排在第一的就是人才，而我們國家在智能制造人才培養方面還有很大的上升空間。根據世界經濟論壇的咨詢報告，可以看到同樣一個工作崗位，對崗位的能力要求可能也會發生變化。比如，處理復雜事物的能力要求提高了，按照系統解決方案來解決問題的能力要求提高了，這些都是我們從數字化、網絡化走向智能化時代，對人才需求會出現的變化。通過分析未來人才的需求模型，我們可以發現，學科交叉現象比較突出，智能制造既需要專業性的人才，也需要跨學科的人才。而且，隨著智能制造的深入開展，新的跨學科人才需求可能也會越來越大。還有一個就是系統級人才，在推進智能制造時，既需要看得見的硬件，也需要看不見的軟件。現在的軟件都需要系統集成，需要系統架構師。所以，智能制造更需要有系統的架構師和系統的工程師。

第二，智能制造人才怎么培養。一是要培養能力。以前高校培養的是學術性人才，但是現在我們是培養工程師。所以，首先要明確這個崗位需要什么樣的能力，然后再倒過來構建我們的能力體系。二是要以什么樣的模式進行培養。為什么高校培養出來的人才到生產實踐可能仍有一些需要改進的問題？說明我們的培養方式不夠，所以我們提出一個學習工廠的模式。學習工廠和生產工廠最大的差別就是生產工廠是以生產和盈利為目的，而學習工廠是以學習為目的，它可以停頓下來，為你的學習服務。同時，學習工廠必須要有兩個功能：一是培養學生的基本能力，二是培養學生的創新能力。

忽米網高級副總裁兼CTO陳虎：人工智能應用要因地制宜

目前，人工智能在工業里面的發展存在以下問題：數據量匱乏且維度不齊全、模型泛化、企業缺乏信任等。那么，人工智能該如何與工業融合，如何為工業賦能？

第一，認知人工智能中的算法。人工智能算法大致分為AI算法和大數據算法。在將人工智能運用到工業實踐的時候，應分場景進行，不要一概而論，要進行詳細考證，什么場景用什么樣的人工智能算法。具體而言，就是要先確定解決什么問題，然后，在此基礎上建立模型、學習模型、檢驗模型，最后回歸模型。

第二，認知工業企業的痛點。工業企業要追求“良率提升+成本降低+產能提升”，在傳統工業企業中，成本占比最重的是人工成本。然而，要降低人工成本，不是靠企業的軟件，而是靠裝備制造商，需要裝備制造商做自動化的改造。另外，企業的成本還來自良率的低下。良率就是合格率，良率低下會導致生產過程資源的浪費，這個浪費是最嚴重的。因此，工業企業改革的重點應該放在如何提升良率上。

第三，認知AI在場景的應用實踐。事實上，很多企業引入人工智能時都容易忽略一個問題，那就是數據源是否準確。方法再好但數據源不準確，也分析不出什么東西。因此，數據源必須準確。只有數據源準確后，才能使整個企業鏈從市場需求到研發設計，從采購庫存到制造、檢驗、交付、售后，人工智能都能對其“畫像”，并做市場分析。比如，在研發產品的時候，就能和產品售后服務緊密結合，通過追溯產品在客戶那里的使用情況，來知曉設計是否出現問題;在采購庫存方面，由于工廠里采購的原材料比較多，掌握準確的數據后，就明白應該先買哪一種材料，什么時候買，才不會浪費重復的物流;在制造環節，質量的控制和設備的健康預測等，正確的數據源都能對產品進行追溯，分析產品工藝是否存在問題。

基于以上，人工智能確實很厲害，不過也應該實事求是地考慮企業自身的需要，到底能為企業解決什么問題，并結合企業實際，因地制宜地進行選擇。

北京東方國信科技股份有限公司副總裁馮丙強：

工業互聯網助力數字化轉型

如今是互聯網的時代，更準確地說是數字化經濟時代，發展數字經濟已成為我們國家實現高質量發展的重要支撐。

在工業時代，資本和技術是我們整個資源的關注點。但在數字化時代，數據是我們重要的生產要素，也是整個數字化轉型的重要基礎。因為，生產的基礎要素發生了變化，企業的競爭也會發生很大變化。工業時代講究的是競爭，基礎就是博弈，最后是“零和”效應。互聯網的出現，使得整個產業鏈上下游之間、利益體之間的邊界越來越模糊，企業之間不再是一種博弈的關系。只有產業聚集、協同、共享，才能有更好的盈利。從競爭理論上來說，已經從早期的競爭走向利他和共生，就是“雙贏”。

不管是智能制造，還是信息化和工業化的融合，工業互聯網始終是整個數字化轉型的路徑，它下連數據、上連應用，真正實現了兩化融合。此外，還通過外部連接實現上下游之間的連接。智能制造的內容從體系建設上主要分為四個階段：第一個階段，采集數據，自動化改造;第二個階段，建設數字化車間;第三個階段，建設智能工廠;第四個階段，實現智能制造和工業互聯。當智能制造建設進行到某一階段時，比如從自動化設備改造到數字化車間或智能工廠時，實際上對內是智能，對外是互聯。而工業互聯網的三個連接，是實現智能工廠的重要手段。現在許多企業在做信息化的過程中，實現了分層分數據，但在作決策時需要綜合數據，要實現跨層級的數據匯聚。所以，在這個基礎上，工業互聯網平臺不僅實現了數據的匯聚，還通過數據整體的匯聚產生了新的應用、新的模式、新的分析，而不僅僅是停留在數據層面上。這意味著我們通過工業互聯網一體化平臺，實現了多系統的一體化。

[本組觀點摘編自“2020中國‘智能制造萬里行（重慶）產業發展峰會”嘉賓演講]