图片41

如果人工智能具有人类在制造过程中积累的最大智慧和经验，并将其大规模应用于所有企业，将极大地减少企业人员因知识、经验和能力不足而造成的生产和收益的波动，从而使产业内所有制造企业的生产效率达到同一高度，产生更高的生产价值。

近5年来，我国制造业企业主要通过信息化手段，将企业的设计、生产、管理、服务等制造活动的各个环节通过信息技术连接起来，通过及时、准确、全面地获取企业制造环节、经营过程、市场、产业和竞争等信息，更有效地组织生产和应对市场变化。

目前，这项工作完成得还不错，就像我们每天都需要呼吸的空气一样，信息技术已经融入了企业日常工作中，成为企业经营管理和决策的一部分。

今后5年，我国制造业企业，特别是智能制造企业将进一步向智能化制造转型。与制造业自动化相比，智能制造的概念更广、更复杂，它需要真正整合诸如自动化技术、物联网、工业机器人等“硬”技术，以及大数据、云计算、人工智能等“软”技术，并有机融合在以前的“以人为本”的企业运作流程、管理和决策工作中。

智能化制造构想了一种以人工智能为主导的智能制造系统，它在设计、生产、管理、服务等各个环节中，可以自动获取相关信息(即“自感知”)，从而进行分析、推理、判断、构思和决策(即自学习、自决策)等智能活动(即自我学习、自我决策)，然后通过制造实现自动化(即自执行)，并能够根据实施后的效果、以及市场和竞争环境变化的反馈，调整和优化后续生产工作。若能实现，那将是多么壮观。

你也许会闭上眼睛想象一下：如果人工智能具有人类在制造过程中所积累的最大智慧和经验，并将其大规模应用于所有企业，将大大降低企业人员因知识、经验和能力不足而造成的生产和收益的波动，从而将整个产业内所有制造企业的生产效率提高到同一高度。此外，由于人工智能的智能常常通过计算机算法实现，是一种“软”的数字技术，复制使用的边际成本较低，使一个企业的成功应用很容易复制推广到不同的企业。

这些美好的事物，都要靠扎实的行业探索与实践，所谓“千里之行，始于足下”。虽然智能制造是许多软硬技术的集合体，但由于人工智能在其中发挥的“大脑”作用，我最近对人工智能与智能制造融合可能面临的四大挑战进行了梳理，与大家分享，希望引起企业和社会的关注。诚然，挑战与机遇并存：应对得当的挑战也能转化为成功的因素，即融合的成功之路=(基础+科技)×实践×战略。

一是信息基础扎实。AI算法的应用，要求高质量、全面性和数据量大。即使是信息化都做不好，数据也不能有效的储存、传递、收集、处理，就别说如何使用好数据，更别说如何进行自我感应。所以，在信息处理和业务流程效率提高之后，人工智能才有可能发挥其应用价值。同时也是对制造企业前5年工作的一次检查。

第二，新兴制造技术。AI处于“软”技术层面，主要体现为以机器学习和深度学习为代表的算法应用。虽然诸如因特网、金融保险、安全等行业已经以消费者行为、图像、语音和文本信息为基础的人工智能学习产生了大量成熟的应用程序，包括对人的精确识别、定位、广告投放、营销定价、推荐和互动等等，但是，如果静下来思考，会发现它们都是针对消费者个体进行的应用，与智能制造的主体(生产设备、流程等)完全不同。

或许我们已经熟悉了互联网科技、金融科技、保险科技这几个名词(简单地说，它们都是指将人工智能技术应用于互联网、金融和保险等领域)，但我们是否听说过制造科技(即用于制造的人工智能技术)？或许我们会对BAT，鱼讯飞，AI四小龙(商汤，旷视，云从，依图)以及其他AI独角兽公司有所了解，但是我们知道有哪些企业将人工智能应用于鱼制造业？或许我们可以脱口而出人工智能在汽车、医疗、金融、零售、因特网、广告营销和智能手机等诸多领域的成功应用，但我们还可以数出多少制造业的成功应用？

诚然，制造业远离我们的日常生活，并非所有的人都需要关心关心。在此我主要要强调的是：和其他行业一样，智能制造的成功需要大量成功和独特的人工智能技术。

第三，务实的企业执行。真正采用人工智能技术的制造业企业，并非单纯依赖先进的技术，而是需要与企业战略、制度、流程、人的融合，将人工智能融入工作流程中，并与企业管理层合作。其中有很多挑战需要解决。例如，人工智能给出的建议与人类的判断不一致时，该如何取舍？AI决策思路，能不能让决策者更好的理解？这个问题的答案涉及混合智能、算法可解释性、算法偏颇等一系列前沿研究，还有待于研究工作者和企业实践人员共同解决。由于人工智能技术的复杂性，导致目前制造业落地经验不多，也增加了企业实施的难度。

另外，算法是一种普遍性技术，它和企业实践相结合才决定其具体价值。在新产品研发、生产效率、质量控制、安全监控、智能调度、设备维护等方面，制造业的应用场景各不相同，不同企业的人工智能落地方式也有所不同。虽然具有低边际成本的特点，但在开发初期(包括软件、硬件、人力等投入)相对昂贵，更要注意有效的成本-收益控制，最好采取小步快走、重点突破的实施路径，选择关键节点突破，以点带面形成效益后再逐步扩大规模。

第四，明确的战略指导。把人工智能与智能制造相结合的策略放在最后，并没有说它不重要，相反，它才是最重要的。公司转型是一个牵一发而动全身的过程，特别是涉及大量的投资、流程调整和劳动力重组，这个过程将会非常复杂，而且会非常复杂。曼图奇也不例外。企业战略与技术同样复杂，战略设计与实施过程涉及到数据集成、组织结构设计、人力资源配置、项目排序等多个方面。此外，企业不仅要增加精通人工智能与制造的人才与技术储备，更要让企业上下形成合力。

目前，优秀的人工智能战略专家比优秀的技术专家更稀少，他们需要对人工智能技术和企业管理有深刻的了解，才能全面理解技术与管理的结合，把握技术向生产力、效益甚至竞争优势转化的途径和步骤，最终从全局出发，创造性地规划和实施企业智能制造战略。没有这样的高端综合人才，企业就需要有计划地培养传统管理人员和算法科学家之间的相互理解和部分转化，通过有效的团队合作来弥补。

总体而言，企业需要明确自己的业务需求和目标，然后制定相应的人工智能项目计划，这样才能避免因各种人工智能技术而头晕目眩，不知所措，过度投资。该计划包含多个潜在项目，企业还需要确定其优先次序，然后可考虑具体的实施问题，如供应商选择，是否先在较小的规模上实施，是否重新设计工作流程，如何确保员工采纳等等。