工业智能到底要如何落地

电影《摩登时代》里，卓别林扮演的工人在生产线上日复一日重复着机械式劳动，几乎变成了机器人——这是始于19世纪晚期的第二次工业革命（或称工业2.0）的一个切面——流水线生产方式和电气化的引入大幅提升了生产效率，把人类带入了大机器大生产的工业时代。此后的数百年，围绕人类和机器的生产力和生产方式的变革浪潮持续推进。

通过自动化、计算机和机器人等信息化技术的导入，这些“不知疲累”的自动化生产线，成为了人类手和脚的延伸。之后，物联网(IoT)与人工智能(AI)等新兴技术的发展，使机器拥有智慧成为可能，它们将不仅成为人类劳动力的延伸，更将是人类大脑和智慧的延伸。

当前正在进行中的工业4.0革命就意在于此，其目标是推动传统制造业的数字转型，打造导入IoT与AI技术的智能化工厂，通过大数据的收集与分析，以及利用各种数字化技术构筑的虚拟模型，让现实世界的生产效率与良率更高，同时节省成本、提升安全性并激励产品创新。

不过，第四次工业革命的进程和影响力，显然与前三次将大不相同。“与之前的工业革命相反，这次革命正以指数而非线性的速度发展。”世界经济论坛创始人克劳斯·施瓦布(Klaus Schwab)在其著作《第四次工业革命》中这样指出，因为 “这将不仅仅影响着我们要生产什么以及怎么生产，更将改变我们是‘谁’”。

与此同时，近几年来，在全球经历了疫情、地缘政治冲突以及各类不确定因素之后，全世界对于智能制造的转型之路又有了新的考量。强调灵活性、创新和弹性的生产流程以及供应链韧性，成为新的诉求。

显然，未来的智能制造已不只是单纯的生产力和生产方式的智能化升级，它正被赋予更丰富的内涵。面对未来可能出现的长期不确定性，如何通过包括物联网、云计算、人工智能、虚拟现实、区块链、5G网络等先进技术与传统工业的深度融合，开出应对未来的智能化良方？

这个意义之下，接下去工业智能要如何落地？数字化生产力要如何构建？人类智能与机器智能要怎样协作融合？

智造下一站：弹性、灵敏和个性化

曾经制造业经过长期运作打磨出的堪称完美的“Just in Time（准时制）”生产方式，即“在需要时采购所需数量零部件”，将库存保持到极低甚至是零库存，在过去两三年里遭到了前所未有的挑战。

芯片短缺、供应链中断、地缘冲突等种种不确定因素对制造业带来严重冲击，很多国际大厂开始考虑抓紧转向“Just in case（以防万一）”的生产方式，即分散生产，增加库存。

据媒体报道，英特尔（Intel）不久前大幅转变了经营战略。这家全球半导体大厂过去50余年来一直将人力、物力、资金集中于美国的生产基地，向全世界出口半导体。现在它正试图改变其坚守了50多年的商业模式，开始在欧洲等地区推进工厂建设，以期离客户更近。

从18世纪末以来人类经历了三次工业革命，工业1.0用机械化和蒸汽机改变了传统的手工制造方式；工业2.0以流水线生产方式和电气化大幅度提高了生产效率；工业3.0则将自动化、计算机和机器人等信息化技术应用到生产制造中。

可以看出，从工业1.0到工业3.0，其革命性的转折点都来自于制造过程中的技术革新，从而带来了生产效率的大幅提升。但是从工业3.0到工业4.0的推进，则与前三次大不相同。工业4.0带来的革命，不仅涉及产品的组织生产，还包括与产品生产相关的周边各种软硬件的相结合，是真正将产品设计、产品生产、产品回收、产品管理等全方位实现全面智能化的软硬结合的时代。

而全球经历了疫情等一系列新形势对工业产业的影响之后，重新来看为什么要从制造迈向智造这个问题，或者说，如今工业界迫切希望通过智能制造来解决哪些发展痛点和现实的问题，显然已经与三年前有所不同。

除了提升生产效率，降低生产成本外，可以应对长期风险的供应链韧性，强调灵活性、创新和弹性的生产流程，成为越来越多制造业领导者关注的重点。这需要一个反应敏捷的柔性制造体系来支持，可以实现灵活调整产线快速满足不同的订单需求。

如果说，工业3.0的重点是落脚在全面的自动化上，那么工业4.0则将进一步立足于全面的智能互联。这意味着，要实现人、机、物、料、法、环的全面互联，让各个环节的信息和数据更透明，构建起全要素、全产业链、全价值链的新型工业生产制造和服务体系。

而要实现这一切，有一个重要的基础前提：数字化生产力。

数字化生产力，挖掘数据价值对抗不确定性

美国商务部的统计数据显示，工厂里计划外的设备停机时间约占工厂整体制造成本的24%。这种计划外的停机可能是由于意外的设备故障，或是材料短缺、产线排程问题等各种原因造成。而当前的全球形势下，这样的“意外”也许在将来会更频繁出现。

另外，库存合理化一直是工业企业的一大管理痛点，主要源于上下游产业的信息孤岛化问题。前文所提到的英特尔等国际大厂不得不放弃曾一度“堪称完美”的Just in Time模式，其原因也在于此——地缘政治以及疫情等不可控因素，让上下游供应链的数据和信息壁垒进一步凸显。

长期以来，工业企业在制定供应链计划时更多倚仗工作经验，物料信息、产品需求信息难以在产业链中实现跨环节的自由流通。再加上在供应链成本压力持续发酵、产品毛利逐渐摊薄的大背景下，企业急需构建产业链上下游信息流通渠道，结合产品需求、原料供给和产能配置，科学和敏捷地调整生产计划，提高产能利用率，减少库存积压，提升客户满意度，保障订单稳定到期兑现，从而实现具备高敏捷性和灵活性的产业协同。

数字化生产力，挖掘数据价值的重要意义正在于此，这是让工业制造迈向智造的基础，更将是应对未来长期不确定性的重要技术手段。

那么数字化生产力如何落实？

全球领先的智能制造及工业互联网整体解决方案服务商富士康工业互联网股份有限公司（简称“工业富联”）以“ABCDE”提炼了数字化转型的五大要素。A是Analytic（分析），或者是Artificial Intelligence（人工智能），B是Big Data（大数据），C是Cloud Computing（云计算），D是domain（场域），E是evidence（实例）。其中A、B、C是互联网的基本要素，D和E则强调了数字化工业一定要到具体的应用场景中去，如CNC、焊接、组装、包装等各个生产场景，要有落地的应用实例。

具体来看，机器学习、大数据和自动化技术等数字化手段，能使工厂精确采集、分析和传输数据，从而为整个制造企业提供更高的效率、可持续性和质量控制。数字孪生技术，则能通过匹配虚拟和物理世界，让工厂可以在实际生产之前先对数据进行分析，对系统中的业务和其他背景数据进行监控，从而帮助工业终端用户实现更优化的性能，同时提前规避可能出现的问题。这种实体设备与互联网相互连接的制造系统，能对数据进行收集分析，对错误进行预判，并能通过融入机器学习等技术不断进行自我调整，从而适应不断变化的环境。这样，数据才真正产生了价值。

另外，人类的智慧如何融入到机器设备中更为关键。宁波市智能制造技术研究院副院长、副总裁（技术）肖勇在去年贸泽电子技术创新周期间的一场工业自动化为主题的演讲中对此做过这样的解释——通俗地讲，就是把人的智能（简称“人智”）从隐性知识提炼为显性知识，进行模型化、算法化处理，再把各种模型化（机理模型、数据分析模型等）的知识嵌入软件，软件再嵌入芯片，芯片嵌入某个模块，然后再把模块嵌入到机器设备中，从而赋予机器一定的自主能力可让机器具有一定程度的“智能”（简称“机智）。“人类知识不断进入软件，知识载体由以碳基知识为主转向以硅基知识为主，数字生产力激增。”

工业富联首席执行官郑弘孟在和麦肯锡的一场访谈中指出，通常做数字化，除了IT还要物联网化，比如说机器联网。“人和机器是要‘有来往’的，”他强调，“很多公司（智能制造）为什么做不起来？因为人和机器没有‘来往’。”

事实上，工业4.0的一个关键点，就是“原材料（物质）”=“信息”，或者更广义地来说，就是将物理空间里的一切进行信息化、数字化，终而实现整个生产力、生产过程的数字化，从而实现各个环节数据的流动、分析和再造，形成统一的信息物理融合系统。在此基础上，再加上工业企业外部价值链的横向整合，以及网络化和垂直集成的制造系统，就可以建立一个好的信息物理系统，可以实现生产和维护的自我管理，快速有效地应对供应链问题、质量波动、订单变更和设备停机等各类意外。

关键技术和未来趋势

智能制造是一个复杂的生态系统，包含了物联网、云计算、人工智能、虚拟现实、区块链、5G网络等诸多前沿技术，涉及感知、自动化、网络、人机交互、大数据等诸多层面。不过，目前这些技术中只有少部分已经成熟落地，绝大部分还处于大规模爆发的前夜。

从技术变革层面看，当前正在进行中的工业4.0将传感器、机器、工件和工业软件、IT系统在整条价值链上融合到一起。在整个推进过程中，从模拟到数字、从简单到复杂、从集中式到分布式，以及越来越实时的数据传输、更长距离的无缝网络连接、数字孪生等技术与工业的深度融合是主要的技术变革点。

其中作为工业4.0之路上基础器件的各类传感器，就如同给机器增添了“五官”，让机器可以感知到环境状态，这是成为智能机器的第一步。随着近年来传感器的低价普及，也为新一轮工业革命的推进降低了成本门槛，让物理世界和数字世界之间的“缝合”更为顺畅。在此基础上，物理时空信息源源不断地化作比特数据流，再通过工业软件，人工智能算法/算力的提升，以数据和软件重新定义了材料、零件、产品、工艺、产线、供应链、系统的时空表现。

另一个重要的基础是连接能力。实现更长距离的无缝网络连接，是推动工业智能应用和创新，实现工业4.0的关键技术基础。

以一座智能工厂为例，其产生的价值很大程度取决于连接资产、流程、人员和设备的能力。比如，当所有的生产节点、工厂内的设备应用可以通过互联互通实现远程监控和可见性，再与机器学习等技术相结合，才可能进一步解锁更多高级功能，如预测性维护或数据驱动型即服务的业务模式。

德勤的调查报告指出，就现阶段来看，互联互通依然是打造智能工厂时面临的首要挑战。比如，在钢筋水泥铸就的工厂中，Wi-Fi信号和蜂窝连接信号经常不稳定。即使在同一工厂网络内，每项设施的布局、设备和产品都可能是独一无二的。那么车间内的各种机器、传感器以及其他设备如何连接起来并相互紧密工作？工厂如何实现智能化管理多种不同设备？这些都有赖于强大、稳定、灵敏的连接技术。目前在连接层面面临的主要挑战是工业设备种类、通信协议、数据格式繁杂，尚缺乏有效的技术手段低成本、便捷地实现连接。

未来还有哪些趋势需要重点关注？

研究机构Gartner近日发布了2023年需要探索的十大战略技术趋势中，提到了包括数字免疫系统（Digital Immune System）、行业云平台（Industry Cloud Platforms）、无线价值实现（Wireless Value Realization）、自适应AI（Adaptive AI）等一系列与加速工业智能化数字化升级的相关技术。Gartner认为，这些技术能够帮助企业机构优化韧性、运营或可信度，扩展垂直解决方案和产品交付，并利用新的互动形式、更加快的响应机会进行开拓。

郑弘孟提到工业富联接下去三到五年再数字化、智能化转型上要持续抓紧去做的三大方向，或许也能提供一种思路：

持续在能源管理上下功夫。作为全球性的制造企业，工业富联大量使用能源来加工，因此对新能源持续开发以及能源管理的数字化，是很重要的方向。

尽快建立生态。把更多的供应链，更多的生态结合起来，变成一个趋势。

挖掘机器人化的生产空间。从过去的自动化生产到智能化生产，很快会转向机器人化的生产。

结语：重新思考人与机器

值得一提的是，2020年，全球疫情的第一年，欧盟委员会提出了“工业5.0”的概念。2020年9月欧盟委员会发布了《工业5.0的使能技术》，此后又于2021年1月发布了《工业5.0——迈向可持续，以人为本和弹性的欧洲产业》。

工业5.0源于“工业4.0”的概念，但其革命性在于，工业5.0重要的考虑因素之一是打开人与机器人之间的物理接口。工业5.0更加需要让机器人去做那些单调、危险、脏乱差的工作，人类则是去做富有创造性和感兴趣的工作，但机器人更能够理解人类在工作中的意图以及思考。这意味着，机器和人的智能要在未来深度融合，而非简单的替代。

比起仅仅强调追求生产效率及经济效益，它提供了一个不同的侧重点——更强调整体价值导向，突出了研究和创新的重要性，强调以人为本、可持续性和弹性，以支持工业在全球范围内为人类提供长期服务。