文/陳根
無農不穩，無工不強
。
作為
真正具有強大造血功能的產業，
加工製造業
對經濟的持續繁榮和社會穩定
舉足輕重
。
工
業的發展讓人類有更大的能力去改造自然並獲取資源，其生產的產品被直接或間接地運用於人們的消費當中，極大地提升了人們的生活水平。可以說，自第一次工業革命以來，
工
業
就
在一定意義上決定著人類的生存與發展。
然而，興也工業，衰也工業。
近年來，由於發達國家的產業空心化和發展中國家的產業低值化，加工製造業困局顯現。發達國家
大批工人失業
且出現貿易逆差，發展中國家利潤和環境不斷惡化。大量製造企業面臨生存危機，製造業企業的數字化、網路化、智慧化轉型升級迫在眉睫。
與此同時，隨著人工智慧技術的突飛猛進及其在消費流通領域的廣泛應用，越來越多的製造企業與人工智慧企業把目光投向了“人工智慧+製造”。
但就目前來看，“
人工智慧+製造
”
依然存在動力不足的問題，製造業的人工智慧之路仍然漫長
。
AI製造困境猶存
人工智慧技術賦能的製造業具有極大的潛力。
人工智慧與相關技術結合，可最佳化製造業各流程環節的效率，透過工業物聯網採集各種生產資料，再借助深度學習演算法處理後提供建議甚至自主最佳化。
從
人工智慧在製造業的應用場景
來看，
主要
包括
產品智慧化研發設計
、
在製造和管理流程中運用人工智慧提高產品質量和生產效率
，以及
供應鏈的智慧化
。
在產品研發、設計和製造中，人工智慧
既能
根據既定目標和約束利用演算法探索各種可能的設計解決方案
，進行智慧
生成式產品設計
，又能將人工智慧技術成果整合化、產品化，製造出如智慧手機、工業機器人、服務機器人、自動駕駛汽車及無人機等新一代智慧產品。
對於生產製造來說，人工智慧嵌入生產製造環節，將使機器更加聰明，不再僅僅執行單調的機械任務，而是可以在更多複雜情況下自主執行，從而全面提升生產效率。
在智慧供應鏈上，需求預測是供應值管理領域應用人工智慧的關鍵主題。透過更好地預測需求變化，公司可以有效地調整生產計劃改進工廠利用率。此外，智慧搬運機器人將實現倉儲的自主最佳化，大幅提升倉儲揀選效率，減少人工成本。
但不論是
智慧化研發設計
、生產製造，還是
智慧供應鏈
，製造數字化都是人工智慧+製造的基礎。
然而，我國製造業資訊化水平參差不齊，且製造產業鏈條遠比其他行業複雜
，更強調賦能者對行業背景的理解。這些都造成了製造業的Al賦能相比其他行業門檻更高、難度更大。
製造業是一個龐大的產業，複雜而割裂是它的歷史特徵。同一個廠房裡，
往往
有好幾種來自不同廠家的生產裝置，這些裝置往往採用各自的技術和資料標準，彼此之間並不能直接連通和互動。
不同的工廠乃至不同的製造業企業，差異就更大了。這樣的差異使得傳統制造業資訊化難度大、效率提升有限。
儘管人工智慧技術在製造業的部分環節與流程中已經有了一定程度的應用，但整體滲透率仍然處於較低水平。根據中國信通院的測算，2018年中國工業數字化經濟的比重僅為18。3%，尚不足20%。
在製造業整體數字化水平偏低的背景下，人工智慧技術在製造業數字化經濟中的滲透率顯然更低
。
此外，現階段，
人工智慧的價值
仍然
難以被準確衡量，部分企業尤其是中小企業應用人工智慧的動力不足
。
究其原因，
應用人工智慧領域
的
部分技術，
則往往以
提高品牌、增加產品賦能，從而提高利潤率
或者以
內部降低運營成本
為目標。但是，由於
中小企業
的體量較小，往往以生存為最低目標，
如果需要去開啟
其
市場，
則大多數選擇從
開源節流出發。
換言之，中小型製造企業打造智慧
系統，關注的是效率，但得到效率的同時
卻是以
大量成本
為代價
。也就是說，
並
沒有真正在效率和成本之間找到平衡點。
除卻
中小企業的噬利行為，即使站在
第一梯隊的大型
企業
對於
一些細分行業人工智慧應用路徑
業
尚不明晰，應用風險、收益和成本難以準確核算，短時間內無法給出切實的解決方案。
加之
多年產能
的
過剩，儘管資料量巨大，
但想要實現智慧化也需要漫長的時間。
人是智慧化製造的核心
製造業
的智慧化過程，與過去製造業
的
自動化
仍有實際的差異，智慧化並不等於自動化，更不等於無人化，而如何走向智慧化，則關係到求解現階段的AI製造困境，以及加工製造業轉型升級的真正落地
。
自動化追求的是機器自動生產，本質是“機器
換
人”，強調大規模的機器生產；
而“智慧化”追求的是機器的柔性生產，本質是“人機協同”，強調機器能夠自主配合要素變化和人的工作。
可見，
智慧
化
一定不等於無人化
。
在推動大量智慧製造過程中，
只有
透過機器和人的共融，推動這種決策思考的變化
，
才能
讓人的工作能力和方向得以拓展
，
讓機器的的賦能實現最大化。
因此，
人工智慧+製造所追求的，
不是
簡單的
“
機器
換
人
”
，而是將工業革命以來極度細化甚至異化的工人流水線工作，重新拉回
“
以人為本
”
的組織模式
，讓機器承擔更多簡單重複甚至危險的工作，而人承擔更多管理和創造工作。
顯然，想要實現人機共融的加工製造智慧化，必然要經歷從人到機器的過程
。只有
當機器融合了更多智慧
可能
，
才
有
可能
拓展
更
多能力。
工業機器人的應用是這一階段的重要標誌
，
工業機器人作為工業化和資訊化的完美結合，以其天然的數字化特性，打通了單個生產裝置到整個生產網路的連線，
進而支撐起第四次工業革命的應用場景。
如果說，過去二十年網際網路的發展聯通了
智慧時代下的
每一個人，那麼未來二十年工業
智慧化
發展將會聯通每一臺工業機器人，從而帶來生產效率乃至生產方式的全面革新。
但在實現從人到機器的過程中，工業機器人還需要具有
能夠在複雜和非典型的環境裡與人進行互動
的屬性。
只有靈活和便捷，才能滿足人機共融的發展條件，對製造業智慧化作全面的部署。此外，對於機器的部署還應具有可拓展性，即需要搭載更多智慧化的平臺來拓展工業製造的應用場景。
當前，
人工智慧與製造業的深度融合時機尚未成熟
。
儘管
《2020人工智慧與製造業融合發展白皮書》指出，人工智慧與製造業融合應用已具備一定的基礎
，
但是僅僅依靠單點的人工智慧將企業升級到另外一個管理水平顯然不可取
。
想要在製造的人工智慧之路上加速，更應該
從
產業的
整條價值鏈來最佳化提升
。
人工智慧更多的是解決產業鏈單點問題，而
加工製造業的人工智慧化卻
解決的是整條業務鏈的問題
，
製造業的人工智慧之路仍然漫長。
反彈行情下的專屬投資禮包！投資VIP權益、188元現金紅包，100%中獎>>
開啟App看更多精彩內容