“智能+”：為制造業轉型升級賦能

葛冬冬

【摘要】相比“互聯網+”，“智能+”的提出語境針對性更強，聚焦在提高我國的工業基礎能力和創新能力上，促進制造業和服務業融合發展。制造業作為國民經濟的重要支柱產業，必須抓住機遇，以向智能制造轉型為關鍵，以大眾創業、萬眾創新為抓手，走在升級發展前列。

【關鍵詞】“智能+” 核心技術 工業互聯網 制造業 科技競爭

【中圖分類號】F49 【文獻標識碼】A

在2019年的政府工作報告中，李克強總理首次提出了“智能+”：打造工業互聯網平臺，拓展“智能+”，為制造業轉型升級賦能。值得注意的是，在“智能+”的概念提出之前，李克強總理自2015年起在各個場合多次闡述“互聯網+”的概念，并強調要推進“互聯網+”建設。事實上，“互聯網+”以網絡為鏈接，以衣食住行和工作社交為載體，已經顛覆性地變革了國家經濟運行和國民生活方式。

2017年國家發布的《新一代人工智能發展規劃》指出，“人工智能成為國際競爭的新焦點，人工智能是引領未來的戰略性技術，世界主要發達國家把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略，加緊出臺規劃和政策，圍繞核心技術、頂尖人才、標準規范等強化部署，力圖在新一輪國際科技競爭中掌握主導權”。相比“互聯網+”，“智能+”的提出語境針對性更強，核心聚焦在提高我國的工業基礎能力和創新能力，促進制造業和服務業融合發展。在當下互聯網技術相對成熟穩定的環境下，以智能技術為抓手，在工業互聯網的基礎平臺上，為制造業賦能，對產業的轉型和升級具有關鍵作用。

筆者在中美兩國均曾參與過多項大型企業在制造業和供應鏈方面的核心科技項目。最直觀的感受是：對于現代工業來說，“智能+”直接意味著硬件和軟件的全面升級。硬件相對來說具體度量標尺清晰，社會理解度和接受度較高。而在硬件更新換代基礎上，如何發展更高效更完備的信息化系統，使之更智能地接入大數據分析、人工智能、運籌優化算法，在更高素質的科研和操作團隊配合下，真正做到對原有工業系統的徹底改造？其間所涉及的工作非常艱辛和瑣碎，“智能+”發展注定是一條荊棘之路。

“智能+”在我國的具體實踐和落地上，存在著一些問題

一是實施基礎不完備。我們在炒作“新制造”“新物流”“新零售”等諸多概念的時候，“舊制造”“舊物流”“舊零售”里很多問題依然沒有得到解答，并不具備升級基礎。在呼喚工業4.0的同時，必須看到，其實大多數工廠工業2.0、工業3.0的基礎都不完備。例如，在數據的完備度和質量方面，傳統制造業長期以來的粗放管理和對數據化的忽視，導致整個行業可用的數據缺失率偏高，關鍵數據得不到記錄，而已有數據的記錄和管理隨意性大、數據錯誤率高，重要數據可信度低。此外，數據記錄缺乏科學指導，導致即使精確記錄的數據重復性依然很高，分析價值較低。又如，數據庫和信息化支持系統的建設滯后，使得數據的充分共享和利用出現困難。這些基礎建設的缺失，導致缺乏建設工業物聯網的基礎，基于數據支撐的現代量化管理方法成為空中樓閣。

二是科研基礎支撐能力有待提升。李克強總理在2019年政府工作報告中明確提出，“提升科技支撐能力。加大基礎研究和應用基礎研究支持力度，強化原始創新，加強關鍵核心技術攻關”。在各種利好條件的支持下，我國已經成為人工智能領域論文發表數量最多的國家之一。但是也應該看到，科研大國不等于科研強國。首先，論文引用率和論文質量不高是一個普遍性問題，真正具有開創性、引領人類發展的人工智能革命性成果在國內依舊鮮見。這也是我國長期以來追求指標第一、科研相對急功近利造成的。例如，雖然目前人工智能的校企合作成為整個人工智能社區國際學術界的趨勢，我們的企業研究機構始終沒能出現如微軟研究院這樣不以企業KPI為導向的、而是以真正解決重要純科學問題為目標的寬松而卓越的科研機構。其次，我們的科研基礎相對薄弱，在“智能+”大廈建設上依然存在很多空白環節。例如，2017年美國卡耐基梅隆大學計算機學院院長安德魯·W.摩爾（Andrew W. Moore）教授提出，人工智能最重要的是基礎建設，包括大規模線性規劃問題和隨機梯度下降等大型優化策略。而在現實中，線性規劃和整數規劃這一在生產制造、航空、電網等重要命脈性產業中廣泛應用的核心模型，其求解算法軟件，無論開源還是商業，國內基本處于空白狀態。主要原因在于長期的積累不足，國內無法培養出將復雜數學優化算法能力和大型軟件工程結合的復合型人才。這種局面不是短期能夠改善的，需要長時間的逐步積累和提高。

三是革新的意識和素質需要強化。在企業層面，傳統制造業的成功和我國企業家的傳統經驗往往來自于順應改革大潮、跟進市場風向、抓住國內空白、調動員工積極性、競爭策略得當等手段?，F代科技進化帶來的變革，一直以來都不是多數企業的核心競爭力。在此基礎上，推行智能化，很難被企業家所接受。而在工業3.0方面相對成功的企業，在享受到了科技紅利之后，若要接受人工智能這一未知事物的徹底改造，遷移成本反而更大，惰性也更強。在執行層面，智能化系統如果要發揮最大效用，在目前這個階段還很難做到徹底的無人化或自動化，需要科研團隊和業務團隊的全面配合。對傳統制造業來說，自上而下的理解和支持，以及配備充足的科技人員和對現有人員加強認知、素質培訓，都是困難而必要的任務。

從長遠來看，無論如何強調“智能+”戰略的重要性都不為過

“互聯網+”風潮來臨的時候，更多的是一個B2C的行業革新，顛覆性技術具有感染性強、可復制性高、自我進化快等諸多便于發展的條件。相對而言，“智能+”在制造業的革命，革命的主體——傳統產業——可能會有轉身慢、動力不足、顧慮多等問題，而且人工智能本身技術發展還未成熟，確實存在一定的黑箱特點和不可解釋性，與產業的結合也需要大量的應用性改造，加之我國所面臨的一些現實困難，如數據完備度差、科研基礎薄弱、國民科學素質偏低等問題，“智能+”在我國的落地絕非易事。