胡權：重新定義智能製造
作者：胡權，工業4.0研究院院長兼首席經濟學家
本文發布在2018年1-2月刊《清華管理評論》
人類社會進入工業化時代已經有260年，但真正給製造業賦予智能化的能力，也是在計算機發明之後，這期間經歷了計算機集成製造系統（CIMS，Computer-Integrated Manufacturing Systems）、嵌入式系統、信息物理系統（CPS，Cyber-Physical Systems）、智能製造等概念的引入及發展。其中，智能製造的概念通俗易懂，一直受到行業人士的追捧，可惜自1989年日本雄心勃勃想把智能製造概念體系化失敗之後，智能製造一直以描述性或不系統的中庸假說方式存在，本人在2016年9月號《清華管理評論》上發表的《智能時代的新自動化挑戰》中，就對中庸假說進行了較為詳細的介紹。
即便如此，最近幾年時間，德國、美國、中國和日本等製造業主要國家，紛紛提出以新一代技術推動的製造技術為核心的國家製造業戰略，其指向卻可以用智能製造這個中庸假說的概念來描述。德國提出的工業4.0體系中，智能工廠是根本；美國通用電氣提出的工業互聯網體系，也有所謂智慧工廠（Brilliant Factory）；中國則直接把智能製造作為中國製造2025的主攻方向；而日本經過長時間猶豫，2017年也宣布要推進基於信息物理系統的智能製造系統（SMS，Smart Manufacturing Systems）。
雖然針對智能製造概念進行嚴格定義和體系化的努力一直都存在，但目前還沒有公認的結果。早在1989年，日本就提出國際研究合作項目IMS，即Intelligent Manufacturing Systems，按照中文的翻譯習慣，我們一般把本文提及的SMS和IMS都翻譯為智能製造系統，而對此不加以嚴格的區分。當時日本提出IMS計劃，其目的被定義為對日本製造業的技術訣竅進行研究，形成體系化的製造業知識系統——也就是可以作為教科書的智能製造學科。雖然日本沒有成功推動教科書式的智能製造學科出現，但人類社會追求先進位造體系化知識的目標並沒有減弱，我們需要重新定義智能製造。
一、歷史視野中的智能製造
在過去的100年期間，人類社會的工業化進展帶來的生產力提升非常巨大，這有賴於電氣化、自動化和數字化帶來的生產系統改進，從而大大發揮了規模經濟的效用。不過，在最近10年時間，從國際經合組織（OECD，Organization for Economic Co-operation and Development）發布的統計數據來看，人類社會的生產力水平僅僅增長了0.5%，這遠比過去動輒幾倍或者幾十倍的增長水平要低，這迫使人們開始思考提升生產力水平的新辦法和新來源。
不僅如此，由於幾乎所有國家都看到了工業化給國家經濟增長和國民富強帶來的好處，紛紛發展工業產業，這也導致了全球不少產業的產能過剩，發達工業國家為此開始思考新的差異化優勢的方式，諸如大規模定製（Mass Customization）等方式就成為了一種選擇。
正是在提升生產力水平和大規模定製兩大需求的驅動下，智能製造作為一種製造技術驅動力，成為了全球各國關注的焦點。事實上，目前正在發生的主要工業國家製造業戰略性的競爭，本質上也是為了實現智能製造，而這種先進位造方面的競爭，更是以1989年日本提出IMS國際研究合作計劃為標誌性的事件。
1. 二十年前的日本IMS探索
要真正認識智能製造，我們需要回到上個世紀80年代，日本當時是全球製造業的典範，其製造業產品幾乎席捲了全球，諸如索尼的Walkman隨聲聽、東芝的電視機等產品，成為了當時日本製造的代名詞。由於美國人頗為喜歡日本的電子產品，導致了美國對日本的貿易逆差非常大，同時，美國還認為日本是從美國學習模仿的先進位造技術，導致了「教會了學生，餓死了師父」。在這樣的背景下，一直依附於美國經濟的日本開始考慮要做一些事情。
從當時的歷史記錄來看，當時日本為了降低美國所詬病的貿易逆差，日本承諾讓日元升值，同時也建立了不平等的貿易規則（當時美國進口日本車需要收取關稅，而美國車進入日本則不需要任何關稅），即便如此，日本仍然無法讓美國滿意。
按照2010年日本製造科學技術中心發布的《日本IMS國際合作研究計劃》報告中描述，「1989年6月，在通產省信息產業局舉行了『工廠自動化願景座談會』，會議匯總了關於面向21世紀工廠自動化未來展望的報告書。同時會議明確了以製造業國家合作為目的的IMS計劃，並指出日本在生產技術領域有所貢獻是最重要的課題。」
由此可見，當時日本是迫於與美國的貿易糾紛，推動IMS計劃，其主要指向是有政治和經濟目的的。但是，當時日本也在如火如荼推動一些激進的研究計劃，例如人腦計劃、人工智慧計劃等，從最後的結果來看，IMS計劃也是當時激進計劃中的一個。從IMS計劃遺留下來的文件來看，當時日本是希望利用人工智慧技術，實現製造知識的體系化，從而形成一門先進位造學科，最終，通過對先進位造知識的普及，實現一個智能製造替代人的世界。
例如，當時三菱材料提出了「機械加工過程最優化感測器融合智能化監測系統（SIMON，Sensor Fused Intelligent Monitoring System for Machining）」。該項目計劃是對機械加工的監測要實現人的眼睛、耳朵等感覺器官一樣，使用多個感測器進行監視，從而實現自動化的目標。該項目負責人三菱材料的增根昭洋介紹該計劃稱，「SIMON計劃是結合人工智慧和神經元網路等最先進的計算機技術和高敏感度感測器，是為了實現前所未有的高目標計劃。」
事實也證明，三菱材料提出的SIMON計劃的確是高目標計劃。按照IMS計劃的安排，SIMON研發計劃開展的時間是1999年10月到2002年1月，最終結果當然沒有達到預期目標。
另外一個雄心勃勃的研究計劃當屬「下一代生產系統（NGMS，Next-Generation Manufacturing Systems）」，該計劃主要日方負責企業是富士電機、川崎重工和本田技研等知名企業，歐洲參與方包括ABB、卡爾斯魯厄大學和弗勞恩霍夫等，美國參與企業有卡特皮勒、波音、霍尼韋爾和洛克希德馬丁等企業。該計劃開展的時間是IMS計劃啟動的1995年開始，一直到2005年11月，但實際上日本在2003年3月就退出該NGMS計划了，估計是考慮到該計劃已經不具有可行性。
日本1989年就開始提出的國際研究計劃，歷經5年多時間才真正跟美國和歐洲協調妥當，事實上，在1995年正式啟動IMS計劃的時候，該計劃就已經註定是失敗的。第一，日本發起的IMS計劃，大都是基於人工智慧技術可以在製造系統發揮重大作用前提下提出的，當時顯然對人工智慧期望過高；第二，進入90年代之後，日本經濟已經被美國壓制下去，日本已經沒有多餘的公共研究經費，不太可能支持IMS這樣的大計劃；第三，上個世紀90年代互聯網已經處於蓄勢待發的狀態，至少美國已經沒有多少心思去搞製造業創新的事情，這對於一直希望利用主動承擔IMS計劃的姿態，吸引美國來參與推動的日本頗為失望。
在2010年4月，日本按照2008年就提交的總結報告中所計劃退出IMS國際組織的安排，正式退出了自己一手打造的國際研究組織。後來，歐盟發起了IMS 2020，繼續相關的研究，但對於美國來講，它已經對IMS計劃沒有多少興趣，不過，美國並沒有停止對智能製造相關技術的探索，只是它一直以來以如何在製造業發揮信息技術的優勢作為目標。
2. 信息技術驅動智能製造
在工業近代史上，美國作為主要的創新來源地，提出了大量開創性的概念和思想。例如，早在1973年，約瑟夫·哈靈頓（Joseph Harrington）提出了計算機集成製造（CIM，Computer-Integrated Manufacturing）的概念，當時並沒有受到關注，在1984年的時候，哈靈頓撰寫了《理解製造過程：實施CAD/CAM的成功之道》（Understanding the Manufacturing Process: Key to Successful CAD/CAM Implementation），再次引起了人們的興趣。1985年，美國工程師協會推薦計算機集成製造系統（CIMS，Computer-Integrated Manufacturing Systems）作為先進位造技術的主攻方向，由此拉開了嵌入式系統發展的黃金時期。
不過，據工業4.0研究院觀察，即便全球製造業開始關注CIMS這個概念（例如，1987年左右的時間，清華大學就開始籌建CIMS研究中心），美國研究界仍然把未來的先進位造技術定義為信息技術在製造業的應用。在1993年，美國國家研究委員會發布了《信息技術與製造：研究需求的討論稿》（Information Technology and Manufacturing: A Preliminary Report on Research Needs）；在1995年，美國國家研究委員會發布了《製造業的信息技術研究日程》（Information Technology for Manufacturing：A Research Agenda），明確了未來10年的先進位造研究多個議題，例如虛擬工廠、網路工廠、模型與模擬、製造業的基礎設施等議題。
隨著製造業的信息技術研究的深入，美國研究界發現傳統的概念不足以描述信息空間和物理世界交互的複雜性，為此，美國國家科學基金會（NSF，National Science Foundation）開始考慮創造一門新的先進位造學科，這個目的跟1989年日本提出IMS計劃如出一轍。
2006年，美國國家科學基金會通過長達一年時間的討論，由時任國家科學基金會的官員海倫·吉爾（Helen Gill）創造了一個辭彙——信息物理系統，以此替代嵌入式系統，來描述更為緊密結合的狀態，這種狀態不僅僅是信息的傳遞，還有控制方面的交互，這實際上就是控制論所描繪的最佳狀態了。與會科學家都比較認可這個概念，並且認為信息物理系統是美國研究界未來10-20年應該重點研究的課題。
事實上，美國研究界還真的做了10年左右的研究，直到2014年左右的時間，美國商務部下屬國家標準技術研究院（NIST，National Institute of Standards and Technology）正式接過國家科學基金會的接力棒，籌建了信息物理系統工作組，開始在產業應用方面繼續加強標準的制定和推廣。除了美國官方的機構，由通用電氣牽頭組建的工業互聯網聯盟（IIC，Industrial Internet Consortium），也把推進信息物理系統工程化作為目標。
除此之外，德國在2013年宣布的工業4.0概念和體系，也是構建在信息物理系統基礎上；在2017年，日本經產省的專家也把信息物理系統確定為智能製造系統的基礎，希望在重新定義智能製造過程中扮演重要作用。當然，中國製造一直把吸納西方先進思想和技術作為工業化發展的重要手段，在2016年，工信部下屬研究機構也創建了中國工業互聯網產業聯盟和中國信息物理系統聯盟等組織。
由此可見，經過日本、美國、德國等工業發達國家過去幾十年的研究和探索，已經明確了信息化與工業化融合的主航道，但如何利用信息技術方面，目前已經有信息物理系統、工業互聯網等概念和體系，同時也有諸如數字孿生體（Digital Twin）和數字線程（Digital Thread）等新概念出現，進一步創造具有體系性的概念系統，促進智能製造學科真正建立和發展，是當前人類社會製造業發展的主要任務之一。
二、智能製造的技術基礎設施
對於智能製造，雖然日本早期冒進的探索並無什麼實質性的結果，但這給全球研究專家提供了一個難得的觀察機會。事實證明，僅僅依靠傳統的信息技術，是沒有辦法解決製造系統的高效率和柔性需求的，這需要構建諸如信息物理系統等新型的製造系統知識體系。經過近10年的發展，美國國家科學基金會推動的信息物理系統理論體系基本成型，並且已經開始在美國各高校進行信息物理系統的課程教學，由此可見，智能製造原理上的創新基本完成，目前需要解決的是產學研方面的挑戰。
圖 1 從技術成熟度水平認識智能製造
按照經濟學家卡蘿塔·佩蕾絲（Carlota Perez）在《技術革命與金融資本：泡沫與黃金時代的動力學》（Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages）指出，技術革命擁有四個發展階段，分別為構建範式、基礎設施建設、產業化發展和成熟階段。按照工業4.0研究院的判定，人類社會的第四次工業革命還處於構建範式階段，從歷史經驗來看，這個階段會出現大量的各種不同概念和提法，隨著人們的認識逐步深入，更符合實際的概念將佔據優勢，從而成為人們的首選。接著，技術革命很快會進入基礎設施建設階段，智能製造作為第四次工業革命的核心技術，需要相應的技術基礎設施提供產業化發展的前提。
根據工業4.0研究院的研究結果來看，通常情況下，智能製造的基礎設施包含低成本的感測系統、無所不在的雲計算資源和實時驅動的製造操作系統等三個方面。從全球各國製造業戰略爭奪的創新生態關鍵點來看，目前還沒有哪個國家完成了這三個方面的技術基礎設施建設。
1. 低成本的感測系統部署
在本文對智能製造歷史發展過程中的描述中，已經總結了智能製造科學體系的基礎是建立在信息物理系統之上的，這已經在美國、德國、中國和日本等國建立了共識，各個國家正在爭先恐後的搭建信息物理系統基礎設施。例如，美國國家標準技術研究院支持的智能製造領導聯盟（SMLC，Smart Manufacturing Leadership Coalition），就構建了一個開放架構和開源的智能製造平台（Open Smart Manufacturing Platform），其目的就是為美國製造業提供基礎的信息物理系統。
之所以信息物理系統將成為智能製造首當其衝的技術基礎設施，其根本原因是數據的基本來源是感測器，這類似人的智能來自五官獲得的基礎信息，從而通過頭腦進行判斷。機器設備也有類似的過程，如果沒有基本信息的採集，機器設備是無法自主的進行判斷，從而也談不上什麼智能化的製造過程。
有部分行業人士提出，在諸如航天軍工領域，早就實現了感測系統的部署，因此，智能製造早就已經實現了。這種認識忽略了整個製造業行業眾多的情況，在一些不計成本不計代價的領域實現了感測器的部署，一點也不奇怪，事實上，日本在上個世紀70年代，就實現了部分生產系統的感測器部署，但當時日本提出IMS計劃，就是希望可以在大部分製造行業實現智能化（其主要障礙還是成本），這也是本文所指出低成本的意圖。
中國早在2009年就推動了無錫國家物聯網產業基地的發展，當時的目標也是為了實現所謂感測網，其目的也是為了構建一個智慧網路。雖然推進了多年，除了在諸如機場等特定場景實現了一定的應用，感測網並沒有真正普及起來，其主要挑戰也是低成本的感測系統部署難以實現。
不僅如此，就全球目前已經發明的主要感測器種類來講，已經有2萬多種，涉及到物理、化學、生物及特殊目的等種類繁多的感測器，要真正做到對物理世界跟信息空間的一一對應，感測器是必不可少的技術基礎設施。既然感測器種類繁多，價格跨度也比較大，一些價格昂貴的感測器，只可能在一些高價值產品上應用，例如，蘋果最近推出的iPhone X，就應用了不少高端的感測器。一般的低價值場景，是難以進行大量的感測器部署的，主要原因不是技術有難度，而是成本比較高，這是目前構建這樣的感測網路技術基礎設施的根本障礙。
如果沒有低成本的感測系統部署，要實現智能化的製造系統，是有較高難度的。對於車間或者工廠級別的智能製造，要實現較大範圍的感測系統部署，其投入也不會少，針對於一些中低端製造行業來講，是不具有經濟效用的；對於一些高端製造領域，例如汽車，已經實現了基本的感測系統部署，可以實現較高的自動化生產。但是，對於要集成產業鏈上下游系統的目的，即便對於汽車產業鏈，一些成本敏感的部件提供商，也是難以實現大規模感測系統部署的，為此，缺乏低成本的感測技術基礎設施，是實現不了端到端產業鏈集成的。
無論如何，要實現智能製造，是需要構建一個低成本的大規模的感測網路系統，只有具有這樣的系統，才可以為生產系統的進一步智能化提供可能。試著想一下，如果連完整的數據採集都是問題，怎麼可能對生產過程進行分析呢？因此，要實現真正意義上的智能製造，低成本的感測系統是一個關鍵的技術基礎設施。
2. 無所不在的雲計算資源
智能製造除了需要作為技術基礎設施的低成本大規模感測系統，它還需要一個無所不在的雲計算資源系統。在日本1989年發起的IMS計劃中，當時各個領先製造企業都面臨全球化的挑戰，因此也提出了諸如Globeman21（對21世紀全球化生產進行的企業整體性研究）和MISSION（全球化分散企業設計、規劃及運營的模型製作及模擬實驗環境相關研究）等課題，從日本總結出版的《日本IMS國際合作研究計劃》報告中描述來看，這些課題都因為技術不夠成熟，並沒有達到預期目的。
如果對20多年前日本推動的IMS計劃失敗的原因進行分析，缺乏無所不在的計算資源（當然也包括高速通信網路）可能是重要原因之一。據參加IMS-MISSION計劃的日本機械振興協會技術研究所教授日比野浩典回憶，當時這個項目還得到了美國國防部的支持，利用了分散模型技術高水平架構（HLA，High Level Architecture）進行開發，但也因為工程實現上困難重重，並未得到預想結果。
事實上，美國國防部目前仍然在利用高水平架構模型來構建基於模型的系統工程（MBSE，Model-Based Systems Engineering），加上最新發明的數字孿生體及數字線程技術，其先進位造已經達到較高水平。據工業4.0研究院觀察，在推進基於模型的系統工程中，雲計算資源是一個最為關鍵的技術基礎設施，如果缺乏這個基礎設施，其系統工程基本上不可用。
對於目前時髦的工業互聯網概念，其本質上也是需要把各種製造資源聯網起來，與消費互聯網不同，工業領域的網路化大都面臨特性不同的資源，諸如物理特性、化學特性、金融特性等等，這需要針對物理設備的高模擬模型，否則，簡單具有存儲功能的雲計算平台，並不具有多大工業價值，也難以稱為工業雲。僅僅把傳統的信息技術系統上傳到雲計算平台上，並不能完全體現其價值，甚至由於商業模式上的一些考慮（諸如差異化競爭優勢等），反而導致傳統的信息技術系統上雲並不具有可選性。例如，一些對產品信息或客戶信息敏感的行業，它們可能就不願意為了降低成本而把這些系統中的數據和信息上傳到雲計算平台上去。
不過，從技術發展趨勢和整個製造業發展需要來看，低成本、安全和獨立（非壟斷）的雲計算資源是智能製造發展的基礎，但是，這些雲計算資源到底以什麼形態為行業提供動力，還是需要進一步商業運行才會清楚。例如，雲計算資源是不是可以以平台賦能的方式存在，或者雲計算資源僅僅限定提供存儲和計算能力，避免提供進一步的應用匹配，都是需要更為成熟的試驗，考慮多方利益相關者的述求才可以確定的。
由於消費互聯網發展較為成熟，消費領域的雲計算應用也比較迅速，一些消費雲計算資源已經成為人們生活必備的基礎設施，例如電子商務、即時通信、電子支付等，但這不意味著工業領域的雲計算資源也應該按照同樣的方式或規則進行應用。
從工業企業的行業實踐來看，領先的製造企業意識到傳統的消費雲計算基礎設施不足以滿足未來工業級的需要，已經創造了諸如霧計算、邊緣計算等概念，這些概念的核心就是在物理上為需要存儲和計算資源的設備提供服務。因此，霧計算或邊緣計算加上傳統的雲計算，組成了一個無所不在的下一代雲計算資源，可以為智能製造的實現提供基本的技術基礎設施。
3. 實時驅動的製造操作系統
通常情況下，我們認為製造業所需要的信息技術基礎設施跟消費互聯網的基礎設施有較大的不同，除了本文前面提及的低成本感測系統和下一代雲計算資源，真正實時驅動的製造操作系統也是一個特殊的要求。
大家清楚，個人電腦就是一個信息物理系統，它擁有操作系統（OS，Operating System），你可能應用的是微軟提供的Windows，或者是蘋果一體化的macOS，甚至於基於Linux的個性化安裝包，不管是哪種操作系統，它都需要對物理設備進行虛擬化，在操作系統中，一般是以驅動程序（drivers）的方式提供，它們對諸如印表機、掃描儀、鍵盤和滑鼠等硬體設備進行映射，從而實現物理與信息的交互。
如果要實現智能製造系統，那麼一個製造業的操作系統就是必要的。通過製造操作系統，可以對各種製造硬體進行管理，例如，數控設備、加工設備、檢測設備等等，這些設備都可以用製造操作系統進行映射，從而兩者（物理與信息）實現互交互（interaction），這就是製造操作系統的基本要求。
有部分行業人士認為製造執行系統（MES，Manufacturing Execution Systems）就是這樣的操作系統，但如果大家對比個人電腦的操作系統，就可以看出，製造執行系統的簡單功能模塊，本質上實現的智能化程度並不高，給製造系統提供的發揮空間也比較小，產生於1995年左右的製造執行系統，其目的還是為了把指令執行準確，而不是為了實現平等的指令和執行交互。換句話來講，製造執行系統並不是基於信息物理系統科學構建的工程系統，它並不能滿足真正的智能製造需要。
可喜的是，製造行業的一些領先企業及研究機構已經基於新的理論成果進行實時操作系統的研究。2006年美國國家科學基金會提出信息物理系統之後，獲得相關資金支助的加州大學伯克利分校的研究團隊，就推出了一個以實時驅動的製造操作系統為目標的信息物理系統原型Ptolemy I/II，該原型還是開源的；另外，伊利諾伊大學2007年也獲得了美國國家科學基金會支助，啟動了嵌入式系統和感測器網路操作系統LiteOS的研究。除此之外，斯坦福大學人工智慧實驗室、麻省理工學院、卡耐基梅隆大學和德國人工智慧研究中心等機構，也推出了基於開源項目的製造操作系統。
經過過去10來年的發展，製造操作系統已經初步具有實用的可能，雖然大部分商業化的平台系統並沒有指明其系統的基本科學原理和借鑒的研究成果，但大部分商業級的製造操作系統平台，都通過多種方式受益於信息物理系統的相關研究。例如，通用電氣在2014年推出的Predix平台，就是利用了它參與美國國家科學基金會項目獲得經驗，甚至於到現在，通用電氣還跟美國製造創新中心數字製造與設計創新研究所（DMDII，Digital Manufacturing and Design Innovation Institute）合作推出了一個開源項目數字製造共性平台（DMC，Digital Manufacturing Commons）。
總而言之，如果我們要進一步推動智能製造的實現，除了需要繼續進行相關理論的研究，探索智能製造的原理性規律，還需要為智能製造的產學研提供技術基礎設施，一方面需要提供低成本的感測系統部署，另外一方面，無所不在的適用於工業領域的雲計算資源也必不可少，更進一步，針對具體的行業應用，或許需要有企業可以提供實時驅動的製造操作系統或平台。
三、AI 2.0重新定義智能製造
與20年前日本採用傳統的人工智慧來驅動智能製造系統不同，目前人工智慧已經進入了大數據、新演算法和新計算能力的AI 2.0時代，同時，大量智能產品的出現，使得傳統的裝備製造需要個性化定製的能力，這迫切需要實現新型的智能製造，利用AI 2.0重新定義智能製造就成為當前最為重要的工作之一。
毫無疑問，人工智慧到底會在智能製造重定義中扮演什麼角色，短期內難以統一大家的認識，但代表信息技術發展的最新階段，人工智慧肯定會扮演一個通用目的技術（GPT，General-Purpose Technologies）的角色，它將有可能真正解決製造業長期以來存在的非標問題（指的是製造業的裝備系統，大都需要根據客戶的要求定製，而難以提供標準化的解決方案）。
為此，為了充分利用AI 2.0帶來的重新定義智能製造的潛力，應該統一思想，加強應用研究和創新，並結合到中國製造2025國家大戰略的需要，設計一套適合中國需要的智能製造體系和實施路徑。
1. 為什麼要寄希望AI 2.0？
大家應該還記得，日本在上個世紀人工智慧熱潮中，也企圖通過人工智慧在製造業的應用，實現它提出的智能製造（Intelligent Manufacturing）。即便日本當時糾集了全球領先的工業發達國家參與全球性的IMS共同研究計劃，但最終也因為過於超前而無疾而終。隨著深度學習等新型演算法在一些領域的突破，特別是結合到大數據和專用的人工智慧晶元，新的被稱為AI 2.0的時代已經在全世界人們關注中來臨，諸如AlphaGo以及AlphaGo Zero傑出的表現，已經讓人們擔心AI 2.0帶來的革命性影響。
目前對於AI 2.0驅動的智能製造，有兩種看法，一種是否定態度，他們認為，在製造系統的核心部分，能夠顯性的利用到人工智慧的地方不多，甚至於一些在行業領先企業工作的人士以自己的親身經歷為例，來證明製造系統目前並不需要人工智慧；另外一種態度是熱烈擁抱新一代人工智慧進入製造系統，通用電氣、西門子和一些日本企業大都悄然加大了工業領域人工智慧應用的研究工作，例如，通用電氣的全球研究中心（GRC，Global Research Center）就把人工智慧作為未來十年的研究重點，西門子也在2017年11月發布的財務報告中，明確要加強人工智慧在工業領域顛覆性作用的研究。
從原理上講，20年前日本推出的一些基於人工智慧的智能製造系統研究課題，大都對於計算能力要求過高，有的還對信息技術基礎設施要求也超出了當時通信系統可以提供的能力，諸如此類的技術基礎設施不成熟不完整，加上人工智慧工程應用還處於較低水平，導致最後IMS計劃陷入失敗境地，也在情理之中。
隨著互聯網和移動互聯網等應用的快速普及，促使信息技術基礎設施快速發展，已經在開源項目及開放架構等驅使下，形成了一個較低成本的全球化信息技術基礎設施，這可以為製造業應用信息技術奠定一個較好的基礎。更進一步來講，目前在製造業應用人工智慧，已經具備了一定的技術基礎，研發和建設成本也基本上可以滿足。
但是，為什麼製造業並無多少可見的人工智慧應用案例呢？這是縈繞反對人工智慧驅動智能製造的人士頭腦中揮之不去的疑問。我們可以從兩個方面來說明，第一，只要我們承認智能製造是可以自決策、自適應和自組織的系統，那麼具有高級的智能感知是必須的，人工智慧本身就是研究如何模擬人的感知系統和決策系統的科學，這就不可避免要應用到新的人工智慧技術；第二，雖然有一些製造企業應用了人工智慧，但由於成本還比較高，不具有推廣和商業價值，因此，這些企業目前主要精力還是放在了如何低成本提供智能製造能力，這個能力也跟本文前面提及的三大技術基礎設施息息相關。
客觀地講，由於AI 2.0技術具有傳統人工智慧不具有的一些特性，例如，演算法不同、大數據的存在以及專用人工智慧晶元等，這些技術條件的存在，如果在推動智能製造體系化知識形成過程中發揮作用，是有可能實現智能製造更為廣泛應用的目的，從而達到重新定義智能製造的效果。
2. 大規模定製需要智能製造
對於AI 2.0重新定義智能製造，需要有一個驅動力，與科學研究不同，先進位造技術的應用，需要具有經濟上和經營上的理由。由於過去幾十年的技術擴散，發展中國家較低成本的勞動成本，促使了全球總體上存在產能過剩的局面，這種問題對於勞動力成本較高的國家，尤為突出。正因為如此，這些國家紛紛需要通過升級改造裝備設備，實現智能製造來提升生產力，除此之外，通過智能製造，可以給企業經營帶來靈活性，這在大規模定製方面有較為突出的效果。
雖然在一些簡單的工業領域，可以採用現有的信息技術來實現大規模定製，例如服裝和傢具等行業，但對於其他較為複雜的製造行業，現有的信息技術可能就無能為力了，這需要更高級的信息技術——人工智慧來實現自動檢測、高級排產以及特定的加工過程（例如噴漆、特定形狀等）。以製造系統的維度來看，AI 2.0驅動下的系統更接近永不疲勞的人機融合製造系統，早期的智能製造系統並不能較好的模擬人的認知，從而無法真正實現智能製造，這是日本上個世紀推動智能製造系統失敗的原因之一，目前計算能力更強、模擬人的智能程度更高的製造系統逐漸被開發出來，實現更多行業的無人工廠將成為可能。
隨著各個國家推進的國家級製造戰略落地實施，各種技術基礎設施也會很快得以實現，大規模定製所需要的裝備製造系統也會出現，諸如瀋陽機床利用的i5系統，就可以稱為一種簡單形態的智能製造系統。雖然這個以共享經濟為特徵的平台生態難以短期改變產業形態，但隨著更具有殺手級應用特徵的平台生態出現，相信會迅速推動AI 2.0推動的智能製造出現。
工業4.0研究院分析認為，在工業領域，其產業結構已經較為穩定，短期內難以有革命性的結構改變，共享經濟雖然在消費領域獲得了成功（在大量不計成本的資本推動下），但要在工業領域實現類似的效果，似乎並不容易。如果可以結合到經營性的服務，例如，利用生產製造系統的高度柔性（甚至於是定製化），讓消費者獲得產品具有一定的個性，從而使自己的產品跟競爭對手的產品差異化開來，這是企業家喜聞樂見的結果，也會願意為之進行投資。
德國工業4.0曾經提出了縱向集成、端到端集成和橫向集成，分別對應了工廠邊界、產業鏈和跨界（跨多條產業鏈）的經濟學邊界，如果利用新型的人工智慧技術，它可以為製造系統提供更為靈活的連接方式，而無需顧及傳統的煙囪式信息系統帶來的不便，系統之間的連接，這給企業經營者帶來了更大的靈活性，這也使得各種創新（甚至於是顛覆性）的商業模式成為可能。
因此，在企業家精神促進下，肯定會出現一批尋找差異化競爭優勢的企業，它們會充分利用智能製造帶來重構製造系統的機會，為傳統的產品增加更多的功能，而這些功能可能是智能化的產品形態，毫無疑問，更多智能產品的出現，也反過來要求生產製造系統的進一步升級，實現大規模定製就成為更多行業的標準經營之道，而智能製造是實現大規模定製的最佳選擇。
3. 中國的智能製造新定義
中國在2010年成為了全球製造業產值最高的國家，這是中國100多年之後再次登上全球製造業第一的位置。不過，中國製造的規模雖然處於第一，但其競爭力仍然談不上強大。為此，2015年，中國國務院發布了中國製造2025，並設定未來30年左右的時間，實現中國製造從大國轉向強國的目標。在推進中國製造2025的規劃藍圖中，也明確指出了智能製造是主攻方向。
毫無疑問，從中國製造2025目標的實現要求上來看，智能製造是難以避免的一個概念。目前已經有一些國家智庫對智能製造進行了一些中國式的定義，包括中國工程院，最近也基於AI 2.0的發展，提出了多階段多層次的概念體系。但是，如果僅僅把人工智慧認為是智能製造定義的一種技術，而不是其核心技術，很可能會忽視以及浪費AI 2.0對中國智能製造體系構建中的重大價值。
首先，我們需要分清中國的智能製造定義與20年前日本提出的智能製造之間的差別。在筆者看來，20年前日本提出的IMS計劃，過多強調了知識管理的價值，這其實也是目前AI 2.0跟傳統人工智慧之間的最大差別，基於大量數據的深度學習，有可能並不清楚其中的因果關係，但最終做出的結果卻達到甚至超出了人的思考決策，這是利用AI 2.0重新定義智能製造的關鍵認識。
其次，對比日本在IMS計劃中推進智能製造和美國2006年提出信息物理系統的思想，兩者有迥然不同的哲學。日本在推進智能製造系統的時候，深深陷入了路徑依賴的問題，他們希望利用人工智慧模仿日本的技術訣竅，從而解決另外一個特定問題（可能不是前面技術訣竅的應用場景），這從原理上就是巨大的挑戰。然而，對於美國提出的信息物理系統來講，先提出抽象的概念，再想辦法設計相關的科學體系和工程工具，從而更符合科學發展的原理。
最後，日本在推行智能製造的時候，完全割裂一般製造和裝備製造的目的，導致盲目推動先進裝備製造，而忽視了給消費者提供更好更先進的產品，忘記了日本上個世紀80年代是依靠創新產品而獲得的市場，這在推動IMS計劃的初期，也許就註定了其進展坎坷，難以得到產業界企業的持續支持。中國要推動智能製造，應該把智能產品和智能製造有機的結合起來，讓智能製造為智能產品服務，通過市場的良性循環，讓智能製造的投入物有所值。
對於中國的智能製造新定義，筆者認為，應該充分發揮第四次工業革命智能化和網路化兩大驅動力的價值。一方面，應該充分認識到AI 2.0對於智能製造的發展具有革命性的意義，從科學原理到產學研都應該投入足夠的資源，這樣才可以保證儘快實現智能製造裝備產業的領先，這還可能為中國創造一個新的裝備設備市場。另外一方面，最近工信部明確了中國製造2025的第二個主攻方向是工業互聯網，這也是第四次工業革命的第二個驅動力，工業互聯網主要可以實現資源的鬆散連接，從而提升資源的利用效率，在推動智能製造的過程中，也應該加強工業互聯網方式的資源集成，加快中國智能製造產業快速發展。
總結
在第四次工業革命悄然來臨之際，結合到中國製造2025戰略的實施，中國的學者和專家有機會重新定義智能製造，為人類社會的工業化進程做出貢獻。同時，在中國推進供給側改革的時期，利用智能化和網路化兩大驅動力，重點推動AI 2.0驅動的傳統製造系統轉型和重新設計，能夠有效的解決中國製造大而不強的問題，更進一步，我們還可以通過研究與實踐的有效融合，提升中國的科學發展水平，建立現代化的經濟體系。
TAG:智能服務聯盟 |