隨著中國經濟發展的戰略轉型及中國製造2025、工業4.0概念的提出，製造業迎來了新的發展浪潮。在這個背景下，越來越多的傳統企業感受到了重重壓力，開啟了轉型與變革之路。對於製造企業而言，如何部署企業智慧製造解決方案？如何建立企業自身特色的智慧製造建設體系？如何規劃企業數字化轉型升級平臺？

企業已掀起工業物聯網應用熱潮

工業物聯網是工業4.0的核心基礎，它是利用區域性網路或網際網路等通訊技術，把感測器、控制器、機器、人員和物品等通過新的方式聯在一起，形成人與物、物與物相聯，實現資訊化、遠端管理控制和智慧化的網路，從而最大限度地提高機器效率以及整個工作的吞吐量。隨著智慧製造戰略的持續推進以及企業轉型的逐漸深入，物聯網在工業轉型中的應用價值愈發凸顯。企業已經清楚的認識到，要想實現智慧化決策和自動化生產離不開人機物的全面互聯。當前，工業物聯網熱潮遍佈神州大地，已成為政府、製造企業、網際網路公司、物聯網公司、電信運營商、IT和自動化廠商等各方關注的焦點。

據IDC報告，2017年全球物聯網總體支出將同比增長16.7%，略高於8000億美元。報告預計，到2021年，全球物聯網支出將達到1.4萬億美元。其中包括企業對物聯網硬體、軟體、服務和網路連線的投資。以不同行業來看，製造業和運輸業仍將是獲得投資最多的行業，分別為1830億和850億美元。

對大多數企業來說，儘管物聯網技術已經存在了數十年之久，但其應用範圍僅限於運營活動，資料的潛能沒有在企業中得到充分釋放。隨著連線技術、大資料管理、商務分析和雲技術的發展，我們現在能夠將運營技術與資訊科技融合在一起，打造更智慧的機器，推動企業實現端到端數字化轉型。

工業物聯網核心技術

圖1 工業物聯網體系架構

工業物聯網體系架構可分為四層，實體層包括各類智慧產品及嵌入式軟體和晶片等；感測層則是物聯網的皮膚和五官，用於識別物體，採集資訊，包括條碼、二維碼標籤和讀卡器、RFID標籤和讀寫器、攝像頭、GPS等；網路層是物聯網的神經中樞和大腦，用於資訊傳遞和處理，包括通訊與網際網路的融合網路、網路管理中心和資訊處理中心等；應用層是物聯網的“社會分工”，即與行業專業技術及需求實現深度融合，最終實現行業智慧化。在物聯網各層之間，資訊不是單向傳遞的，也有互動、控制等，所傳遞的資訊多種多樣，這其中關鍵是物品的資訊，包括在特定應用系統範圍內能唯一標識物品的識別碼和物品的靜態與動態資訊。

工業物聯網的關鍵技術則包括：

感測器技術：資訊的泛在化對工業的感測器和感測裝置提出了更高的要求。

微型化：元器件的微小型化，節約資源與能源。

智慧化：自校準、自診斷、自學習、自決策、自適應和自組織等人工智慧技術。

低功耗與能量獲取技術：電池供電，用陽光、風、溫度、振動。

通訊技術：具體包括：調製與編碼技術、自適應跳頻技術、通道排程技術、通訊協議多樣性、多標準有線及無線技術。

組網技術：網路路由技術、互聯技術、共存技術、跨層設計與優化技術。

網路管理與基礎服務技術：低開銷高精度的時間同步技術、快速節點定位技術、實時網路效能監視與預警技術、工業資料的分散式管理技術。

安全技術：具體包括工業裝置控制、網路安全和資料安全，阻止非授權實體的識別、跟蹤和訪問，非集中式的認證和信任模型，能量高效的加密和資料保護，異構裝置間的隱私保護技術。

工業物聯網在製造業的應用

近幾年，物聯網技術已經應用於各行業的生產流程以及製造業的產業結構調整中，促進各個工業企業在節能減排、提高生產效率、生產效益提升等方面的改善。在應用上，通過對物聯網採集的資料進行分析，可以幫助企業分析各類裝置或產品的狀態，實現對異常狀態的預警或報警，從而實現預測性維護，避免非計劃停機；還有助於幫助企業改進產品效能、幫助企業降低能耗、保障安全等。

比如在哈雷戴維森的新制造工廠中，每臺機器都是互聯裝置，每個變數都在不斷接受測量和分析。這樣，在機器出現故障之前，裝置就能提供相關效能資料，幫助企業實現預測性維護，從而最大限度地減少工作流中斷的情況。同時，製造系統在某個元件出現問題時，會向車間經理髮送警報。哈雷戴維森甚至還能測量建築內的溫度、溼度以及通風裝置每分鐘的轉速 (PRM) ，他們會持續分析所有這些資料，以發現有助於提高效率和產量的因素。

全球最大的空氣壓縮系統供應商之一凱撒空壓機公司通過物聯網的應用，實時監控客戶壓縮空氣站中的各項引數，比如功耗、運營可用性與安全性以及壓縮空氣質量，並將它們與最小容許值和最大容許值進行比較。服務工程師無需拜訪客戶所在地，只需通過門戶就能分析上述實時資料，並進一步有針對性的制定維護策略，從而確保壓縮機持續高效運轉，降低運營風險，確保了客戶能夠實現可靠、高效的運營。公司也實現了從生產型製造向服務型製造的轉變。

此外，工業物聯網還可應用於優化物流，通過對運輸車輛的資料採集，可以掌握車輛執行的位置，以及運輸貨品的狀態，實現製造商、第三方物流和貨主的資訊互動，實現運輸資源的充分應用。還可以用於對汙染物的監控、對無人值守的裝置、對石油管道的遠端監控和故障診斷等。在消費品行業，也有很多基於物聯網的智慧應用，例如智慧家居。通過對各種裝置的狀態監控，還可以實現裝置租賃和服務電商。

製造企業應用工業物聯網的注意點

工業物聯網應用可謂十分廣泛，市場的快速發展也促使更多的廠商投入這一新興市場的角逐，各種物聯網平臺陸續湧現，競爭異常激烈。因此企業在應用工業物聯網之前，首先要有清晰的認知，對各類物聯網平臺的開放性、整合能力、資料分析、行業應用功能進行深入比較。

採集哪些有價值的資料，如何採集、傳輸、儲存與分析？物聯網應用的基礎，源於各種智慧終端、感測器和智慧儀表，加上GPS定位和網路傳輸的功能模組（WIFI、4G或ZigBee等）。低功耗的NB-IOT技術，為物聯網的普及應用帶來了巨大價值。企業要實現工業網際網路應用，需要明確究竟要採集哪些有價值的資料？採集頻率有多高？如何部署感測器？是要傳輸所有狀態資料，還是隻傳輸超出閾值的資料？海量資料如何儲存？是基於私有云還是公有云？物聯網資料的資料分析演算法和數學模型是什麼？資料如何分析與展現？資料異常的預警和處置方式？如何實現物聯網資料與企業業務流程的整合？

中小企業和大型企業進行物聯網應用的顯著差異。中小型製造企業進行物聯網應用，可以直接選擇基於公有云的物聯網平臺，相對比較容易。對於大型製造企業，則需要更加慎重地制定工業物聯網的應用策略，考慮是否需要自己開發及運營物聯網平臺。如果選擇自主開發或自主運營，就需要考慮與電信運營商、雲平臺進行合作。

自主開發物聯網應用還是利用物聯網開發平臺來開發物聯網應用。企業可以選擇物聯網的雲服務，用物聯網開發平臺來構建物聯網應用，或者直接從底層開發物聯網應用。相對而言，應用物聯網開發平臺來開發物聯網應用，對於多數企業而言，是一個經濟有效的方式。

物聯網平臺功能和部署方式的差異化與選型。從部署方式來看，有些物聯網平臺的交付方式是公有云服務，有些物聯網平臺可以在企業內部部署，或者通過私有云方式部署。這也是企業進行物聯網平臺選型必須考慮的問題。

中國製造業加速擁抱雲端計算

隨著雲端計算各類技術的發展，以及傳統制造業面臨轉型升級帶來各類問題，這兩者之間的關係變得越來越緊密，製造業正在加速擁抱雲端計算。智慧製造正成為製造業新的關鍵詞，而智慧製造的成功推進，需要一系列的使能技術，雲端計算正是其中一項核心使能技術。雲應用是智慧製造領域很多深層次應用的必要條件，幫助製造企業加速從要素驅動向創新驅動轉變。

近年來，我國雲端計算產業發展迅猛，據統計，雲端計算產業保持著超過30%的年均增長率，是全球增速最快的市場之一。“十二五”末期，我國雲端計算產業規模已達1500億元，產業結構不斷優化，SaaS、PaaS佔比不斷提升，混合雲異軍突起，成為產業新的增長點。

雲應用的增長，除了源於雲技術的逐步成熟外，另一主要的因素，是企業對雲的認知的逐步加深。在三五年前，中國企業對雲的認識還比較初步，對於雲，企業關心最多的就是我為什麼要用雲，雲有什麼優勢，很多企業也特別關心資料安全和網路問題。

現在企業對雲的特點和優勢已經有了比較全面的認識，對資料安全等問題的擔心也降低了，更多的企業已經瞭解到，雲產品應用的經過認證的資料中心以及被許可的雲環境在某種程度上甚至比企業內部的系統更加安全，而專業的雲平臺在負載、備份、容災方面甚至能比企業在本地部署系統要做得更好。有些比較謹慎的企業，也會選擇將某些核心應用，如財務模組，放在本地部署，將其他的應用放在雲端。這些都促使企業對雲的態度從最初的觀望走向瞭如今的認可。現在，企業對雲的關注點開始更多地轉移到公司戰略層面，更關心雲應用是否能滿足企業系統需求，是否能更有力地支撐企業的發展戰略。

雲端計算的架構

雲端計算的架構一般可分為三個層次，即基礎設施層（IaaS）、平臺層（PaaS）和軟體服務層（SaaS）。

IaaS(Infrastructure as a Service)，基礎設施即服務。主要包括計算機伺服器、通訊裝置、儲存裝置等，能夠按需向使用者提供的計算能力、儲存能力或網路能力等IT基礎設施類服務，也就是能在基礎設施層面提供的服務。PaaS(Platform as a Service)，平臺即服務。

PaaS定位於通過網際網路為使用者提供一整套開發、執行和運營應用軟體的支撐平臺。SaaS(Software-as-a-Service)，軟體即服務。簡單地說，就是一種通過網際網路提供軟體服務的軟體應用模式，使用者不需要再花費大量投資用於硬體、軟體和開發運維團隊的建設，只需要支付一定的租賃費用，就可以通過網際網路享受到相應的服務。和傳統的網路服務模式相比較，雲端計算的體系結構更加地模組化，每一層和上下層的關係都是比較鬆散的耦合關係。

目前，雲端計算技術已經在製造企業內獲得了方方面面的應用，為製造企業帶來了更加高效的管理以及的業務創新。其中，通過IAAS服務，企業可以利用工業雲將伺服器、儲存裝置外包，廣泛應用虛擬桌面和移動終端，減少或消除專職的IT運維人員，降低IT應用成本，專注於資訊化應用。在SAAS應用方面，企業級郵件系統、視訊會議、協同辦公、CRM、線上招聘、供應鏈協同和電子商務等領域已經有成熟的應用。在PAAS應用層面，很多工業軟體企業也在將軟體的開發平臺服務化，支援軟體功能的配置與擴充套件。同時，國際工業軟體巨頭正在從賣軟體的License轉型為賣訂閱服務(Subscription)，與客戶實現雙贏，製造企業IT應用正在從本地走向雲端。

工業雲平臺支撐企業實現智慧製造

近幾年，製造企業內掀起了智慧製造的熱潮，數字化、網路化、智慧化日益成為了未來製造業發展的主要方向。

製造業邁向智慧製造，目前面臨的關鍵挑戰在於：製造與網際網路技術如何解決企業IoT互聯、大資料實施處理與分析實時監控與自動化控制、智慧決策執行、企業內外部系統互聯互通、第三方網際網路服務接入等問題，在這些問題下，雲平臺有了廣泛的應用前景。工業雲平臺能夠支撐大量的智慧製造的關鍵技術，如物聯網、大資料、移動應用、虛擬現實、資料分析……等等，從而實現網際網路技術與先進製造技術的融合，形成支撐智慧製造的全生命週期的工業軟體，以平臺支撐智慧製造創新、支撐企業商業和協同創新。

在工業雲平臺的支撐下，企業可以實現個性化定製、網路化協同製造、服務型製造等創新模式。在智慧研發領域，可以構建模擬雲平臺，支援高效能運算，實現計算資源的有效利用和可伸縮，還可以通過基於SAAS的三維零件庫，提高產品研發效率；在智慧營銷方面，可以構建基於雲的CRM應用服務，對營銷業務和營銷人員進行有效管理，實現移動應用；在智慧物流和供應鏈方面，可以構建運輸雲，實現製造企業、第三方物流和客戶三方的資訊共享，提高車輛往返的載貨率，實現對冷鏈物流的全程監控，還可以構建供應鏈協同平臺，使主機廠和供應商、經銷商通過電子資料交換（EDI）實現供應鏈協同；在智慧服務方面，企業可以利用物聯網雲平臺，通過對裝置的準確定位來開展服務電商。

工業物聯網是智慧製造的基礎。一方面，在智慧工廠建設領域，通過物聯網可以採集裝置、生產、能耗、質量等方面的實時資訊，實現對工廠的實時監控；另一方面，裝置製造商可以通過物聯網採集裝置狀態，對裝置進行遠端監控和故障診斷，避免裝置非計劃性停機，進而實現預測性維護，提供增值服務，並促進備品備件銷售。工業物聯網應用採集的海量資料的儲存與分析，需要工業雲平臺的支撐，不論是通過機器學習還是認知計算，都需要工業雲平臺這個載體。

”

製造業擁抱大資料時代

曾幾何時，在人們的印象中，大資料作為一種新興技術，離人們的日常生活還很遙遠，顯得異常“高冷”。

隨著網際網路技術的不斷深入，特別是近幾年來物聯網、雲端計算以及社交網路的飛速發展，人們所接觸和關注的資料量呈現出了爆炸式增長。同時，大資料分析和處理的技術也隨之建立並豐富起來，其應用也越來越廣泛，大資料給各行各業帶來變革性機會。例如個人的飲食、健康、出行、家居、醫療、購物以及社交等生活資料會被實時採集上傳網際網路，通過對這些資料的分析，商家可以為每個人量身定製個性化的服務。在工業生產領域，運用大資料技術可以全盤把握供需平衡，挖掘創新增長點，提高效率，節約成本;在交通領域，可以實現智慧輔助以及無人駕駛;在農業領域，可以對環境氣候土壤以及農作物狀況進行監控，實現超精細化耕作……

那麼究竟什麼是大資料呢?大資料(big data，mega data)，或稱巨量資料，是指"無法用現有的軟體工具進行提取、儲存、搜尋、共享、分析和處理的海量的、複雜的資料集合，需要通過運用新系統、新工具、新模型的挖掘，才能獲得具有洞察力和新價值的東西。"大資料不用隨機分析法這樣的捷徑，而採用所有資料全面進行分析處理。

區別於其它資料，大資料具有4V特點，即資料容量大(Volume)、資料型別繁多(Variety)、商業價值高(Veracity)以及處理速度快(Velocity)的特點。

數量(Volume)，即資料巨大，從TB級別躍升到PB級別。伴隨著各種隨身裝置、物聯網和雲端計算、雲端儲存等技術的發展，人和物的所有軌跡都可以被記錄，資料因此被大量生產出來。

多樣性(Variety)，即資料型別繁多。資料來源多樣化，不僅產生於組織內部運作的各個環節，也來自於組織外部。大資料不僅是處理巨量資料的利器，更為處理不同來源、不同格式的多元化資料提供了可能。

速度(Velocity)，即處理速度快。快速度是大資料處理技術和傳統的資料探勘技術最大的區別。大資料是一種以實時資料處理、實時結果導向為特徵的解決方案，它的快有兩個層面，即資料產生得快和資料處理得快。

真實性(Veracity)，即追求高質量的資料。資料的重要性就在於對決策的支援，資料的規模並不能決定其能為決策提供幫助，資料的真實性和質量才是獲得真知和思路最重要的因素，是制定成功決策最堅實的基礎。

資料產業發展趨勢

未來幾年，大資料產業將朝著以下幾個趨勢發展:

開源大資料將商業化。隨著閉源軟體在資料分析領域的地盤不斷縮小，IT廠商的商業模式向開源靠攏，並加大專業服務和系統整合方面的力度。利用Hadoop和R兩類技術，幫助客戶向開源的、面向雲的分析產品遷移。

Hadoop將加速發展。作為大資料領域的代表，未來很多企業會把研發的重心放在Hadoop上。從整體上說，不僅是Hadoop本身本會得到迅速發展，同時Hadoop在多個資料中心中的配置和無縫整合技術也將成為熱門。

打包的大資料分析應用將開拓新的市場。隨著大資料逐漸走向各個行業，基於行業的大資料分析應用需求也將日益增長，未來幾年中針對特定行業的業務流程的分析應用將會以預打包的形式出現，這將為大資料技術供應商開啟新的市場。

將會創造一些新的細分市場。大資料相關技術的發展將會創造出一些例如以資料分析和資料處理為主的高階資料服務和基於社交網路的社交大資料分析等新的細分市場。

大資料與雲端計算將深度融合。雲端計算為大資料提供彈性可擴充套件的基礎設施支撐環境以及資料服務的高階模式，大資料則為雲端計算提供了新的商業價值，大資料技術與雲端計算技術必有更完美的結合。

大資料在製造企業的應用

大資料作為新一代資訊科技的代表，已開始在工業設計、研發、製造、銷售、服務等環節取得應用，併成為推動網際網路與工業融合創新的重要因素。面對大資料的浪潮，傳統企業要主動把握大資料的發展方向，深入挖掘大資料的價值，分析需求偏好、改善生產工藝以及提升企業的內部管理水平等。

預測分析。當前，大資料最引人關注的一個方面是預測分析。企業可以利用資料中隱藏的模式、識別各種風險和機遇，比如交叉銷售和升級銷售的目標客戶、客戶流失傾向、經濟預測、信用評級和保險承保等。例如，當需要開車時，上百萬美國人選擇AAA(美國汽車協會)的旅遊救援、保險和緊急拖車服務。為了更好地理解客戶需求，AAA總部元件了一個"活動中心"，應用SAP Predictive Analytics軟體進行預測分析。

為企業決策部門和管理層提供依據。利用大資料工具對供應鏈進行分析以選擇供應商、優化物流配送方案和進行價格談判等;利用大資料分析工具可以對商品進行銷售預測，分析顧客的購買偏好，確定商品的價格。中國商飛通過SAP商務智慧解決方案(SAP BI)和SAP業務經營管控平臺(SAP ERP)的實施，成功構建了實時、透明、智慧的業務經營管理平臺，實現了質量全程可追溯以及實時運營;實現高效業務協同，增強了全供應鏈資料共享與智慧分析，為管理決策提供強有力保障。

實現智慧生產。大資料是製造業智慧化的基礎，其在製造業大規模定製中的應用包括資料採集、資料管理、訂單管理、智慧化製造、定製平臺等，核心是定製平臺。定製資料達到一定的數量級，就可以實現大資料應用。通過對大資料的挖掘，實現流行預測、精準匹配、時尚管理、社交應用、營銷推送等更多的應用。同時，大資料能夠幫助製造業企業提升營銷的針對性，降低物流和庫存的成本，減少生產資源投入的風險。成立於1988年的中信戴卡公司，是全球最大的鋁車輪生產企業，在全球市場佔有率將近25%。中信戴卡已經與SAP合作多年，在雙方的合作之下，一個高度智慧化的生產製造供應網路正在顯現，實現覆蓋從智慧營銷、智慧研發、智慧製造、智慧經營、智慧決策到智慧服務六大智造體系，真正實現全價值鏈的"智造"。

實現個性化定製。消費者與製造業企業之間的互動和交易行為將產生大量資料，挖掘和分析這些消費者動態資料，能夠幫助消費者參與到產品的需求分析和產品設計等創新活動中，為產品創新作出貢獻。製造業企業對這些資料進行處理，進而傳遞給智慧裝置，進行資料探勘，裝置調整，原材料準備等步驟，才能生產出符合個性化需求的定製產品。在定製西服的傳統概念中，定製與工業化經常是一對天然的反義詞。紅領西裝與眾多服裝加工廠有著顯著的不同，其通過大資料系統和相應的工藝改變，實現了對傳統服裝企業改造。能夠根據顧客身體測量資料和相關細節，制定出符合每個顧客個性化需求版型。提高了生產效率和客戶滿意度。

應用大資料的注意事項

大資料的應用能給企業帶來諸多便利，實現了以往常規技術手段無法實現的目標。但也要認識到大資料在製造業大規模運用的時間還不是很長，很多企業應用經驗相對缺乏。為了確保大資料在實際運用中能夠發揮其應有的效果，應注意以下幾點:

對於海量的資料要去粗取精，去偽存真。對於業務資料，應當在進行實時分析的基礎上，將決策支援的資料通過移動端推送給企業各級負責人，決策過程用資料說話，不再是憑經驗、拍腦袋。

大資料要形成一定的資料決策力。資料決策力就是基於資料進行科學決策，並且讓資料發揮價值的能力。在大資料時代，這種能力已經變成跟以往的財務能力、生產能力等一樣不可或缺的能力。要重視資料安全性。隨著產生、儲存、分析的資料量越來越大，隱私問題在未來的幾年也將愈加凸顯。所以新的資料保護要求以及立法機構和監管部門的完善應當提上日程。

探討人工智慧的本質

美國作家盧克•多梅爾曾在《人工智慧》一書中提出“智慧奇點”的概念，即機器在智慧方面超過人類的那個點。他認為，人工智慧在技術和產業兩個方面正在臨近“奇點時刻”。第一，資訊革命正從技術深化到科學向智慧方向提升，人工智慧正處在科技革命的奇點上。第二，資訊革命正從科學轉化為技術向智慧產業深化，人工智慧正處在產業革命的奇點上。

人工智慧（Artificial Intelligence，AI）的本質其實就是為了研製出具有類人智慧的機器或系統，能夠模擬、延伸和擴充套件人類智慧的理論、方法、技術以及應用形式。人工智慧作為一門學科誕生至今已超過60 年，期間經歷了2 次高潮和低谷，從2010 年開始迎來第三次發展浪潮。從當前人工智慧產業發展情況來看，可以將人工智慧分成技術支撐層、基礎應用層和方案整合層。

★技術支撐層：主要由演算法模型（軟體）和關鍵硬體兩部分構成。關鍵硬體主要包括用於資料採集的各種感測器和用於高效能平行計算的各種人工智慧晶片，如GPU、FPGA、NPU等。演算法模型（軟體）主要用於訓練資料，利用演算法模型對資料進行運算分析，進而提升機器的自主學習能力。

★基礎應用層：主要由感知類技術和其他深度學習應用構成。該層主要是為了讓機器完成對外部世界的探測，即看懂世界、聽懂、讀懂世界，由計算機視覺、語音識別、語義識別構成，是上層智慧產品或方案不可或缺的基礎。

★方案整合層：為特定的應用場景提供產品或方案。根據不同行業或應用場景的需求構建不同的人工智慧解決方案。比如智慧物流、智慧安防、無人駕駛汽車、工業機器人以及智慧工廠等。人工 智慧重構領域很多，有著非常龐大的應用空間和市場。

隨著大資料、雲端計算和物聯網等技術應用的逐漸發展成熟，人工智慧也迎來來新的發展機遇。從機器學習到深度學習，推動人工智慧實現快速發展的主要動力基於兩大因素：其一，快速提升的智慧晶片並行運算能力。其二，讓機器具備自主學習能力的演算法模型正在逐步取得突破。

人工智慧：支撐智慧製造轉型

推進智慧製造轉型的根本原因在於：機器功能表現不遂人願，人很難掌控機器的全部狀態情況。機器不容易改變和提升功能，任何的功能更改都需要重新開發某些甚至全部零部件；機器執行狀態不為人知，且不說遠端監控，就是人站在機器前面，也未必知道哪個零部件正常與否，還有多長時間需要更換；機器不靈活，例如無法像人手一樣靈巧地裝配零件；機器不認人，無法判斷誰是合法的操作者並給以相應的配合；機器不會自主發聲，告訴所有者或其他人，“我已空閒，請給我安排工作”等等。

在機器不智慧的時代，只能靠人的智慧來彌補。但是，人的體力有限易疲勞，人的智力和技能有差異，人的心理狀態不可控，更重要的是，很多問題限於人的辨別力是無法解決的，例如機器中的一個關鍵零部件現在複合受力是多大？環境的振動是否會引發加工質量問題？車間中的粉塵狀態何時會爆炸等等。

因此，人們一直期望在製造活動中能夠有某種人體以外的“智慧”要素的參與，無論是類似人還是其它生物的智慧要素，加入到機器、生產環境或者生產的流程之中，使得整個製造活動可以滿足這樣的需求：所有的狀態資訊都能實時獲取和快速響應，所有的決策都恰當且及時，所有的產品特徵變化（個性化需求）都能充分滿足，所有的產品都是高質量高附加值的，所有的製造過程都是高效安全的，所有的裝置維護都是主動、預測式的，所有的企業運營都是高利潤、低成本、綠色環保的等等。作為製造業智慧製造轉型的關鍵使能技術，人工智慧的發展在為智慧製造賦能的同時，也為機器從“勞動工具”向“勞動夥伴”的角色演進提供新路徑。

當前，製造企業從原材料採購、生產製造，到產品銷售與流通，所有經營生產過程正越來越趨於資料化和智慧化。資料的不斷累積以及資料演算法和模型的不斷髮展成熟，為人工智慧融入到製造業提供了機會，進而促進企業從傳統生產向智慧生產轉型。

企業可以通過遍佈車間的感測器和智慧晶片，實現對生產過程中的全鏈路資料的處理和分析，進而提升生產效率、庫存週轉率、裝置利用率等關鍵指標。在銷售層面，通過對海量的交易資料進行挖掘、計算和分析，人工智慧可以為企業制定自動化和智慧化的生產計劃；在生產層面，通過對產品資料、生產裝置資料的採集和分析，人工智慧實現對生產裝置和產品質量的智慧化診斷，提高產品良品率；在流通層面，通過產品上部署的感測器及時採集產品狀態資料，為企業的生產過程提供決策支撐，同時也可以提供預測性的維修維護服務。

機器學習：人工智慧背後

人工智慧大師西蒙曾說過：“學習就是系統在不斷重複的工作中對本身能力的增強或者改進，使得系統在下一次執行同樣任務或類似任務時，會比現在做得更好或效率更高。”機器學習是人工智慧應用的核心，是使計算機具有智慧的根本途徑，其應用遍及人工智慧的各個領域。現有的計算機系統和人工智慧系統至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。對機器學習的討論和研究，必將促使人工智慧和整個科學技術的進一步發展。

---

製造業智慧化變革與轉型之路—人工智慧！

鄭州工業自動化展 

隨著中國經濟發展的戰略轉型及中國製造2025、工業4.0概念的提出，製造業迎來了新的發展浪潮。在這個背景下，越來越多的傳統企業感受到了重重壓力，開啟了轉型與變革之路。

近年來，從德國的“工業 4.0”到中國製造2025，以及美國政府正在積極推動的全球製造業迴流。在全球範圍來看，為重塑自身在全球製造業領域的產業競爭力，工業大國相繼推出了各自的工業轉型戰略。由此可見，未來製造業依然是國家之間競爭的核心戰場。

為將中國製造2025戰略落到實處，從2015年開始，中國政府以智慧製造為突破口，啟動了一系列針對基於模型的企業、網路物理系統、工業機器人、先進測量與分析、智慧製造系統整合等智慧製造關鍵要素的計劃和專案，推動中國製造業加快開啟智慧化變革與轉型之路。在這一程式中，人工智慧作為推動智慧製造轉型的關鍵使能技術開始受到企業越來越多的關注。

1人工智慧的本質

美國作家盧克•多梅爾曾在《人工智慧》一書中提出“智慧奇點”的概念，即機器在智慧方面超過人類的那個點。他認為，人工智慧在技術和產業兩個方面正在臨近“奇點時刻”。第一，資訊革命正從技術深化到科學向智慧方向提升，人工智慧正處在科技革命的奇點上。第二，資訊革命正從科學轉化為技術向智慧產業深化，人工智慧正處在產業革命的奇點上。

人工智慧（Artificial Intelligence，AI）的本質其實就是為了研製出具有類人智慧的機器或系統，能夠模擬、延伸和擴充套件人類智慧的理論、方法、技術以及應用形式。人工智慧作為一門學科誕生至今已超過60 年，期間經歷了2 次高潮和低谷，從2010 年開始迎來第三次發展浪潮。從當前人工智慧產業發展情況來看，可以將人工智慧分成技術支撐層、基礎應用層和方案整合層。

技術支撐層：主要由演算法模型（軟體）和關鍵硬體兩部分構成。關鍵硬體主要包括用於資料採集的各種感測器和用於高效能平行計算的各種人工智慧晶片，如GPU、FPGA、NPU等。演算法模型（軟體）主要用於訓練資料，利用演算法模型對資料進行運算分析，進而提升機器的自主學習能力。

基礎應用層：主要由感知類技術和其他深度學習應用構成。該層主要是為了讓機器完成對外部世界的探測，即看懂世界、聽懂、讀懂世界，由計算機視覺、語音識別、語義識別構成，是上層智慧產品或方案不可或缺的基礎。

方案整合層：為特定的應用場景提供產品或方案。根據不同行業或應用場景的需求構建不同的人工智慧解決方案。比如智慧物流、智慧安防、無人駕駛汽車、工業機器人以及智慧工廠等。人工 智慧重構領域很多，有著非常龐大的應用空間和市場。

隨著大資料、雲端計算和物聯網等技術應用的逐漸發展成熟，人工智慧也迎來來新的發展機遇。從機器學習到深度學習，推動人工智慧實現快速發展的主要動力基於兩大因素：其一，快速提升的智慧晶片並行運算能力。其二，讓機器具備自主學習能力的演算法模型正在逐步取得突破。

2人工智慧：支撐智慧製造轉型

推進智慧製造轉型的根本原因在於：機器功能表現不遂人願，人很難掌控機器的全部狀態情況。機器不容易改變和提升功能，任何的功能更改都需要重新開發某些甚至全部零部件；機器執行狀態不為人知，且不說遠端監控，就是人站在機器前面，也未必知道哪個零部件正常與否，還有多長時間需要更換；機器不靈活，例如無法像人手一樣靈巧地裝配零件；機器不認人，無法判斷誰是合法的操作者並給以相應的配合；機器不會自主發聲，告訴所有者或其他人，“我已空閒，請給我安排工作”等等。在機器不智慧的時代，只能靠人的智慧來彌補。但是，人的體力有限易疲勞，人的智力和技能有差異，人的心理狀態不可控，更重要的是，很多問題限於人的辨別力是無法解決的，例如機器中的一個關鍵零部件現在複合受力是多大？環境的振動是否會引發加工質量問題？車間中的粉塵狀態何時會爆炸？等等。

因此，人們一直期望在製造活動中能夠有某種人體以外的“智慧”要素的參與，無論是類似人還是其它生物的智慧要素，加入到機器、生產環境或者生產的流程之中，使得整個製造活動可以滿足這樣的需求：所有的狀態資訊都能實時獲取和快速響應，所有的決策都恰當且及時，所有的產品特徵變化（個性化需求）都能充分滿足，所有的產品都是高質量高附加值的，所有的製造過程都是高效安全的，所有的裝置維護都是主動、預測式的，所有的企業運營都是高利潤、低成本、綠色環保的等等。作為製造業智慧製造轉型的關鍵使能技術，人工智慧的發展在為智慧製造賦能的同時，也為機器從“勞動工具”向“勞動夥伴”的角色演進提供新路徑。

當前，製造企業從原材料採購、生產製造，到產品銷售與流通，所有經營生產過程正越來越趨於資料化和智慧化。資料的不斷累積以及資料演算法和模型的不斷髮展成熟，為人工智慧融入到製造業提供了機會，進而促進企業從傳統生產向智慧生產轉型。企業可以通過遍佈車間的感測器和智慧晶片，實現對生產過程中的全鏈路資料的處理和分析，進而提升生產效率、庫存週轉率、裝置利用率等關鍵指標。在銷售層面，通過對海量的交易資料進行挖掘、計算和分析，人工智慧可以為企業制定自動化和智慧化的生產計劃；在生產層面，通過對產品資料、生產裝置資料的採集和分析，人工智慧實現對生產裝置和產品質量的智慧化診斷，提高產品良品率；在流通層面，通過產品上部署的感測器及時採集產品狀態資料，為企業的生產過程提供決策支撐，同時也可以提供預測性的維修維護服務。

3機器學習：人工智慧背後的實現

人工智慧大師西蒙曾說過：“學習就是系統在不斷重複的工作中對本身能力的增強或者改進，使得系統在下一次執行同樣任務或類似任務時，會比現在做得更好或效率更高。”機器學習是人工智慧應用的核心，是使計算機具有智慧的根本途徑，其應用遍及人工智慧的各個領域。現有的計算機系統和人工智慧系統至多也只有非常有限的學習能力，因而不能滿足科技和生產提出的新要求。對機器學習的討論和研究，必將促使人工智慧和整個科學技術的進一步發展。

隨著《新一代人工智慧發展規劃》的釋出，推進人工智慧產業佈局將會成為下一步持續深化智慧製造應用，實現智慧化工業轉型的一個重要切入點。人工智慧必將融入到製造業併為機器賦能，讓機器變得可感、可知、可操作，具備自主的學習能力，以替代人完成複雜的智慧生產和管理任務。正如前面所談到的，人工智慧作為推進智慧製造轉型的關鍵使能技術，在為智慧製造賦能的同時，也為機器從“勞動工具”向“勞動夥伴”的角色演進提供新路徑。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

---

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

---

---

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com

---

---