【人工智慧】人工智慧是中國2025的歧路；人工智慧只是智慧製造舞臺上的“小配角”

人工智慧是中國2025的歧路

在520“我愛你”這飽蘸甜蜜輕喜劇、滿街充彌了棉花糖氣味的一天，那些嚴肅的人似乎也變得不著正調了：一家國內知名的軟體總裁也高調提出，“每一個公司未來都是人工智慧AI公司”。AI@愛 這一奇異的組合，充滿了鬧意的色彩。

這不過是當下瘋狂AI的一個小小注腳，然而適當“中國製造2025”成為上下合力共進之盛舉，理念深入人心。AI@愛也難免撲將過來，殺向中國製造2025本來就諸多七上八下之心事。

這其中，智慧製造之路，和智慧製造由誰引領，成為大咖們最願意號脈發聲的陣地。

製造就是製造，不要總是被引領

去年早些時候，“網際網路+”曾經被視為“智慧製造”的靈丹妙藥。經過一段時間的爭吵、實踐和沉澱，“製造業+網際網路”的融合，才勉強修成正果。這看上去不過是一個詞的順序顛倒，背後卻是不同角色的利益集團，在進行話語權的角鬥。

而在今年，隨著“人工智慧”出現在政府報告中，“AI2.0+製造”眼看著又要出現在江湖。這對於中國製造2025，恐怕又是一次身不由己的晃動。

“智慧製造”自身已經完全被輿論所異化。定語“智慧”二字，奇怪地成為最大的主角和樂趣，而“製造”本身則淪為配角。

在這種情況，引入“AI2.0”只會助長本來已經熱氣騰騰的“智慧”。

要不要就叫做“人工智慧製造”？讓“製造”乾脆直接淪為“第三角色”。

AI2.0，真的能引領智慧製造嗎？

即使是IBM的沃森，現在也面臨著大量的問題。沃森跟西門子合作，在工業領域也不過是配角。只玩演算法的，是不會弄明白工業的。大家總喜歡用谷歌的AlphaGo舉例子說明AI跑得有多快，可這跟製造業，能有多大的關係。我們幾乎也沒有任何案例說明AlphaGo在工業領域有多大的進展。說白了，那不過是一場秀而已。

對製造而言，機器人、大資料都是大家吹過且正在漂浮的泡泡；人工智慧則正在全新升騰。這些泡泡，如果來自市場和投資商一起吹動的，政府樂見其成；然而，如果政府花費太多心思放在這一類技術上面，那麼智慧製造勢必誤入歧途，這種“智慧”過熱的製造，將是製造業的悲劇。

為什麼製造業需要被ICT引領呢？製造就是製造，就是它本身。不需要用各種先鋒旗幟來混淆視聽。

機器人+製造，也差點成為我們智慧製造的主流，“機器換人”這一口號前兩年還曾大行其道，但現在迅速過氣成為沒人願意提及的晦氣詞。機器人不是不能引領製造，但要看國情。日本2015年1月出臺《機器人國家戰略》之後，矢志不移地將機器人在跟物聯網、跟日本製造緊密地結合。那是有原因的，日本已經是世界排名數一數二的機器人強國，借用自己的優勢是順水推舟的事情，而中國機器人現在關鍵三大部件，都未能取得突破；在開源機器人系統、軟體又有落後的情況下，奢談機器人與製造的關係，最終勢必淪為“中國是機器人最大的市場”這種我們屢見不鮮的結局。

在上週浙江餘姚舉辦的中國機器人峰會，凱文·凱利這個在中國瘋狂收割出場費的美國預言家，倒是從側面給了我們一個提醒。他認為，在現有的基礎上，人工智慧技術第一個影響到的領域應該是金融領域，而且這種影響已經開始；另一個就是零售行業。

也許凱文凱利並不懂製造業，但他應該在美國也沒有看到這種跡象。

彎下身子搞“製造”，而不是翹起腳尖搞“智慧”，是當下工業界需要正面應對的問題。不要再幹“語不驚人誓不休”的大事啦，而是要下沉搞出一些“寒窗十年無人知”的突破。

調門過熱的智慧製造

智慧製造是過熱的，正在演變成一場無心而起的非市場化的逐利行為。這方面原因，綜合了多種指向不同的志向，既有新奇元素的加入，容易理解，容易“說出水平”，也有急功近利的示範工程、領導視察的需要。

重要的是，智慧製造已經儼然成為“中國製造2025”的主輿論、主焦點，萬般寵愛——無論是資金投入、各級政府言行還是政策研究機構，這會對發展2025，將會非常不利。

智慧製造的調門起的太高，是不太適合中國工業極其不均衡的國情。中國工業是一個超級熔爐，這裡面生米、熟米各種夾生飯十分不同，千層餅萬層酥的現象比比皆是。而共性的問題，則是工業思想淡漠、四基工程薄弱、製造工藝跟不上等問題。

這些問題，都不是“智慧”的事情。但卻是中國工業真正可以“強國”的根基。

筆者前些日子去瀋陽鳳城考察增壓器產業叢集。這個鳳凰山腳下的增壓器產業區，呈現出生龍活虎的市場活力。許多企業搞技改、搞工藝改進、搞橫向聯合，有聲有色，好一片民營企業的勃生之相。有一兩家可以隱隱地看到德國“隱形冠軍”那種作派的影子。

然而就“智慧製造”而言，這裡幾乎“紋絲不動”。以生產方式為例，目前基本解決了裝置數控化的問題，但自動化正處在呼之慾來的階段。而資訊化幾無培育，資料分析更是不見蹤跡。而至於工業思想、戰略意識，則基本處於民營企業原生態自發生長的階段。差距相當不小。

精益只有一點若有若無的影子，一些零星的5S看板掛在每個車間的裡面。

如果智慧製造之風，不能更好地扶持如此有活力的“增壓器之都”——鳳城，那麼只能說，我們的“智慧製造”調門起的太高。這裡有數百家企業，每家企業都有多多少少幾十號員工——他們是東北不景氣的工業局勢下的一面閃亮的旗幟。“春風不度鳳凰山”，那就是春風不識百姓門，“智慧製造”之風不該只盤旋在少數企業的上空。

在美國面向未來的先進製造夥伴計劃中，國家制造創新網路是重要的一環。然而，從其分佈來看，14個創新中心絕大部分都跟材料、工藝、電子相關，跟數字化製造、跟智慧製造都只是各有一個。而且即使“智慧製造平臺”強調的也是能源效率和公共平臺問題。

就是這樣，“人工智慧”都沒排上隊呢。

想想也是，如果谷歌、FaceBook都可以搞人工智慧，山姆大叔何必親自上呢？

少談一點智慧，多談一點製造，對中國製造2025尤其重要。中國製造2025是強國階段的第一步，僅僅是第一步。對於“智慧”而言，放到2035作為重點，恐怕都未必太晚。

中國當下，似乎把製造業轉型重點放在了智慧製造上。然而，中國絕大部分企業連數字化製造都沒有摸門，如果奢談智慧製造，中國製造將很容易進入了一個“迷霧陣”。“智慧製造是2025的主戰場”，這一選擇，難免過於樂觀。而這會誤導中國製造2025的大好氣候。

智慧製造沒有版本論

越來越多的實踐和輿論表明，工業4.0可以看成是德國製造最強有力的一次國家營銷之筆。筆者在三年前，就對此深懷警惕之意。至少現在，大多人已經開始將“工業4.0”跟“第四次工業革命”區分開來。

如果從工業歷史發展階段，來嚴格地地考察工業4.0到底是什麼？那麼很難給出一個令人信服的結論。它看上去，更像是一個版本概念，不過是一個武斷的“工業斷代史”思路，是歷史階段論的說法。如果這樣理解，那麼就難免會有補課論之說。

因此，“工業2.0補課、工業3.0普及、工業4.0示範”就會出現。這種說法，正是對“工業4.0斷代史”思維的一種本能式的應激反應。

然而，很顯然，工業4.0不是技術問題。在這種情況下，工業2.0到底要如何補課呢？它在向誰看齊？一個輕量級拳手，補完課升完級之後，會不會在更重量級的臺池，被恭候多時的老拳手直接放到呢？對於工業2.0的企業，所謂的補課，並不是技術上立刻就要3.0看齊，而完全可以是同時套用3.0和4.0的思維，按照最適合企業發展的方式，綜合運用。實際上，即使在豐田，並不追求自動化的極致，而是要把人放在生產內環之中，依然有人工的部分。從這個意義而言，“補課論”是一種序列前進的蠕動機制，它豐富了階段論的發展，卻不符合企業以多種態勢自我優化的基本事實。

我們需要認真思考的問題是：德國、日本早期工業發展之路，是不是真的可以被跨過去？

那些以精益為代表的現代工廠的核心旗幟，現在是不是需要舉國上下重新扛起？那些呼嘯而來的“網際網路+”“AI2.0+”，是不是真的可以扛起拯救製造業的重任？

工業4.0終究是一個標尺思維，本來是表達巨集觀工業技術趨勢的一種描述。它只是一個工業整體發展的巨集觀定性的標杆，而絕非可以成為精確定量的工具。然而，這個標尺卻被無限度地放大和刻度細分。有些公司在給出德國安貝格工廠3.7的分數之後，也給了華為和濰柴的分數，當然了，是在2.0~3.0之間的小數點。我們真的需要一個小數點來標定我們的先程式度嗎？

細分一個企業到底是2.5，還是3.2，實在是一場不太嚴肅的立論——如果不是一場鬧劇的話。小數點後面的是非零數字，已經離戰場一線走得太遠了。如果我們的工業領導的思維也被標尺化，那工業4.0無疑是對中國工業文化的一次戕伐。

同樣智慧製造，也當是沒有版本論可談。數字化製造我們都沒有搞清楚，連美國也是潛心研究之中，何必迷戀“智慧”二字。既然未來不明，對於當下又並無實際指導之功，那麼智慧製造在當下也就很難有版本之言。

警惕製造業BAT化

如果人工智慧在製造業中過熱，勢必會對“製造業BAT化”推波助瀾。這將意味著BAT在製造業將掠走大批人才，嚴重干擾正在進行的中國製造的底層基礎。BAT就是中國製造戰場的禿鷲，製造業的最為寶貴的人才，將是他們輕鬆撲殺的獵物。

演算法是一個繞行動物，它必然只會從最容易解決的地方入手。正如炙手可熱的大資料分析、雲端計算，在社會大資料領域（例如阿里的螞蟻金服等，對人的行為和信用的判斷）是很容易解決的：資料量巨大，但規律明顯。而對於工業領域與的資料，由於面臨著機械學、光學、熱學、電磁、材料、流體等多種複雜學科的相互影響，工業大資料的分析，則要困難的多。

當然，解決工業領域相對容易的問題，也需要製造人才的介入。但中國的製造工藝、材料等門檻，都是更需要解決的強國根基性問題。

用所謂的資料演算法，干擾中國製造實體工藝的進步，將是中國製造最大的悲哀。

人工智慧，不是不要搞，但可以讓民間自己去搞。市場都是逐利行為，人工智慧、大資料、各種新模式，企業會考慮投資產出比，有動靜風投自然就會跟上。政府何必來湊熱鬧。

後記

就讓“智慧製造”迴歸“製造”這一本位吧。讓來勢洶洶的人工智慧，讓光芒閃耀的大資料，都去製造業市場中自然競爭吧，政府就不必推風助浪、錦上添花了。國家制造戰略，不需要做耀眼的工程，迴歸製造本身的又髒又苦又累、躲在深巷無人知的研製，應該才是國家資助、專家聚焦、大眾輿情的最佳去處。

人工智慧只是智慧製造舞臺上的“小配角”#智慧製造錯題本#

作者：物女王（彭昭）

物聯網智庫 原創

轉載請註明來源和出處

------   【導讀】   ------

本文與你分享了我的#智慧製造錯題本#中的五大錯題。錯題1.智慧製造是人工智慧在製造業的應用；錯題2.製造業的絕大多數場景可以用人工智慧解決;錯題3.製造業應該追求使用最先進的技術；錯題4.製造業的創新要想前人想不到的東西;錯題5.工業物聯網應該首先讓生產底層資料被工廠管理層看到。

|物女心經專欄|寫的第059篇文章。

從學校走向社會，很多人會將所學的“知識”一股腦全然拋去，不信你問問自己，工作之後你還繼續記筆記，整理自己或者別人出現的“錯題”嗎？我一直堅持著這個習慣，目的當然不是隻為了記錄，而是為了繞開可能的陷阱，降低試錯成本。

這裡與你分享的就是我在“智慧製造”領域的“錯題本”，每次查閱都能通過別人的提醒持續為自己的思維糾偏，裡面的觀點來自於我收藏的精品文章，以及我與多位好友的深度交流。

我的這些好友，共性非常明顯，他們泡過一線、編過程式、調過裝置，直面過各種工業現場的疑難雜症，是堅守陣地超過10年的工業現場工作狂，他們比大多數智慧製造的專家更加懂得工業實際，可貴（qi）的是他們同時還具備國際視野，總能第一時間關注和掌握各種最新技術。

錯題一：智慧製造是人工智慧在製造業的應用

此話出自中國工程院院士之口，他還說，人工智慧對於製造工業的影響甚至上升至國家戰略層面，中國製造2025的提出，深刻說明了人工智慧在助推製造業發展方面能夠起到的作用和將要達到的高度。

以下觀點源自林雪萍，如果將人工智慧在製造業的地位提升到如此高度，恐怕是中國製造2025最大的歧途。與之相應的還誕生了一個新詞，“人工智慧製造”，智慧正在日益成為人們討論的焦點，最具有含金量的“製造”明明是“主角”，卻被放在了最後。

現實情況是，中國絕大部分企業還沒有認可數字化製造的價值，如果奢談智慧製造，將“智慧”作為中國製造2025的核心目標，難免有過於樂觀和操之過急之嫌。

中國製造需要崛起，的確要依靠人工智慧等技術手段，但是推動事物重大變革的關鍵，從來都源於自身。外力可借，還需要自身強大，對於從事工業領域的所有人，更應該的是關注製造本身，迴歸本我去思考，而不是跟著趨勢，一味追著人工智慧的風口跑，甚至被人工智慧某些邊緣泡沫帶跑偏。

錯題二：製造業的絕大多數場景可以用人工智慧解決

有專家在會議中談到：人工智慧以知識庫、知識工程為核心，通過感知、互動、實時，最後達到自學習、自決策。因此，在和中國製造結合時，人工智慧可以解決製造業的加工、裝配以及服務等問題。

現實情況是否如此呢？有必要圍繞製造業本質這個命題。郭朝暉曾經舉過一個很直白的例子來說明製造業的本質。他以炒股為例，說明了兩種模式，一種是巴菲特模式，閱讀大量的企業和行業資訊，通過複雜推理進行投資決策，也就是“模糊資訊+複雜推理”的模式；另一種是陳水扁的夫人吳淑珍模式，掌握來自上市公司董事長的內部確定訊息，通過簡單推理進行投資決策，也就是“準確資訊+簡單推理”模式。那麼哪種模式更接近製造業的本質呢？真相只有一個——第二種。

而大資料和人工智慧產生的核心背景是由於多維度和多變數導致的很大不確定性，簡單的因果關係不能表達事物的內在邏輯，只能通過“模糊資訊+複雜推理”的模式，從足夠多的大量資料中提取相關性，這也就是資料密集型科學產生的基礎。

製造業與人工智慧的推理模式從本質上來講有很大差異，製造業中的資料儘管“大量”，但很難稱得上是“大資料”。由於製造業現場面臨著機械、光學、熱學、電磁、材料、流體等多種複雜學科的相互影響，工業資料的分析要困難的多。在智慧城市和智慧生活等領域廣泛採用的大資料和人工智慧，進行人臉識別和語音對話，很難照搬到工業領域。

因此人工智慧在工業領域只能是“小配角”的定位，強行誇大“藥效”，勢必陷入喧賓奪主之誤。

錯題三：製造業應該追求使用最先進的技術

很多公司正在嘗試將虛擬現實、擴增實境、深度學習等最新技術應用於製造業現場，前一陣子的“機器換人”大潮也開展得如火如荼。

用麥總的話說，熱門的技術名詞越來越多，經常讓我們顛倒了剛需和技術的因果關係主次地位，忘記自己到底想要什麼了。這些高大上的技術是否馬上就能夠為我們所用，並創造價值呢？是否就能夠幫助企業解決各種在生產、運營過程中所面臨的現實問題呢？

先進的技術往往不實用，實用的技術可能不先進。所有的技術問題都需要同時考慮經濟性和適用性問題。因為製造業必須考慮經濟性，不能階躍，只能進化，否則無法進行有效的成本控制。

以前我曾經提到過一個例子，一家工廠中由於電機的磁鐵心很重，搬運工人都是90後不堪重負，儘管提高工資也是留不住人，買KUKA機器人又買不起，結果當班主任自己設計了一個助力搬運機械手，雖然沒有多麼高大上，自動化程度也不高，但卻在減輕人力的同時提升了搬運效率。

目前製造業暴露的主要矛盾是過去幾十年製造業的“簡單粗暴式”發展，很多技術照搬國外，使得在基礎技術層面並不紮實，大量空白有待彌補。同時勞動力問題激發了工廠改造的動力，勞動力短缺的時候，不僅找不到人、工資高，還會出現員工流動性強、敬業度低、管理難度大等問題。如果技術應用得當，不僅可以減少用工，還可以降低勞動強度、改變勞動環境。

但是解決這些矛盾和問題，為什麼一定要用工業物聯網或者人工智慧？好像不扯點IoT和AI就不好意思談製造業轉型似的。這些最新技術到底治的是什麼病？是不是還有成本更低更加實用的“良藥”？在這點上，中小製造企業中的工段長、車間主任、生產經理這些位於最前線的工程師們最有發言權。

錯題四：製造業的創新要想前人想不到的東西

真的存在前人沒有想到的東西嗎？製造業是一個歷史悠久的領域，作為“後人”的我們，要用充滿敬意的眼光來看待。郭朝暉有句話說得很實在，他說如今任何一個研究，前人一定是研究過的，而且前人的先程式度往往遠出乎你的預料。

德國上個世紀早期就有由數字控制的印花機，裝置的故障診斷也已經被研究了好幾十年，通用型工業閘道器從始至終都有很多公司在做…

因此當你誕生一個新想法時，一定要查查“史料”，有沒有前人曾經想到過這個問題？如果他想到了，他當時為什麼沒有解決？而現在我擁有的條件發生了什麼變化，使得這個想法有了重見天日的新機？

很多最新技術其實是解鎖了前人沒法運用的“笨辦法”，而並不是什麼“新手段”。比如以前的故障診斷，一些致命的故障發生的情況非常罕見，也許幾百臺機器才有可能重複發生同一種故障，好不容易分析出一種故障模式，到了機器報廢也沒有再次發生，故障模式提煉出來也派不上用場。因此為了進行故障診斷，對於機器執行狀態的持續監控投入太大，經濟上並不值得。

GE在工業物聯網平臺上提出的“新方法”其實是同時監控成千上萬臺裝置的運算元據，由於IT成本的下降讓採集和儲存大量歷史資料進行分析的“笨辦法”在經濟上變得可行，這樣當一臺裝置出現故障時，成千上萬臺裝置中有很大概率復現過類似情況，別人處理相同故障的經驗可以被複用，及時解決故障問題，因此創造了新的價值。

錯題五：工業物聯網應該首先讓生產底層資料被工廠管理層看到

很多公司在推廣工業物聯網應用時，首要的賣點是通過加裝資料採集模組和工業閘道器，實現資料上傳，讓工廠經理使用智慧手機就能看到生產的實時情況。

現實情況是，底層資料並不是用來“看”的，而是拿來“用”的。工業物聯網首先需要解決的問題，應該是消費端快速變化和急劇爆發的個性化定製需求，和製造端的機械裝置因為受到巨大慣性週期的限制，無法快速響應和迭代之間的靈活性落差問題。

宋華振說，個性化製造的批量太小，產品質量無法迭代，開機浪費無法避免，如何讓小批量生產的產品成本可控甚至更低？這件事情的難度超高，如果不懂精益生產的三個核心話題：質量、成本和交付，是沒法搞懂智慧製造的，也沒法搞懂工業物聯網的價值。

從產品設計開始，直到產品製造、包裝和出庫，從頭到尾都不能出錯，沒有試生產的機會，產品質量迭代週期很小，一次性就要生產好，最極端的情況，可能一個產品只有一件，沒有第二次機會生產第二個產品，那麼質量迭代怎麼完成？

高速生產的情況下，各種裝置之間無縫銜接，通過機械手、傳送帶、AGV完成零件的傳輸，如果某臺注塑機突然停機，那整個生產線的節拍怎麼調整？一臺裝置工作失效或者生產的產品有問題，不良品如何避開？萬一某個零部件沒有到位，生產節拍怎麼調整變化？

一臺生產線好幾億投資，每延誤1秒鐘都意味著很大的經濟損失，以上這些排產問題在個性化製造中會變得非常複雜，不再是基於單機生產的思路解決這些問題，而是要基於整體性的互聯工廠做全域性思考，工業物聯網在這個層面落地才能發揮最大價值。

以上，與你分享了我的一些整理筆記，暫且把它叫做#智慧製造錯題本#。千人千面，相信你也曾發現並困惑於專家們看到的現實和現場工程師們看到的現實有很大差異，甚至會互相矛盾。其實，矛盾的不是現實，而是我們看待問題的角度，以及這個角度所呈現的現實情況的對映，或叫“幻境”。人和人的差距主要在脖子以上，有時候換個角度看看你就會豁然開朗，誰看到的“幻境”最接近現實，誰就掌握先機。

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