【智慧製造】智慧製造的核心——智慧決策

李培根院士在《三體智慧革命》的薦言寫了一句話“當我們周圍越來越多的物體富有智慧時，千萬別讓人類的智慧被那些智慧所淹沒” 。我揣摩這句話的含義是提示我們，AI洪流正在改變這個世界，但是和人類智慧相比只是“大海中的一粒米”。 李院士最近的一次會議上又提出：關注車間現場，智慧製造離我們並不遙遠。那麼，生產現場就是管理問題，是科學的指揮決策。於是，便寫下一些體會。

製造業研究的“智慧”和學術界研究的“人工智慧”是同向不同軌的“兩輛車”。本文主要涉及製造領域的智慧。

人在智慧製造中的位置

當我們在系統科學的視角下觀察人在一個運營系統中的作用時，人的角色只有兩個，或是決策者，或是執行者。人在不同的時間空間，他可能是不同的角色。在廠長室他是決策者，談具體商務合同他是執行者。                             
      我們在一個工業運營系統的簡圖裡標出了人在系統中的位置。既然人在這個工業系統中存在兩個領域的角色，那麼工業領域的“智慧”必定包含了決策智慧和執行智慧。這是兩個層面的事情。智慧決策和智慧執行是實現智慧製造的不可或缺不可分離的兩個重要方面。我們不能將決策和執行割裂去獨立研究決策層或研究執行層，也不能將決策和執行混同在一起。在當前我國實施智慧製造戰略中，尤其不能缺少、弱化在智慧在決策領域中的研究，

我們需要先對於工業系統的決策、決策層、執行、執行層以及加入“智慧”做一個定義，才能繼續下面的討論。

決策就是在無限需求（目標、任務）和有限資源實施的配置。

工業系統是一個層層巢狀分割的系統。一個工業企業系統可以分為資源和任務（目標）這兩個子系統。

資源系統包含企業自身的層次結構的決策管理團隊以及研發、生產、銷售、行政、財務等子系統；包含企業的軟體和硬裝置、物料資源、資金、能源；也包括供應商、客戶等外部資源；除此之外還必須包括我們看不見的資訊資源和時間資源。

企業的任務（目標）系統有長期、中期、短期目標，或者叫做規劃、計劃、排程目標。目標也一定是分層巢狀的。但不管怎麼劃分，終端的目標一定要落實到具體的可以執行的實體/或服務上。我們必須注意到，企業的目標常常是多目標、多約束、動態變化的。比如最好的服務和最低的成本，比如不能加班且完成任務，比如這個月即使影響產能也要確保幾個訂單的交期，下個月再挖掘產能。

回到我們的定義。一個工業系統的運營決策執行系統是，高層次的決策就是依據企業到高層次目標配置高層次的資源；次一層的決策是依據相應的子目標配置子資源；以此類推。當確定的目標和確定的資源成為確定的配置關係並無法再分割的時候，系統則進入了執行層。在此之上，都屬於決策層。

在人類發明石器工具的時候開始，人的智慧就開始在工具上固化。工業文明史就是人類在工業工具、工業產品和生產模式上不斷通過軟、硬兩種方式固化人類智慧的歷史。所以，關於“工業智慧”的定義並不重要。在工業企業作業的一線也就是決策層，如果我們用匯集人工智慧的工業設計工具、生產工具和裝置、市場分析和營銷網路和技術，輔助我們或者代理工人完成決策目標的物化，這就是執行智慧。工業系統的決策智慧是指對決策目標和有限資源的優化配置能力。這是一種基於系統科學、管理科學和資訊科技綜合整合的能力。智慧決策屬於21世紀的科學。

執行層的智慧屬於產能範疇

在工業企業的執行層，也就是我們通常所說的設計、生產銷售的第一線，已經開始擁有越來越多的智慧資源了。高階的設計軟體，最好的CAX系統，3D列印，完美的虛擬現實VR，可以讓設計越來越智慧，越來越高效。車間的機器越來越聰明，裝置越來越智慧，各種機器人與生產線的完美自動化融合。市場銷售管理有越來越強大的網路資料和管理系統的支撐。但是，這一切都是企業的固定資產（軟資產、硬資產），都屬於產能的範疇。或者說這是先進的產能。這些都與企業能否獲得競爭力、能否獲得理想的回報、能否讓企業長久不衰持續發展沒有直接的因果關係。不管這些生產資源“智慧”到何等程度，也不管是否情願承認這一點，這是產能的定義，無須證明。裝置非常先進的企業倒閉；硬體資源非常一般的企業正常發展。這樣的案例我們已經看到太多了。換句話說，前面所說的這些先進產能都是可以花錢買來的。而能夠花錢買來的不一定是核心競爭力。

有正確決策支撐，這些先進產能的潛力得到發揮，企業將獲得巨大發展空間；不明智的決策下，這些東西將成為企業的負擔，成為高額的成本，未來淘汰的首先就是你。“小米加步槍可以打敗美式飛機大炮”這樣一個淺顯的道理，至今很多企業沒有真正明白。

執行智慧

執行層也有決策問題。工人得到指令開一個模具。過去工人根據工藝需求和經驗在數控機床加工，先做什麼後做什麼，用什麼刀具，設定轉速等等。這就是人的智慧決策。當我們把產品交給“智慧”的機床後，把數字化產品定義和人的知識和經驗輸入給機床，機床的智慧軟體將按照指令自動加工，甚至這個軟體還可以優化加工路徑以達到省時省力的目的。在執行層所有的決策都是在明確的目標和確定的資源下做出的。在執行層區域性範圍，系統邊界清楚，系統環境簡單，開放性有限，屬於簡單系統的確定性問題。也正因此，一個高度“智慧”的裝置資源，它的執行決策才可能“自主決策”並“精準執行”。

一個家電裝配生產無人車間（不該稱之為“無人工廠”）就是一條由機器人、AGV等組成的全自動化生產線，可視同為自動化程度很高的一臺裝置。它按照嚴格的流程和明確的規則去執行既定的明確的生產指令。“個性化定製”實際是按指令裝配，就是機械手在已經備好的線邊庫存抓取不同零部件組裝成不同規格的產品。這類無人車間的設計理論已經成熟，但在工程細節的設計和實施方面需要彙集很多人的經驗和智慧，需要各種技術成果和資訊整合，也不是容易的事情。但是，無人車間不是理論問題，而是實踐問題，它的智慧屬於“弱人工智慧”。與其參觀無人車間感到“震撼”，不如研究他們是如何產生巨大的現金流來“供養”這條生產線的。

實際上，無人駕駛汽車以及“阿爾法狗”也應該歸納到這一類，屬於簡單系統的確定性問題，按既定規則“自主決策”並“精準執行”。無人駕駛汽車不可能為路中間的一個障礙猶豫不決，也不會在省時和省錢之間去自主決策。

AlphaGo下圍棋本質是一個執行程式。每個執行指令都是李世石下達的。執行目標清楚，執行的規則嚴密。AlphaGo利用“價值網路”去計算局面，用“策略網路”去投子。關鍵是這個問題一定有最優解。在系統科學中這劃為確定性的簡單系統。只不過AlphaGo學習能力和計算能力非常強。AlphaGo會計算棋局，但是它不會算計對手。指派李世石下棋這個行為和工廠裡把一個工單派給工人的性質沒有區別。

我們如果從一個系統運營的層面觀察AlphaGo下棋就複雜得多。谷歌旗下DeepMind公司開發這個程式絕不是為了好玩，而是有巨大商業價值。我們不能不佩服DeepMind公司對這件事情的整體策劃、計劃、實施決策行為，讓一場遊戲在全世界產生如此巨大影響。這就是本文想強調在決策層面提升“智慧”的意義。事實上，DeepMind目的達到了，AlphaGo也就沒有用被拋棄（開源）了。

迄今為止，我們看到的和談到的“智慧製造”，絕大多數都是產能的智慧化。家電無人車間也僅僅是往前邁了一小步。如果用價值鏈去分析這類企業，你會發現他們產品的價值附加主要發生在產品的技術創新和市場創新。客戶不會因為無人車間裝配的產品比手工裝配的多支付一百元。而你在網上定製化選購時，只要多一個選項就要多支付幾百元。智慧製造的目標是讓企業獲得更高的利潤，獲得更強的競爭力。我們應該從現象看到本質。

當前一場以“智慧”為關鍵詞的技術革命在蓬勃發展，勢不可擋，前景不可估量。在執行層領域的智慧設計、智慧生產、智慧市場的技術進步是顯而易見的。這些新技術極大地提升了企業的生產力。與此同時，我們需要認識到，在執行層的“智慧”都是附加在生產資源上的，無論怎樣智慧都不能改變它是生產資源的屬性。也許一些人會提出，這些智慧生產資源確實會提高產品生產的效率和質量，降低產品的成本。站在企業系統層面，執行層區域性的“效率、質量、成本”是中性的，企業整體的效益和持續發展才是追求的根本目標。

（待續）

智慧決策的要義

大到一個國家，小到一個企業，生死興衰本是常態，探其究竟，皆因決策。而決策的執行就是管理。在研究智慧決策和管理的時候，我們不得不先忽略企業的體制、機制、文化等要素（儘管這些是系統可能發生“湧現”的主因），而專注從技術手段如何提升和改善企業的決策和管理質量。

決策是管理的核心，科學決策是現代企業管理的核心。企業決策關係到企業運營的生死、興衰、盈虧。智慧決策就是利用電腦幫助或替代人腦對未來做出最優判斷。智慧決策是當下新技術革命中必須研究發展的重要領域。

智慧決策的層次

從上面圖示看到，決策是分層次的。決策的層次也是我們研究智慧決策的基礎概念。每個決策層次就是一個相對獨立的系統，有自己的系統結構，也有與系統本身進行物資、能源、資訊交換的系統環境。決策系統從低層次到高層次層層分割巢狀，形成一個完整的工廠系統。

以製造工廠為例，我們可以把四個層次的決策系統功能、特徵等列出一張表格。                                                                                                     
      智慧決策是一個難以駕馭的大題目。關於這張表格的細節，將在後續的連載中專門撰文敘述。在這裡主要談概念和觀點。

1、在新一輪技術革命中湧現出來的大量新技術、新材料、新產品、新工藝、新裝置都集中體現在執行層，把這個現象稱之為是一場“智慧革命”恰如其分。“智慧革命”正在改變著世界。

2、企業整體的運營效率、質量、成本以及企業的生死興衰都是由決策層決定的，與執行層無關。企業可以採用最新技術、最好的裝置，但是能不能盈利和發展是另一回事。執行層在執行之前，所有指令都是決策層定義的，包括具體工作的時間、效率、質量、成本。

3、工業生產現場管理問題是21世紀管理科學中最困難的問題之一。生產現場管理的難題就集中在生產計劃和生產排程領域。關注車間現場，智慧製造離我們並不遙遠。

4、只要離開了執行層的第一步起，“智慧的”決策系統就開始進入不確定性範疇，開始走向複雜系統。這一步也是革命性的。

APS（高階計劃排程）軟體是工業企業在生產計劃和排程向智慧化方向發展的一個嘗試。它應該是學術界技術創新的產物，而不是企業界需求創新的產物。在企業應用的實際情況說明，APS在生產車間區域性對於解決jobshop一些簡單排程需求是有用的，特別是它與ERP、MES配合的時候。它無法全面滿足複雜的車間生產現場管理需求，也無法適應企業系統優化的需求，至少到今天還沒有看到這個前景。

決策問題的提出和解決都是困難的。首先，決策的目標是多目標。例如，設計部門要在設計質量和工期上做出選擇；生產部門在客戶滿意度和發揮產能之間做出選擇；銷售部門需要在最大毛利和客戶忠誠度之間做出選擇，等等。其次，生產運營的要素之間存在著眾多的約束關係。例如，滿足採購需求但流動資金不足；滿足訂單生產但不宜多加班；供應商的產能；工藝、工序、物料、工裝等車間的生產約束。工業生產模式繁多，為數學建模帶來困難。工業運營還離不開物流、交通、航運、海關帶來的問題。即使所有的問題都想清楚了，在數學上如何求解？如何應對“維數災”？如何在可以接受的時間內得到一個滿意的答案？這些都是巨大的挑戰。智慧決策是系統科學（運籌學）、管理科學、計算機和IT綜合應用的結果，而建模和演算法是解決方案的關鍵。

“計劃永遠趕不上變化”是智慧決策最棘手也是必須應對的問題，因為對明天來說，所有的現狀都是不確定的。所以，決策層的“智慧”與執行層的“智慧”都可以實時地“狀態感知”，也可以“實時分析”，但我們不能指望對明天的決策能夠“精準執行”。我們唯一能做的就是在實際動態變化中不斷尋優逼近決策的目標。如果我們研究的智慧製造包括了“智慧決策”，那麼在智慧特徵“狀態感知、實時分析、自主決策、精準執行、學習提升”的基礎上，應該加上“實時優化”。這是實現智慧決策的主要手段。

可能有人會產生疑問：既然工業運營管理這麼困難，為什麼有那麼多工廠都在順利執行？這是一個非常關鍵的問題。時間和金錢可以化解一切管理難題。在我們尋找智慧決策的解決方案的過程中，所有的人都是這樣做的，包括最好的企業和最爛的企業。

智慧決策的重點是實現協同

協同學是系統科學的一個概念和學科。對於工業企業工廠、車間、科室、班組等，不論大小組織都要與系統環境有物質、能量、資訊交換，協同就是如何通過自己內部同步作用，能夠與環境出現時間、空間和功能上的有序關係。例如企業準備推出一個產品，在產品和供應鏈設計端、零部件供應商、生產裝配工廠、以及市場模式的設計和市場佈局等多個子系統並行按照計劃推進，當產品出來後能夠準確地推向市場實現價值。在系統層面實現協同將是巨大的挑戰。在生產現場管理中最典型常見的現象就是需要的物料不到位，不需要的堆在倉庫。這就是協同問題。一些資訊化系統都說實現了“端到端”的系統整合，其實大多是通過網路、社交平臺可以實現空間範疇的資訊溝通和交換。包括實時的“萬物感知，萬物相連”也大致如此。協同智慧透過智慧決策將系統本身和子系統之間，在業務功能上實現空間和時間的雙重協同。智慧決策就是針對決策目標，對各空間分佈的資源實施有效優化配置；若按照階段性目標分割，就是規劃；按照細目標分割就是計劃，按照具體事件切割，就是工作指令。

實施一個火箭製造工程，通常需要三五年。在這期間工程量巨大，異常複雜。僅設計方面就需要從使用者需求到總體設計、分系統設計、供應鏈配套系統的設計、供應商的選擇、試驗驗證、需求變更等複雜流程。生產製造從設計初樣、試樣到正樣要反覆生產裝配多次。期間還有繁多的例行試驗。其中很多工作都需要設計、生產、外協、使用者的條件具備，需要多種環境、裝置儀表、資料的配合才能實施。按照傳統專案管理的模式，也就是“推”式的模式，經常發生停工呆滯來等條件具備。如果工期的“後牆不倒”管理，則會日夜加班。根據經驗，如果能夠實現系統層面的協同，縮短專案週期的潛力很大。當我們擁有一個對未來狀態的提前感知和視覺化的智慧決策系統，那麼就可以將一切隱患消除在發生之前，生產現場的報警紅燈改變為決策管理系統的“預警”。這樣，智慧決策系統就實現了“現在——未來”一實一虛的情景。如果加上人在這個系統的主導作用，恰恰是人、數、物“三體”。

（待續）

智慧決策與大資料

大資料/工業大資料是當前資訊化領域的熱點。我們看到的是打雷多，下雨少。迎接一項新技術的到來，冷靜和熱情同樣重要。在暢想美好的未來的同時，我們更需要立足實地，研究企業的資料資源從哪裡來、有什麼用以及如何利用。

資料是客觀事物的一種抽象表達。資料經過處理就附加了資訊。這樣我們只有一種資料，叫做歷史資料。數字化僅僅是近代出現的一種資料抽象形式。假設我們能“數字化一切可以數字化的事務”並可以儲存和處理，在未來的某個時刻將可能“重播”這段歷史。歷史資料承載著人類全部的知識，包括正確的和錯誤的。這些海量的資料反映這撲朔迷離的現象。大資料技術就是讓我們撥開迷霧，以史為鑑。

企業的知識主要儲存在兩個方面，一個是企業的歷史資料，不管它是結構化和非結構化的；另一個是在員工和管理者的頭腦裡。實現智慧決策，企業的歷史資料將發生兩個質的變化。一是人的管理經驗將在系統中不斷積累，實現知識自動化；另一方面，歷史資料在記錄事件的同時資料結構增加了決策維度，是誰做了什麼決策。這個變化為我們實施的資料探勘和機器學習提供了支援。它記錄了企業運營的5個W（Why、What、Where、When、Who），這是企業數字化的知識和智慧；日積月累，構成企業大資料。

對應本文決策圖示，企業歷史資料可以提供決策支援分為四種情況。

在執行層的決策方面，企業充分應用歷史資料積累的經驗和教訓可以對生產作業的效率、質量、成本的改善發揮很大的積極作用。

排程決策和計劃決策是中短期預測。決策對實時資料的依賴遠大於歷史資料，而且有更好的決策工具，因此通常不會採用大資料技術。

大資料的應用對企業的巨集觀戰略決策應該大有可為，但是有三個挑戰需要應對。一，涉及到戰略決策需要的資料非常龐大，領域寬廣，獲取這些資料是一個挑戰。二，獲得的大資料需要清洗和處理。三，建立適合的巨集觀決策模型還需要理論和工具的創新。現代資訊科技極大提高了資訊蒐集、儲存、處理的能力，具備了在電腦模擬複雜決策過程的能力。原則上我們能夠藉助大資料技術處理巨集觀決策問題。關鍵是我們如何運用這些資訊、資料、知識、技術、經驗去獲得這個複雜的企業運營系統整體的認識。我們還需要理解這兩句話：歷史會驚人地相似；歷史永遠不會重演。我們必須推動大資料技術的應用。但是，當今的巨集觀決策問題只能以人為主。

實際上在戰略決策層面，就根本不存在“最佳決策”，因為未來有太多的不確定性。在戰略層面的實施“智慧決策”一定是以風險控制為策略的，不要指望它做出投機性的“最佳決策”。

智慧決策與物聯網

實現萬物相連的物聯網並沒有改變工業生產運營系統屬於複雜性系統的這一屬性，但是，它的確為我們進入這個系統開啟了一扇窗。

CPS（賽博物理系統）實現車間的裝置狀態感知以及控制層的資料與企業資訊管理系統的融合，使得生產資料可以實時地儲存、傳輸、分享。這個機制讓企業智慧決策系統從底層到高層的巢狀分割架構得到生動的活躍。智慧決策就是一個控制系統，它必須實時感知系統的現狀，由此對各種變化給出積極響應。CPS恰恰支援了智慧決策系統的對現場反饋和控制的需求，控制由底層逐層反映到高層，最終實現整體的實時優化。

但是，CPS與智慧決策在機制上的還是有差別。決策是研究有限資源和無限需求之間的博弈抉擇。而當前人們談論、暢想未來的CPS的時候，更多的是強調了它的資訊無所不在、資訊感知、萬物相連，以至於CPS無所不能。至少現在有兩點忽視了或者研究很少。一個問題是CPS在資源是有限的情況下是如何運作的？舉例：兩個訂單的“智慧物料”都要爭著要求某個機床加工，答應誰呢？為什麼答應它呢？知道這樣做的後果嗎？另一個問題是CPS可以實現不同空間不同事件實時連線和實時感知，但是CPS如何做到協同？舉例：CPS感知到設計端設計一個部件，它怎麼確定物料的採購，怎麼約定生產商的產能？

還有一些問題沒有想明白。CPS實現了萬物相聯無所不知，那麼資訊熵到底是多了少了？剩餘度會不會太大了？噪聲怎麼辦？

智慧決策與自動化

用最少的資源提供最好的產品和服務的企業就是智慧工廠。作為一種生產資源，有或沒有自動化裝置/車間都不影響這個定義。這樣，我們就會發現“數字化——資訊化——自動化——智慧化”這條路徑中自動化是不該有的。自動化應該合併到智慧化之中。其一，自動化本身包含了一定程度的“智慧”；其二，在生產作業一線的智慧化必須將智慧附加在硬體上。我猜想，這條路徑是德國人提出來的。在中國製造2025出臺之前的去年初，我寫了一篇《德國工業4.0國家戰略將在中國實現》。德國人強調自動化是看準了中國在工業轉型期間存在著大量的需求，看準了自動化硬體裝置、相關軟體以及後續的服務具有巨大的持續的利潤。德國4.0戰略在中國的確見效，也許這是一條雙贏的模式。但是，這甲方乙方的位置被自己人顛倒了。甲方不需要過分謙卑。

“數字化——資訊化——自動化——智慧化”路徑具有誤導性。第一，在專家反覆連篇累牘的宣傳下，企業可能誤認為自動化是必經路徑，盲目投資實施自動化改造工程。第二，在製造業的有些行業只能在某些區域性或工序引入自動化，絕大部分還必須依靠人力資源。高階裝備製造業的自動化就是難以想象的。這條正規化路徑隔斷了他們通往智慧化的道路。“數字化——資訊化”是實現智慧化必經之路，而自動化不是。自動化本質是硬體的進步。當前，大量的以人力資源為主的工廠或車間，智慧決策是實現智慧化最重要的解決方案。我們更加需要關注那些不易不宜實施自動化的工業領域。通常，在一不小心就需要“去產能”的工業領域，都是最容易實現自動化的。

智慧決策——同一起跑線的競爭

當前，新技術、新工藝、新材料、機器人以及自動化、Internet、IoT、cloud、大資料、VR、AI等等這些領域都在快速發展，總體上在這些領域我們落後於已開發國家，並且在短期內不太容易趕超已開發國家。唯有“智慧決策”這一個領域，我們與已開發國家是基本上同處在一個跑線上。我們可以應用的資訊化運營管理系統與已開發國家並沒有差別，企業的“資訊孤島”現象已開發國家同樣存在，我們遇到的運營管理問題和已開發國家都差不多。這是一場平等的競爭，或許我們在這個領域將實現“直線超車”。    

中國改革開放三十多年是粗放式發展。與已開發國家相比，我們單位GDP的能源消耗是其數倍，水資源的消耗更是在兩位數；全員勞動生產率的差距也非常大；工業產品的附加值還遠遠沒有挖掘出來；製造業企業的平均生產週期和庫存週轉率的資料非常差。近三十多年“三駕馬車”帶動經濟高速執行，讓我們成為製造大國，同時我們做出了巨大的犧牲，付出了環境汙染和資源短缺，工業產品生產的效率、質量、成本問題嚴重，喪失了競爭力。

但辯證地看，這正是一座巨大的待挖掘的“金礦”。挖掘“金礦”的主要工具是“管理”，是智慧決策。這座礦山儲藏的是是富礦，具有很大提升潛力的效率、質量、成本、環境、資源。毫無疑問，如同前三十年我們挖掘勞動力成本資源一樣，這座“金礦”是我們的後發優勢，夠我們挖掘很多年。這也是實施“供給側改革”的方向。

儘管在管理理論以及資訊化技術及工具方面，我們與已開發國家沒有什麼差距。但是我們有一個致命的問題，就是本文前面忽略的方面：管理體制、機制、文化、習慣。對於效率、質量、成本的觀念問題，對於“軟管理（含軟體）價值的認識問題，我們與已開發國家還是有相當大的差距。這是制約我們”超車“的主要因素。管理創新和觀念進步是我們“超車”的引擎。

我們一直亦步亦趨模仿和追隨歐美的腳步，一直依靠引進西方現有的技術和產品，恪守拿來主義。長期這樣我們便喪失了製造業的靈魂——核心技術和創新精神。習近平主席說的好，“不能總是用別人的昨天來裝扮自己的明天。不能總是指望依賴他人的科技成果來提高自己的科技水平，更不能做其他國家的技術附庸，永遠跟在別人的後面亦步亦趨。我們沒有別的選擇，非走自主創新道路不可。“

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”。

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