本文節選自復旦大學管理學院與《文匯報》合作專欄“復旦—文匯管理學家圓桌談”，發表于2020年8月2日《文匯報》。

　　

　　過去5年，我國制造企業主要展開了制造過程的信息化改造，將企業的設計、生產、管理、服務等制造活動的各環節通過信息技術連接貫通，通過及時、準確和全面地獲得企業制造環節、經營過程、市場、產業和競爭等信息，更有效地組織生產和應對市場變化。這項工作目前來看完成得很好，如同我們每日需要呼吸的空氣一樣，信息技術已經融入企業日常工作，成為企業運營管理和決策的一部分。

　　

　　接下來5年，這些企業，尤其是制造業企業將向智能制造進一步升級和轉型。智能制造的概念比制造自動化更為廣泛和復雜，它需要將自動化技術、物聯網、工業機器人等 “硬”技術與大數據、云計算和人工智能等“軟”技術真正集成起來，并有機地融于之前“以人為本”的企業運營流程、管理和決策工作中。

　　

　　智能制造構想了一種由人工智能為主的智能制造系統，它在制造過程中能從信息技術連接的設計、生產、管理、服務等各環節中，自動獲得相關信息（即“自感知”），由此進行諸如分析、推理、判斷、構思和決策等智能活動（即自學習、自決策），然后通過制造自動化執行（即自執行），并能根據執行后的效果，以及市場和競爭環境改變的反饋，調整和優化后續的制造工作（即自適應）。如果能實現，這是何等壯觀。大家不妨閉眼想象一下：當人工智能具備了人類在制造過程中積累的最高智慧和經驗，并將其規模化用于所有企業，將極大減少企業人員由于知識、經驗和能力不足帶來的生產和收益波動，從而把產業內所有制造企業的生產效率整體提高到同一高度，產生更高的生產價值。而且，由于人工智能的智慧往往通過計算機算法實現，是一種“軟”的數字技術，復制使用的邊際成本低，使得一個企業的成功應用可以容易地復制擴展到不同企業。

　　

　　這一切的美好，都要依靠扎實的產業探索和實踐，正所謂“千里之行，始于足下”。盡管智能制造是多項軟硬技術的集大成者，由于人工智能在其中起到“大腦”的價值，我近期梳理了人工智能與智能制造融合可能遇到的四大挑戰，在此與大家分享，希望引起企業和社會的注意。當然，挑戰與機遇并存：挑戰應對得當，也可以轉變為成功要素，即融合的成功之路=（基礎+科技）×實踐×戰略（IMIS）。

　　

　　其一，扎實的信息化基礎（Infrastructure）。人工智能算法的應用，需要質量好、完備和大量的數據。倘若連信息化都做不好，數據都不能有效地存儲、傳遞、收集和處理，就不要再說怎么用好數據了，更不要提自感應。因此，在信息處理和業務流程改善效率后，人工智能才可能開始產生應用價值。這也是對制造企業前5年工作的大考。

　　

　　其二，新興的制造科技（ManuTech）。人工智能在“軟”技術層次，主要體現為以機器學習和深度學習為代表的算法應用。盡管互聯網、金融保險、安保等行業已經基于消費者行為、圖像、語音和文本信息進行人工智能學習，產生了大量成熟的應用，包括對人的精準識別、定位、廣告投放、營銷定價、推薦和互動等，但我們如果靜下來思考，會發現它們都是針對消費者個體進行的應用，與智能制造的主體（生產設備、流程等）完全不同。也許我們已經對互聯網科技、金融科技、保險科技這些名詞耳熟能詳（簡單來說，它們都是指將人工智能技術用于互聯網、金融和保險等領域），但我們聽到過制造科技（即用于制造的人工智能技術）么？也許我們會熟悉BAT，科大訊飛、AI四小龍（商湯、曠視、云從、依圖）和其他AI獨角獸公司，但我們知道哪些企業在深耕制造業的人工智能應用呢？也許我們能脫口而出人工智能在安防、汽車、醫療、金融、零售、互聯網、廣告營銷和智能手機上的眾多成功應用，但我們又能數出多少制造業的成功應用呢？

　　

　　當然，制造業離我們日常生活較遠，并不是所有人都需要關注關心。我這里主要想強調：智能制造的成功，與其他行業一樣，需要大量成功的、獨特的人工智能技術應用。在此我定義為ManuTech（Manufacturing Technology的縮寫，代表AI Technology For Manufacturing）的興盛。這些技術并不是照搬照套消費領域的應用，而是為制造而生。

　　

　　其三，務實的企業實施（Implementation）。制造企業真正采納人工智能技術，并不是單純依靠技術的先進性，而是需要和企業戰略、制度、流程和人相結合，將人工智能融于工作流程、并與企業管理人員的合作共事。這中間涉及不少挑戰。比如當人工智能給出的建議與人的判斷不一致時，應該如何取舍？人工智能的決策思路，可否更好地讓決策者理解？問題的答案涉及到混合智能、算法可解釋性、算法偏見等一系列前沿科研，尚有待科研工作者與企業實踐人員共同解決。而人工智能技術的復雜性導致目前制造業很少有成功的落地經驗，也加劇了企業實施的挑戰性。

　　

　　此外，人工智能的算法是一種通用技術，它與企業實踐結合的方式方法，才決定了它的具體價值。制造業涉及新產品研發、生產效率、質量控制、安全監控、智能調度、設備維護等應用場景各自不一，不同企業的人工智能落地方式也各有不同。盡管人工智能具有邊際成本較低的特性，但在探索初期的成本相對較高（包括軟件、硬件和人力等投入），更要注意有效的成本收益控制，最好采用小步快走，重點突破的實施路徑，選取關鍵節點突破，以點帶面形成效益后再逐步擴大規模，而不要一開始就全面投入。須知，ManuTech也需要時間和經驗的積累。

　　

　　其四，清晰的戰略導引（Strategy）。將人工智能融入智能制造的戰略放在最后，并非說它不重要，而恰恰它是最重要的一環。企業轉型是牽一發動全局的過程，尤其是涉及到大量投資、流程調整和勞動力結構調整，過程會非常復雜和有挑戰性。ManuTech也不例外。相應的企業戰略和技術一樣復雜，戰略設計和執行過程涉及到數據整合、組織結構設計、人力資源配置、項目順序等等諸多因素。而且，企業不僅需要增加精通人工智能和制造的人才和技術儲備，還需要讓企業上下形成共識合力。

　　

　　現狀是，好的人工智能戰略專家比好的技術專家更加稀缺，他們需要對人工智能技術和企業管理都有豐富的經驗和深邃的理解，才能全面理解技術與管理的結合，把握技術轉化為生產力、利益，甚至競爭優勢的途徑和步驟，最后從全局出發，創造性地規劃和執行企業智能制造戰略。如果企業沒有這樣的高端綜合人才，則需要有計劃地培養傳統管理者和算法科學家的相互理解和部分轉型，通過團隊的有效合作來彌補。

　　

　　總的來說，企業需要明確自身的業務需求和目標，然后據此形成人工智能項目的計劃，這樣可以避免被各種人工智能技術弄得眼花繚亂、迷失方向、過度投資。計劃里包含多個潛在的項目，企業還需要決定它們的優先順序，之后可以考慮具體實施的問題，比如供應商的選擇、是否先在小范圍實施、是否要重新設計工作流、如何確保員工采納等。