作者 |朱民 黃樂平
編者按
2018年9月30日，騰訊公司啟動戰略更新，“扎根消費互聯網，擁抱產業互聯網”。馬化騰先生指出，“此次主動革新是騰訊邁向下一個20年的新起點，互聯網的下半場屬於產業互聯網”。人工智能是產業互聯網的核心技術，而製造業無疑是產業互聯網最為重要的應用領域之一。清華大學國家金融研究院朱民院長撰文指出，中國是世界上最大的製造業大國，製造業與人工智能的結合是中國從製造大國走向製造強國的重要一步，是中國直面國內國際挑戰的重要超車機遇。他的這篇文章分析了中國製造業和人工智能合作、滲透、交融和整合發展，討論中國走向智能製造的必要性和必然性，前瞻中國智能製造的內涵和發展，提出“智能製造”：中國製造業和人工智能共享共贏的未來”的命題。
朱民
清華大學國家金融研究院院長
當中國發展進入新時代，中國也進入由科技和創新驅動的新一輪發展階段，而人工智能將成為中國新時代科技創新的關鍵和參與全球競爭的重要砝碼。人工智能技術在各行業已經展現出廣闊的應用前景，不僅能帶來生產效率的提升，還會催生新的產品、模式與公司，推動整個產業價值鏈的重構。發展人工智能也已經成為國家之間競爭的制高點之一。從國家發展的長遠角度來看，人工智能將對經濟、社會、國防等多個領域帶來深遠影響，成為全球競合中的重要砝碼之一，是不可錯過的重要發展機遇。人工智能的爭奪是世界未來最主要、最重要的爭奪，將決定世界的未來，也會重新撰寫和定義中華民族5000年的歷史，在這個爭奪中，中國沒有任何的空間和實踐可以猶豫和後退。
中國是世界上最大的製造業大國，製造業與人工智能的結合是中國從製造大國走向製造強國的重要一步，是中國直面國內國際挑戰的重要超車機遇。本文提出“智能製造：中國製造業和人工智能共享共贏的未來”的命題。我們認為，製造業與人工智能的結合是解決中國人口老齡化，製造業由於裝備和軟硬體平台依賴進口所面臨的缺乏創新平台自動化自主程度較低、製造業外移、製造業仍然處於價值鏈低端， 勞動生產率較低等問題的重要手段。特別在中美貿易摩擦挑戰下，製造業亟待人工智能賦能。人工智能等新技術為製造業的發展打開新天地，製造業為人工智能提供巨大的數據養料和落地舞台。沿著數字化、網絡化、智能化的智能製造發展路徑，一個包括設備企業、軟體與服務企業、通信和解決方案提供商、製造業工廠在內的全新產業即將出現。未來智能化的製造業將是中國經濟和技術發展的重中之中。
一、中國製造業為中國人工智能發展提供最大的場景
1. 中國是世界最大的製造業大國
今天，中國是世界上最大的製造業大國。 中國之前，全球尚未有任何一個國家能在短短的40年內，實現由農業經濟向資訊經濟的躍遷。改革開放40年來，我國建立了門類齊全的現代工業體系，工業經濟的實力迅速壯大並躍升為世界第一製造大國，也是世界上唯一有完整的製造業體系、產品、和產業鏈的大國。世界銀行統計數據顯示，2017年中國製造業增加值為3.59兆美元，佔全世界的28.57%，是美國和德國製造業增加值的總和，遙遙領先於世界其它國家（圖1），並在2016世界製造業競爭力指數排名中（圖2）位居榜首。
圖1 2002-2017製造業增加值（兆美元）
數據來源：Worldbank Database，作者
圖2世界製造業競爭力指數排名（2016&2020）
數據來源：Deloitte Research:《2016全球製造業競爭力指數分析》，作者
另一方面，製造業在中國產業結構中地位至關重要。2017年美國GDP中第二產業僅佔19%，而同期中國第二產業佔據GDP的41%、製造業增加值佔GDP的29%。相較於世界其他國家，中國製造業在國民經濟中的地位和重要性都要高，也為人工智能提供了更大的發展空間。
2. 中國製造業產業結構特性適於人工智能應用
在製造業，低技術含量(第二產業、處理常規/可預測/可編程任務)的工人將首先面臨被人工智能替代。中國製造業主要由傳統產業驅動、從業者技術要求較低，因此其勞動力可以被自動化的程度整體較高，重複性、規則性、可編程性較高的工作內容將在未來主要由人工智能協同智能化工業機器人完成。基於產業結構和勞動力結構的不同，人工智能替代低技術工人對中國的影響將大於美國。MGI(麥肯錫全球研究所)估計中國51％的工作(約3.94億全職員工)可以自動化。由此，未來AI對中國經濟增長的驅動力將達1.3%左右，高於世界平均水準。
3. 製造業海量數據為人工智能發展提供豐富的“生產資料”
製造業可源源不斷產生比消費更為豐富的海量數據，為人工智能發展提供豐富的“生產資料”。根據Monica Rogati 的數據科學需求層次，數據的收集是數據分析、測試、機器學習的基礎。僅當擁有足量的數據基礎時，機器學習才能夠最大程度發揮其效用。三大產業的數據產生頻率有所不同，第一產業以一年若乾季為周期，服務業以月和日為周期，製造業可以在產線運行、檢測、運輸、倉儲等全過程源源不斷產生數據流，為AI時代的計算提供大量的、相對規則的數據資料，助力機器學習進一步的算法優化、提高預測準確度。
4. 製造業與服務業相融合、構築新的產業
今天，產業互聯網已經超越ToB、ToG範疇，未來將以獨特的C2B方式連接智能產業，幫助B端打通生產製造、消費服務的價值鏈，構築新的“服務產業、也服務於人”的新型製造業服務業。未來將不再有純粹的“製造業”或純粹的“服務業”，而是兩者深度融合，製造業將從現在的標準化、規模化增添個性化與定製化的服務屬性。伴隨工業智能化的進一步推進，最終有望實現定製化用戶個性需求。物聯網擁有“無界、無價、無序”的本質，通過建立自驅動的非線性網絡，有望實現“用戶零距離、流程零簽字、體驗零延誤”。高端智造的核心不止步於生產高端產品，而可進一步延伸至為用戶提供高端服務，滿足用戶的個性化需求。依托智能化與高效率的定製美好生活平台，或成為全球產業的下一個風口。
二、人工智能賦能中國製造業克服挑戰
儘管中國是世界第一製造業大國和“世界工廠”，但中國製造業仍然處於國際分工中價值鏈相對低端的位置，面臨著生產率增速下降、技術學習難度加大，人口紅利消失，製造業外移和國際環境的外部衝擊的根本性挑戰。隨著我國經濟發展逐漸步入工業化後期，需求拉動對製造業資源配置和效率提升的效應正不斷弱化；從技術層面看，我國傳統產業中的高端生產裝備和核心零組件技術長期受製於人，技術競爭力差距大；而新興技術和產業領域全球競爭的制高點掌控不足；在全球產業結構調整中，我國製造業增長更多依賴於來自發達國家的製造業轉移。在此背景下，在新一輪“製造業+人工智能”的競爭中把握好機遇，以人工智能技術的連接、融合功能引發傳統製造業產業形態的平台化、網絡化和深度服務化，對於我國製造業的轉型更新和提升國際競爭力有著重要意義。
1. 人工智能提升製造業勞動生產率
從國際比較視角看，中國的部門勞動產出較低。2015年，世界平均部門勞動產出為18,487美元，中國是7,318美元，不及全球平均水準的40%。 伴隨中國產業結構更新、勞動素質提升及對外開放程度的提高，中國部門勞動產出實現過兩位數的增長，縮小了和發達國家的差距，但2010年至今中國部門勞動產出增長速度下降到6-7%區間。以高新技術接力賦能增長、提高中國勞動生產率時不我待。
2. 人工智能幫助製造業直面人口老齡化的挑戰
中國正面臨人口老齡化的挑戰，就業傾向製造業適齡人口未來快速減少。2011年中國出現“人口紅利”轉捩點，之後青年勞動力人口佔比繼續下降， 已從從2011年的50%，下降到2016年的46%。根據國務院《國家人口發展規劃(2016—2030年)》，14-45歲人口佔比到2030年將下降到32%，適齡人口減少對未來製造業的發展將產生持續影響。同時，“90後”和“00後”以後的年輕人對從事簡單重複勞動的意願較低，中國製造業已經出現員工穩定性下降的趨勢。人工智能會為員工創造從普通操作工人向操作機器人的工程師等行業專家發展的更大的成長空間，也為企業的持續發展創造動力。
圖 3: 中國青壯年(20-44)人口佔比自2011年下降
數據來源：國家統計局，美國經濟分析局，作者
3. 人工智能創新可減少製造業的海外依賴
我國企業運用的自動化設備及技術仍然依賴美德日企業。雖然中國企業在規模上超過美德日，但產品設計和生產所需的自動化裝備、方法論和軟硬體平台上，目前還主要依靠西門子、GE、三菱等美德日企業。人工智能、大數據等新技術興起，為製造業自主化的進一步更新提供了可能性。工業互聯網提供了大數據資訊處理，機器視覺資訊獲取，低延遲工業級資訊傳輸等功能，這些功能對生產、運輸、檢測環節帶來新的生產力，為先進裝備的創新和發展提供了新的契機。
4. 解決產業向第三方發展中國家轉移的挑戰
以人工智能解決中國製造業因勞動成本上升等引起的產業向第三方發展中國家轉移的挑戰。近年來伴隨中國人力、土地、環保、社保等成本端的提升，以及中美貿易摩擦帶來的挑戰，中國低端製造業出現向印度、越南等低成本國家的外遷趨勢。以電子產業鏈為例，近幾十年來，全球化的電子產業沿歐美日本韓國/中國台灣中國內地轉移，現在部分開始從中國轉移至印度/越南等低成本國家。採用人工智能自動化、優化成本控制的企業才能能在產業遷移的過程中勝出。
5. 人工智能賦能製造業全面提升企業經營效益
中國製造業普遍面臨利潤空間狹窄的挑戰。人工智能可以從產品、服務和生產三個維度幫助製造業企業實現更新，提升企業營收和利潤。
產品方面：軟體賦能硬體的智能更新。通過內置新作業系統或更新程式，將人工智能算法嵌入產品中，如機械、汽車等，從而幫助製造業企業生產全新的智能化產品。如騰訊人工智能開放平台對外提供電腦視覺，幫助製造業企業實現產品更新。
服務方面：提高行銷能力和售後服務水準。利用人工智能算法，幫助製造業企業優化行銷能力，提升售後服務水準。1）售前行銷，通過人工智能分析用戶畫像，判斷重點需求，從而進行更實時、精準的廣告投放；2）售後服務，以物聯網、大數據和人工智能算法，對產品進行實時監測、管理和風險預警。
生產方面：提升設備自動化生產能力。將人工智能技術嵌入生產過程，提升機器設備的自動化水準，實現在複雜情況下的自主生產，從而全面提升生產效率。通過機器學習建立產品的生產模型，識別各製造環節參數，判斷其對最終產品品質的影響，通過深度學習自主判斷最佳參數，從而實現完全機器自主的生產。
三、企業發展智能製造的路徑
製造業智能化實現路徑：在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。
首先，數字化。通過將種類繁多的工業傳感器布置於生產與流通的各個部分，可以將工業過程各主要參數製式數字化，產生大量工業數據，為智能化奠定數據基礎。
其次，網絡化。工業通信將傳感器采集到的工業數據低延遲、低丟包率地傳輸至雲端。未來，通信協定標準化、無線通信技術應用將成為趨勢。工業雲是工業互聯網最核心的部分，進行海量數據的匯聚、提煉、模型計算等，實現資源優化與預測。
最終，實現智能化。依托區塊鏈和影像、語音、機器學習等人工智能技術，製造業企業得以在網絡化的基礎上進一步實現智能化，如依托區塊鏈技術進行供應鏈管理、依托影像技術進行自動光學檢測和倉儲機器人的使用、依托語音技術進行物流語音揀選、依托機器學習進行預測性維護和車貨匹配等。
圖 4 : 人工智能如何改變製造業
資料來源：工信部，作者
因此，企業製造業智能化轉型也可以分為數字化、網絡化、智能化三步。在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。
1、第一步：數字化——“感受”工業過程，采集海量數據
(1) 為配合工業智能化、實現智能製造，製造業工廠在進行數字化、網絡化、智能化的軟硬體應用之前，更為基礎的是在生產流程上打通設計、生產、檢測、搬運、倉儲、配送等主要環節，高效、科學的生產流程設計蘊含著巨大的提質增效、降本減存的機會。
(2) 工業傳感器：工業數據的“采集感官”，多類別、廣應用為智能化奠基
人工智能的基礎是大量的數據，而工業傳感器是獲得多維工業數據的感官。除了設備狀態資訊以外，人工智能平台需要收集工作環境(如溫度濕度)、原材料的良率、輔料的使用情況等相關資訊，用以預測未來的趨勢。這就需要部署更多類別和數量的傳感器。如今，使用數量較多的傳感器包括壓力、位移、加速度、角速度、溫度、濕度和氣體傳感器等。現在的工業傳感器可以提供監視輸出信號、為預測設備故障作出數據支持，可以助於確認庫存中可用的原材料，可代替指示表更精確地讀數以及在環境惡劣的情況下收集數據、亦可監測通過網關和雲的數據傳輸、維護數據安全等。
2、第二步：網絡化——高速傳輸、雲端計算、互聯互通
(1)工業通信：數據上雲的“高速公路”，通信標準化、無線通信技術應用成趨勢
得到大量數據後，如何將數據傳輸至雲端呢？這需要依托先進的工業級通信技術。和過去在車間內直接對數據進行簡單響應不同，企業需要把不同車間，不同工廠，不同時間的數據匯聚到同一個地方(雲數據中心)，進行複雜的數據計算，以提煉出有用的數學模型。這就對工業通信網絡架構提出新要求，推動標準化通信協定及5G等新的技術在車間裡的普及。
(2)工業雲：匯聚提煉海量數據，模型計算資源優化的場所
人工智能進行計算的場所——雲平台。工業互聯網最有意義的部分是其雲計算平台。工業生產中產生的海量數據將與工業雲平台相連，採用分布式架構進行分布式數據挖掘，提煉有效生產改進資訊，最終將用於預測性維護等領域。在雲平台上首先打通數據流和物流，在雲上匯聚工廠內部的不同維度、產品生命周期不同階段、供應鏈上下遊不同行為主體。其次可以通過運用大數據及人工智能技術進行分析，提煉數字分析模型。
製造業智能化及工業互聯網具有不同層面的應用場景。首先，在企業層面主要是內部的提質增效，降本減存，從傳統製造進化為智能工廠，以數據驅動智能生產能力。其次，可實現跨企業價值鏈延伸，優化跨企業的製造資源配置，打通企業外部價值鏈。最後，有望實現全行業生態構建，以數據驅動生態運營能力，匯聚協作企業、產品、用戶等產業鏈資源，不斷沉澱、複用、重構和輸出，實現製造行業整體的資源優化配置。
3、第三步：智能化——三個維度的整體智能化
圖 5 三個維度打通工業企業的數據流（工廠平台架構，產品生命周期，供應鏈）
資料來源：工信部，作者
(1)融合IT/OT，打通工廠內部的數據流
過去傳統的製造業工廠的內部存在資訊系統(IT)和生產管理系統(OT)兩個相對獨立的子系統。IT系統生產規劃，OT負責執行，不需要過多的互動。未來的智能工廠，需要打通設備，數據采集，企業IT系統，雲平台等不同層的資訊壁壘，實現從車間到決策層的縱向互聯。
(2)打通供應鏈各個環節數據流
供應鏈各個環節之間的物流會產生大量的數據。這些物流資訊的收集能夠幫助物流行業提升效率，降低成本。未來的智慧物流，通過智能化收集、集成、處理物流的採購、運輸、倉儲、包裝、裝卸搬運、流通、配送等各個環節的資訊，實現全面分析，及時處理及自我調整。這需要涉及到將這些數據數字化並累積成足夠的數據庫，需要大量的基礎設施建設。
(3)產品生命周期全過程數字化
工業互聯網要實現產品從設計、製造到服務，再到報廢回收再利用整個生命周期的互聯。未來的工廠會以數字化方式為物理對象創建虛擬模型，來模擬其在現實環境中的行為。通過搭建整合製造流程的數字雙胞胎生產系統，能實現從產品設計、生產計劃到製造執行的全過程數字化，將產品創新、製造效率和有效性水準提升至一個新的高度。
四、未來智能化的製造業暢想
在人工智能、工業機器人、工業互聯網、區塊鏈等多種技術賦能下，未來智能化的製造業將值得暢想。短期人工智能與工業機器人的落地將解放大量重複、規則的人類勞動。工業互聯網日益成熟，機器之間、工廠之間得以智能化互聯互通，區塊鏈技術的加入更使得製造業“全自動運行”成為可能，“人工智能+機器人+區塊鏈”模式值得期待。而伴隨製造業與服務業將深度融合，標準化生產與個性化定製並存，智能製造將為人們構築美好生活。相信在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現，製造業的深度智能化將不再僅存在於願景。
未來10-15年內，50%的製造業將會被人工智能取代，中國的主導產業將發生天翻地覆的變化，並且面臨國內外企業的新一輪衝擊。面臨人工智能時代全新的競爭環境，中國必須迎難而上，從當下開始打造人工智能生態，為未來全方位跟進時代浪潮打下深厚基礎。新時代下，人工智能發展的規模之大、速度之快、在國際競合中地位之高，決定了中國需要進一步改革開放，以改革政策帶來的制度創新的力量促進人工智能快速發展，佔據技術制高點，並形成國際競爭力。
製造業+人工智能已成為中美等國製造業競爭的主賽道之一。美國擁有人工智能先發優勢、領先工業製造商基礎以及資金優勢。中國需要在人工智能的成熟度和行業整合上取得突破，這種背景下，能夠率先建立工業互聯網技術基礎、並順利將其應用和大規模鋪設至智能工廠、先進製造裝備等領域的國家，無疑將在全球製造業競爭中佔據優勢地位。2018年11月19日美國商務部發布題目為《Review of Controls for Certain Emerging Technologies》的法規制定提案預告(Advance notice of proposed rulemaking，ANPRM)，如提案落實，眾多高新科技行業將面臨美國出口與技術封鎖，為已經面臨人口結構、自動化自主程度較低、進口依賴的中國製造業的進一步更新造成額外阻礙。歷史階段與國際環境挑戰下，中國的製造業亟待AI賦能。
但是，人工智能這輪變革是中國和世界第一次站在同一個起點上，在人工智能的競爭中，中國第一次有了資本、人才和技術去把握未來。中國實現“彎道超車”有四大信心和條件。
一是用戶基數與市場潛力。中國有近14億用戶，形成了巨大而多樣化的市場，為人工智能的發展應用提供了充足的空間。特別是中國今年來互聯網與移動應用和商業模式迅速發展，在很多領域已經超越了美國等發達市場的發展水準，結合巨大的用戶基數產生了規模巨大而差異化的數據集，為人工智能的應用提供了最佳基礎。
二是技術差距逐漸縮小。近年來中國在技術上發展迅速，國際頂級會議論文中，出現中國作者名字的佔三分之一以上。海外科技人員歸國創業的熱潮明顯，人才回流現象加強。此外，中國在超級電腦方面的潛力巨大，為技術的發展提供了加速支持。2017年，超級電腦五百強榜單顯示中國已超過美國，成為世界上擁有最快超級電腦、且數量最多的國家。
三是創新能力的提升。“中國創造”已成大勢所趨，時下流行的商業模式中有諸多為中國首創，例如共享單車、移動支付、直播、手機短影片等，成為海外市場研究與效仿的對象。
四是資本力量充裕。一方面政府將創新提升至戰略層面，高科技領域的政府引導基金可達到千億、兆的級別。另一方面大量民間資本渴望找到成長性高的投資機會。據Pitchbook調查，2018中國人工智能領域的投融資已佔到全球所有人工智能投融資總額的12%，且其佔比仍保持迅速上升趨勢。基於以上四方面原因，中國有望在智能製造領域，百尺竿頭更進一步，從“世界領先”走向“世界第一”。
中國近年頒布多項政策鼓勵智能製造及互聯網、新興技術於製造業的應用結合，然而我們需要清醒認識到政策與制度層面、人才與環境層面仍存在落地困難。未來，伴隨中國製造業轉型更新意識的增強，人工智能、新興技術與製造業應用進展的進一步推進，以及相關行業、企業、政府三大層面的政策引領作用的提升，一個自動高效、互聯互通、具備前瞻預測能力的智能製造時代將早日到來。
-- END --
我好看嗎？
香港九龍灣馬來街興發大廈15樓D室