加快人工智能与制造业融合创新

    以网络信息技术产业为重要内容的互联网、大数据和人工智能，正在改变世界的经济活动方式，也给作为实体经济主体的制造业提供了转型升级的历史机遇。当前，新工业革命与我国实施制造强国战略形成历史性交汇，我们必须把握变革趋势和时间窗口，做好信息化与工业化深度融合这篇大文章，努力实现建设制造强国的目标。大规模机器生产和柔性生产带来了“人机协同”，制造业须整合行业力量推动组织管理创新、行业内协同创新和激励方式创新，加快推动人工智能与制造业融合发展。
    催生工业互联网平台
    互联网和大数据驱动传统制造业向人工智能化转型升级。一方面，互联网和大数据是产业升级的基础设施，数据连接和数据源的大量膨胀，使经济主体预测和决策能力增强。据中国经济网2016年初的统计分析，在电商领域，京东当时数据总存储量达到50PB以上，年增长300%；滴滴每天数据分析量级是50TB，大约是5万部高清电影的容量，每天连续上传的定位数据是50亿次。海量的生产、制造和消费数据使得企业可以更为有效地分析和预测顾客的行为，进而提供实现人工智能辅助生产、市场和售后等环节的预测和决策。
    另一方面，消费者小而美的升级需求让企业更难揣测。人们不再满足流水线上千篇一律的产品，从而要求在供给侧推行多品种小批量的定制化生产模式。但多品种小批量生产模式会让企业在实践中面临很多不可控的因素：需求不确定、研发周期缩短、多品种并行、资源共享难、成本飙升等，让传统企业患上了订单延迟率高、库存高、成本高的“三高症”。为打破这一困境，制造业企业需借助工业物联网、大数据、云计算、人工智能等，及时整合消费者复杂化、情景化和碎片化的需求，从而实现在市场互联和需求不断更新的情境下持续地盈利。
    人工智能算法应用是制造业升级的利器，通过深度学习和迭代试错来优化方案，可以赋能产业链上各主体，从而实现快速合作和创新。拥有数据连接和数据源是远远不够的，这些资源需要借助人工智能算法工具改变和提升传统协作方式的效率，重新组织和安排生产要素，形成共赢的智慧产业生态圈。人工智能算法的决策模式是通过训练数据来学习和优化决策，这与传统层级式决策组织结构截然不同。“人工智能+制造”需要将不同企业的技术和数据标准通过一个行业性平台进行连通和交互，催生“工业互联网平台”。该平台为产业提供通用的算力（工业云计算和边缘计算）、算据（工业大数据）和算法（工业人工智能）能力，有效克服传统组织中相对稳定的链条式合作和层级式管理的弊端。同时，来自消费市场的重要变革也驱动着组织结构和激励策略向群体性、动态化和开放化转变。
    然而，人工智能的三种动力还没有在制造行业中真正发挥作用。埃森哲与国家工业信息安全发展研究中心、中国两化融合服务联盟合作，2017年研究了六大制造业行业的170家中国上市企业，发现仅有4%的企业是由数字技术驱动的新业务或新商业模式的“数字领军者”；19%的企业刚开始打造数字能力，但经营上还未实践数字赋能；77%的企业对数字赋能缺乏重视，尚未进行相关投入。

[1] [2] [3] 下一页