小江按：2017年的句号，2018年的起点，我们从知识进化论的角度来聊一聊卓越运营是如何拥抱工业智能，为2018的企业转型升级提供思路。

 要   点 

卓越运营中关于流的改进的四个方面：

• 物料流

• 信息流

• 资金流

• 知识流

工业智能中知识管理的六个层次：

• 原始的数据

• 规范的数据

• 有用的信息

• 数据的洞察

• 专有性知识

• 智能型决策

卓越运营拥抱工业智能的正确姿势：

• 回归原点，系统性思维

• 环环相扣，夯实基本功

• 持续更新，迭代型进化

01

现状

在追寻卓越运营的道路上，就像《鞋狗》书中所说：“懦夫从不启程，弱者死于路中，只剩前行者，一步都不能停。”

"卓越运营不会流行，因为能够实现卓越运营的只是少数，或是极少数。但每个企业都必须专注于其运营的基本功，用卓越的信念和方式去攀登。如果用动态思维来看，卓越的状态永远属于昨天。

卓越运营着眼于整个运营绩效突破改进和日常改善系统地构建，打造高绩效组织和优化有绝对竞争力的流程。那卓越运营和工业智能是怎样的关联？卓越运营又是如何融合工业智能技术的？

我们首先看下面的分享：

你用常识可以得出上面的结论吗？现在很多谈的智能其实是对智商的伤害。我们换个角度来理解智能，智能的背后是什么？是知识进化论。

知识进化论就是企业如何从内部和外部挖掘能匹配组织未来发展的知识，并将这些知识内化为组织的核心要素，成为组织的竞争力提升的源动力。

知识进化论是卓越运营和工业智能的底层互联。

知识进化论将组织的知识视作产品，在产品流程所要考虑SQDC指标，也同样适用于组织知识这样的产品：

• Safe 安全。目前组织是否对内部知识进行了安全分级？核心知识如何进行管理和升级？

• Quality 质量。这些知识的质量如何？能提升组织的竞争力吗？能提升组织中人员的能力吗？

• Delivery 交付。这些知识如何在组织应用？学习曲线如何？如何提升应用的效率？

• Cost 成本。这些知识内化的成本如何？ROI是怎样的？

你如何看待你目前企业的组织知识管理？这些组织知识成为组织的竞争力了吗？它们的质量如何？它们是如何被企业的成员获得的，容易吗？

02

卓越运营中关于流的改进的四个方面

卓越运营的系统如果从流的角度来看，就是如何让物料、信息、资金、知识的流更准、更好、更协同的进行。

这些流的运转质量支持了组织的知识进化。

1

物料流：增值在哪里？

工厂的运营就是把原材料转化为客户所需要的产品的过程。

这个转化过程就就是物料流动的过程，在《流的传承》中明确了物的四种状态：

• 停滞，对物料什么都没有做；

• 检查，确认物料是否符合标准；

• 搬运，将物料从一点移动到另一点；

• 加工，改变物料的形态，这里必须要考虑即使是加工，也可能不会是完全增值的活动。如果用“零损失思维”来衡量，会发现加工环节的增值比例本身也有很大的空间。在《大野耐一的现场管理》中就描述了这样的一个例子：有一个在零件上钻孔的工作，目前是手动方式作业，每天的要求是钻80孔，以8小时计算，每个孔是6分钟，但现场的设备进行钻孔一个只需要30秒。那钻孔过程中又有多少秒是增值的？

2

信息流：实时共享中？

信息爆炸的时代不仅适用于社会，对于企业而言，同样如此。但企业中无论是无形或是有形的信息，增值的部分同样非常少。只有有用的信息得到实时共享，并拉动每一个关键决策点的流动，才能让信息增值。下面是信息的几种可能状态：

• 缺失，对于核心的管理信息，但组织没有设定相应的流程和数据采集，比如我们用损失来表述运营中的机会，如果企业不能收集相关数据，就无法形成有效的绩效管理循环；

• 孤岛，数据或是信息产生后，没有得到流转或是呈现。比如有的公司应用了自动化设备，内部也有很多的过程数据，但企业从来没有确定其价值；

• 冗余，因为缺乏系统的规划，同样的信息在不同单元各自生成。比如同样的流程信息，在设备中有，相关人员的电脑中也有，手工记录也有，但到底有几个备份是必须的，有哪些备份应该及时删除需要明确。

• 杂乱，是数据或是信息没有能明确具体的要求，无法区分“正常”或“异常”。比如很多的信息记录模棱两可，以检查项的结果，给出了“OK”，但难以确认实际状况；

• 触发，信息可以触发某一个行动，包括上面提到的物料的整个流动环节。比如看板；

• 呈现，对信息进行更容易的方式进行展示，比如目前很多的所谓智能主要还只是在进行信息层面的易用性的展示。

3

资金流：如何通过流来获得回报？

组织的运营在资金层面是如何帮助股东创造价值。资金流关注资金流动的速度、每次流动的投资回报率、以及资金的使用成本。通过这几个方面的展开，可以帮助运营更好地支持财务绩效目标的实现，以及如何在日常管理中及时纠偏。

人力是资本，同样需要考虑是如何让人力增值，而不只是看做成本。

库存也不只是资产，同样需要考虑其对资金使用价值的占用，以及库存本身所要消耗的成本。

图片来自钱自严

4

知识流：组织内化知识在流动？

“管理者就应该构建出一个可以推进”流动化“的环境和组织。“ ——《流的传承》

“一个组织卓越的因素有很多种，但唯一不可被取代的就是这个组织创造的知识；不过组织自己并不能创造知识，而知识是由组织里面一个个单独的个体创造的”——《知识创造》

知识的流动对于以上的物料的流动、信息的流动、资金的流动的效用尤为关键。知识可以分为显性知识和隐形知识，对于隐性知识的挖掘对于企业的竞争力的形成非常关键，同时隐性知识又可以分为经验型隐性知识，数据挖掘型隐性知识。

知识创造—企业持续的创新动力｜空巴读书会第4期

我们不只是要解决可见的问题，智能制造要解决的如何是如何解决不可见的问题，利用智能信息创造新的知识。（《从大数据到智能制造》）。

知识（模型）成为我们用数据来解决问题的更有效的桥梁。

《CPS：新一代工业智能》中有如下描述：

“工业智能化的另一个重要特征是对知识的管理。

制造系统中的知识产生过程通常遵循一个闭环的过程：发现问题 →根据经验分析问题 →制定解决问题的决策 →根据结果的反馈积累经验 →把经验进行抽象总结并用于解决未来相似性问题。

在这个闭环的过程中，日本通过对人的不断训练将知识固化在人的身上，于是就形成了“工匠文化”。而德国则通过对生产系统和装备的持续改善和集成化设计，将知识固化在了生产系统中，于是就形成了“器匠文化”。

然而，无论是“工匠文化”还是“器匠文化”，发展到今天都遇到了严重的瓶颈：日本工匠文化的核心是人，但是以传统全生产系统管理（ TPM）和精益管理的方式将知识固化在人的身上已经慢慢变得不可持续。一方面这个过程往往要经历很长的时间，随着新知识产生的速度越来越快，其效率已经受到严峻的挑战；另一方面，以人作为知识的载体，对知识的利用效率也非常低，因为人的精力和大规模并行处理多个问题的能力非常有限。最后，人终归是要消失的，很多的知识也会随着人的消失而失去。

日本制造的“工匠文化”可持续性正在面临非常严峻的挑战。而德国的“器匠文化”在利用效率和可复制性方面都胜于“工匠文化”，所以德国的制造系统能够变成一种产品成为德国出口的重要引擎。但是“器匠文化”的一个突出弱点是，在使用这些智能装备的过程中，人自身的技能却在慢慢退化。以取代人作为结果的“器匠文化”也面临可持续性的挑战。

无论是工匠还是器匠的模式，都是为了获得知识这一制造领域的核心竞争力。知识的定义是对已发生事情的内在逻辑进行洞察过程，并能够将其作为依据去管理未来相似的事情。”

我们看到了知识的产生方式在发生改变。不仅仅来源于人，也来源于模型（机器智能）。下面是AlphaGo的成长经历：

AlphaGo:  通过棋谱的学习战胜了人类的围棋高手。

AlphaGo Zero：从空白状态学起，在无任何人类输入的条件下（放弃人类的经验），它能够迅速自学围棋，并以100:0的战绩击败“前辈” AlphaGo。

AlphaGoZero: 通过自我对弈，强化学习，可以达到下面的成果：

• 4小时就打败了国际象棋的最强程序Stockfish！

• 2小时就打败了日本将棋的最强程序Elmo！

• 8小时就打败了与李世石对战的AlphaGo v18！

知识社会：知识成为唯一有意义的资源

“下一个社会将是知识社会，知识会成为社会的关键资源，知识工作者将成为主要的劳动力。”

德鲁克：《下一个社会的管理》，133页

只是德鲁克可能无法预测到：知识的创造已经不仅仅是依赖于人类，我们需要更好地拥抱工业智能，思考如何产生知识。

注：题图来自网络

从‘’人工智能‘’走向‘’工业智能‘’要几步？

说起人工智能，可能最早接触的时候，是在2008年漫威的首部电影《钢铁侠》。作为未来工业领域的一颗新星，影片中的“Jarvis”是对人工智能系统最直观的诠释，通过结合先进的AR技术和人工智能语音等多种人工智能系统，在钢铁侠出战前进行数据可视化分析、预测性维护，以及在战斗过程中的自我诊断。

自20世纪50年代“有思想的机器”诞生以来，人工智能一直未能实现突破性进展。直至近10年来，随着科技发展的日新月异，原本只在电影中虚构的“Jarvis”已经悄然进入人们的生活。毫无疑问，无论是在工业领域还是民用领域，人工智能正在掀起一波新的数字革命浪潮。

人工智能到底能做什么？

现如今，人工智能技术在各领域迅速发展。提及工业领域的人工智能，大家会具象为工业机器人；而民用领域，当属Iphone的SIRI人工智能语音功能，它的出现给人类生活带来了翻天覆地的变化。

我们来重点聊下工业领域的人工智能应用

主要分为三大类：

第一类是比较简单的应用数据的可视化分析：人工智能除了能够收集设备运行的各项数据（如温度、转速、能耗情况、生产力状况等），并存储数据以供二次分析，对生产线进行节能优化，提前检测出设备运行是否异常，同时提供降低能耗的措施。

第二类则是让机器实现自我诊断。比如一条生产线突然发出故障报警，机器能够自己进行诊断，找到哪里产生了问题，原因是什么，同时还能够根据历史维护的记录或者维护标准，告诉我们如何解决故障，甚至让机器自己解决问题、自我恢复。

当然，我们都不太希望发生故障，所以通过人工智能技术可以实现第三类应用，预测性维护。要知道工业生产线或设备如果突然出现问题，那造成的损失是非常巨大的。所以我们通过人工智能技术让机器在出现问题之前就感知到或者分析出可能出现的问题。比如，工厂中的数控机床在运行一段时间后刀具就需要更换，通过分析历史的运营数据，机器可以提前知道刀具会损坏的时间，从而提前准备好更换的配件，并安排在最近的一次维护时更换刀具。

人工智能早已悄然落户工业领域

人工智能不仅是新一轮产业革命的引擎，也是推进传统产业转型升级的重要工具。比如制造业企业通过物联网和大数据的分析，可以使企业的运营更加有效率。”高新区有关负责人告诉记者，高新区在积极布局人工智能新产业的同时，利用“互联网+”和人工智能新兴技术改造升级传统产业，为其注入新动能、释放新活力。人工智能产业被视为全球下一个支柱性产业之一，去年7月，国务院印发《新一代人工智能发展规划》，明确了人工智能产业成为新的重要经济增长点。

西门子——西门子中央研究院近日在慕尼黑演示了双臂机器人的一部分，借助人工智能的高度自动化，该机器人无需编程即可自主分工协作，用于产品制造。西门子中央研究院KaiWurm博士表示，“我们只需告诉机器人，把某个部件安装到导轨上，它就会执行这个操作。”作为一个简化的例子，这项任务描述了“单件定制化生产”的内涵。其中涉及加工或组装含有不同部件的多样化产品。机器人从关联的软件模型中获取制造产品的相关信息。传统的机器人无法理解这种CAD/CAM（计算机辅助设计和制造）模型，但新的机器人原型可以做到。从某种意义上说，这就好像机器人能够理解不同的语言，从而不必对其运动和工艺进行编程。

从“人工智能”到“工业智能”

从计算机、互联网行业出身的智能化技术，正在以势不可当的势头横扫全球各个领域。智能化与工业的结合更是引得全球瞩目。从德国的工业4.0到美国的工业互联网可以看出，工业与智能化技术的结合也必将是下一个风口。从人工智能到工业智能到智能制造。

朗坤大型海外工程服务云平台——这个大型海外工程服务云平台，让企业在海外建厂就像生产汽车一样简单。这个平台还能为走出去的企业服务，帮助客户实现远程诊断。现已和中国电建、中国石化、中国建材等展开合作，为几百个海外工厂提供服务，足迹即将遍布全球，真正帮助用户实现了运筹于帷幄之中，决胜于千里之外。海外工程服务云平台在互联网+BIM的成就绝不是迈出了一小步，而是取得了革命性的进展，不是一维、二维到三维的进步，而是到五维的飞跃。朗坤是国内唯一专注海外工程服务云平台建设的方案及产品提供商，也将持续与已经和即将走出去的公司一同探索信息技术驱动管理创新，开创合作共赢的展现局面。

智能的核心在于决策和执行，而决策的核心在于感知和判断。在工业系统中，IoT技术，以及传感器技术、数据传输、数据管理等不断发展，为智能化技术实施提供了可靠的感知基础。但是目前的工业界大都以人的决策和反馈为核心，这就导致系统中有很大一部分的价值并没有被释放出来。系统越是复杂，人的学习曲线就会越缓慢，而当人的学习曲线比技术的进步速度慢时，人就会成为制约技术进步和应用的瓶颈。而人工智能为工业带来的第一个革命性的改变，就是摆脱人类认知和知识边界的限制，为决策支持和协同优化提供可量化依据。

人工智能将成为2018年万众瞩目的关键词之一，对于人工智能的未来，在众多科幻影视中已为我们揭晓一二。但到目前为止，人工智能在工业领域的应用并不及互联网那么成熟，未来还需更加深入地耕耘。借由人工智能全面实现工厂运营智能化，运营商能以此最大程度减少人力，持续提升制造品质。

对于人工智能在工业领域的发展你有什么样的看法？

大国崛起，工业智能

制造业作为全球经济竞争制高点，近年来持续受到了各国的高度重视。美国、德国、英国、法国等发达国家相继提出了例如“工业互联网”、“工业4.0”等“再工业化”战略，力图抢占新一轮工业革命的制高点。

相较于美国、德国等制造能力相对发达的国家，我国的制造业在自主创新能力、资源利用效率、产业结构水平、信息化程度、质量效益等方面有着明显的差距，转型升级和跨越发展的任务紧迫而艰巨。

制造业是国民经济的基础和支撑。我国于2015年5月出台了“中国制造2025”国家战略规划，力图大力推进我国由制造大国向制造强国的转变，期望抓住新一轮工业革命的历史机遇，实现大步发展，逐步追平甚至赶超相关发达国家。在党的十九大报告中强调，建设现代化经济体系，深化供给侧结构性改革，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合。10月底国务院常务会议通过了《深化“互联网+先进制造业”发展工业互联网的指导意见》，这与之前的《中国制造2025》一脉相承。

大数据、物联网、云计算、人工智能等新兴技术领域的日益成熟。新一代信息技术与制造业深度融合，正在引发影响深远的产业变革，成为新工业革命的关键支撑和深化“互联网+先进制造业”的重要基石。

我国制造行业紧跟时代潮流，快速向数字化、智能化转型升级，重新思考传统的生产流程、生产模式和管理方式的改进方向，提升其在全球价值链中的影响力。

在转型过程中，我国制造企业同时面临着内部运营挑战和外部环境变化的双重压力。从企业内部看，生产成本上升、研发投入不足、生产组织方式较为传统都是目前亟待解决的具体问题。从外部环境看，消费者具有更大的主导权，大数据、云计算、移动、社交化、3D打印、机器人等技术发展已经在逐步颠覆传统的制造模式。

一方面，技术驱动是数据洞察的使能手段，设备互联互通与系统综合集成将实现机器运行、车间配送、企业生产等信息实时交互，机器学习、工业大数据智能分析将赋予企业更快速、高效以及敏锐的洞察力。

另一方面，开放创新是数据洞察的核心思想，例如智能开放供应链不断推动复杂供应网络中的企业间信息获取、识别、提炼与反馈，服务创新转型渗透进研发、制造、物流等各个环节，整体供应链效率得到改善。

面对数字化转型与变革的十字路口，制造企业必须未雨绸缪，主动求变，积极主动推进数字化转型升级，以开放创新为适应外部环境变化的方向，以新技术为应对变革和实现跨越的手段，充分把握新工业时代下信息资源带来的机遇，构建以数据智能为驱动的新价值网络。

构建智能系统 注重工业智能

一、智能系统的定义与识别

实现智能制造，需要构建和识别各式各样的智能系统。符合以下特征的任何一个级别的人造系统，可以认为是智能系统。

类比于人脑的认知能力，《三体智能革命》作者们对人造系统的智能特征做了提取，将智能系统分成三类：

ž·初级智能系统具备三个基本特征：状态感知、自主决策、即刻执行，即前面提到的有感知，自决策，善动作。其决策依据通常依靠科学效应来实现（例如利用光敏传感器自动开启和调光的智能路灯，数控车床防撞刀装置等），由工业智能实现，无需嵌入计算系统；

·ž恒定智能系统具备四个基本特征：状态感知、实时分析、自主决策、精准执行。这类系统效率极高，自主工作，但是智能水平在构建时预先设定，难以改动（例如具有感知衣料特性并自动决定洗衣策略的智能洗衣机）。这样的系统必须嵌入计算内核，嵌入软件和知识，以工业智能为主，在自主决策环节引入少量人工智能；

·ž开放智能系统具备五个基本特征：状态感知、实时分析、自主决策、精准执行、学习提升。具备这五个特征的人造系统是高度智能、有一定认知能力的系统，具备了自我改善、学习提升的持续发展能力（例如具有深度学习能力、可借助网络共享知识，并自主更新和优化程序的智能机器人）。这样的系统具备强大的计算能力，需要使用人工智能技术或认知计算技术，可以实现对大数据的分析与处理，能不断应用、积累和创造知识。

由此可知，构建智能系统，尤其是数量巨大的初级智能系统，并非首先用到人工智能，而是首先用到由长期的工业技术积累所形成的工业智能和其它智能技术。

二、工业智能

工业智能主要是依靠丰富的科学效应在工程技术领域的应用来实现的。

1、科学效应与工程技术

科学效应是几何效应、物理效应、化学效应、生物效应的统称。效应来源于科学研究与发现，但是在工业领域获得了极为广泛的应用。如果仔细分解一个机器设备，其中每一个关键子功能都是由科学效应实现的，例如洗衣机靠离心力脱水甩干，空调靠相变制冷。

科学效应是工程技术的实现依据和解决技术问题的根本，用好一个效应可以获得几十项发明专利。发明家爱迪生的1023项专利里只用到了23个效应；飞机设计大师图波列夫的1001项专利里只用到了35个效应。

科学效应：效应物质在外部物质属性输入作用影响下所形成的属性输出，输入和输出形成了特定的因果现象。例如，离心力、相变、热膨胀、双金属结构、形变、电场、磁场、电磁场、电致伸缩、磁致伸缩、电致变色、磁流体、压电效应、传导、对流、辐射、毛细管、衍射、电解、爆炸、磁热效应、超导、多普勒效应、马格努斯效应、珀耳贴效应、韦森堡效应等（了解更多的效应，可参阅作者今年1月出版的《TRIZ进阶及实战》一书）。

2、以物理效应构建的智能系统

在工业革命的早期，人类就利用科学效应来实现各种功能，以增强对机器的自动控制。先来看一个第一次工业革命时期的蒸汽机转速调节器（如图1），当蒸汽机转速增加时，离心力导致飞球升高带动气阀开口减小，蒸汽机转速随之降低；反之，蒸汽机转速降低时，飞球下降使得气阀开口变大、蒸汽机的转速便随之提升。依靠这样的机制，蒸汽机转速就能自动保持基本恒定。离心力这个物理效应在这里起到了关键作用。

图1 蒸汽机的转速调节器（控制系统）

这个结果是符合初级智能系统的基本定义的。实际上这个控制系统的状态感知是由飞球来承担的，飞球转动时离心力所形成的向上的分力，克服了重力。重力与离心力博弈的结果形成了自动决策，实时反映在飞球的高低变化上，通过连杆机构实现了对阀门的实时调节（即刻执行）。这样的自动化调节机构完全替代了过去由人来做的调节工作，遂人愿，全自动。

案例不同，原理相通——自动识别工人的手是否在冲床下方的自动检测设备，让机器轧手成为了历史，而其工作原理，不过是一个红外成像传感器；酒店或仓库的防火自动喷淋装置，其工作原理是一个盛有酒精的细玻璃管，感知到高温可以自动炸裂；飞机上的自动除冰装置，是通过激光扫描翼面来检测结冰情况，并自动启动加热装置来除冰。从过去到现在，类似的例子数不胜数。

3、以生物效应构建的智能系统

借用某些生物效应来实现智能系统的案例更为有趣。在电视剧《大染坊》中，主人公陈寿亭把鱿鱼爪放入正在加热的染缸中。如果鱿鱼爪很快打卷了，就是到了最合适染布的水温，他就立即指挥工人把棉布放入染缸。在这里，鱿鱼爪的生物效应（遇热打卷）起到了传感器的作用。

自2013年以来，英国警方使用蜜蜂作为传感器来缉毒获得了不错的效果。蜜蜂的嗅觉灵敏度高出缉毒犬百倍以上，其特点是闻到了毒品的味道就伸舌头，舌头可以被红外传感器探测到。于是，利用这个生物效应，人们把训练好的蜜蜂无损地固定在一个标准的塑料卡件内（如图2），每次以6个蜜蜂为一组，放在一个箱式探测器之内，然后用来检测行李。如果同时有3个蜜蜂伸出舌头，就说明行李中藏有毒品。这种技术明显地提高了检测成功率。

图2 以6个蜜蜂一组来检测毒品

4、以工业软件构建的智能系统

工业软件由编程语言、系统软件、应用软件和介于这两者之间的中间件组成。它们是数字化革命的成果，是信息技术与工业技术相结合的产物。数字化的所有的基本功能，其实都是由科学效应来实现的，例如电场形成了计算的0和1，磁场形成了存储的0和1，电磁场形成了无线网络的0和1，等等。因此，软件不过是调用低层硬件通过科学效应来执行各种功能的计算机指令的程序集合。

工业软件可以分为机械自动化、生产自动化、企业信息化等不同的大门类。还可以分为CAX、ERP、PLM、MES、OA、EB等不同用途的软件，也可以细分为PLC、DCS、PAC / PLMC、SCADA、工控机、嵌入式系统、信息安全、生产安全、工控供应链、工业以太网、现场总线、无线通讯、低/中/高压变频器、运动控制、机械传动、电机、电气连接、工业机器人、机器视觉、离散传感器、分析测试仪表、显示控制仪表、工业电源、机箱机柜、低压电器等专属用途软件。

以《三体智能革命》中提到一个飞机关联设计案例为例，在给定飞机方案的情况下做好了CAD设计建模，形成了数字化样机。如果飞机在风洞试验中被确认需要做外形的优化与调整，就会遇到很大的麻烦，只要外形一变，内部所有有关联的结构件全部要跟着变。但是早期软件是做不到关联修改的。设计人员只好全部重新所有的相关结构件，这些重复性的劳动让设计人员苦不堪言。

而关联设计就可以解决这个问题。通过定义飞机设计总体参数及传递上下游和各专业之间接口关系的骨架模型，实现设计信息的有效传递和控制。飞机外形一变，引发骨架模型的相应变更，设计软件基于特定算法，可以自动检测到装配关系上不匹配的零部件，并经过分析计算之后，做出自适应的更改，自动引导大约60%以上的相关结构件的自动变化，这就是一种典型的智能设计，它体现了“状态感知、实时分析、自主决策、精准执行”的智能特征。

三、工业智能与智能制造

上述案例表明，很多人造系统中的智能，都是属于长期的工业技术积累所形成的、利用科学效应来实现的工业智能——系统有明确的状态感知和信息输入与输出，有着自动的决策，有着快速而灵敏的执行结果。它们可以是机械技术实现的，可以是电子技术实现的，也可以是生物技术实现的，或者是综合实现的。

对企业而言，任何的工具以实用为根本。在能用电子驱蚊器、喷雾器、紫外灭蚊器等技术手段来驱蚊、杀蚊的地方，就不要用高射炮来打蚊子。工具适用、并且有提升和改进的余地，才是最佳选择。

智能制造的原理其实并不难懂——网络无所不在、知识在任何场景下以数字化形式调用，用尽可能多的数据流动与尽可能少的成本物耗来满足个性化定制的需求。企业首先要做的，是在充分认识自身发展水平的基础上，找到一个适合企业自身条件和发展方向的快速提升的路径。其次，是让企业里的机器设备变得更加柔性，机器上的数据更加有序自由流动。

只要机器设备能够比较“聪明（Smart）”，如能够自动感知人的存在而不伤人，能够修改几行软件代码就调整了机器功能，能够在任务变动的情况下自我调整生产节拍，能够自动识别并剔除缺陷产品，能够长时间、高质量地生产产品等，这样就能替代一大部分人的体脑工作，就可以释放巨大的生产力，甚至就可以改变生产关系。而构建这样的智能系统，并不一定需要人工智能的介入，基本上可以用工业智能来实现，因此，对于初级智能系统和恒定智能系统的应用是企业起步的重点。

但即使是初级智能系统，在我国的企业里也没有得到普及应用，很多设备还是哑设备、笨设备，还是会伤人，还是不自动，还是难以调整功能。大力发展以初级智能系统为核心的工业智能，是让设备变得更聪明、让企业走向智能制造的初始路径。

四、人造智能与人工智能

《三体智能革命》中定义：人造智能（MI，Man-made Intelligence）是人造系统所具有的一种模仿、拓展和超越人类智能的能力。

人造智能包含了所有由人开发和建立的人造系统的智能，例如源于信息技术领域的人工智能、认知计算、黑暗森林、互联网大脑等，以及源于制造技术领域的基于传感器和自动化技术的工业智能等。

作者已经在此前专门撰文指出，目前市场上流传的“智能制造里面的智能是人工智能”的说法，是不正确和片面的，具有较大的误导作用。正确的说法是：“智能制造里面的智能是人造智能”

人工智能的发展已经经历了两起两落，现在正处于第三次蓬勃兴起的大好时期。目前，过分夸大和贬低人工智能都是不可取的。人工智能的很多研究成果，已经可以期待在数年后真正用于制造业的生产过程。但是在今天，其实用性还是有一定的问题的，需要时间来优化和成熟。如果能够有人工智能的技术立即用于智能制造当然好，但是，如果没有马上能用于智能制造的人工智能技术，智能制造就不能发展了吗？事情当然不是这样。

其实，问题的实质在于概念的混淆和理解的偏差。因此澄清概念，正确理解智能制造就变得非常重要。

我们今天要实现的智能制造，是基于人造智能（而并非仅仅是人工智能）的智能制造。其中，源于工业领域长期积累的工业智能，与源于信息领域的人工智能，是要相互借鉴和融合的。以这两种智能技术为主体，兼顾其他智能技术，才是今后智能制造技术的主流发展方向。而如前所述，对于目前普遍处于工业1.X～2.X水平的中国企业来说，首先需要的，并不是高大上的人工智能，而是长期积累的工业智能。起步于工业智能，逐渐融入人工智能，才是更适于中国企业的智能制造之路。

人工智能走向成熟的市场应用大概还需要5年左右的时间，这正好是工业智能大有作为的时期。

五、小结

智能制造中的智能，是人造智能。人造智能包含了工业智能、人工智能和其它类型的智能。

构建智能系统，应该特别注重应用由长期的工业技术积累所形成的工业智能，同时兼顾人工智能。工业智能基本都是由科学效应来实现的。

起步于工业智能，逐渐融入人工智能，是当下比较适用于中国企业的智能制造路径。

两化融合和智能制造，应该首先从对两种智能的清晰认识开始，从两种智能的融合开始。

作者简介：赵敏——中国发明协会常务理事，发明方法研究分会会长，国内著名创新方法专家、两化融合/智能制造专家。高级工程师。34年来一直致力于企业如何实现创新、转型的研究与实践，对TRIZ发明方法学、CAI、PLM、KE/KM、精益研发、智能制造、工业4.0等企业技术创新、管理创新和企业信息化专题有着深入的研究和独到的见解，在国内外媒体和国际国内学术会议发表文章和论文百余篇，为企业解决众多技术难题。著有《创新的方法》、《TRIZ入门及实践》、《知识工程与创新》、《TRIZ进阶及实战》、《三体智能革命》等专著、合著。

声明：本文由赵敏先生原创，由赵敏先生享有著作权。部分观点摘编自即将出版的新书《三体智能革命》（胡虎、赵敏、宁振波、郭朝晖、陈志成、朱铎先、颜强、张驰、苏明灯著）。赵敏先生是《三体智能革命》副主编，是《走向智能论坛》核心专家顾问团队成员。本文授权《走向智能论坛》微信首发。欢迎原文原版转载，并注明原作者姓名以及“来源：《走向智能论坛》微信订阅号”，违反上述声明者，将追究其相关法律责任。

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：erp_vip@hotmail.com