好风凭借力,送我上青云

总结时说：“（一派人）企图模拟神经系统，而纽厄尔则企图模拟心智（mind）……但殊途同归。”巧的是，这句话恰恰预示了人工智能随后几十年关于“结构与功能”两个阶级、两条路线的“斗争”。

人工智能发展史上的几起几落，真可谓可兴可叹，发人深思。香农（信息论与通信技术先驱）、图灵（计算机科学与人工智能之父）、冯·诺依曼（计算机与博弈论之父）、维纳（控制论之父）等数学家对人工智能的发展施加了深远的影响，他们所代表的三个“C”（Communication，Computation，Control）后来不断地发展、交叉、融合，形成了德国所提“工业4.0”中的核心概念CPS（Cyber-Physical System，国内常译为物理信息系统），其借用的Cyber一词也源于维纳发明的Cybernetics（控制论）一词。

我国古代也一直有能工巧匠、机器智慧超人的传说。比如《列子·汤问》记载：周穆王出巡时见到一个工匠偃师，偃师敬献的机器不仅非常像人，而且能歌善舞——“领其颅，则歌合律；捧其手，则舞应节。千变万化，惟意所适”，才艺使得“穆王惊视之，趋步俯仰，信人也。巧夫！”但穆王下令这个机器人“与盛姬内御并观之”后“倡者瞬其目而招王之左右侍妾”展现了人类才有的情感，使得穆王欲斩偃师，直到偃师将机器人拆卸后，穆王才赞叹道：“人之巧乃可与造化者同功乎？”

现在来看，上千年前古人记载的传说已在一定程度上成为现代人能感受到的现实，而“木牛流马”的史书记载不仅得到许多现代人尝试复原，也进一步升华为现代的无人驾驶汽车，成为人工智能领域展现技术制高点的一个重要领域。

人类通过了跨越千年的思考、实践，在许多具体的领域已经发展出了令人赞叹的人工智能技术，特别是2016年和2017年AlphaGo与世界级围棋大师李世石、柯洁的两次对弈，更是点燃了人工智能在公众认知中的巨大热情。虽然司马贺、麦肯锡和明斯基这三位达特茅斯会议的亲历者分别在1957年、1968年作了关于计算机下棋若干年内就能超过人类的预言，但事实上，直到1997年IBM的深蓝计算机才首次战胜国际象棋世界冠军卡斯帕罗夫。

由此可见，人工智能在哪怕一个很具体的领域超越人类并非易事，人工智能产生真正有价值的实际应用也绝非一蹴而就，更不用说人工智能全面地超越人类了——这样一个时刻正是所谓的“奇点”。类似历史上的人工智能预言家，库兹维尔在2005年的著作《奇点临近》中声言2045年人工智能奇点会到来，而投资家软银孙正义则直言人工智能爆发的奇点2018年就会到来，也有专家预测2030年人工智能奇点的到来。奇点论认为：奇点到来后，人工智能将进入不可逆转的大发展阶段，并会大大超越人类。

毫无疑问，我们已经进入一个智能一切的时代。未来怎样？无限遐思。未来已来。拭目以待。

智能制造未来显

伴随着互联网、大数据、物联网、机器人等技术的迅猛发展，人工智能技术近十年取得了超出人们想象的发展，并已在金融、零售等领域得到非常成功的应用。人工智能科技的兴起为众多行业和领域带来了新的发展机遇。为了应对人工智能的快速发展态势，美国《国家人工智能研究和发展战略计划》提出了政府資助人工智能研发的具体七项战略计划，白宫又紧接着发布了《人工智能、自动化与经济》，就人工智能、自动化技术对就业和经济的影响进行了深入阐述，力图解释人工智能发展对劳动力市场的影响问题和必然性。

在我国，在中国工程院潘云鹤院士等专家倡导下，人工智能2.0概念也横空出世，已不仅仅强调单个技术点的发展、单个场景的应用，还更加强调多种技术的综合融合、多种场景的综合集成，人工智能领域的竞争、融合将带来一场深刻变革各个行业的技术革命。

人工智能对制造业的渗透已经成为未来的一个趋势。世界各发达国家都出台了关于先进制造的战略规划：英国政府自2008年起就推出“高价值制造”战略，希望鼓励英国企业在本土生产更多世界级的高附加值产品，以加大制造业在促进英国经济增长中的作用；德国政府的《高技术战略》将“工业4.0”上升为国家名片，涵盖了制造业、服务业和工业设计等多方面内容，旨在开发全新的商业模式，挖掘工业生产和物流模式的巨大潜力；2012年2月，美国国家科技委员会发布了《先进制造业国家战略计划》报告，其后时任美国总统奥巴马提出创建“国家制造业创新网络（NNMI）”，今年特朗普则通过税收政策等手段促使美国制造业回流，这些措施都旨在发展先进制造技术来重振美国的制造业。我国则制定《中国制造2025》计划，拟通过“三步走”实现制造强国的战略目标，并发布《装备制造业标准化和质量提升规划》和通过国家重大专项等方式来推动先进制造、智能制造的发展。

中国工程院周济院长乐观地认为：“德国和日本很多人认为，中国在互联网技术，特别是下一代人工智能技术领域，要比他们更有优势。从这个意义上，我们想超越德国和日本的制造很有可能。”根据OFweek行业研究中心对“智能制造+人工智能”关键词进行的词频分析表明：2000年前，“智能制造+人工智能”基本属于概念提出期，期间只有零星关键词出现，经过2001年至2008年一段不温不火的探索之后，2009年到现在出现了一个小爆发。咨询公司埃森哲今年7月份发布《人工智能：助力中国经济增长》报告，报告指出，到2035年人工智能有望将中国劳动生产率提升27%、经济年增长率从6.3%提速至7.9%，其中制造业将从该技术中受益最多，其次为农林渔业和零售业。

实际上，中国拥有全世界最大的市场，经过半个多世纪的不懈努力，特别是改革开放30年来，“中国制造”经历了飞跃性的发展，对中国经济乃至世界经济都做出了巨大的贡献，自2011年以来中国制造业产值甚至超过了美国跻身于世界第一，成为“世界工厂”。中国成为制造大国的背后，却也危机重重，前面既有发达国家在高端制造业上的竞争，后面又要应对印度、越南等发展中国家在低端制造业上的抢夺，“中国制造”正在面临发达国家和东南亚发展中国家的双面夹击。

伴随着中国制造大部分领域产能过剩及竞争加剧、人工成本及房租等硬性成本不断上升、用户需求日益多样化与个性化的背景，加之互联网特别是移动互联网的日益普及，工厂亟须提高生产效率，减短交货周期，增强供应链高弹性，并满足需求快速迭代，才能应对不断增加的挑战。

这种情况下，埃森哲的报告指出，人工智能对制造业的作用可体现在以下方面：第一，创造一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，其对付不确定性的能力有别于传统的自动化解决方案；第二，对现有劳动力和实物资产将进行有力的补充和提升，提升员工能力，提高资本效率；第三，推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。

雄关漫道真如铁

面对智能制造的美好前景，也必须警醒：智能制造的中心词是“制造”，“智能”是为“制造”服务的。正如“工业4.0”某种程度上是“德国制造”的国家级营销一样，中国的制造业企业如果盲目引进所谓的智能制造方案，将有可能花很大的代价为国外少数巨头的解决方案买单，生产效率提升的同时却可能使企业由于国外巨头巨额的设备采购费、软件服务费和技术支持费而陷入财务困境甚至亏损。在近几年我国“工业4.0”的浪潮中，这样的例子实际上已不是个案。

再以“互联网+制造”为例，很多人以为“互联网+”是“智能制造”的灵丹妙药，但经过争吵、实践和沉淀后，“制造业+互联网”的融合，才略见成效。实际上，中国正处于工业化加速发展的重要阶段，为推动中国制造的新型工业化道路，国家一直在推进信息化和工业化融合，推进高新技术与传统工业改造结合，促进工业由大变强。一直到现在国家仍在强调两化深度融合，这说明两化融合的推进并不容易。客观来看，除了少数领先的企业外，中国制造业的大量企业特别是中小型企业还没有实现工业化基础上的信息化，很多企业生产的自動化也还没有实现，更不用说网络化、智能化。

在这样的背景下，随着“AI2.0”概念的出现和人工智能写入政府工作报告，“AI2.0+制造”将再次进入公众视野，“制造”本身会沦为“智能”的配角吗？AI2.0真的能引领智能制造吗？在浙江余姚举办的“2017中国机器人峰会”上，著名的美国预言家凯文·凯利认为，在现有的基础上，人工智能技术第一个影响到的领域应该是金融领域，另一个就是零售行业，并未专门强调制造业，这是因为他不懂制造业，还是因为他看到了制造业中应用现有人工智能技术的局限性？

人工智能领域不管是在国外还是国内都已呈现出强者恒强、日益垄断的趋势，那么“人工智能+中国制造”在未来是否会呈现BAT化的趋势？如果BAT等人工智能企业从制造业吸引走大批人才，本就艰难挣扎的中国制造业恐将雪上加霜，更难凤凰涅槃。

智能制造的调门起得太高，有可能并不太适合中国工业极其不均衡的国情。工业思想淡漠、工匠精神缺乏、四基工程薄弱、制造工艺跟不上等问题在中国工业中或多或少地存在，某种程度上是共性的问题，虽然它们都不是“智能”的事情，但却是中国工业真正可以“强国”的根基。此外，数字化不完备、设备尚未联网、缺乏精益管理等问题都是阻碍人工智能技术落地的关键因素。因此，工业界如果不能弯下身子搞“制造”，只顾翘起脚尖搞“智能”，急功近利，将有可能造成制造业的悲剧。

在世界发达国家先进制造与人工智能的洪流下，中国若要避免仅仅沦为发达国家机器人、人工智能、智能制造的最大市场，若要真正掌控住中国智造的未来，必须要自己持续进行核心技术与核心零部件的研发与积累，必须要努力攻克关键的材料、工艺等问题，必须要加速工业基础设施的数字化，必须要培养中国制造人的工匠精神，必须要培养并设法留住潜心于中国制造的优秀人才，必须要走出一条有中国特色的智能制造之路。

而今迈步从头越

前文中讨论了人工智能与中国制造的关联。那么，人工智能技术是否可有效助力中国制造？哪些人工智能技术可在制造业发挥重大作用？或者说中国制造业呼唤什么样的人工智能？我们下面以化工智能制造为例进行一些讨论。

从广义的智能来讲，化学工业（包含炼油、石油化工）早已实现初级智能系统——自动化控制，这源于化工过程的连续性、装置的大型化和巨额投资对过程自动化的迫切需要。事实上，在上世纪70年代就开始采用DCS用于过程控制以提高化工生产的稳定性、安全性以及工厂的利润率。目前的技术水平可以让化工生产80%以上生产车间和操作实现无人化，但在一些涉及固体的处理和输送上做到自动化还比较困难。

大型化工装置生产车间无人化是正常现象，依靠泵、压缩机实现物料在密闭管道系统中的流动，依靠各种温度、压力、液位、流量控制实现物质和能量在各个操作单元的自动运行。现实世界的自动化率是由技术水平、经济效益（投资成本、人力成本）共同决定，如果人力成本低于自控系统的单位成本，企业通常宁愿采用人工操作，而不采用可行或最优的新技术。这条原则其实适用于很多行业。

近年来人工智能大热，其中起到重要作用的是机器学习技术，特别是深度学习技术。应用深度学习技术需要海量的数据，而物联网、云平台、大数据技术为海量数据的采集、传输、存储和处理提供了条件。机器学习的核心是根据历史数据建立经验模型，归纳提取规则，从而对未来预测。其理论基础是：运行数据包含了系统的所有重要隐藏信息，无须研究问题机理，可以直接从数据挖掘出系统的规律和知识。

针对已有百年以上历史的化学工业过程来说，很多装置已经建立了相应的数学模型，并已成功应用很多年，所以在微观层次的这些装置上用传统人工智能技术来做数据挖掘、知识发现的必要性可能并不显著。另外，由于化工装置严格受控，产生的数据虽多但比较单调、分布较窄，因此信息量较低，传统人工智能知识挖掘的作用可能较为有限。此外，化工生产对安全性和可靠性的要求极其严格，一旦发生事故就会对环境和人的生命造成灾难性的影响，目前基于深度学习的人工智能系统的黑箱特点、不可解释性不一定能满足化工系统可靠性、安全性的要求，应用此类黑箱模型时很难根据模型找到故障或者问题的原因，也难以对模型的可靠性作评估。类似的情况也存在于其他一些工业领域里。

因此，人工智能技术率先应用于系统极其复杂、对系统因果性和可靠性没有严格要求的人类智力活动，例如金融、商业，并已在产生革命性的影响，以至于有人乐观地预言“未来每一个公司都应该应用人工智能技术，否则就会被淘汰”。

那么人工智能在化工智能制造领域里就没什么作用吗？其实这个问题的答案是否定的。石油化工行业的“智能制造”的架构早已确定（如图），即在过程控制、生产管理、经营管理这三个层次实现知识自动化和智能化，分别对应过程控制系统（PCS）、生产执行系统（MES）、企业资源计划（ERP）。每个层级都通过将问题数字化并抽象为数学模型，通过数字化、可视化、模型化、自动化、集成化来实现智能化，用计算机来帮人类解决问题，将人从重复性工作中解脱出来，专注于创新和高附加值的活动。

这些过程中其实已经应用了许多数学算法和计算机技术，从广义角度也应该可归为人工智能的范畴。这些领域的不断发展和复杂化工过程的需求也会给人工智能技术带来新的课题，推进人工智能技术的发展。

以化工为例，生产工藝是一个化工企业的核心，化工行业的生产过程数字化、自动化和智能化程度走在整个工业体系的前列，基本已经实现车间无人化生产，化工装置的工艺机理知识基本已经融入到最初的设计中和运行的自动化控制中，但是中央控制室还是坐着人，通过电脑屏幕观察和监测着生产过程，随时准备人工远程干预甚至去现场干预。实际上，我们的最终的产品质量并非一成不变非常稳定，生产过程的原料利用率和能源利用率也并非达到最佳。

一个化工装置并非做到自动化、无人化就算实现了智能制造的目标，新目标已经不是满足系统稳定在一个状态，而是让装置系统自动运行在满足装置安全、产品质量约束下，原料、能源、资产利用率最优的状态下。多产品的精细化工工厂还要实现敏捷、柔性以快速应对市场变化和订单要求。为满足这些不断增长的新需求，特别是宏观层面人员管理、资产设备管理、操作、维护、供应链等方面的知识自动化需求，人工智能技术将大有用武之地。

另外，关于设备的动态监测、预维护，也有望在物联网、大数据的支撑下发挥人工智能技术的作用。这需要两方面技术的支撑：一是新型传感技术，将振动、声音、图像、电流等信号融入监测模型中，一个关键特征信号可以代替几十个关联较弱的信号，这些多模态的工况信号的处理识别在工业上的应用还很少；二是信号处理方法和算法，如何将信号现象同故障类型关联起来，需要使用高级模式识别技术。

在国家智能制造战略的不断推进下，除了化工行业，我国其他一些行业也都取得了一些可喜的发展。比如，在工程机械行业，三一重工建立了云平台，实现对工厂及设备的云管理；在家电行业，海尔建立的平台可实现一定程度上空调等家电的网上定制；在服装行业，青岛酷特（红领）搭建了适应于服装个性化的平台；在手机行业，华为已部分实现了一些工厂的智能化、无人化；在机器人行业，新松机器人等企业研发了智能复合型机器人。

除了上述知名企业在智能制造上的突破性进展，中小企业由于对成本的敏感及缺乏研发力量，智能化之路更显得艰难无比，需要努力找到适合于自身实际情况的智能制造解决方案，特别是需要找到人工智能技术与其生产制造具体场景相匹配的切入点。

综上，在工业制造领域，人工智能的故事不管讲得多么精彩，最终都离不开实际制造工业流程中的反复验证，更离不开在人工智能所需要的基础设施、核心技术、核心零部件、工艺材料等方面的苦练内功。所幸的是，我们已看到了中国在这些方面的不懈努力及显著提升，比如机器人三大核心零部件（减速机、伺服电机、控制器）的国产化在近两年不管是研发投入还是市场认知都已呈现可喜的迅速增长，这些进步无疑为我国智能制造的进一步推进以及新一代人工智能技术的渗透应用奠定了较好的基础。

推荐访问:青云 送我