释放人工智能在工业领域的潜力，智造美好未来

导语：

其实企业在转型过程中，我们最后希望得到的是一个数据的打通和应用。那数据应用之后，我们其实希望能够从数据当中得到一些洞察，那如何可以充分地利用数据得到洞察，以我们现在的传统方法、传统规划、传统决策机制，已经不能够很好地支撑未来的这种模式，所以我们现在很多时候谈到需要人工智能，但人工智能是否已经充分地在工业领域被发挥出来呢？这是德勤工博会创新趋势论坛，在这一场圆桌中，重点讨论的话题。

中国机电工业杂志副社长兼总编辑 孙滢（主持人）：我首先抛出一个观点，供大家批判使用。这个观点是，也许用不了几年，人工智能这个词将不再被人经常提起，换句话说，到那个时候，如果还有人将人工智能经常挂在嘴边，那说明什么？他已经OUT了，不知在场各位有没有人同意我这个观点？

好，我现在来讲一讲我这个观点的依据，是这样的，我在来北京之前，到北京一个很普通的超市去买菜，买菜的过程中就听见超市的两个工作人员在我旁边对话，说今天某某水果很新鲜，又是特价，下班买点走。

另外一个工作人员说什么呢？说不行呀，我今天没带手机，大家知道，现在大家都用手机支付比较多，然后那个人说不用，现在刷脸就行了，那个超市，每个收银台旁边都有一个大概像iPad这么大的屏幕，支付宝可以刷脸，收银员还问我要不要刷脸，因为刷脸这个事情大家也知道不能轻易刷，所以我就没同意，我没试过。

我用这个例子来说明一个什么问题呢？这是2019年9月的北京，一个普通的超市，刷脸支付这件事情已经被大家习以为常了，已经没有人再关心它和人工智能有什么关系了，至于它是不是人工智能，大家已经不是很介意了，那么和这件事情相对应的事情是什么呢？就是人工智能在制造业领域的应用，这方面是一个什么情况呢？德勤的话，今年是有一个调查报告的，前两天我刚刚拜读了，这里头有两个情况或者两个观点吧，引起了我的注意。一个情况是什么呢？是在受访的企业当中，大概有93%的企业认为人工智能是制造业增长和创新的关键。

这个说明了什么呢？制造业对人工智能在制造业应用这件事情上是很重视也很期待的。

还有是什么呢？大部分的受访企业表示，目前在人工智能的部署方面，还属于测试和计划阶段，那就是说人工智能在制造业的应用，或者在制造业被人所熟悉的程度上，远远没有像支付宝刷脸这么为人所熟知，换句话说也就是，对于人工智能在制造业到底能帮制造业做些什么，我相信很多人不见得非常清楚，所以我的第一个问题，想请教三位专家，请每位能不能给我们大家举一个例子，这个例子可以是已经发生的，也可以是未来即将发生的，这个例子就是人工智能在制造业到底有什么用，能够给制造业解决什么问题。

德勤报告指出，93%的企业认为人工智能是制造业增长和创新的关键。大部分的受访企业表示，目前在人工智能的部署方面，还属于测试和计划阶段。
––中国机电工业杂志副社长兼总编辑 孙滢

中国机电工业杂志副社长兼总编辑 孙滢

德勤中国管理咨询合伙人 刘浩：谢谢孙总。就像孙总您说的，其实人工智能在制造业里面就像我们德勤的调研里面看到的一样，一方面我觉得是在初期阶段，另一方面其实很多实践应用已经开始起来了，我举一个例子来说这个事情。在我们的汽车行业，甚至包括很多组装型的行业里面都能有一个工作，就是我们讲的拣料工作。

什么叫拣料？对稍微不熟悉的朋友，我简单做一个介绍，我们有拣料工要把我们的部件从我们的仓库里面选出来，按照需要的时间、地段，成套配件地送到生产线上去，这个工作在我们的生产领域里面是一个亘古的、持续改进的地方，这有两个问题在里面。

一个是效率的问题，你能多快地把这个料件给选到，送到生产线上面去。

第二个是准确性的问题，因为有人会选错它，如果选错了，马上就存在一个质量问题和安全问题。一方面我们的人工智能在生产领域里面怎么样应用，其实你还能够看到的地方是在于，它怎么样一步一步地通过人工智能的手段在我们这样的环境里面运用起来。

很多很多工厂里面已经开始用这样的拣料工作方法了，就是拣料工戴耳机，通过语音识别，通过语言生成的方法，就有点像我们应用到实际生活当中的苹果智能语音一样，耳机系统和我们背后的ERP数据系统关联，它指导着你，告诉你，到仓库的什么地方去取什么料，改变了我们当年更原始的状态。

再往前引进，你看更先进一点的企业在做什么，就是路径规划的工作。因为你在选料的时候，其实你有好多料需要被选到一起，你需要到处去找它，那路径规划的这个工作就是指导着你，一方面告诉你到哪儿去选什么料，第二方面告诉你先去取哪一个，因为在我们的一个仓库间里面其实有各种各样的工序，各种各样的工人和设备都在工作着，它不断地、动态地告诉你怎么样最快去找到这样的解。

更先进一点的企业，上个星期我从浙江的一家企业里面刚刚回来，他们在做什么，在做另外的一件工作，就是把视觉的识别能力再加入进去。为什么这么说呢？即使你走到了一个地方，知道到哪个地方去取一个件，还有可能是操作工当时打磕睡了，操作工取出来的东西不是他被指导去取的东西，这个时候通过视觉识别的职能来去判断出部件到底是什么，在这个技术上如果有错误，提出警告，来注意选中物品的正确性，这样的例子，你能看到，人工智能其实已经在我们的现实生产中实际使用起来了。

SAP中国首席数字化转型专家 孙惠民：我来简单介绍一下 SAP 在人工智能方面的一些探索和实践。从去年开始，SAP 在全球的战略方面就提出了打造“智慧企业”的定位。SAP 大家知道，从上世纪70年代成立到今年已经 40 多年了，它几乎成为了ERP的代名词，但是最近这 10 年，SAP 通过向全球的云计算方面，特别是人工智能等方面头部的很多小而美的企业的投资并购，大约投资了 700 多亿美金，已经全面转型为一家云计算公司，从产品线上看，完整地形成了从客户的寻源，到整个的内部管理的全价值链的软件产品体系。

在这个情况下，SAP 整个产品线已经形成了三大核心，第一大核心就是前端的智慧型商务套件，后端是数字化的核心，也是以 SAP 的平台为核心打造的。中间就是各种智能型的技术应用，特别是 SAP 已经打造了一个平台，叫做里昂纳多，这个名字就是来源于达芬奇，达芬奇本身就是欧洲的一个创新鼻祖。在这个平台上，SAP 整个给企业赋能了很多创新型的实践，主要放在这块儿，这是一个大的整体架构。

在具体的业务实践方面呢，目前来看，如果我们展望人工智能，我们可以把它分为三个阶段，第一个阶段叫做工具阶段，就是弱人工智能，第二阶段叫做强人工智能。按照很多的预测，未来还会达到超人工智能。

就制造业的生产制造阶段，目前来说，大多数还是属于工具级的，SAP主要现在有这么几方面的应用：一个是我们现在提的预测性维护，比如在北欧的某家风力发电场，我们通过大量的数据分析、人工智能的分析来帮它做预测性的检维修，这是一种。

第二种，在欧洲的离散型制造业当中比较典型的是奥迪工厂。奥迪的个性化定制的生产过程当中，SAP 给奥迪赋能进行大规模的智能化现场的柔性生产调度。类似于这样的案例，SAP 已经在全球做了大量的探索和实践，基本情况就是这样的。

商汤科技战略运营副总裁 肖冰：我给大家讲一个例子吧，但是这个例子之前还是需要去做一些框架性的东西，大概有这么几句话，因为我觉得一个是比如说像今天下午这个会场里，大家说到AI，说到人工智能也好，包括我们在过去大家看到讲人工智能不管是概念还是具体案例也好，其实我发现80%都在讲计算机视觉，都在讲和计算机视觉相关的东西。这个肯定不是一个正常的现象，但是反过来呢也说明人工智能未来的发展一定是大有可为的，首先对于人工智能这种场景来讲，我个人认为应该是分成两类的，一类是和计算机视觉相关的，一类是和计算机视觉无关的。

第二，即便是和计算机视觉相关的场景，其实又会分为简单场景和复杂场景，我们目前看中国在人工智能的人脸识别这个领域，我们现在可以说是全世界最领先的，因为我们的技术积淀，因为我们的政府支持，因为东方的文化对于隐私暴露的宽容度等等。

所以实际上，大家现在能看到的这个场景，我们做的可能比其他的国家，尤其像美国是要领先的。但是这里面我首先想跟大家分享一下观点，就是人脸识别它不是一个场景，人脸识别只是一个技术。所以实际上是因为这个技术现在在慢慢走向成熟，还不能说是完全成熟。基于这个人脸识别，有很多的场景，因为我们每天都能看到大量的人脸，所以基于这个人脸的场景是非常多的，那这样的话，比如说智慧城市的场景，比如说反恐的场景，比如说公安去抓一些犯罪分子的场景等等是成熟起来了。

但是反过来讲，你把这些场景放到工业里面去，工业里面有多少场景是和计算机视觉相关的，有多少又是不相关的，因为时间关系，我觉得可能这段我们放到后面再讨论。

说到这儿我就回归到案例，我给大家讲一个例子。我到深圳，看到一家特别小的公司，三个年轻人创业，设立公司，没有钱，所以他们就不想去租一个办公室，觉得租办公室就是在消耗。他们所做的客户是目前业界全球排前两名的一家做飞机的公司，我不说其实大家都知道是哪一家了。这家公司它的发动机制造和发动机维修有一个需求，是什么，就是工具的管理，因为大家都知道，这种精密机械，尤其是运转起来，速度是非常快的，所以如果有技师不小心把工具忘在里面，那么这个损失是不可估量的。那么这种情况怎么去做，其实业界是有很多做法，比如说什么工具上贴个RFID标签，现在是不是可以用人工智能来解决。这三个年轻人去找这家全世界著名的工厂在深圳的创新中心，做了一个程序，现在的结果是这个程序在这家著名的航空公司，国内生产线上应该是有上百套的部署，而且请这几个小伙子去欧洲的总部，去谈一个全球范围内的一个部署。

所以举这个例子，我想说的是，我们谈人工智能在工业场景的应用，场景是比什么都重要的，这是第一。第二，可能不是那些特别大，特别辉煌的场景，可能是一个很小的场景，但是从这点切入，就会有很多的机会。

我们谈人工智能在工业场景的应用，场景是比什么都重要的，这是第一。

第二，可能不是那些特别大，特别辉煌的场景，可能是一个很小的场景，但是从这点切入，就会有很多的机会。
––商汤科技战略运营副总裁 肖冰

商汤科技战略运营副总裁 肖冰

中国机电工业杂志副社长兼总编辑 孙滢（主持人）：谢谢肖总，也谢谢三位专家和大家分享案例。刚才的话，孙总可能讲到了，就是有些设备是要远程预测维修的，接着这个话题讲，我们现在很多工业用户，企事业单位是非常挑剔的，以前比如说一个机床，那你维修就行了。但现在很多客户却要求你远程在线维修，我不太清楚这个里面有多大成分是人工智能的成分，可能跟刚才孙总说的弱人工智能还是贴点边的，所以我的第二个问题就是想请教三位专家。

有这样一个观点，就是说，未来大型的机器设备，如果不是智能的，它将没有任何市场。就这一观点，请问三位专家赞成还是不赞成，理由是什么。

德勤中国管理咨询合伙人 刘浩：好，方向上来讲，我觉得我肯定是赞成的，对于智能的定义我觉得很多时候就像前面几位专家也都提到过的，其实还需要一个更精确的定义，我记得几年前的时候，当这个搜索引擎特别红火的时候，大家说过一句话，说一个数据如果不能够被搜索，这个数据一点用都没有，是没有意义的数据。

回到我们刚才设备的这个角度上来讲，其实这是一回事儿，我觉得今天我们已经充分意识到数据对我们工业制造业的重要性，对我们的日常管理和决策的重要性，如果一个数据不能够被连接，在更深一个层次上讲，如果一个数据不能够被及时地去获得，来支持我们的决策，它的效用就会大大地打了折扣。所以，从这个角度上来讲，我觉得我还是赞成的。

SAP中国首席数字化转型专家 孙惠民：刚才主持人的这个提问说得特别有意义，我就联想到上一个环节当中的一个观点，就是价值的重塑，我们先从商业模式、价值重塑展开来说起，现在我们讲数字化变革，我认为实际上是三个关键词，第一是转换，第二是融合，第三个就是重塑。

数字化变革，第一是转换，第二是融合，第三是重塑。智能网联意味着是未来所有的智能硬件产品都有可能免费送给客户，但是企业通过设备跟产品的在线和数据分析，来发现其它服务的价值来获取利益。
––SAP中国首席数字化转型专家 孙惠民

SAP中国首席数字化转型专家 孙惠民

现在我们为什么要进行数字化变革？或者说为什么以人工智能作为变革的核心驱动力？本质是在于现在整个价值创造模式已经发生了改变，由工业经济时代的 “我生产什么，你买什么” 变成了数字经济时代 “你要什么，我给你生产什么”，凡是不能达到这样能力的企业都将被淘汰，我们已经进入到一个客户重新定义价值，以及客户定义企业的新时代。

那么，这个大的背景就是工业经济时代为什么它只能做到“我生产什么，你买什么”？这个从历史发展阶段来看，工业经济时代可以大规模生产标准品，那么它的核心商业组织模式是以控制为理念，就是为了保证流水线前后供需的顺畅，这是一个大的特点，可惜它生产的东西是闭门造车，所以这就衍生出两个重要的商业动作，第一个动作就是大规模地做广告，告诉别人我是谁。第二个动作是把我摆到货架上让别人能够触达我。

那这个时候，大家想一想，上个月刚颁布的财富 500 强企业，第一位还是沃尔玛，沃尔玛本质就是一家卖货架的企业，我们看到了数字经济时代，人的消费需求已经变成了什么？要求有好的体验、要求能进行个性化的定制，那么由此诞生的新的商业模式是：入口+平台+价值伙伴，形成商业共生体。

那么，它的底层支撑的技术是什么？五层架构，端、边、管、云和用，那么这时候它整个的生产组织模式，就是变成了工信部现在比较推崇的四句话：第一句话：智能化生产。第二句话：网络化协同。第三句话：个性化定制。第四句话：服务化延伸。

那么服务化延伸就切到您这里来，未来所有的硬件不管是小硬件也好，大设备也好，必须是智能网联产品，什么叫做智慧？智慧首先你要能连接、会思考，最后是自决策。那么智能网联的本质上，未来所有的产品都免费送给客户，但是企业通过设备跟产品的在线和数据分析，发现其它服务的价值来获取利益，那么典型的案例就是米其林轮胎在欧洲的商业模式，就是把轮胎免费送给你，要靠机车的行驶里程来实时收费。

在山东青岛有一家企业叫做赛轮集团，它就是把轮胎免费送给青海的矿场使用，但是它要靠这辆矿车的行驶里程和载重量来实时收费。未来的制造业完全要转型为服务+制造的模式，这就是回到了您这个问题上，实际上通过在线能力不仅是说进行降本减费、提质增效，更多的是新的商业模式转型和新的价值开拓，而这一点来说，人工智能在设备当中的使用是非常重要的，如果要让一个设备产生智能网联，目前来看无非几个手段：第一，RFID（射频识别技术）。第二，嵌入式软件。让它具有连接能力，我想未来这一定是一个必然的趋势。

商汤科技战略运营副总裁 肖冰：首先您刚才说的这一话题，我80%同意，从一个设备本身来讲，如果它不具备这种智能的能力，肯定是有问题的。再一个，如果恰当的加上了这种能力，那一定是有帮助的，我还是想跟在座的各位去分享两个场景。

其中一个场景，我们把它叫做重工业人工智能。这个场景说白了就是一些按照俗话说傻大笨粗的活儿，比如说咱们铁路的机车下面的枕簧，这个枕簧很沉很重，都是工人每天在搬运的东西，枕簧要看是不是合格的，要敲一下，听听声音，看一看这个高低是对的还是不对的。

现在其实我们已经看到，国内有一些很小的这种做人工智能的初创企业，它在做的就是类似这样的事儿，就是你一个很大的设备，但是你中间这个地方我因为用了人工智能的技术，我能帮忙用机器告诉你它是不是合格的，它的高度是不是匹配的，它装配的时候是用机械手做辅助，所以这是一个比较典型的例子，也就是说原有的这种大型设备，你现在因为有了人工智能的辅助，非常有帮助，这是第一种情况。

第二种情况，我给大家举一个案例，就是我刚刚提到的，比如深圳的那家公司。

他们做的另外一件事儿是全世界最大的手机厂家，我不说大家都知道是谁，不是我们中国的，他们在我们国内最大的代工厂，大家也知道是哪一家，我们台湾的企业。

这个上面其实就等于说手机厂商对代工厂提了一个需求，在手机这个庞大的生产线上，会有这种螺丝掉下去的情况发生，而因为它是一个line在上面，所以实际上这个“掉”是发生在工人这儿，那么对他来说就是有两种选择，一种是找出来，一种是忽略，假装不知道，就会到下一个人那儿去了。因为这个手机从技术的保密角度来考虑是不可能让你看到全部的，大家知道手机线是遮盖的，你只做你自己相关的那一部分。

这个螺丝是非常小的，所以实际上在最后一个环节就是盖盖儿，要把这个手机壳压上去出厂，有些事故在盖盖儿的时候就会发生，就是燃烧或者爆炸，因为这个螺钉把电池给挤坏了。还有一些是出厂之后会发生，影响企业的信誉，甚至包括有一些诉讼、那么这个东西怎么去做？其实他们就是用人工智能的办法来找哪个螺丝钉是没有的，哪个地方是缺的，所以掉了。

还有就是甚至哪一个螺丝钉没有拧紧，比如我应该拧三圈半，但是发现拧了三圈，差了半圈，高度就会不一样。哪个垫片掉到下面去，怎么把它找出来。

所以，其实是一个非常小的应用，但是一样，在工厂里要跟外面隔绝，数据不能出来，设备不能出来，在那个地方把它做出来，花几个月的时间，然后在生产线上一一部署，就是几十套、上百套。

说回到您那个话题，我认为相关的设备有了这个东西之后，那一定是会如虎添翼的，但是要有一个好的管理，你不能说因为有这些数据去驱动，做了一些错误的动作，甚至是对产品有危害的，或者是对人有危害的，这肯定就不可以。

中国机电工业杂志副社长兼总编辑 孙滢（主持人）：谢谢三位专家精彩的分享。

接下来还有一个问题，为了更好地把人工智能导入到制造业，三位专家能不能提一些建议？制造业它应该具备一些什么样的基础条件？首先做一些什么样的准备工作？这样的话可能将来人工智能会得到一个更好的应用。

德勤中国管理咨询合伙人 刘浩：如果要谈做什么准备工作，我觉得出发点其实是要谈现在的现状是什么样，现在遇上的挑战是什么，我觉得这样才能够有针对性的去谈，到底我们下一步应该做什么样的准备工作。

从国内现在的情况来讲，大形势非常好，国家非常支持，有哪个国家在人工智能上从国家层面上的支持像中国这样，2030年的目标都定下来了，五年、十年的行动计划定下来了，标准化的白皮书也都有了，你看不到的。

参与到这个行业里面的企业，也都能够充分的感受到，大家都有很好的热情。但是为什么到今天为止，就像我们德勤在最近发的这个AI制造业的报告里面看到的一样，大家其实还是感觉到理想丰满、现实骨感的感觉，只有百分之十几的人真正的说我觉得我现在做的东西达到了我自己想要的结果。

那结果在什么地方？挑战在什么地方？从德勤的角度来说我们认为其实有几个方面。一个方面是缺经验，因为没做过，毕竟是在探索阶段，大家不知道该怎么样来做，大家不知道方向在哪里。第二个我们觉得是缺人力，人力其实体现在两个方面，一个方面体现在最能够直观看到的，我们讲的对这种数据科学家、对这种既懂技术又懂业务的产品经理的需求，我们最近到每个客户里面谈智能制造，你知道绝大多数人跟我们作为咨询顾问去谈的最主要的话题，好多时候都不是说我要什么应用场景、我要什么样子的技术，而是我到哪儿找人，我的人在哪里，本来就没有，大家都在抢。

我们最近到每个客户里面谈智能制造，你知道绝大多数人跟我们作为咨询顾问去谈的最主要的话题，好多时候都不是说我要什么应用场景、我要什么样子的技术，而是我到哪儿找人，我的人在哪里，本来就没有，大家都在抢。
––德勤中国管理咨询合伙人 刘浩

德勤中国管理咨询合伙人 刘浩

第二点是在我们把AI在制造业推进的时候，去协调各个生态系统合作伙伴来共同完成项目的能力，以前在我们做这些工作的时候，这种改善提高工作的时候，好多时候是单点的，说不定有的时候企业自己就搞定的，说不定有的时候说我找了一家供应商，就跟我一起搞定了。

今天我觉得同事们能够意识到，包括我们前面专家的访谈里面大家都能意识到，今天是一个共赢的概念了，现在，我们在做这种AI实施的时候，很难用一家、或者两家企业一起来合作就能够完成工作了，所以这也是人力的一个重要部分。

第三个部分，缺基础，基础一方面体现在数据的质量、数据的可获得性。

另一方面，对中国的企业来说还缺的就是我们现有的流程和制造生产的稳定性的基础，缺了这个东西，你没有基础来往上建。

所以，如果我们理解了这几个挑战，下面的准备工作在哪里，我觉得也就迎刃而解了。一方面我觉得应该是，战略上的评估和路线图的制订，让我们有一个方向性，让我们知道要去做什么，这一点为什么对我们的智能制造和AI的应用关键，因为在公司内部，如果你没有上层的共识，在部门内部达成共识，推行下去很困难的。

第二个，人力的培养，很多时候这个人力的培养，我觉得很多企业一定要开拓一点自己的眼界，要共赢，要有个生态圈，大家共同来做，而不是完全从自己本身的角度来说建立自己的人力，你找不到的，你能找到几个称职的数据科学家？我们跟很多企业家说，我们说M总，你知道亚马逊他们这个数据科学家有多少人？数字曝出来了有几百、几千人，吓死人，你能找到吗？所以，这是我觉得在人力上面需要去做的准备工作。

第三点，基础方面的工作。除了我们讲的数据治理方面的工作，我们特别强调在我们的经验里面，要加强现有生产制造流程本身的稳定性，本身的这个精益制造、精益管理的能力，非常重要。今天我们很多企业在谈引进这种预防性设备维护，不是不好，是好的，是应该被规划的，但坦白说如果你看看你自己的生产现场，你还有很多是可以通过传统的精益制造、传统的TPM管理，就能够在地上捡起来金子，你今天一方面不去捡它。另一方面，当你不把这些稳定性的因素去除掉，你知道你给你下一阶段AI的工作带来了多大的复杂性和多少额外的数据处理的工作负荷么？

所以，从我们的角度上来讲，我们认为应该在三个方面做准备工作，大的角度来说有共识、有方向，从中层的角度来说加强人力的培养，特别是生态圈这个人力的培养。从基础的角度上来说，加强现有留存稳定性的巩固和基础数据的工作。

SAP中国首席数字化转型专家 孙惠民：刚才德勤的刘总说得非常好，那我就集中一点，就是必须要转变思想观念，这是我自己有亲身经历的。

我来 SAP 之前，在一家大型的央企能源化工企业工作，去年这家企业决策高层说要做智能研究院，在我接手之前，他们的团队就一直在研究智能研究院这个概念到底是什么东西，几乎要到了去查辞海的这个程度了。

后面我接了以后，我说我们应该从事物的本质去看这个问题，我们为什么要做智能研究院。因为传统的能源化工呢，特别是新材料的开发，大量地要靠线下的物理试验进行，未来的话，实际上很多新材料的变化，物理实验周期太长了，已经不行了，而且过去我们没有手段，那现在实际上我们已经有手段了，现在可以通过高通量计算来模拟新材料的开发，会特别快。

实际上我就说，既然我们要做智能研究，必须改变传统的线下物理实验的方式，要往线上走，实现数字化的实验变革，这实际上就是思想观念转变的核心体系。实际上我们讲到人工智能大家都知道，人工智能第三次兴起，本质上是三大改变，三大条件，第一数据，第二算力，第三算法。

到了今天由于整个云计算上来以后，实际上我们数据的获取量包括我们底层算法的完善都已经具备了很好的条件，那么在这样的条件下，我们实际上可以再延伸一点，就是在转变思想观念的大前提下，刚才刘总也说了，核心还是要培养人才。

商汤科技战略运营副总裁 肖冰：我是觉得在工业领域做人工智能其实相比于在其他领域，包括现在我们做得比较成功的几个领域吧，我觉得难度会更大一点，这里面其实有几个原因，一个就是刚刚几位老总都说的，人才，这是一个很重要的原因，但是人本身的话不仅仅是说这些人是怎么去懂得人工智能，更关键是他对于业务场景的理解，这个地方是很难的，而这个地方也不是简单说这个流程图是什么样子，是一个什么样的场景，说完了好像你就理解了，这也不是像你和某个专家去请教那么一两次、三五次，就能够去理解的一个东西。

我这儿还是有一个案例和大家分享，就是在北京那边，我们也看到一个做人工智能的一家公司，他们做什么呢？他们是做发电，火力发电，火炉的优化。大家都知道，其实现在我们国家火电还是占到70%，风、光包括核能发电还是占比较小。火电这个东西其实很有意思，就是说同样的煤，同样的设备，不一样的厂长，可能发出来的电是完全不一样的，真的是这样的。

所以这个是有很多的经验在里面的，这个是从效率的角度来谈。

第二个角度去谈的是安全性。因为安全性本身，大家知道火力发电原理是很简单的，是烧煤，然后水变成汽，汽去推动涡轮，压力不够了就去加煤，有一种场景大家一听就能明白，是局部泄漏，局部泄漏的结果是那个地方的压力不够，不够怎么办呢？就加热量去烧，烧了就够了，够了又漏了，又不够再去加，这个过程造成的是另外的局部压力过大。

这种爆炸其实是很危险的，有人身被伤害的可能，这个厂家就会被降职、甚至免职，所以这个场景是很值得去做的，但是这个场景，为什么我说它很难，因为我们说人脸，人脸800个点，很多了，对不对？去看，去识别。可是，像这一个火力发电的场景，里面传感器的数据是8，000多个，而另外一点是，这些数据是什么样的关联关系，谁能说得清楚？你是一个做人工智能的专家，你能有多厉害，这个东西你不懂，没戏。做这些业务的专家、电厂专家，如果他们知道，如何跟你来结合呢？这段是非常难的，我只是去讲这个，我们会发现说，刚刚提到深圳那家小公司，他们做了几件事，很幸运，现在在一条很健康的路上往前走，他们做的就是我刚刚开头讲的，是和计算机视觉相关的场景，对吧？但是我刚刚听到的火力场景是和计算机识别无关的场景，是大量的结构化数据，它不是非结构化的，数据本身不难，但是数据的关联关系很难。

这种情况下，你用AI怎么去解决？所以我是觉得，数据我们真的是够了，算力我认为基本上够了，或者未来不够再去补，但是，算法怎么办？算法又是和这些场景相关联的，怎么去解决？我认为，这是工业界面临最大问题的地方。

中国机电工业杂志副社长兼总编辑 孙滢（主持人）：好，谢谢，下面我还有一个问题，想请教一下三位专家，其实就像刚才孙总也讲过了，比如智能制造、人工智能，这些词其实在社会当中大家说得也多，但是每个人用的时候表达的含义不见得是一样的，是吧？

虽然人工智能在制造业这个领域的话，它是尚处一个导入阶段，但是实际上智能制造这件事情，在制造业已经不是什么新鲜事了，这两年有一种加速的趋势，我可以给大家举个例子，比如说在生产环节。这个智能制造给我的感觉又有点像自动化，我说不太清楚，一会儿请专家们解答，就是说用的人，这样讲吧，原先用32个人，现在用8个人就行了，就是这种，现在挺多的，然后具体企业我就不讲了。

所以我就想请教三位专家一下，就是人工智能和智能制造，它是一个什么样的关系？

德勤中国管理咨询合伙人 刘浩：我们德勤有一个工具叫制造魔方，是用来帮助制造企业去从高层次的角度去评估我们智能制造的整体成熟度的，在这个里面其实就表达了我们从德勤的角度来说，对智能制造的观点。

我们认为其实理解智能制造有三个维度，理解了这一点，就理解了人工智能和智能制造关联在什么地方，我们认为智能制造其实最终的落脚点就像我们前面那几位专家说的一样，是应用场景，但场景来自于三个方面的连接，哪三个方面的连接？

第一，业务的需求。
第二，涉及的业务职能。
第三，涉及应用的先进技术。

也就是说，什么样的技术，在什么样的范围内去解决什么样的业务问题，这是我们讲的，在我们德勤的观点里面，什么叫智能制造的概念。那从这个角度来讲，你就可以把人工智能狭义地理解为是我们技术架构的一个基础组成部分。

虽然它是我们讲的技术的一个部分，为什么今天大家把人工智能摆到这么样的一个高度上。

今天如果你走一下工博会，我来得稍微早一点，我没进来，我在里面大概地走了一圈，实在太大了，大到走不完，你看到有多少企业在今天我们的工博会里面的主题在谈人工智能的概念呀？大家必须意识到，人工智能在我的观点里面有两点的区别性，区别于我们在智能制造里面用到的其他技术。

第一：它真的是一个根本性的改变。什么概念？其实前面嘉宾们提到很多了，以前在我们制造领域里面，我们运用到技术的东西，我们的出发点都是讲叫规则导向的，什么叫规则导向？我要做到规律，然后我把这个规律建立到我们的设备流程里面去，我们自动化都是一回事，自动化是我们想好了应该遇上这样的情况就那样做，是规则导向的，但今天，人工智能不是这样玩的了，人工智能是通过大量数据的分析，在数据里面得到洞察来指导的，结果是一开始没有规则的，所以这是大的思维方式上的改变，这是为什么人工智能的重要性就体现出来了。

第二：人工智能为什么重要？人工智能有着非常好的基础，如果一旦我们在应用场景上得到突破，它就能够大幅地得到突破，为什么？技术在哪里？我举一个例子，自动化。

我们之前做过调研，之前在长江三角洲区域里面大中型的制造型企业，如果你相比五年之前，40%以上的人工工作全部都已经被机器取代掉了，意味着什么？大量的自动化设备，大量的机器人早已经在我们的制造型企业里面了。

长江三角洲区域里面大中型的制造型企业，如果你相比五年之前，40%以上的人工工作全部都已经被机器取代掉了，意味着什么？大量的自动化设备，大量的机器人早已经在我们的制造型企业里面了。
––德勤中国管理咨询合伙人 刘浩
 

一旦我们在人工智能的应用场景上得到突破，我们的人工智能软件被植入到我们的自动化设备里面去，我们就能够快速地得到增长。这是我觉得我们应该提到的地方。

SAP中国首席数字化转型专家 孙惠民：讲到这个问题，实际上我们还是要回到工业 4.0 这个大背景下看，工业 4.0 的核心就是三个集成，纵向集成，横向集成和端到端的集成。大家都知道，纵向集成就是机器设备所有的数据要连通，端到端集成是指从产品的研发，制造到服务，所有的数据要打通。那么横向集成是整个生态链、产业链的集成，里面实际上最核心的就是聚焦到一个智能工厂，智能工厂是智能制造的核心，那么工信部对于智能制造还有前面我提到的四个阶段：智能化生产，网络化协同，个性化定制、服务化延伸，这就是一个大的智能制造的概念，里面实际上人工智能价值是在人工智能新一代 ICT 技术族群当中的一项核心技术，它在智能制造当中的价值是什么，就是利用算法模型，去优化生产制造的各个环节，让它实现降本节费，提质增效的作用。

商汤科技战略运营副总裁 肖冰：我觉得前面几位专家都说得很清楚了，这个问题也比较发散，我觉得是这样，因为我们谈工业，那肯定制造是主名词，因为智能本身就是一个定语，去界定的，我是非常认可刘总说的观点。实际上如果从计算机相关联的术语来谈的话，就是它是一个推理模式的改变，比如我们原来通过一些定理去演绎一个东西，从A到B满足什么条件，有A就会有B。那确确实实，到了归纳的时候，可能是因为有那么多的场景，是因为某些情况发生的，现在我可能会去预测那种场景，所谓的模式识别，包括深度学习之后又会有更多变通的东西，我觉得这块其实是会更重要的，要去看的一个东西。

所以实际上，一句话，还是要用智能为制造来服务。

中国机电工业杂志副社长兼总编辑 孙滢（主持人）：限于时间的关系，我们这个环节的讨论就到此结束，我用一句话来总结一下我们几位今天跟大家讨论的一个情况，就是德勤报告里说的那句话，叫做未来已来。让我们大家一起努力，为人类制造更美好的未来，谢谢大家！