工业和研发数字化的转型驱动力

我们之所以经常会讨论信息化、数字化、智能化和智慧化的关系，是因为大家一直想追查数字化转型的底层逻辑——到底是什么在驱动数字化转型。数字化转型有千种技术、万种方案、无穷表象，但万变不离其宗，探究清楚其稳序不变的底层逻辑，对我们建立正确的转型蓝图和路线大有裨益。 

人类工业发生过多次革命。我们认为，工业数字化转型、研发数字化转型与工业革命有异曲同工之妙，驱动力各自不同但逻辑相似，对工业革命的研究有助于我们搞清楚数字化转型的本质。 

《第三次工业革命》一书认为，人类有多次工业革命，都是因为能源的利用方式的转变导致的，如图1-1所示。

         

图1-1 人类对能源的利用方式的

变革带来原子工业的数次革命 

人类所能利用的能源终究还是与太阳有关，是太阳内的物理运转（核聚变）产生了能量，太阳变成了这些能量的载体，阳光是能源的表现形式。工业1.0的能源源于木柴，是植物的根茎，是光合作用的产物，工业2.0的能源源于煤炭，是埋藏在地表不太深处的植物，工业3.0的能源是油气，是埋藏的更深的植物。即将到来的工业4.0是新能源驱动的智慧工业。今天，人类已经不能再挖到更深处，或者深挖的性价比不高，或者化石燃料已经不足以支撑工业的进化，于是便转向太阳本身，直接利用光能，将其转化为电能，成为工业4.0时代的新能源。未来的工业5.0是核能驱动的太空工业，刘慈欣的科幻巨著《三体》为我们展示了这种工业的前景。工业5.0时代的能源来源于核聚变，这是太阳辐射光能的原因。那时候，人们直接利用光能已经不能满足发展的要求，开始将手直接伸向产生阳光的物质——核燃料。人类目前掌握了低效的核裂变，但核聚变才是更高效的能源来源。 

你也许会问，工业革命难道不应该是工业技术的创新带来的么？其实任何一项技术的创新都不是突变的，特别是大批量应用于工业的技术。一项技术从零的突破开始，到工业普遍应用是有条件的，并且在这些条件具备的过程中，该项技术持续进化才能达到形成工业革命的程度。这些条件中，最重要的就是可以支撑这种创新可以持续进化的新型能源。就像一个体弱多病、精力不充沛的人，纵然有很多创新想法，也无法变成改变世界的人。况且工业革命不是一项技术促成的，而是许许多多技术的革新促成的。没有新型能源的支撑，这些技术也许都走不到可以批量应用的程度。这也许就是能源变革为什么是工业革命的驱动力的底层逻辑。 

判断一个国家或社会的工业处于哪种阶段，在我国的《制造强国》中提出的指标很多，譬如智能化、绿色化、服务化、高质量、新技术等等，太多的指标反倒让我们无法获得正确的判断。基于驱动力这个底层逻辑，能源成了单一指标，做判断便容易的多。自从工业4.0的概念从德国传向全球后，大家都认为全球发达国家工业已经进入4.0时代，但依据驱动力逻辑看来，从这些国家所使用的主流能源——油气来看，他们仍然处于工业3.0。工业4.0其实是这些工业发达国家为之努力的愿景而不是现实，他们提出工业4.0，是为自己设计发展目标，而不是在描述工业现实。工业4.0的外在表现是工业智慧化， 以AIGC为代表的通用人工智能（AGI）出现以后，智慧工业才露出端倪。之前所谓的智能制造是自动化的升级版，算不上智慧工业。但AGI对算力需求之庞大，预示着没有能源的变革，智慧工业就永远无法到来。这个星球油气储量根本无法支撑这项智慧化技术全面走向工业。在以光能为主要来源的新能源还没有成为工业主流能源之前，AGI永远是实验室的技术。 

如果说，人类对能源利用方式做了何种转变，决定了工业发生了何种革命，那么，人类对工业数据的利用方式做何种转变，决定了我们将做何种类型的工业数字化转型。能源是原子工业的动力，而数据则是比特工业的动力。人们曾经用能源的消耗量来衡量原子工业运行的强弱，未来将用数据的使用量来衡量数字工业运行的强弱。原子工业的能源以太阳载体，数字工业的数据则以硬件（计算机、机器、物联网、传感器等）为载体，太阳核反应产生能源，硬件运转产生数据。这就是人们总是把数据作为工业数字化转的抓手的根本原因，人们认定数据是制造业数字化转型的驱动力，“数据工程”是其引擎工程。 

人类社会中的原子工业发生过数次革命，这也预示着，数字化转型也将不止一次，人类利用数据的方式将会不断进化。依我来看，数字工业利用数据的方式有五次转型：知化、秩化、治化、智化和织化，即五个ZHI，并由此引发多次数据工程，作为数字化转型的五个引擎工程：数据归仓、数据管理、数据治理、数据智能、数据织锦，最终促成工业数字化的五次转型，如图1-2所示。 

         

图1-2 人类对数据的利用方式的变革

带来比特工业的数字化转型 

这一观点于国资委推行的国企制造业数字化转型所采用的标准——《数字化转型成熟度模型》相吻合。该标准是由中关村信息技术和实体经济融合发展联盟（简称中信联）提出，并作为团体标准（T/AIITRE 10004-2021）发布。该标准指出，数字化转型的成熟度级别包括规范级、场景级、领域级、平台级和生态级五级，如图1-3所示。

         

图1-3 数字化转型成熟度模型 

前节将工业数字化转型的本质总结为“数据利用方式的转型”，但对于研发体系的数字化转型，我对此不以为然，因为研发的驱动力并不是数据，而是知识。如果说数据利用方式的转变决定了工业数字化转型的类型，那么知识利用方式的转变则决定了你对研发做了何种数字化转型。如果说数据使用量可以衡量工业数字化的强弱，那么知识使用量则可以衡量研发数字化的强弱。如果说工业数据以工业硬件为载体，那工业知识则以工业软件为载体，软件运转产生知识。因此，研发数字化转型的本质是“研发知识利用方式的转型”，知识是研发数字化转型的驱动力，“知识工程”是其引擎工程。 

知识看上去以数据的形式存在，但它和数据的差别是，在其产生过程中有人的意识和思维的参与并进行了创造性活动。数字工业社会利用数据的方式的转变同样适用于知识：知化、秩化、治化、智化和织化，即五个ZHI，并由此引发多次知识工程，作为数字化转型的五个引擎工程：CA工程、流程工程、模型工程、知识工程和云智工程，最终促成研发数字化的五次转型，如图1-4所示。

         

图1-4 人类对知识的利用方式的

转变带来研发体系的数字化转型 

生产体系的数字化是针对机器和数据的数字化变革，而研发体系的数字化则是针对人和知识的数字化变革。人和知识相对于机器和数据，在复杂性方面不可同日而语。生产体系强调的是质量，具有确定性，而研发体系追求的是创新，具有不确定性，相对于质量和确定性，创新和不确定性的驾驭难度高两个级别。因此，研发数字化相对于生产数字化，复杂程度和困难程度也将高两个级别。与运维数字化转型和商业数字化转型相比，研发数字化转型的难度也有类似高度。因此，从产品全生命周期的视野来看，研发数字化转型是工业数字化转型的“上甘岭”。