最大的痛点是困惑

刚才和同事谈起智能制造的痛点是什么。我说：最大的痛点其实是困惑、是找不到传统的痛点！

当一个人对智能制造一窍不通的时候，可能满怀希望。如果他开始学习了、了解了智能制造的概念和思想，反而有了困惑：他会发现，该做的都做了，剩下的往往都是不能做的；别人的案例都很好，但却不适合自己的情况；有些技术能做、看起来也先进，但经济和社会效益其实都不好。如果他选择“做”，就会担心误入歧途；选择“不做”，又会担心丧失机遇。

这样的困惑，才是做智能制造的人最大的痛点。所谓的痛点，往往是解决不了的问题，是假的痛点。

我们讨论智能制造，就应该从解除困惑出发，也就是从“认识问题”出发。这些困惑大概两个方面：为什么有些事情现在能做成了？为什么有些问题的价值非常大、值得做。也就是我常说的：技术可行性和经济可行性的分析。

从技术可行性角度讲，现在的机会与ICT技术（互联网、大数据）有关。然而，这个观点人们往往也知道了。他们不知道的：是如何应用这些技术。然而，当我们知道别人怎么做的时候，却发现技术并不难？

这个矛盾又是如何产生的呢？

在我看来，因为许多砖家把问题复杂化了，把企业界的技术人员骗了。他们把技术搞成了“复杂算法”的代名词，搞得技术人员不懂了、也就不敢去想了。有院士级别的人物，自己缺少实践经验却又不懂装懂：除了说些正确的废话，其实根本不会做。

他们收集了一些案例、听了一些报告，就以为自己（听）懂了。其实，他们对案例的真实性和关键完全缺乏判断力，无意中成了骗子的传话筒，甚至成了真正踏实工作者的绊脚石、打击企业中真正的创新者：这么简单的算法，算什么高科技？

要解决技术可行性的问题，就是要告诉企业的技术人员真相，给他们信心：只要思路正确，你能想清楚！

比如，大数据的本质是便于获得知识（前提是满足我说过的几个要点），一般不用复杂的深度学习；智能化就是“吴淑珍式的智能”、把人类脑子的知识变成计算机代码就行，而不是吵得太热的人工智能；工业互联网应用最重要的瓶颈在于企业家对资源的整合构思、有了构思才有技术问题；数据分析是学会“利用人的长处、针对人的短板”，人想不清楚的复杂算法一般不靠谱；技术的应用不能理想化、要学会把问题本身变得简单，而避免去做做不成的难题；智能化不是机器代人，而是人机工作界面的改变、能比过去好就可以了。这些观点其实就是：你可以把问题变得简单...

另外一个问题就是：价值从什么地方来。我认为：这个困难的首要原因在于价值的“隐藏性”。具有“隐藏性”的潜在价值才容易获得。“价值隐藏”的原因有很多，有个人和部门利益、有组织结构划分不当、有习惯成自然；有些价值是间接价值、直接看不到；有些价值是长期价值、短期看不到；有些价值是系统价值、局部看不到.......知道了这些原理，就可以有针对性地寻找价值。我一直说：价值空间一般不少于企业成本的10%~20%。一般来说：越是容易看到的价值，越是不容易解决；越是不容易看到的价值，反而越是容易解决。认识问题解决了，方法问题就容易了。

价值发现以后，互联网、智能化、大数据就是针对这些价值的。技术逻辑按照前面说的去想。

这个时候，技术可能真的会成为痛点——这些痛点与可靠性要求高、准确性要求高、系统复杂度高、编码难度大有关。比如，智能化以精益化为前提，意味着要把持续改进的知识沉淀到系统里面去。这些知识往往是碎片化的、对系统的维护是持续性的——如果系统架构不好、数据组织不好，这种麻烦可是要命的、人工成本是巨大的。但这些困难，往往是要做过码农和架构师才能明白：干活的人才知道干活累啊。砖家肯定是不明白的、也就不会谈了。好的工业互联网平台，应该用于解决这个问题。

总之，要先解决认识问题，再解决方法问题；先解决盲点问题，再解决痛点问题；先弄清业务技术上的问题，再弄清信息技术上的问题。这个顺序是不能错的。