智能制造的几个深层次困难

9月前浏览167

有位学者曾指出，智能制造与全局型的优化有重要的关联。我们认同这种观点：互联网让我们具备在更大范围内迅速获得并传送信息的能力、计算机实时计算能力的增强，为推进大规模复杂优化创造了条件。

这个认识看似平庸，其实大有可取之处。它启发我们如何找到智能制造的价值空间：智能制造不能离开现有条件凭空产生；现在做得不好的地方，就是智能制造可创造价值的地方。所以智能制造和精益的思想有关联：或许可以看成面向更大视野的精益。

但是，要推进全局或大范围的优化，还涉及到三个基础条件：现实世界中的信息能否转化成计算机可以处理的信息；优化所需的知识和算法是否合适；计算机是否被赋予调动资源的权力。这三个要点对应我们在《三体智能革命》中定义的最初级的智能。

第一个问题是感知问题。传感器可以测量基本的物理信号，却未必能得到直接用于决策的信息。比如，我们可以测量温度和震动信号，却未必能知道设备状态是不是正常的。最近，人工智能领域的信息感知很热，但在工业界这个问题应该对应“软测量”技术、是一个人们已经研究多年的领域。随着大数据条件的具备，这个技术的迅速发展是可以期待的。

第二个问题涉及到决策领域。其关键是知识的数字化、模型化。十多年前，王洪水先生就说：把人的知识放到计算机中是件很了不起的事情。如果可以把人的决策知识放入计算机中，就可以不断地完善、修订、补充，让决策的科学性不断地增强。按照这个逻辑，计算机完全可以在具体问题的处理上胜过最优秀的专家。工业界的优化和模型，就是这个方面的工作。ICT技术为这个工作提供了更好的条件、而社会经济的发展为这个领域的发展提供了更大的需求。长期以来，我们重视硬件、轻视软件、更轻视知识的积累，对知识的数字化、模型化关注不足，很多人也不愿意贡献自己的知识。与国外相比，我们推进智能化的难度很大，这就是原因之一。

第三个问题是执行的问题。要具备执行力，就涉及到组织流程和商业模式的改革。

现实中，前两个问题与最后一个问题往往形成一种“鸡蛋悖论”：技术问题不解决，就难以进行组织流程改革；不进行组织流程改革，技术问题就难以解决。这种“鸡蛋悖论”一定带来很多麻烦，但并不是不可解的：在发展中解决问题、通过矛盾分离解决问题。

智能制造的推进应该从易到难、价值驱动。其中，最简单有效的情况是：问题关键在于某一个方面，如“信息集成”或者组织流程改革，其他条件都是具备的。这时，“鸡蛋悖论”是不存在的，推进智能制造往往是投入少、见效快的办法。

但是，如果面向未来建立核心竞争力，就必须为智能制造的发展创造条件，去消除感知、决策和执行过程中的困难和障碍：去直面“鸡蛋悖论”、去系统化地思考问题；不仅要砍柴、更话时间去要磨刀、造刀。这就像下面的这张图所揭示的：要到达理想的目标，就要花点时间去修桥补路。