2023年的总结和体会

4月前浏览3073

2023年即将过去了，感慨万千。

今年最难忘的一天，是第一次住院就收到了“病危通知书”。好在有惊无险，算是排除了一颗“定时炸弹”。有人说：55岁之后活一天赚一天。所以，以后每天都要争取快乐地活着、度过后半生。

今年最高兴的一件事，是我的新书《知行：工业基因的数字化演进》出版了。写这本书花了我7、8年的时间、可以说是呕心沥血。书中强调了工业、数字化和技术创新的底层思维和常识。但我从小语文就没学好，写的文采不太好，不容易引起读者的兴趣。昨天编辑王老师告诉我，《知行》入选机械工业出版社选出10本“科技好书”，多少也算是有点安慰。

年底的时候，过去的一点遗憾又涌上心头。我离开宝钢之前，花了10多年用大数据分析得到了钢铁材料的一个数学模型，具有相当的通用性和预见性。很多专家不明白它的价值。但我觉得这已经属于科学发现的范畴了，当年做事的方法也很有意思。这些东西应该献给全人类，而不是锁在某个地方。如果我某一天死了，而这些东西又得不到广泛应用，我在天上也会觉得遗憾。

今年我在这个公众号总共发了148篇文章（不包括本篇）。最近把这些文章又读了一遍，简单地总结了一下。这些文章和《知行》一样，都是在思考：对于技术创新和数字化，什么是最基本的底层思维？所以，我的思考是有深度、无新意。

1、从“打通”视角理解智能化。

立石一真先生认为：凡是有断点的地方，就有创新的机会。对创新者来说，这个观点非常有启发性。抓住创新的机会，往往就是消除断点；而消除断点，就是所谓的“打通”。

消除断点带来的直接好处提高响应速度。在此基础上，如果决策信息来自于更多的业务环节，则便于用计算机进行多环节的综合优化；如果优化过程在计算机中进行，则可能采用迭代方法、寻找更好的决策。而这些好处会带来本质性的提升。

我们做的很多工作，从某种意义上都是“打通”。

l我把“智能”理解为“感知、决策、执行的统一”，其本质就是把“感知、决策和执行”三个过程打通。

l“感知到认知”的过程，本质上是打通：打通了从获得信息到决策之间的断点。图像识别等AI技术，就是完成“感知到认知”的，也就是完成打通。当我们制定标准、并根据标准决策时，本质是“感知到认知”，自然也是打通。

l信息集成当然自然是打通。是打通不同环节和孤岛的信息，这种打通，为综合优化和迭代优化创造了条件。

l算法的集成是打通。把CAD、CAE、CAM等各个环节联系起来，也就是业务环节的打通，便于进行综合的优化和计算机决策。

l计算能力增强是打通断点：它能保证在运行的时间内，完成计算和决策。特别地，当完成信息集成后，优化和迭代的计算量大大增加，从而算力变得更加重要。

l管理能力的增强，为信息打通创造条件。所谓信息的打通，指的是信息空间能够描述物理空间。如果管理不到位，信息空间就不能完整地描述信息空间。类似地，自动化程度的提升，尤其是物流运输自动化程度的提升，有利于信息的打通。业务流程再造往往也是做信息的打通。业务流程打通，本质上是为了促进感知、决策和执行的统一。在业务流程打通时，要赋予权限。所以，企业的组织再造本质上也是便于打通。

l3D打印曾经非常火。一个重要的原因，就是它很容易打通设计与制造。

l与传统自动化相比，智能化是实现一些特殊的自动化、打通一些特殊的流程。比如，把产品切换实现自动化、把参数调整实现自动化。本质上就是打通一些流程。

l远程化，是打通人机界面的一种方式。我们也可以用“打通”的逻辑看待大数据、工业互联网平台。

l面对创新问题，要学会“以终为始”的思维方式。这种思维方式本质是避免断点，打通技术的逻辑。

l我们主张的创新方法，如需求驱动、以终为始、“三个问题”、强调逻辑，本质上都是为了防止出现断点。

2、机器智能的边界与人机关系

我经常说，创新要学会变通，学会把理想的目标降低为现实可行的目标。这就是所谓“养花不生烂叶子”的段子。从事智能化工作时，我们的理想是机器自动决策，但现实中却经常是人机协同决策。这种现象的出现，是因为机器决策时是有短板的。

与人类相比，机器决策根本性的短板主要有两个：获得信息的灵活度不够，机器的决策权限不够。这两点，决定了机器智能的边界。人能更好地打通信息流、打通从决策到执行，能够通过与物理世界的互动、和其他人的互动中动态地获得信息和知识。所谓的人机协同（包括辅助决策），就是要利用人的这些优势。

我们的很多决策都是在信息不完备的前提下做出的。比如，我们听到机器的声音不对，并不能确认机器是不是真正坏了。这时候，我们可能需要打开机器进行查看：打开查看就是为了获取新的信息，以便于下一步的决策。由此可以看出，人类可以在实践中，通过获得比机器更多的途径与物理世界打交道，来获取更完善的信息。所以，“人机协同”、“辅助决策”永远是智能化的重要领域。所以，“从感知到认知”、“从人找数到数找人”这些看似普通的工作，都是重构人机关系、顺畅人机关系（也是一种打通）。

3、对自动化的理解

我过去常想问题：什么阻碍了自动化的推广？

读书的时候，总觉得阻碍自动化的是技术问题，是能否开发出特定的自动化技术。后来意识到：许多技术能否实现自动化，关键是用自动化技术是不是划算。最近意识到：自动化不划算的一个重要原因，与生产状态的切换有关。在那些小批量多品种的场景，就很难采用自动化设备。这种阻力，既是技术问题，也是经济问题、还是生态问题。

要解决小批量、多品种的自动化问题，需要推动模块化、标准化、流程化、要推动系列化，在此基础上数字化技术才能发挥作用。我今年意识到：单独强调模块化、标准化、流程化、数字化是不够的，还需要系列化来规范变化本身。系列化也是知识复用的重要手段。过去我在钢铁行业，对此关注得少了。

单纯从技术角度看，图像识别技术的成熟解决了许多自动化的瓶颈问题，促进了自动化技术的发展。一般的数字化技术，主要解决复杂性带来的问题。其中，小批量、多品种是带来复杂性的重要原因之一。小批量、多品种带来的困难之一，是产品生产过程的切换。数字化的重要作用就是解决切换过程的自动化。

换个角度：企业推进自动化的时候，要适度超前关注产品切换问题。否则，自动化就不是彻底的。

4、“灰尘理论”与量变的逻辑

方方女士说，历史上一粒灰尘，都会成为阻碍一个人发展的高山。对企业来说，这颗能够阻碍技术进步的“尘土”往往就是经济基础：能不能生存下去、能不能赚钱。

有一次讲座的时候，我谈到高科技需要“持续改进、久久为功”。我国科技界的一个重要问题是持续改进的能力不足，总是陷入“引进落后，再引进再落后”的怪圈。

有位学员说：不是我们不想持续去做，而是没有经费支持、做不下去。我对他说：同一个问题可以从不同的角度和层次来看。从技术层面看是持续改进，但坚持下去的前提之一则是经济性：做技术的人要有饭吃，才能坚持持续改进。对民企来说，“有饭吃”的前提就是有足够大的市场，或者有足够强大的用户（如政府、大企业）、有足够强烈的需求。

当市场需求足够大的时候，技术需求往往早就产生了。所以，在技术层面，中小企业一般不会有显著的创新。好的创新，往往只是经济性比较好。而经济性的提升，则往往与社会发展阶段、企业发展阶段和基础技术的支撑有关。

所以，我们研究创新的时候，注意力要集中在经济性判断上，去判断成功的概率有多高、机会有多少、成本和收益有多高、间接和长远价值如何等。

5、重读何老的回忆与工业4.0白皮书

今年重读了何老关于宝钢信息化起源的文章，真的是愈久弥新。这次给我印象最深的有两点：1、宝钢是在引进现代化管理的基础上搞的信息化。这个基础非常重要，很多企业是不具备的。2、知识管理必须与业务流程结合，才能发挥价值。几年前，我意识到这个问题。但后来才知道：日本人就是这么强调的。所以，现在很多企业的知识管理，是有问题的。用知识图谱、AI等先进技术管理知识，未必是好办法。

我意识到：许多感悟，只有创业者、开拓者才能具备。回顾技术的发展历史，是非常重要的。我今年读到一本《精密制造》的书，值得大家去读读。

今年还重读了工业4.0白皮书。若干年前，我曾经说：“典型的工业4.0是流水线上的个性化定制”。现在回顾起来，我要适度修正这种说法：“流水线上的个性化定制是工业4.0的一个典型模型”。我意识到：认识一个理论时，采用模型思维是个非常好的办法。

这些重读的体会，我都写成了文章，大家可以翻阅前面的文章。

6、创新的理论体系。

今年重构了自己的创新理论体系。这个体系的逻辑性越来越强了，我自己都感觉非常欣喜。

我们从事创新（包括数字化）工作的人，多少对创新都有些认识。但是，绝大多数人的认识有些模糊、有许多矛盾。针对这些人，认识创新以纠正错误观念为前提。

错误观念怎么来的？以“幸存者偏差”为根本的出发点。这一点是有中国特色的，导致中国科技界普遍缺乏常识。其中，有一种特殊的“幸存者偏差”叫做“人择难题”。创新过程的特色，是以“人择难题”为基础的。我讲的创新方法，几乎无一例外地与“人择难题”相关。而解决这些问题的方法，就是恢复信息来源、了解问题的本源。所以，创新要有“大系统思维”：要从外部看机会、看条件、看风险。

我们研究创新方法的目的，是让企业的创新成为有效的投资行为。要做到这一点，企业的创新必须与工程思想相结合。与工程思想相结合的时候，会遇到一些不确定性。我们通过“知难而退”、“知难而变”、“以终为始、分步实施”等方法，把创新与工程结合在一起。

为此，我写过四张思维导图。目前在公众号里公布了两张。

今年我讲数字化转型的时候，往往开始的时候就讲底层思维。也就是把这些创新的基本思想提一下。

理解了这些底层思维，就会知道：一个好的项目往往有三个特点。也就是：技术逻辑简单、业务逻辑周密、价值逻辑巧妙。我做评委时，对一些好的项目进行的总结，得到这三条。这三条，恰恰与我的创新理论是吻合的。但遗憾的是：有些评委还意识不到。

13年前我写了一本《管中窥道：技术创新的观念与方法》。现在的想法，显然比那时的系统性要强多了。余生有时间的话，最好能在这个领域再写一本书。

7、再议方法论

今年参加工业互联网大赛的决赛，一个重要的体会就是有人开始重视方法论了。重视方法论的背后，是有人开始考虑技术的长寿命、广泛适用性了。这是一个可喜的进步。有了这一步，以项目为主的公司才能进化成以产品为主的公司。以产品为主，才能实现知识的复用、促进持续改进，才能降低（科技人员的）人工成本、提高人均效率、稳定科技项目的质量、提高服务水平。过去，这是中外企业的重要区别。

回到我本人，我觉得数据建模、根因分析、优化等工作，也需要更深层次的方法论。当然，这类工作特别难，即便对我本人也是个挑战。面对这个挑战，似乎缺乏了一点激情。

今年意识到：迭代优化是种普遍的方法论。数学家解决复杂非线性问题时，直接能够求解的绝对是小概率事件。在现实的决策优化过程中，迭代优化才是具备一般性的道路。这就意味着：计算能力的增强，是优化工作的重要支撑：因为算力强了，才能多次持续迭代。同样，现实中对一项技术的持续改进，也是一种具有一般性的技术进步方式。今年意识到：经过持续优化，很多传统产业居然也成了高科技产业。如何促进迭代优化，也是个方法论。