「工業」與「專業」關聯下的智能製造，升級之路在哪裡？

• 2019 年 12 月 23 日
• 筆記

從點到面，AI首先運用在工業的哪一個環節，從何角度切入，都是需要想清楚的問題。

策劃&撰寫：Lynn

日前，國家製造業轉型升級基金宣布將正式成立，基金公司的註冊資本為1472億元人民幣，智能製造的全面發展因此被推向了更深處。

根據公告，國家製造業轉型升級基金股東數達到20家，其中除了財政部、國開金融、中國煙草等中央部委、國有大中型企業外，還包括保險公司、國資平台等，甚至A股公司和A股公司大股東也位列名單。

在資本的推動下，智能製造將不再停留在概念層面，行業內大刀闊斧革新的場面亦不久會出現。但基於我國工業的發展現狀，前路的艱難險阻可以想見，這就要求各家廠商在推進過程中更為深思熟慮。

為什麼要做智能化轉型升級？

說起製造業，目前它存在着明顯的瓶頸。

業內普遍認為，雖然我國製造業體量比較大，但工業製造普遍存在能耗高、產業附加值低等諸多問題，因此隨着能源價格、勞動力和土地成本提高，傳統製造業的利潤空間在不斷壓縮，製造業的發展也受到了嚴重的影響。

尤其是在2019年，工廠老闆抱怨利潤下降的聲音已鋪天蓋地，越來越多的工廠搬離東莞或者走向倒閉。受人力成本增加的影響，甚至包括富士康，此前也傳出生產線要搬離深圳、天津等城市的消息。

由此可見，成本的提升成為迫在眉睫的問題，因此如三星、耐克等外資工廠搬離中國也就不難理解。而對大多數工廠來說，轉型升級不是唯一的解決辦法，他們可以考慮將工廠搬至人力成本低的地域，但長遠來看，轉型無疑是治本之法。

（圖片來源於網絡）

目前，生產製造產業鏈涉及的試製品開發、零部件生產、組裝、銷售到售後服務等環節，依據利潤空間大小分佈剛好形成了製造業的「微笑曲線」，即上游的研發設計和下游的服務環節存在着較大的利潤空間，而製造生產只能獲得微薄的利潤，這就要求製造工廠必須要提升產品良率、向智能化升級走，同時基於IoT技術向兩側延展做生產與服務的融合，以提升整體利潤空間。

就全球產業鏈來看，中國大多數工廠目前就處在利潤率最低的生產製造部分，因此，智能化升級是必由之路。而且從整體大方向去看，處於這樣一個歷史發展時期，體量巨大的製造業對全國經濟的重要性不言而喻，我國製造業的轉型升級也不得不為之。

智能化升級涉眾多環節

目前，對智能製造並沒有一個明確的定義。一般意義上，被反覆提起的智能製造有着更為廣泛的含義，它包含產品服務、生產、設計、物流、倉儲等各個環節，其中生產製造被放在改造首位，也是最難啃的骨頭。

就智能工廠來說，雖然現在還沒有明確定義，但可以肯定的是，智能化生產製造的實現絕對不僅僅是由自動化生產線和一大堆機械人組合而成，而是側重將人機互動、3D打印等先進技術應用到整個工業生產過程，並對整個生產流程進行監控、數據採集，便於進行數據分析。

簡單來說就是不能徒有外表而沒有靈魂，所有新技術的引用並非是單純的升級，而是要能夠驅動生產力、生產效率、生產靈活性的提升，再往深了去想，生產出的產品是服務於用戶的，因此生產環節引進的新技術不僅要完成生產過程的降本增效任務，還要能夠高效率地對市場客戶需求做出反應，並快速生產出滿足用戶的產品，以服務於經濟社會。

無疑，達成最終目標，需要經歷一個漫長的過程，但是現在的產線建設也算是有了眉目。

2016年，有人做過數據統計，在國內機械人下游應用領域中，佔比最大的是汽車製造（48%），其次是3C製造（24%）。可以看見，目前國內智能製造系統升級投入的主力還是在汽車領域。

在這方面，我們國家在大力發展和投入之後也不是沒有成果，尤其是在汽車產線方面，2018年底，海馬小鵬合力打造的智能工廠就能夠實現「人機料法環」的互聯互通、製造智能化、混合生產等功能，通過使用工業機械人、物流AGV、工業物聯網等技術手段達到年產15萬輛的產能。

從公開的數據來看，這是相當顯著的成績。以特斯拉上海超級工廠為比對，特斯拉臨港超級工廠佔地約86萬平方米，總投資超500億元，周產量只能達到大約3000輛（年產預計15萬輛）；而海馬小鵬智能工廠佔地面積只有約45萬平方米，僅為超級工廠的一半，總投資大約20億元，年產也能夠達到15萬輛。這樣一座「新舊」混合的工廠還是遠遠的保持了傳統造車廠的優勢，這裏面技術一定起了不小的作用。

其實回頭去看，即便是特斯拉超級工廠，它雖然無法達到傳統汽車廠的產能，但也突破了歷史上電動汽車的產能限制實現了量產，而這裏面不得不歸功於新技術的運用。

當然，這裡值得一提的是當初馬斯克在產能方面頗為波折的探索，在產能始終無法提升的情況下，他曾多日睡在加州工廠並最終選擇撤出部分工業機械人，這些行為在智能化改造的熱潮背景下可以說是格外引人注意。後來他談到原因解釋說，「完全」的自動化乃至智能化並沒有帶來產能的提升，反而使產能上不去，因此部分人工是有必要的。

這段小插曲中，且不論是不是馬斯克在工廠建設上沒有尋到正確的智能化之路，從中我們至少可以明確的一點是，所謂的全自動化乃至智能化探索並沒有想像中的容易，它與傳統工業有着諸多一脈相承的東西。

智能化探索，不可忽視「工業」與「專業」

瑞薩電子，這位工業MCU領域的領軍者，在談及智能化升級改造時也表示還是有諸多方面需要顧忌。他們曾提到，不同於消費電子行業，工業有自己明顯的行業特點：對系統安全、設備穩定有着極高的要求，且發展迭代周期慢。

「雖然現在業內在強調智能化和創新發展，但是在工業領域，我們不可能讓所有設備『推倒重來』，只能夠在大量數據積累基礎上不斷升級和改良。可靠性、一致性、安全性要求導致工業領域不會出現顛覆性的變化，因此在做解決方案時，我們都要考慮這樣一個行業特性。」

所謂工業，它有着自己的發展迭代速度，而穩定、安全是其不可違背的第一法則，這就要求廠商在智能化推進過程中要抓住材料物理屬性等核心點，對「AI用在哪裡、如何用」這些問題的思考進行更為深入的思考。

以工業互聯網建設為例，與傳統互聯網不同的是，工業控制基於的是等時同步思想，即傳輸信號、控制任務周期等都需是確定性的，這就帶來了設計上的極大差異化。雖然現在在智能化大背景下，強調OT（操控技術）擁抱IT（信息技術），但是早期大量部署的傳統現場總線協議已經隨着工業製造發展形成了非常密集而細分的類型，因此OT與IT互相訪問勢必會造成網絡資源的浪費，成本上反而存在負擔。同時因為保密需求，某一個關鍵參數無法被訪問也極大程度上影響了後續處理和優化，甚至數據的丟失都會左右AI模型的優劣程度。

因此在信息化的過程中，信息技術與工業的融入必然要順應製造本身的發展，而在目前初期磨合階段，從點到面，AI首先運用在工業的哪一個環節，從何角度切入就成為必須要想明白的問題。

當然，除關注行業特性之外，因為工業涉及材料特性與成本、機械、控制、軟件、作業規範、加工對象的標準化、人工經驗等各個影響經濟的因素，產業鏈上下游企業之間的協作成為大趨勢，從小處切入也成為企業推進智能化可行的方式，即深入專業領域，一次做好一件事。

產業內走在前列的不乏這樣的廠商，如南京智能製造研究院，他們就抓住了工業領域錯綜複雜的軟件無法實現互聯互通這一痛點，融入了自己的創新想法，從工業仿真軟件切進了智能化的浪潮中。

據他們自己介紹，他們研發的協同仿真平台利用了區塊鏈、雲和互聯網技術，目的就是將軟硬件和人才資源虛擬化，實現各個環節資源的共享，同時消除了各個環節的可信問題。不得不說，這確實是一個值得投入和探索的方向。

將用戶需求體現在分工協作上，設計生產與產品銷售的融合

落在細微處，製造業智能化過程就是不斷在尋找最優的路徑，同時優化材料、加工步序、時間、成本等生產工序。對此，製造業信息化專家寧振波曾用二十字對可以預見的理想狀態做出總結：狀態感知、實時分析、自主決策、精準執行、學習提升。

但是從更為長遠的角度來把控，智能製造最終能夠延展的邊界在哪裡？業內普遍認為隨着個性化經濟的蓬勃發展，製造最終會和用戶端直接產生聯繫並為之服務，而智能製造的想像空間應該在產業鏈上下游細分業務的「集成」，即設計、製造、物流、售後的一體化。因此，我們也不難理解，原先在做工業MCU的瑞薩電子也將觸角伸到了智能家居產品端，傳統老牌廠商西門子等公司更是表示一夜之間變成了行業諮詢公司，身份已然在轉變。

與此同時，如今產業上下游的併購事件也已經屢見不鮮，如西門子以將近10億美金併購了流體仿真廠商CD-ADAPCO，以提供更加完整的CAE解決方案；達索系統併購MES廠商Apriso，供應鏈計劃與優化軟件Quntiq，從而可以實現工業4.0理念中的三個集成；幾年前施耐德電氣對Wonderware母公司Invensys的併購也體現出自動化與信息化融合的趨勢。

在原有基礎上進行智能化升級，目前自動化與信息化廠商的邊界已經越來越模糊，這也預示着智能化發展有所成效。從某種層面上來看，資源整合成為智能化升級的必經之路。

對於智能製造的未來，業內人分析指出，其內涵非常深遠，因為除了產業本身的升級，它還要肩負實現綠色設計、綠色工藝、綠色包裝，減少三廢排放等環保節能的歷史使命，身負重任，其未來發展看起來虛無縹緲。但是不難確定的是，只要從小處着手，發現和滿足客戶不斷升級的需求，製造企業還是容易成為一家具有差異化競爭優勢的企業。