张诚：AI与智能制造融合，我们可能遇到的挑战
FDSM
过去5年，我国制造企业主要展开了制造过程的信息化改造，将企业的设计、生产、管理、服务等制造活动的各环节通过信息技术连接贯通，通过及时、准确和全面地获得企业制造环节、经营过程、市场、产业和竞争等信息，更有效地组织生产和应对市场变化。
这项工作目前来看完成得很好，如同我们每日需要呼吸的空气一样，信息技术已经融入企业日常工作，成为企业运营管理和决策的一部分。
接下来5年，这些企业，尤其是制造业企业将向智能制造进一步升级和转型。智能制造的概念比制造自动化更为广泛和复杂，它需要将自动化技术、物联网、工业机器人等 “硬”技术与大数据、云计算和人工智能等“软”技术真正集成起来，并有机地融于之前“以人为本”的企业运营流程、管理和决策工作中。
智能制造构想了一种由人工智能为主的智能制造系统，它在制造过程中能从信息技术连接的设计、生产、管理、服务等各环节中，自动获得相关信息（即“自感知”），由此进行诸如分析、推理、判断、构思和决策等智能活动（即自学习、自决策），然后通过制造自动化执行（即自执行），并能根据执行后的效果，以及市场和竞争环境改变的反馈，调整和优化后续的制造工作（即自适应）。如果能实现，这是何等壮观。
大家不妨闭眼想象一下：当人工智能具备了人类在制造过程中积累的最高智慧和经验，并将其规模化用于所有企业，将极大减少企业人员由于知识、经验和能力不足带来的生产和收益波动，从而把产业内所有制造企业的生产效率整体提高到同一高度，产生更高的生产价值。而且，由于人工智能的智慧往往通过计算机算法实现，是一种“软”的数字技术，复制使用的边际成本低，使得一个企业的成功应用可以容易地复制扩展到不同企业。
这一切的美好，都要依靠扎实的产业探索和实践，正所谓“千里之行，始于足下”。尽管智能制造是多项软硬技术的集大成者，由于人工智能在其中起到“大脑”的价值，我近期梳理了人工智能与智能制造融合可能遇到的四大挑战，在此与大家分享，希望引起企业和社会的注意。当然，挑战与机遇并存：挑战应对得当，也可以转变为成功要素，即融合的成功之路=（基础+科技）×实践×战略（IMIS）。
其一，扎实的信息化基础（Infrastructure）。人工智能算法的应用，需要质量好、完备和大量的数据。倘若连信息化都做不好，数据都不能有效地存储、传递、收集和处理，就不要再说怎么用好数据了，更不要提自感应。因此，在信息处理和业务流程改善效率后，人工智能才可能开始产生应用价值。这也是对制造企业前5年工作的大考。
其二，新兴的制造科技（ManuTech）。人工智能在“软”技术层次，主要体现为以机器学习和深度学习为代表的算法应用。尽管互联网、金融保险、安保等行业已经基于消费者行为、图像、语音和文本信息进行人工智能学习，产生了大量成熟的应用，包括对人的精准识别、定位、广告投放、营销定价、推荐和互动等，但我们如果静下来思考，会发现它们都是针对消费者个体进行的应用，与智能制造的主体（生产设备、流程等）完全不同。
也许我们已经对互联网科技、金融科技、保险科技这些名词耳熟能详（简单来说，它们都是指将人工智能技术用于互联网、金融和保险等领域），但我们听到过制造科技（即用于制造的人工智能技术）么？也许我们会熟悉BAT，科大讯飞、AI四小龙（商汤、旷视、云从、依图）和其他AI独角兽公司，但我们知道哪些企业在深耕制造业的人工智能应用呢？也许我们能脱口而出人工智能在安防、汽车、医疗、金融、零售、互联网、广告营销和智能手机上的众多成功应用，但我们又能数出多少制造业的成功应用呢？
当然，制造业离我们日常生活较远，并不是所有人都需要关注关心。我这里主要想强调：智能制造的成功，与其他行业一样，需要大量成功的、独特的人工智能技术应用。在此我定义为ManuTech（Manufacturing Technology的缩写，代表AI Technology For Manufacturing）的兴盛。这些技术并不是照搬照套消费领域的应用，而是为制造而生。
其三，务实的企业实施（Implementation）。制造企业真正采纳人工智能技术，并不是单纯依靠技术的先进性，而是需要和企业战略、制度、流程和人相结合，将人工智能融于工作流程、并与企业管理人员的合作共事。这中间涉及不少挑战。比如当人工智能给出的建议与人的判断不一致时，应该如何取舍？人工智能的决策思路，可否更好地让决策者理解？问题的答案涉及到混合智能、算法可解释性、算法偏见等一系列前沿科研，尚有待科研工作者与企业实践人员共同解决。而人工智能技术的复杂性导致目前制造业很少有成功的落地经验，也加剧了企业实施的挑战性。
此外，人工智能的算法是一种通用技术，它与企业实践结合的方式方法，才决定了它的具体价值。制造业涉及新产品研发、生产效率、质量控制、安全监控、智能调度、设备维护等应用场景各自不一，不同企业的人工智能落地方式也各有不同。尽管人工智能具有边际成本较低的特性，但在探索初期的成本相对较高（包括软件、硬件和人力等投入），更要注意有效的成本收益控制，最好采用小步快走，重点突破的实施路径，选取关键节点突破，以点带面形成效益后再逐步扩大规模，而不要一开始就全面投入。须知，ManuTech也需要时间和经验的积累。
其四，清晰的战略导引（Strategy）。将人工智能融入智能制造的战略放在最后，并非说它不重要，而恰恰它是最重要的一环。企业转型是牵一发动全局的过程，尤其是涉及到大量投资、流程调整和劳动力结构调整，过程会非常复杂和有挑战性。ManuTech也不例外。相应的企业战略和技术一样复杂，战略设计和执行过程涉及到数据整合、组织结构设计、人力资源配置、项目顺序等等诸多因素。而且，企业不仅需要增加精通人工智能和制造的人才和技术储备，还需要让企业上下形成共识合力。
现状是，好的人工智能战略专家比好的技术专家更加稀缺，他们需要对人工智能技术和企业管理都有丰富的经验和深邃的理解，才能全面理解技术与管理的结合，把握技术转化为生产力、利益，甚至竞争优势的途径和步骤，最后从全局出发，创造性地规划和执行企业智能制造战略。如果企业没有这样的高端综合人才，则需要有计划地培养传统管理者和算法科学家的相互理解和部分转型，通过团队的有效合作来弥补。
总的来说，企业需要明确自身的业务需求和目标，然后据此形成人工智能项目的计划，这样可以避免被各种人工智能技术弄得眼花缭乱、迷失方向、过度投资。计划里包含多个潜在的项目，企业还需要决定它们的优先顺序，之后可以考虑具体实施的问题，比如供应商的选择、是否先在小范围实施、是否要重新设计工作流、如何确保员工采纳等。
* 转自文汇报“复旦管理学家圆桌谈”栏目
欢迎关注 “瞰见”云课堂