文丨徐达 编辑丨鹿普禾

来源丨首席数字官

2018夏季达沃斯论坛于今日在天津开幕，主题为“在第四次工业革命中打造创新型社会”。该论坛已经成为一场在科学、技术和创新领域首屈一指的全球性盛会，每年都有众多“大咖”参会，今年同样如此。

 ▌第四次工业革命推动制造业转型

从“第四次工业革命——转型的力量”，到“在第四次工业革命中实现包容性增长”，再到“在第四次工业革命中打造创新型社会”，夏季达沃斯论坛连续3年将会议主题锁定第四次工业革命。划时代的技术进步，不仅促进传统产业的迅猛发展和升级改造，培育出众多新产业，而且广泛应用于其他相关产业领域，带动全社会“大产业”格局的大发展。

清华大学教授薛澜指出，第四次工业革命是包括AI、无人驾驶、生命科学等诸多技术创新带来的物理空间、网络空间、及生物空间的融合，实现了音视频、图像识别生物广泛应用，产生了工业机器人等智能化产品。

信息技术和数字化智能化技术和新能源体制迎合了全球日益个性化的需求，催生了大规模个性化定制的生产需求，以具备外部规模经济和创新成本优势的模块化创新成为创新的主导方式，垂直结构、中央集权的大企业集团将解体分化为网络状模块化的产业组织模式。全球制造模式也正在经历一场由传统的大规模标准化，向未来的大规模定制、个性化定制方向变化。

图片来源：《智能制造与传统产业变革》白皮书

在“中国制造2025”的推动下，越来越多的制造企业纷纷向智能化转型，传统产业向智能化转型的核心是新一代信息技术（互联网、大数据、云计算、人工智能、区块链等）与制造业的深度融合。

河北工业大学教授、河北大数据计算重点实验室副主任刘晶认为，智能制造作为产业变革的重要方向，在发展理念、制造模式上与传统产业的区别是数据的流动。传统制造业主要采用分层的架构，把复杂的问题逐一分层解决，这种方式的优点是简洁高效，但同时也会带来信息孤岛等问题。为了解决这个问题，智能制造以服务用户需求为目标，基于工业数据的流动，在产品整个生命周期内进行智能分析、判断和决策。

▌智能制造技术发展的核心

智能制造转型的核心包括三个方面内容，多源异构的工业物联网助力智能制造落地、边缘计算利用物端嵌入式计算能力实现智能化、工业云生态融合共享能力和创新能力。三者的结合实现了工业数据的采集、存储、流动和分析的智能化处理。

1.多源异构的工业互联网助力智能制造落地

工业物联网是工业系统与互联网，以及高级计算、分析、传感技术的高度融合，实现人、机器、原材料、产品、业务的互联互通。一个典型的智能工厂部署由高度多源异构的设备组成，而缺少统一的工业信息与服务定义模型，数据异构会导致数据打通难。

制造行业的数据获取较为复杂，一是要保障数据集成过程中的数据质量，二是要实时集成产品全生命周期的各个环节产生的数据。北汽福田商用车信息技术部总监辛海明在接受「首席数字官」访谈时表示，数据质量可能因数据集成过程中人工操作失误，或者自动集成过程中模式匹配出错导致出现问题，不同时期对数据标签、范围等的理解和要求出现变化，也会影响数据质量。

图片来源：《智能制造与传统产业变革》白皮书

将新一代信息技术(大数据、云计算、人工智能和工业物联网等)赋能于传统企业，解决多源异构的工业物联网中有效数据的获取问题是智能制造的基础，即从工厂中的装备、PLC以及其他传感器获得数据，并对生产生命周期的各个环节产生的数据实时集成，将助力智能制造真正的落地实施。

2.边缘计算利用物端嵌入式计算能力实现智能化

随着物联网的飞速发展，伴随连接设备数量的剧增，对网络传输的实时性和网络带宽提出了新的挑战，对数据的存储、分析处理等也提出了新要求。例如在生产控制领域，业务控制时延必须小于10毫秒甚至更低，大量异构数据需要实现数据聚合和统一格式，相对恶劣的工业现场运行环境等，都对数据的实时性、可靠性和安全性提出了更高的要求。

所以，在网络边缘端增加执行任务计算和数据分析的处理能力成为必要，边缘计算技既解决了大量简单数据上云造成云端负荷过大和效率降低，同时数据脱敏后上云，有助于数据的完整性、保密性。

图片来源：《智能制造与传统产业变革》白皮书

边缘计算提供实时的存储和计算能力，具有采集边缘数据智能的运算能力和可操作的决策反馈等特点，能产生更快的网络服务响应，满足工业应用在实时业务、智能计算、安全防护和隐私保护等方面的基本需求。同时，边缘计算具备分布式特征，支持分布式计算与存储，实现分布式资源的动态调度与统一管理，支撑分布式智能，具备分布式安全等能力，能够带来显著的效率与成本优势。

3.工业云生态融合共享能力和创新能力

云服务具有资源池化、弹性供给、按需付费等典型特征能大幅度降低研发工具成本、提高企业研发效率。同时，通过核心业务系统上云，打通信息孤岛，促进制造资源、数据等集成共享，提升企业效益。这也是行业企业推动业务系统向云端迁移、实现跨国跨企业协同研发和制造的重要出发点。

▌传统产业转型升级改造

中国制造业对与智能升级有着强烈的需求，但是中国智能制造基础非常薄弱，加快智能制造建设应采取以下三个策略：一是分阶段加快建设智能化基础设施；二是分行业大力挖掘生产过程数据价值；三是以积木式创新构建工业全产业链生态体系。

1.分阶段加快建设智能化基础设施

实现智能制造主要有两个方面，一个是工业制造技术，包括先进装备、先进材料和先进工艺等，这是决定制造边界与制造能力的根本；另一个就是智能化基础设施，即基于物联网、互联网、云计算与大数据、人工智能等新一代信息技术，充分发挥工业装备、工艺和材料潜能，提高生产效率、优化资源配置效率、创作差异化产品和实现服务增值。

2.分行业大力挖掘生产过程数据价值

大数据本身是没有价值的,对大数据进行挖掘分析，找到问题、解决问题、避免问题、优化流程才是大数据的意义所在。即工业大数据是实现智能制造的核心技术，通过分析数据可预测需求、预测制造、解决和避免不可见问题的风险，利用数据整合产业链和价值链。

3.以积木式创新构建工业全产业链生态体系

真正的智能制造不是高级自动化，而是以数据为核心的工业产业链生态体系创新，其目标是快速响应持续变化的市场需求，构建个性化定制、柔性生产新体系，形成全产业链生态体系和成本精细化管理能力。

“积木式创新”是指在创新的过程中，不同要素之间如“积木”般的组合方式。核心思想是借助互联网和大数据来组织社会资源，以便市场上可以获得高速、高质量低成本的产品和服务。以积木式创新构建工业全产业链生态体系有助于加速社会多元化生产资源的有效协作，促进产业链资源整合，加速形成产业生态系统制造业网络。

备注：本文部分资料参考《智能制造与传统产业变革》白皮书。