圆桌论坛丨为何工业智能是制造业的下一个风口？

6月12-14日，为期三天的“2019全球新经济年会”在上海长宁世贸展馆举办。本次大会由上海市经济和信息化委员会、上海市商务委员会、上海市长宁区人民政府指导，上海市长宁区青年联合会、亿欧公司联合主办。大会以“科创引领智能新时代”为主题，聚焦科创板、5G、智能制造、餐饮等新兴 产业创新 热点。

在13日上午的 新制造未来峰会 的 圆桌论坛 上，众嘉宾围绕“ 工业智能 ，制造业产能新增长点”的主题，展开了交流与探讨。本次圆桌论坛的主持人为亿欧新制造频道负责人李基祥，参与本次圆桌讨论的嘉宾有工业互联网产业联盟上海分联盟常务副秘书长王旭琴，利乐食品机械（上海）有限公司董事总经理钱兆华，数之联CTO方育柯。 

以下为亿欧整理的圆桌论坛对话实录

李基祥 ： 大家上午好！非常欢迎大家今天来到活动现场，非常感谢我们的嘉宾。先请三位做个简单的自我介绍，聊一下自己的公司、机构主要是针对哪些对象做什么样的服务。王老师先讲。

王旭琴 ：大家好！我是王旭琴，我现在是在工业互联网产业联盟，负责上海联盟这块的工作。主要的工作是支持政府，为 企业服务 。我们在今年下半年正在筹备上海市工业互联网协会。我也会带着中国信通院的加持出来正式作为这个行业协会的秘书长。我们做的事除了行业协会都要做的事之外，包括支撑政府、服务企业之外，我们也做了一个“工赋学院”，即为工业人赋能。另外也做了全国第一档工业类访谈栏目，叫“工赋坊”。刚刚有演讲嘉宾分享到中美贸易摩擦，我们希望能够在这个大环境下让大家的相互借鉴经验、做得更好。

钱兆华 ：我在利乐公司服务，当大家听到利乐的时候，可能会理解为一个包装公司。其实利乐有三块业务，一个是食品包装、加工，另外一块是服务。加工这块主要是当有饮料进入工厂的时候怎么去处理，怎么去加工这个食品。包装就是包装设备和包装材料和饮料，这些都是我们的服务范围。我自己是负责在中国设备生产、设计和销售这块业务的。

方育柯 ：谢谢主持人。我是方育柯，来自成都数之联，我们立足于做大数据 人工智能 。主要立足于两块， 第一块是做政府行业 ，为食药监。第二个是为法律，做智库的。 还有一块是战略方向 ，工业智能制造这块，重点介绍一下智能制造，我们主要聚焦在FPD行业、面板制造、半导体行业。

主要是基于数据驱动的生产过程优化，帮企业找到最优的生产参数去解决缺陷和良品率的问题，以及通过机器识别、人工智能的方式帮他解决人工质检成本的问题，还有解决设备自动化管理问题。现在典型代表性客户就包含了前面嘉宾讲到富士康，还有另外一大波像京东方这些是我们比较大的客户，也有一些像做面板，高端的智能制造。2012年成立的这家公司，一直扎根在这两个行业方向上。现在尤其是在面板、半导体领域还是有一定的影响力。谢谢大家！

李基祥 ： 工业智能落脚点一定是落在工业上，但无论是目标，还是未来的发展方向上也好，一定是在智能上，目前对这个概念其实没有一个很清楚的定义，怎么定义工业智能这件事。先请各位聊一聊，你们眼中的工业智能。

钱兆华 ：对我来说，智能AI和自动化的区别是，自动化是你想让它做什么，AI是它自己决定下一步该怎么做，碰到问题该怎么做。利乐从自动化这块我们走的很快，可是在设备生产这块走的相对比较慢，现在还在说数据化，我们没有说AI，没有说其他什么，更不要说人工智能这块。

我自己看从利乐的角度去看，我们的包材工厂是很标准化，量很大的工厂，可以做很多改造去适应标准量大的需求。可是在设备生产，刚好相反，我们是量小品种多，几乎每一台设备都不一样，按照客户的要求来去做。

我们曾经考虑过很多不同的方案去让设备生产更加标准化，更加智能化。 可是让整个工厂使用人工智能，在我们这暂时来说不可能 。如果从工业生产这方面大型企业，特别在中国国营企业或者民营企业，他们有资本、有资源、有人才，在这方面要去做这个事情比较简单。可是 在中国60%、70%的中小型企业他们要往这个方面走是比较困难的 ，因为没有资源、没有人才、没有帮助。在生产型这方面很多时候是需要大数据、AI等先进科技，可是这些先进科技离用在中国60%、70%的中小型企业是有一定的距离。

李基祥 ： 对于利乐来说智能化比较远，但对利乐的客户包括食品制造厂商，像这样一些企业已经使用这样的技术来优化自己食品安全以及其他的生产。方总也是人工智能或者工业智能方面的专家了，您理解的是工业智能应该是在什么样的范围内，要去打造什么样的目标？

方育柯 ：工业智能从字面上去理解应该是“工业+智能”。前面有位投资人讲，工业来讲应该是特定指里面的“制造业+智能”，里面对它层层剖析。从企业角度而言，希望解决的问题是类似于降本增效，以前更多的从管理这个角度。现在技术发展到当前这个时代，数据多起来了，我可以加很多section，有很多系统的数据，有数据起来了，那人工智能的算法流行起来了，再加上算力起来了，就可以把这个数据技术，还有算力，包括像云计算这类的东西，再结合这些，比如说不良率的问题，希望不良率进一步往下降，希望人力成本进一步往下降，这个就是一个结合，结合起来之后可以称作是工业智能。

在企业里面能看到的例子，可以通过大数据人和工智能的方式帮他去改善这个生产过程。以前他解决一个问题，可能是需要几天时间，甚至几个月的时间，现在通过工业智能的方面能够让他分析的效率大大的提升，能让它的智能化程度更大提升。从以前几天几个月，到现在几个小时，几分钟就可以把这个问题解决掉，这样就通过这种方式提升效率。

我们可以通过机器识别的方式，通过算法去识别产品缺陷，这样通过人工智能的方式去取代或优化里面人工漏检的成本，机器可以自动识别这个缺陷的code，是不是可以修复，是不是可以归到其他里面去做归集，这是典型的工业智能的案例。

李基祥 ： 王老师从制造业的视角，或者从工业互联网联盟机构视角来看，怎么推动这件事情，或者怎么理解这件事情？

王旭琴 ：我更愿意从一个观察者的身份来看这个工业智能这件事情。工业智能这个事，说一说跟人工智能的区别，我们在很多场上看到拍个照片，能够预测你几岁，预测到未来的一些数据。工业智能通过很多数据，比如说ERP数据、MES数据等等的数据，用历史的数据帮助未来做得更好，包括机器识别等。刚刚甲方角度，有生产制造嘉宾的观点，场景怎么优化，以乙方的角度来说，是个系统工程，数据怎么采，采的对不对，哪几个点，帮助未来做数据分析，有了有效的数据之后才能说用它来做工业智能。这有很多前期工作要去做。

李基祥 ： 钱总提到一个问题，中小企业和大企业之间的区别，之前做过分享的美的、富士康，他们在当中已经做过一些尝试了。但是中国大部分制造业的产能是由中小企业去组成的，中小企业怎么应对这个问题？无论是资金、人才还是技术积累，距离大企业都有一定的差距。但看到工业智能这是一个趋势，中小企业应该怎么跟上这个趋势，方总作为在行业里面服务，有没有一些想法或者建议？

方育柯 ：谈一些自己的建议，我们做的基本上是龙头客户，行业中的标杆。像京东方，也包含富士康、商飞、上汽。 先说为什么会选择这些企业，再说怎么去回归到中小企业 。

我们选这几个方向，比如说像面板、半导体，我们自己的选择逻辑是什么样的：第一，像大企业，企业家对良率、成本是非常关注的。第二，他的数据完备性相对比较好，他有比较完善的MES数据系统，那至少相对其他数据完备性大。第三，他的技术相对而言有这方面的意识、能力、技术，这也是我们选择的一方面原因。包括现在国家重点推的智能制造、面板半导体，这些就使得我们当时优先去做行业的龙头、去做标杆，去做尽量有显示意义的，或者刚才提到的灯塔客户。

从维护龙头企业或大企业切到小企业去对标看，恰恰是小企业怎么去做，尤其是中小企业，小微就不用说了，可以从中小这个角度去讲。首先我们要知道这个企业的痛点是什么样的，是想改善生产端还是改善前面产品设计端的，还是想改善我们供应链或者售后的，因为很难从龙头企业里面，因为龙头相对有比较长的资本实力，缓冲比较大。可能会和整个IPO一起上，整个成本比较高。 对中小企业而言，建议从一些小的非常细的点上去做，从小球滚到大球，从量变到质变的提升 。

从技术上，选择相对而言性价比比较高的技术 。在当前的技术选择上有非常广阔的选择空间，因为现在技术发展比较多样化。一方面，像外资的，外企的费用可能在千万级别。还有开源的技术方案可能在几十万、几百万的量级，成本可能会覆盖的更好。你希望让你选择的这个事情比较成功，选择一些相对而言是服务比较靠谱、比较可靠的，能够全程跟踪，因为你做一个事情不是一次性就能做好的，往往要反复迭代3-5次才能解决。 从小处着手，从相对而言你的痛点去着手，能负担起的成本，上个云也是不错的选择 。相对大企业而言，大企业对他的数据更加敏感，中小企业对数据不那么敏感，可以选择一些性价比高的，通过上云的方案，技术成本可以进一步的下降。就通过这几个因素去选择适合自己的一条路去发展。

李基祥 ： 这三点建议处处打在痛点上，对企业来说都有实质性的建议。钱总也接触过，一定会有体量更小的，但是做得很精的企业，对于这些企业来说他们有没有正在进行的方式来提升自己的产品质量，或者说生产效益，产能等，有哪种方式可以和大家分享的 。

钱兆华 ：我们碰到很多供应商，中小的供应商，我有些朋友他们也是做生产型的供应商。发现他们在做生产的时候，都没有一套很好的流程或者是管理系统。我相信如果他们要去做的话，首先要具有自己的一套管理手册，当他们提到我们引入工业互联网，对他们来说可以有什么帮助。 中小型企业他们最大的问题，首先是要生存下来，要生存下来要有利润、有客户，如果他们找不到客户，没有一个稳定收入，剩下来的互联网、AI什么都不用说 。

我自己的看法，如果在政府层面或者是团体，或者有人出来去牵头把这些中小型企业，让他们可以 抱团取暖 ，让他们可以积累在一起，实现信息化、系统化有一些资源可以共享的话，对他们来说就是一个帮助。当这些中小型企业可以生存下来以后，他们就可以看怎么样改善生产方法或者是引入更多的技术让他们质量提高、成本再降下去，这样会比较合理。

李基祥 ： 这也是很有实践性的思路。王老师这边怎么看待这件事情，包括抱团取暖这件事，是不是我们应该去考虑或者推进的事情?

王旭琴：不一定是工业智能所面临的问题，在数字化转型过程中都是一样的。我们协会比较多关注的是中小企业，刚刚方总提到大的企业他本身就有自己改造的需求，他业务就有方向，我有明确每年的成本要降低多少，质量要提升多少，他是基于目的，我要去完善的。 因为工业智能能帮他节省很多钱，投的这点钱永远小于他省下的钱 。

数据分很多层面，像中小企业，可能数据还在初期阶段，他可能根本谈不上做工业智能，从前期做数据积累，然后再去分析，把数据准备好之后然后再慢慢解决一些问题，还有很漫长的过程。从我的角度来说，没有什么捷径可以走，找好的服务提供商，解决方案很好，没有走弯路，但路还是要走的。就像报英语学习班，不管报多贵的班，还是得一个单词一个单词去背，还得一篇篇课文去读，不是马上就能和老外交流了。 中小企业要做这个事情比较难，在前期一定要想好战。 做这个事情，整个企业的战略在哪里，三年、五年怎么投入。但产出短期内很难见效的。

李基祥 ： 王老师提到的事情比较认同，同时牵涉到一些问题，这个观点里面有很明确的地方，中小企业应该一步一步来做这件事情。近期看到一些现象，之前是有从自动化-数字化-互联网化这一套的路径，大公司已经实现了这些体系。近期有些场景已经打破原有的这种路径的方式了，您认不认为这套路径是要遵循的，或者我们有一套必须改造的路线 ？

方育柯：我自己觉得比较理性的，始终觉得法无定法， 真正的工业智能不是再把以前的路走一遍 。就像社会科学发展一样，是不是先经历原始社会，再经历奴隶制社会，再到封建制社会再到资本社会。其实在工业智能里面也是一样的， 一定要选择适合自己的场景或者选择适合自己的技术 。

尤其对中小企业而言，不可能一下子整个面上全去做。现在推的企业智能或者企业大脑、工业大脑，这些东西是比较重的，尤其对中小企业而言。他们走相对比较灵活轻量级的方式去推工业智能会比较合适。比如说成本高，推轻量级的方案就可以了，其他的先不要考虑太多，要不然成本会遭不住。中小企业抗风险抗击打能力相对大企业而言是弱很多，有可能今年收入都砸进去，一年白干了。王老师从政府出来，比如说对智能制造补贴或者项目政策可以往中小企业去倾斜，而不是往大企业去倾斜，一定往中小企业去倾斜，因为他们的抗风险、抗击打能力太弱了。

王旭琴：说这话不是代表政府，因为我们只能支撑政府，会了解一些，其实已经在往中小企业去倾斜。包括政府会去支持一些解决方案提供商，然后我用了你的云，我用了什么，然后得到相应的补贴，政府补贴一些软件厂商，补贴一些大的企业也好，也是给中小企业，我给你补贴了，我希望你出来的产品能够更低成本给到中小企业去用，联盟和协会未来也会做一些，比如说甲方有需求，做这事外面要两百万，我现在只有三十万预算，会把需求抛出来，看有没有中小企业愿意去尝试，这块我在关注，但没有成功案例。我愿意和甲方企业一起去探索，我们用成本来跟他合作，也是推动整个产业发展，包括推动一些技术，应用的问题，然后让企业能够实实在在用最小的成本用到这些。

李基祥 ： 相信各位在制造业当中也经历过很多的场景，公司或者他们的一些经历。各位现在想象一下可能还没有比较智能化的场景，也是为未来铺垫一个梦想，一个种子，还没有实现的一个场景，但一直会在脑海当中去营造的那种 。

方育柯 ：我们是纯想象，这里面代表从现在到未来的过程，真正的工业智能在企业里应该是什么样的？是一个master多个server的模式，master代表是人，最理想的状态是这个企业只需要一个人，但不是说没有。如果没有就有问题了，一个人做master，其他的Server就像我们的机器人、传感器、物联网一样，他们能够执行master角色，可以让你的机器人，你的server更加智能，但最终一定要有个人的决策。但正常除了思考，其他所有的事情、所有的行为都交给这些设备，这些机器来去做，这个我理解是比较理想化的方式。这个方式也代表了我们通过机器去换人，但并不是说全都换。不是很赞同另外一个话，就是无人工厂。在这里面一定要有一个人，无非从一百个人缩到十个人，或者一个人，不是说从一百人缩到0个人。这是终极智能，里面可以想象有十个master，少量的server过程，逐渐替代的过程。

钱兆华 ：我一直在想，当我们说人工智能的时候，我们希望机器可以像人这样思考，可以这样做事情，自己做事情会有个优势。自己看到现在很多人工智能都是在分行业，比方说机加工做机加工的、电子做电子的，人不会那么强，可是人的智慧会把很多数据放在一起然后去做决定。有可能将来会看到跨领域的一些平台或者数据、AI，可以放在一起，它们做出来的决定或者判断会跟过去不一样。比方说怎么样去判断一个动物，或者机器做出来的动物，我们可能用人的感官去判断这个是什么，那个是什么。如果用人工智能，它会看这个是机器，这个是动物，可以把机器的不同判断能力放在一起，变成综合的AI，如果可以做得到，往这个方向走的话，人工智能会往另外一个层次去。

李基祥 ：更柔性化、更通用化的 。

钱兆华 ：刚才说的是广的，现在说的是专的。

王旭 琴 ：场景不说了，一直有个问题，中国有那么多人，大家都用了这个工业智能、人工智能之后，以后我们的子孙去哪里，多出来的人去哪里？

李基祥 ： 为这次圆桌做个总结，方总提到的问题是很好的回答了王老师的问题。我们在工厂只需要一个人的时候，剩下的9999人去哪了，这9999人将有机会成为那一个人。他们会站在master角度上去做生产、设计或者更高级的工作来去同样的为社会服务。

王旭琴 ：没有那么多工厂。

方育柯 ：突然有一个新的小问题，9999人他们去干嘛，有很多事情可以去干，就像看德国做调研的机构，一个职业消亡会有N多个职业起来。就像企业主他需要变化，我们里面的一些人也需要变化，适应变化。比如人工智能火了，火的另外一个职业就是数据的打标人员，在三四线城市，他们以前从离开自己的家乡比如到广东深圳去在工厂里面干活一样，现在就可以在他们家乡去实现远程的，自己在自己的房间里就可以给数据打标，但工资是不亚于留在富士康工厂里面的薪资的。

李基祥 ：谢谢方总。 今天圆桌到此结束。

本文系投稿稿件，作者：亿欧；转载请注明作者姓名和“来源：亿欧”；文章内容系作者个人观点，不代表亿欧对观点赞同或支持。