製造業在過去很長的一段時間裡，“勞動密集型產業”這個詞一直籠罩在製造產業頭上。當人工智能來臨時，人工智能在產品、服務和生產等環節能為製造業帶來了哪些改變？
2018年10月25日，由國匠工業互聯網眾創空間、國匠學院和蘇州高正科技創業園科技企業孵化器主辦的MIC1000第四屆中國製造千人會在蘇州召開，其中，圓桌論壇“人工智能如何賦能製造業”吸引了眾多參會者。
圓桌論壇由雅各布專欄創始人諸剛強先生主持，海思堡集團副總裁王丹琦先生、龍騰光電總監李亞平女士、前英格索蘭工廠總經理胡茂雲先生、江蘇通鼎光棒有限公司副總經理蔣錫華賢等展開討論，在不同角度提出了各自的觀點。
雅各布專欄創始人 諸剛強先生
諸剛強：今天非常榮幸有機會參加這個活動，並且為這個活動做主持，我相信今天下午這輪有關AI賦能新制造的話題，希望能給到大家一些啟發。
那我們這個活動開始先做第一輪，請各位嘉賓做一個自我介紹。
龍騰光電總監李亞平女士
李亞平：各位來賓，各位領導大家好，我是來自龍騰光電的李亞平，我們公司是一家做液晶面板的生產行業，我負責的主要是生產運營管理，還有整個公司的智能製造的一個轉型升級的專案，謝謝大家。
海思堡集團副總裁王丹琦先生
王丹琦：大家好，我是海思堡集團的，我叫王丹琦，我是做服裝智能製造的，主要是做休閒和牛仔。現在在做服裝工業互聯網平臺，很高興來到蘇州。
江蘇通鼎光棒有限公司副總經理蔣錫華先生
蔣錫華：大家好，我是來自江蘇通鼎光棒有限公司的，我們公司做光纖運輸棒的，可能大家對這個產品不是很瞭解。
前英格索蘭工廠總經理胡茂雲先生
胡茂雲：大家下午好，首先感謝主辦方給這次機會，在這裡跟大家交流認購智智能製造如何運用人工智能在這個領域，我來自全球500強企業英格索蘭工廠的總經理，目前應該來說為了自己的知識更新迭代，現在回到學校重新讀一下博士，謝謝。
諸剛強：我相信今天大家重新關注到工業4.0，關注到新制造，關注到新零售其實是跟中國這兩年巨大的改變有關係，尤其是早期的互聯網改造了整個零售世界跟整個製造世界。在談新零售的時候我覺得大家過去兩年都談我們數據驅動的消費中心，泛零售的形態。這一兩年實際上大家重新意識到對整個零售，對整個製造的改變還有一個更大的就是來自於物聯網，來自於人工智能，這也是為什麼我覺得在今天會議上，王老師又重新談新制造這個概念。
我自己在關注這兩年製造場景的時候發現，從新的名詞到真正實地的落地，到今天重新談AI，實際上整個行業裡面在做一些遷徙。也在做一些實踐，更多其實是在做一些思考，我相信大家是期望在接下來的一些時間裡面能夠找到自己的實踐之路，我想問的第一個話題是想請在座的各位嘉賓，從美女開始，今天我們在看新制造的時候我們看到的整個智能製造，整個製造領域當中的一些機會點在哪裡？我們如何在自己傳統的領域當中可以發揮自己更多的優勢的資源，讓我們的製造在人工智能場景上可以走得更強壯、更強大。
李亞平：像我們這個公司，因為我自己本身在我們這個公司裡面對智能製造相關專業領域的一些技術可能做一些Study做一些應用。我就以我們製造行業本身一個應用者的角度來談一下，事實上在新制造這一部分我認為我們應該特別強調的就是這些新技術怎麼樣真的在我們既有製造企業裡面能夠落地生根。
我覺得技術發展它是非常快的，我們一直聽到很多新的名詞跑進來。但是這些技術是不是真的能夠在我們自己這個領域裡面，自己這個企業裡面能夠生根，並且真正能夠紮下去，能夠讓我們這個企業從這些技術裡面能夠獲益，這是我們認為比較重要的一點。我會覺得說，其實本身我們自己現在的製造領域裡面，像流程型這個行業，液晶面板這個行業，你進去我們公司去看的時候你看得到工業2.0，你也看得到工業3.0，你可能也看得到有些部分像工業4.0的模樣。這些技術對我們來講，其實不同的技術在對應到不同我們現在這種已經發展的範疇之內，我們應該都是用不同的突破點去進入的。
比方說，我們可能在物聯網這一部分，可能在對於我們這種已經達到2.0自動化水平相對比較高的這一部分，我們就可以做物聯網的建制，對於可能已經到了物聯網基礎打好了的，我們就可以去思考人工智能怎麼在這一部分的領域裡面去應用。
諸剛強：剛開始籌備這個話題的時候我們也聊過，其實AI賦能整個新制造，我覺得其實對未來的產業跟創業其實帶來很多新的設計思維。因為我們所講到的，機器可以做很多人不需要太多創造力的工作，都可以由機器人來完成。您在這個角度是怎麼看這個事情的。
李亞平：其實剛才前面勞勤王總在講，像我們製造業確實逃脫不了勞動密集型的這個帽子。剛才數字是5倍，但事實上我們在人的管理上面，我們投入的經歷，有時候也是指數級的上升的。如果說我們的管理活動，都用來做最基層的這些管理，事實上我們在創新和發展上面可以投入的精力和資源是有限的。
那我們的想法是說，如果說我們在自動化、數字化包括物聯網，包括未來網絡化的一些建設上面，能夠稍微有一些進展，那我們底層的這些比較基礎的管理，花了大量的人力，物力去做的這些管理活動，它有機會被AI替代掉。
那在這個時候我們就可以釋放出更多的精力、資源和人的智力出來去做一些創新的活動。在這個新的基礎上面，我相信應該也會有一些新的火花。
諸剛強：AI賦能新制造來講，我認為應該的是啟發我們的從業人員有更多的思考，同時能夠解放工作人員，在一些瑣碎的工作當中，能夠更多的進行參與，從而我們有更多的創造力為我們的企業跟社會創造更多的價值。
我想問一下王總，海思堡其實是行業裡面非常典型的我們所認為服裝4.0這個概念，尤其是從製造的場景走到消費市場，我想聽一下您旨在這個領域當中的一些思考。
王丹琦：其實人工智能在製造業裡面的應用，整個工業發展進程從工業1.0到工業4.0都在追求效率的提升。工業的價值是靠效率產生的，我們走到3.0自動化或者精益化，可能會有天花板，所以在數字經濟下，製造業把信息化和工業化進行融合，捅破了天花板，所以效率得到了極大的提升，原來精益可以提升20%，像我們蘇州有很多的外資企業，通過精益提高20%，提高30%，我們加了信息化之後可能提高200%，這是我們企業自身實現的。
雖然大家都是做製造業的，但是我相信對人工智能或者數字化、網絡化和智能化的理解是不一樣的，我是從2014年開始，從做西裝開始，到現在做牛仔，做休閒，做鞋、帽子、手套，未來要做休閒的全品類。
為什麼要做呢？這個新制造，我們的馬雲老師告訴我們未來是新制造，所以要談談這個話題。主要兩個問題，一個就是消費互聯網時代，馬雲幫我們解決了信息不對稱的問題，讓我們的信息能夠實時交互，讓我們的交互效率提升了。
到了工業互聯網時代我們要解決的是什麼問題呢？解決的是知識不對稱的問題。也就是說不是在座各位所有人都能學會7國語言，不是所有人都能背那麼多的棋譜，不是所有人剛剛搭了生產線就能夠記那麼複雜的工藝，不是所有人經過短暫的培訓就能夠去把上千張的訂單有序排列好。
這部分我們知識不對稱就要依靠人工智能賦能我們來解決，這是我主要想談的。人工智能其實它主要是通過機器的深度學習來形成一些專業化的智能模塊，把我們整個製造業全價值鏈，全生命週期的各個環節完全打通，也解決突破原來所有的瓶頸。
我們說工業3.0實現了局部效率的提升，也就是局部生產線上的通過自動化的效率能夠提升，但是我們這次第四次工業革命，人工智能時代要實現全價值鏈，全生命週期效率的提升，這就是製造業為什麼要實現人工智能去驅動。
諸剛強：我相信之前大家講製造，為什麼會有製造的場景？我覺得有很多歷史的參照價值。從早期的媽媽做的衣服到現在服裝店賣的衣服，從某種邏輯來講都是整個經濟在整個工業化的場景當中如何通過工業的應用讓我們的企業具備大規模的標準化製作跟製造的能力。讓我們的企業在成長的過程當中有更強的競爭力，因為我對整個資源有更好的計劃性，更好的統籌性，有更好的成效的輸出。
所以今天在王總談到的場景當中我覺得非常有意思我也想跟王總在簡短討論的地方就是，第一，今天在看整個MQC，CQM的場景的時候，我覺得對很多今天的企業有一個很大的參照，我們講工業4.0，並不只是關心在四堵牆，實際上我覺得作為一個製造企業，或者說一個供應鏈的企業我們要更多去了解前端，瞭解消費市場，瞭解公司品牌瞭解下游企業，他們在面對製造提出新的需求的時候，他市場到底是需要什麼？我們的生產要素如何去儲備，能夠當消費市場快速變化的時候我們拿到訂單的時候我們有一個更快的執行力，我覺得這是一個面對市場我們必須要具備的一種供應鏈資源整合能力，看得到市場的前端可以去預測市場。
第二個我在想，整體CQM跟服裝製造其實也有很多個性化的定製化，包括整個服裝智能製造生產建設的場景。其實都是代表了在整個行業當中的一種創新實踐，可能不同行業實踐角度不一樣，不管怎麼說，我想跟王總探討一下，其實在服裝時尚領域當中這個新制造您看到最大一兩個變化點是什麼？
王丹琦：服裝過去是一衣千人穿，現在是一人一款，一物一流所有完全能夠滿足消費者的體型款式，喜好以及個人品位所有個性元素數據化建模的支持，所以可以實現了。所以這個領域一直走在前面，為什麼一直會走在前面，會走在汽車，機加工很多這樣的機械電子行業的前面，因為服裝有工業基礎，工業基礎最紮實。中國現在還沒有自己的板型，但是我們的工業技術來自於珍妮防治機，來自於大規模紡紗的流水線。
在數字化轉型的過程當中，通過數據模型和3D建模我們在加上工業工程，把我們的能力前置了，也就是虛擬現實交互我們建立了一個人工智能的企業大腦。可以把我們的需求前置，用最快速的，特別是到5G時代最快速的是網絡的反應，我們甚至建立一個服裝，一個人體的板型，只需要不到1分鐘的時間，我們就可以建立，再用不到一分鐘的時間把所有的生產過程工序，所有複雜的包括供應鏈這些響應問題全部預見性的解決，然後再去實施，所以這是一個問題前置的一種超凡顛覆性能力的提升，所以人工智能是一個能力的提升。
諸剛強：非常有價值，我們現在可以有更多繼續的探討。我想問一下蔣總實際上我知道通訊行業是一個非常B2B的產業鏈，過去去歐洲參觀的時候也發現在歐洲很多百年的企業，其實都是一種B2B服務的模式。可能我作為一個上游企業，我們對整個行業的先進性導致我們在整個行業當中其實有更多的主導性。
我想了解一下，咱們在自己的企業當中在整個新制造當中有哪些非常優異的創新可以給臺下觀眾做一些分享。
蔣錫華：其實我們公司是信息化，數字化跟人工智能的受益者，為什麼這麼說呢？我們公司是1999年創立的，那時候主要是做電纜，然後做光纜，其實這個行業在當時相當於是一個勞動密集型企業。我們在2010年的時候上了光纖，在2014年的時候上了江蘇通鼎光棒有限公司。為什麼有這麼一個發展？其實是跟整個中國製造業它整體能力的提升是密切相關的，比如說我所在的這個產業，在十年前是沒有的，是國內全部沒有，全部依靠進口，在近五年，五年前進口80%，自產20%，現在我們自產80%，進口20%。
為什麼有這個差別？近五年整個數字化，信息化，人工智能上來了以後，才能夠滿足我們這個產品的製造需求。因為我們這個產業，我們這個產品號稱通信產業上的明珠，是最難製造一個新材料。導致我們這個產品性能可能會有上千種的因素，如果說像以前，如果說沒有大量的傳感器，大量的數據分析，沒有數據庫大量數據去分析，我們是造不出合格的產品。
我們這個產品一個最難的就是，運輸棒新棒裡面需要殘雜，我們在最中間的時候會殘雜，我整個外圍的蒸發系統，我們分兩塊，這兩個系統對他影響都特別大。我裡面每一個參數直徑，包括安裝角度，外圍的蒸發系統，溫度，壓力包括外界環境影響特別大。這麼多影響因素如果再一組合的話，對我們產品的性能影響就太大了，如果你放在十年前，整個中國製造業水平我們是完全做不出來的，所以為什麼說，我剛才說了其實也是我們現在已經做的，在每一個參數控制上面，我們都有把這個數據反饋給我們控制系統，然後再進行一個分析，對這個產生進行質量上的提升。
諸剛強：非常棒，我覺得實際上咱們的企業從產品創新的角度來講，也是看到了整個大行業對人工智能新科技的需求，才有了我們今天產品的創新，包括產品的自我創新跟獨立創新，非常非常有價值。
接下來我問一下胡總，您算是頭部外企的工廠，我想聽一下您在新的領域當中是怎麼看這些事情的？
胡茂雲：我聽了前面幾位嘉賓介紹一下，更加感覺到，我覺得人工智能賦能我們的製造業，其實在本質上是不斷改變，不斷髮展科學技術，對我們社會生產力的一種推動，在各種企業中的表現，它的本質我認為是這樣。
我們可以說回顧歷史來看，從英國工業革命有一本書叫《維多利亞時代的企業家精神》，我們可以看到它當中舉的十個最有名的企業家，他們在企業的發展過程中，其實都是最先採用新的生產技術，從蒸汽機到發展機到後面的電子信息計算機以及現在大家公認的第四次工業浪潮，數字化，智能時代。
可以說企業抓住這個新的叫技術革新，對這個企業能夠長期發展是非常至關重要的。我的感覺是說，我們在今天人工智能賦能我們的製造業，其實在客觀上要求我們的企業要運用新技術的眼光或者是AI的眼光來對我們的企業流程進行重新審視，重申再造。
在一些關鍵的流程上，比如說我們的耗時，耗人工，比較多的地方，看能否進行AI的改造。剛才我們前面的嘉賓在分享這個勞動力的短缺，成本上升，其實這都是當下中國面臨事實。如何運用AI與人工智能在我們這些領域，在流程當中去進行有針對性的思考？因為我們自己做企業，對自己的企業流程是有深刻的體會。
這個時候就結合我們外部，比如說AI人工智能領域，跟我們的流程進行一個深度的場景應用，我想應該會起到更好的效果。
諸剛強：您在英格索蘭工作很多年，包括製造業很多的一些研究，你看到的今天發生在製造業當中的哪一些非常賦有挑戰的工作會很有可能被今天AI的技能所賦能，有沒有做過這方面的一些思考？
胡茂雲：在過去工作經歷當中，我首先回到人工智能最基本的原理應用，應該來說是在兩個領域，1950年開始到現在一直都再關注兩個領域，一個領域是我們在語音處理，還有一個領域是在圖象識別上。
還有一些類似於說大數據的一些，上午有一些嘉賓分享的時候，更多的是數據統計分析，更多我覺得在企業，基於這兩個點，一個是視覺，還有領域方面，我覺得在企業裡面可以從，尤其我們傳統制造型的企業，我覺得在場景上面，可能從視覺上面。
我舉一個例子，我們之前是在給蘋果做他的一個產品，他這個產品可能是iPhone一個盒子，客戶要求他的檢驗標準當中可能有200多個缺陷，如果說我們的員工靠肉眼檢查，判斷這200多個缺陷可以說耗時是非常長的。
如果通過一些視覺識別，通過機械學習，而且可以不斷判斷，不但可以提高它的準確性，而且減少誤判率，我覺得在這些視覺，甚至語音這些領域，我覺得在製造業領域會有一個非常大的質的飛躍，可以幫助我們顯著的減少成本投入，從而提高我們企業的一個效率。
諸剛強：我從兩個角度來解讀這件事情，大家有沒有注意到就是，今天如果從消費端來看市場，今天我們品牌公司或者說我們企業，從最早講PC互聯網，BAT時代，我們是在電腦上，很大的屏幕上看到很多的品牌跟商品，我記得我們是在線上開了一家一模一樣的線上的線下店，裝修、商品、美圖，我們嘗試把這個線下的模式複製到線上，這是我稱之為1.0時代的新零售時代。大家看整個行業，我們叫2.0的移動世界，為什麼？最近我一個朋友跟我講，如果大家裝了今日頭條的APP的話，我們幾個人在談工業製造，過一會兒今日頭條就會推給你一個關於製造的產品。
這裡面講到的一個概念，實際上現在很多的應用場景，它在利用到一些人工智能語音的聽力去嘗試，去了解今天的消費者，在面對產品選擇過程當中的一些增長一個影響，影響消費者做這個商品的購買。
在這個時代你會看到消費者其實只能夠在自己的手機，在自己關注的頻道，看到你自己最感興趣的內容信息跟商品，這個時候品牌時代很多的勢能，有很大的削弱。
今天在談到的，今天像馬雲他們整個BAT進入到這個IOT時代，進入到人工智能的時代，進入到整個互聯網汽車，你會發現今天如果大家通過天貓去購買一款服務或者產品的時候，消費者連看到品牌跟產品內容都沒有看到，我覺得這個在需求端，因為人工智能的應用跟發展已經帶來了很大顛覆的改造。
第二塊我們在看整個AI場景的時候，實際上AI不是新事物，AI在整個行業的發展已經60多年，為什麼AI在今天會重新被推上一個制高點？實際上是因為在今天中國這個互聯網市場，今天的中國新制造市場，中國是全世界唯一最大的消費市場。從某種邏輯，我們今天是有To B、To C製造場景，可能都因為今天這個消費市場的顛覆式的概念，大致我們產品創新跟製造的改變。
如果一個消費者在聊天的時候，就能夠做出一個商品的決策，我相信這個對我們後端的我們講長輩企業跟製造企業都會帶來很多的影響。尤其現在大家在看整個行業，看機器視覺，人臉識別，這些都是在今天整個大行業當中主流的行業，這個工廠內如果通過這個機器視覺的這種攝像頭新技能的使用，還有可能幫助我們減少更多的勞務工。因為所有的員工管理不再需要，其實機器視覺，AI賦能我們的管理者，讓我們的管理者趨向於更加民主化。
我覺得看一下AI到底是在我們現在所有的企業跟行業當中，我們如何通過AI的應用場景，為我們企業能夠帶來更多的創新，我想問一下王總。
王丹琦：其實在AI應用上我們是走在最前面的，我們在做定製，不論是大規模定製還是個性化定製最關鍵的是需求數據的採集。原來需求數據的採集我們用3D量體衣一設備也很貴，需要消費者穿上緊身衣，有人是排斥的。現在我們通過AI的技術可以做遠程數據採集，也就是遠程的量體然後系統依據大數據庫3D建模。經過大家共同的努力，很多次服裝展商有很多的公司去展，雖然大部分都是技術上走了一些彎路，因為它的技術是是有依據，後面要有足夠量的人體數據庫，然後我拍兩張照，就像我拍朱總正面一張，側面一張，然後把這個數據用我數據庫裡的人體模型進行比對，局部差異可以修改，但是差異太多是沒辦法修改的，所以人體數據庫要在400萬以下。
如果有能夠匹配或者稍微修改的，公差在1公分的我就可以拿來用，直接去建模，直接去SAD打板，去製造，這就是遠程，我們不需要見面。甚至自己拿著手機來拍照就可以了。前幾天我們很驚喜的看到這個技術成熟了，我們現在準確率不到90%，經過幾次測試還在努力的提升。我們看到華為Mate20，已經能夠通過手機來拍照建模，我相信大家一起努力這個技術難點就可以攻克。
另外在整個製造業AI的應用上還有兩個，一個是我覺得大家可以共同努力的，第一個模具，工業之母是模具，工業之父是流水線，這是兩個最需要的，也是我們講數字化轉型，講智能化現在最欠缺的。第一個模具我們用3D建模，用數據建模來取代傳統的物理模具，在服裝行業已經實現了，因為服裝行業是二維的。但是在鞋在其他的行業可能還沒有去實現，前一段時間看了這邊的手套工廠，他在用刀模，怎麼樣能夠把這些模具去掉，因為模具成本是非常高的，我們講個性定製最終解決方案是3D打印，怎麼樣能夠通過這個過度來去逐步實現。
第二個就是流水線，我們產線局部都是自動化的，也上了很多高大尚的GHB。但是整個產線還不是智能化的，沒有智能化整體的產線，每一個行業我相信都缺。在汽車行業離散製造行業也缺，所以這些都是我們可以突破的點。
諸剛強：服裝是一個最典型，最容易被個性化服務體驗所定義的一種新制造場景。其實穿的，跟你的生產不是完全匹配，我相信今天談到的面對消費市場需求者所需要的個性化需求跟個性化的定製，跟個性化的生產尤其是從銷售訂單到MTM的中臺訂單，到後臺MASS規模製造跟機械協同。其實整個產業鏈都是一個端對端的，從需求到生產正段的反映。我覺得在我們這個行業研究裡面，我認為這裡面的確是有大量的關於AI的應用場景，就像您前面說的，前端人臉識別。我是想把所有的人臉跟身材可以數字化，實際上今天我們在看消費市場你會發現，其實每一個美女心目中看到自己的穿著打扮其實是別人心目當中的你，我相信在這樣很多前期需求導向，整個生產製造跟供應鏈的變革，實際上是對我們今天新制造帶來很多的挑戰，想聽一下李女士的一些想法。
李亞平：因為客戶的需求變化越來越大，企業作為產品的提供者我們也希望儘量多的去滿足客戶的這個需求，特別像有一些前期建制投資成本額比較高的這些企業，我們比較少有機會能夠隨時隨地的根據每一個人的需求去做出一個完全不一樣的產品來。
這個就是我們現在在流程製造業裡面，我們在想怎麼樣去綜合客戶端這種需求的變化和我們能提供這種產品的單一性中間是不是有一個好的協調的點。大家現在很多人都在講柔性定製化生產，這個可能就是我們這個類似的企業去研究的個方向。
AI在這裡面的應用，我們現在團隊可能主要關注的是兩個方面，第一個就是我們在工藝仿真這一端，因為客戶的需求如果說很豐富，他有不同類型的需求，我們希望能在虛擬環境裡面去把協同設計，協同生產工藝流程這一整套的流程都跑完去看我們現在這個設計，這個產品是不是真的符合客戶的需求的。
這個試錯的過程如果我們真的跑到實體產線上面去跑，人力物力才力都是浪費，而且時間也是一個很長的時間。所以在工藝仿真這一部分這是我們認為AI在這個場景底下，它可以幫助我們提前去預知一些問題，防範一些問題。也能夠提前把我們可能產品的樣子告訴客戶，讓他去建制是不是他需要的產品，這是一個方向。
另外一個方向，當我們物聯網在自動化，在信息化上面的投入越來越多的時候，事實上我們的管理難度是越來越大的，所以我們希望AI能夠在管理的決策支持上面能夠為製造業去做副能的這個動作。 比方說今天，如果我們現場有很多作業員，那我們需要一個管理幹部，需要一個領班去管理他，這是很多製造企業大家都非常熟悉的一個場景。我有10個人我就有一個人去管這10個人，但是當我們慢慢自動化開始去做迭代的時候，這10個人可能就不存在了，這一個人的工作也可能慢慢就機器取代了。那我們接下來管理者所要管理的就是這些系統，這些機器，我們定義的這些流程它的順暢程度到底好不好，那時候大量的數據採集上來，因為我們自動化下去的時候，大數據的應用慢慢開始應用進來的時候大量的數據上來的時候，人腦是沒辦法去做這個分析的，我們只能寄希望於說大數據的支持，AI的支持，我們去幫助他一起去做深度學習，讓他在管理決策上面能夠給我們一些幫助，當我們需要決策的時候他能夠彙總起來告訴我們。告訴我們決策的選擇有哪些，每一項的選擇的成功率失敗率可能需要的成本，這些信息全部彙總起來其實對決策者來說這個是一個高效決策非常好的一個助力。
諸剛強：非常棒，其實我前兩天需歐洲看過很多的企業，都是嘗試在做整個智能製造的升級跟改造。我相信如何能夠把我們現在的作業，通過一個仿真的視角去模擬我們今天製造場景，長這個場景可以更多自動化跟智能化，我認為的確是一個非常有挑戰性的研究或工作。
今年12月初我會帶一個團去德國，去看很多的隱形冠軍跟德國智能製造，在新科技的一些應用，更加成熟理念的實踐。其實我一直在思考的地方就是說，我們如何在今天的智能製造應用場景當中，利用到這些新型設計思維，能夠去把我們新科技融入到生產實踐的過程當中，我覺得這其實是我相信今天很多的企業家，不單是面對一個熱詞，可能更多是面對一個不確定市場變化過程當中我要在自己的主導創新，主導創業，在自己的主力，競爭力打造過程當中，我要走出一條路當中非常重要的應用場景，王總有什麼補充？
王丹琦：我覺得諸總說得非常好，去德國應該能學到很多東西，因為我們轉型就是從德國學的。我們看到寶馬，一條總裝線上能夠裝五款不同顏色的汽車，第二次去一個總裝線能裝九款不同款型，不同顏色的汽車。
這樣才回來，那時應該是在2012年左右，我們原來的老總裁想到為什麼我們不能夠用大流水線去柔性生產一些定製的產品，所以會有很多的啟發。
諸剛強：這是一個非常好的話題，怎麼從一個大規模的，標準化的大規模製造，真正變成大規模定製化的場景。就像王總剛剛講的，其實作為一個超級的製造企業，如何利用規模化的能力，實際上它可以實現到個性化的裝備，個性化產品的輸出，讓整個企業從製造的場景，直接面對C端進行產生這個變化。我想聽一下咱們在BTP的應用場景當中有沒有同樣的設計思維跟實踐？
蔣錫華：其實我們產品種類不是很多，我們客戶的態度定製化產品不是很多，我們可能不是說基於這個兩者之間的，不是說我接著單然後就生產，我們肯定會做一部分的庫存，然後定時輸送的。即使這樣，我們公司人不多，我們產值很大，我們可能100號人，我們的一線員工只有20%的水平。
我們自動化程度非常好，基本上能用設備跟機器來操作的，我們都可以代替人。
諸剛強：我也接觸過很多的製造企業，我自己沒有想到的一些事情，為什麼我們談CTo1這個話題，我們大概兩三年前就談這個話題，很多行業裡面也在講新制造。過去這兩年，我自己覺得有點遺憾，我在行業裡面沒有看到太大的或者非常明星企業或者說整個行業持續關注這個熱點。
是不是因為製造業在整個產品製造，產品出售，在零售市場當中是非常小的塊，我自己做過企業，可能一件衣服50塊，我賣500或1000塊，所以我有足夠的資金去改造我的產品設計，改造供應鏈的環節。但對一個製造商裡講，現在整個製造人工更貴，像東南亞，美國製造，整個大的行業都有很多關於整個製造遷徙跟遷移的討論。
我在想為什麼會花生這樣的事情，是不是因為今天製造行業它的利潤率沒有那麼高，高知它也許沒有用更多大規模的機器化或者智能化的設備來取代它的生產，我想你們是怎麼思考這個問題的？
蔣錫華：你說得很對，確實現在絕大部分的製造行業，利潤是非常微薄的。當時我們這個行業可能還好，我們這個行業利潤率比較高，所以我們能夠有大量的資金可以進行改造和產品研發。
諸剛強：大家在自己的企業，今年市場成長過程當中，應該去重設一些企業更加有創新或者更加有創業利潤空間的領域當中去重設自己的企業戰略跟我的製造戰略，這個時候反推可能會帶動我的企業佔整個自動化跟智能化能力的提升。如果固守在傳統原有的模型，可能會比較難發生改變。
蔣錫華：比如說我們這個是全產業鏈的，在下游光纜生產基地，他們是勞動密集型企業，他的利潤不是很高，越往上就是光纜到光纖再到光棒，然後利潤的分配是7：2，7：1，也就意味著最上游的佔了70%的利潤，所以我們有大量的資金去做一些改造。
我們這塊做的很不錯，我們在2016年的時候，是江蘇省的智能車間，2017年的時候我們有一個項目，融合大數據與算法試點單位，我們在今年6月份，我們申報江蘇省的智能工廠，然後上個月，我們是答辯第二名，縣城評審第一名，綜合評分第一，基本上今年江蘇省智能工廠我們已經通過了。
當時我提一點，及時我們通過了這個智能工廠，對我們來說，我們這個自動化程度很高，其實我們也有需求，包括我們也有需求，我們需要這個相關的公司，如果有可能可以跟我們進行合作。
我們智能工廠不僅僅是信息化跟自動化簡單的疊加，對我們這種公司來說，我們更主動智能。我們某公司也有一個大數據公司，但是我們覺得都還不夠，我們覺得需要大量的人工智能，這個智能算法，包括自學習能力。我們這個產品設計跟產品生產過程當中，包括我們的產品，客戶生產他的產品相關信息要全部反饋給我們。
以前我們智能車間的時候，可能大量的數據，現在像我們公司可能這個數據叫海量的數據，海量的數據僅僅依靠這個，比如說MES系統，PDS系統，這些系統是完全不夠的，真正是需要大量的計算能力，然後分析，給我們一些建議，讓我們這個產品做得更好。
我舉一個例子，其實光通訊行業在全球的地位其實跟其它行業也點差別，其實我們是沒有掉隊的，我們跟歐美企業，基本處於同一集團。我們跟最頂尖的生產企業比還是有差距，這個差距體現在哪裡？產品的一致性跟它的成本，我就說產品的一致性，我們也希望有更多的企業跟我們共同成長。
諸剛強：我有幾個體會，我們今天行業的對標來講，已經非常國際化了，跟整個國際行業在整個產品的水準是領先的，第二實際上在整個生產製造的我們講自動化跟智能化帶來很多有關企業自我治理的一種新思考。尤其是利用到喪失人工智能大數據的自我學習，自組織模式，讓我們公司的管理其實更多的聚焦於企業的創造跟創新上，在這個地方我們的企業核心競爭力。這這樣可以把整個企業繩梯核心能力能夠有一個非常好的發揮，非常棒。
我想問一下胡總，真的非常有啟發，我覺得做一個大的企業或者說有創新的企業，其實它頭部的戰略思維跟創新思維還是非常重要。我們講德國人之所以可以做很長久的BTB的生意，那是因為它是一個裝備輸出國，我們國內是一個裝備生產國，我們更多的借用了大量國際很多的這些生產裝備。去進行國內個性化產品的生產，所以我就在思考，在您所看到今天的新制造領域或者圍繞新制造領域生態建設當中，你覺得我們在哪裡有更多的著力點和機會，胡總有沒有自己的一些想法？
胡茂雲：整個人工智能在我看來，尤其我們當下對我們整個中國而言，我覺得可能分為兩個方面，第一個是我們如何做好產品，這個好是質量好，做出一個質量可靠的產品，對於我們今天當下中國製造業現狀，總體而言，產品的質量，競爭力還是不夠的。
如何運用人工智能幫助我們在企業產品的生產過程中，輔助我們，甚至做一些提前的預判，把以前所謂物理的措施做成一些帶有預判性的，讓設備能夠自動提前終止或者調整參數，參加自己一些形成也好，讓不做出來一個不好的產品，這樣從這個角度來看，它才能夠讓機器由過去普通的自動化，變成是一個智能化，自動化我們說的概念，給他編好一個程序，我這個機器不管在什麼樣的條件下，他只要通電了，就一定完成我這個動作，現在這個機器如果說有了判斷給他，如果要遇到不好產品的時候，那我可能就提前不要去生產了。所以我說在第一點是要運用人工智能幫助我們去審視我們企業的流程企業產品的生產過程，或者說服務的交互過程。讓我們怎麼樣能夠做成一個質量上是好的產品，使得我們的產品在國際上有競爭力。
另外一個方面我覺得是幫助我們從企業的運營管理方面，讓我們最大限度的去提高生產效率，降低成本。我們說馬克斯以前講一切的節省都是時間的節省，只要是我們在產品，我們在思考從客戶那裡再回到客戶那裡這個流程，如果你時間是最短的，那麼你的成本應該是最低的。我們做完這個產品，說王總定製這個服裝從客戶接單然後交互給客戶，你所花費這個時間比社會平均必要勞動時間還要少上一大節，我們通常說只要你少了30%以上，我們說這叫關鍵性的突破，作為一個里程碑也好。
節約你的勞動時間，你的絕對勞動時間是遠低於社會平均必要勞動時間的時候，我覺得你的企業才能相當有競爭力的。從兩個方向，一個是結合我們當下中國的實際情況，我覺得提高產品的質量，AI上面我覺得可以有很多很多的工作去做。我們在走訪我們的客戶，我們的供應商，我們的合作伙伴包括做一些學術的調研我們都可以看到，我們產品其實在質量本身上面我們是有很多很多的問題，這點也可以從每年的315也可以看到，另外一個就是節約成本，我覺得這個應該是很契合我們的實際，可以馬上就去行動。
諸剛強 ：我覺得非常棒，今天中國新制造行業跟市場如果有針對一些關鍵性的業務或關鍵性的流程，或關鍵性的場景創新的話，很有可能帶來整個行業的顛覆。或者讓這個企業成為這個行業的一個領先者，我想這是我聽到您講到非常有意思的話題。第二個您提到就是說，在今天的新制造過程當中，實際上我們有很多的可預測的維護，實際上可以更好的降低或提升我們的工作效率。讓我們在事後運營過程當中能夠佔據更領先的地位，至少降低成本提升效率對企業來講就是一種內部創新跟我的利潤提升一個非常重要的場景，我覺得是非常好的一個發言。
跟胡總再簡單探討一下，在機器視覺這個領域，大家其實在在這個行業當中看到的創新場景我在想有沒有在今天的新制造當中利用機器視覺在整個工廠的管理，生產效率的提升，或者一些新制作的場景當中帶來一些更有創意的想法，有沒有想過？
胡茂雲：其實較整個機器視覺在整個工廠運營過程當中，包括產品製造甚至是人員管理各個方面，我覺得它會有，因為有了基礎的技術也好，我覺得它有非常廣泛的運用空間和場景。可能處在HR，可能它會用來考勤，再也不會有去打卡漏了，帶打卡各種情況，前面剛才的嘉賓分享一樣。
同樣產品的製造，從原材料的挑選，我怎麼樣去挑選好的原材料，可能機器的視覺就幫我去解決，過去是依靠人的眼睛，可能有一個疲勞度，人的眼睛在連續看了1000件以後，視力和判斷就會下降，但是機器不會，機器通過學習越學只會更加越準確。另外可能在產品製造過程中，以及產品交互我覺得在機器視覺領域在裡面都可以做很多很多的工作，包括我們工廠內部的一些物流，一些原材料的搬運這些，我覺得在機器視覺裡面都可以做很大很大的空間，今天我們還有一些話題，語音我覺得都可以在工廠裡面，在這些方面去進行大的一些創造。
我額外講一下，我們看全球GDP的歷史發展，它的構成它的組成部分，當然它總量是逐漸增加的，尤其近100年來迅速增加，當然我們可以看到它的構成部分也在不斷的演化，我之所以用演化這個詞。它不是說朝哪一個固定方向去了，可以看到早期的時候可能是以土地構成為主，可能佔了60%，70%再後來，晚一點可能返廠，再晚一點可能是以機器、設備再晚一點可能是往信息技術。
截止目前我們可以說，一些西方主流的國家，德國美國包括我們亞洲的日本，它的GDP當中數字或者智能製造這塊佔我們GDP的比重有的已經超過，可能接近超過50%了。我們中國在這方面大概20%幾，我想這20%幾還可能有相當大一部分是共性來自阿里，BAT一些電商領域對GDP貢獻。 可想而知我們製造業，佔整個GDP當中的數字技術這塊比重可以說應該是更加非常的小。基於這樣講，我覺得我們與發達國家我們這個差距其實還蠻大的，我們有非常大的空間，我們要有緊迫性，要有緊迫感去抓緊，去讓我們人工智能儘快副能我們製造業，剛才王總前面講的一個是節約成本，做更好的產品，讓我們的產品在國際上贏得更好的口碑，更好的競爭力。
諸剛強：非常棒我不知道在座的其他嘉賓有沒有想自由發揮一下。
李亞平：我覺得其實我們剛才各位嘉賓討論了這麼多，我們其實對AI的期望都是很高的，我們覺得AI可以幫助製造業做很多方面的提升和改進。AI也有很多的技術可能在很多的場景裡面都有，都會得到應用。在我們自己團隊的，在我們自己公司做實際上應用學習的時候，我們發現其實關鍵問題不在於技術有沒有，關鍵問題也不在於需求有沒有，關鍵業績在於我們有沒有一個有整合能力的人去做企業的自我診斷。
這個自我診斷的結果出來了以後才能真正幫助我們需求和技術之間做更好的連接，這個是我認為在企業內部真的要去推動一些智能化改造的時候，可能要特別關注的一個點。
諸剛強：作為一個企業它也要像AI這個行業一樣，它要有企業的洞察力。如果一個企業有正確的團隊，有正確的組織，有很好的洞察力，那實際上我們可以利用我們現有的資源，現有的市場，現有的產品重新去部署我們未來企業戰略，我們就可以更好的去把我們今天所需要的這種新技術，這種新的能力，新的生態去副能於我們企業在未來市場一個競爭場景，這是一個非常好的總結。
時間的原因我想做一個總結，我自己在整個人工智能其實一直有在關注一些企業，這個企業給我一個很大的啟發。比如說我測定有一個夥伴，他們是從做無人零售，最後做無人汽車。它的核心能力都是在用機器視覺來做零售的人貨場的交易，來做無人汽車零售汽車的打造，所以你會看到為什麼一個頭部人工智能的企業，它最後變成是一個主打製造業發展的一個副能者。他跟我說，你看我其實救了中國很多，他叫冰箱廠，因為冰箱是可以做很多無人零售的櫃子。他說其實因為人工智能的能力賦予了一個普通的設備有了新的數據靈魂，導致這個行業會重新煥發。
就像小米做的插線板，電線板有了ROT的數據能力，它就形成了一個數字生態。這是我看到一個非常有啟發的一個試點，我另外關注的一個企業他做東西我覺得也很有意思，如何利用到AI應用的場景用相機，把相機當成一個管理者，當成一個零售的天眼，如何為我們零售的線上去副能，用我們工廠的管理線上去副能，為我們在做可預測的管理，設備維護人員組織。實際上你會看到今天在談整個AI應用場景它是一個通用大行業，大場景，實際上是在副能與各個行業，因為AI具備有更多新的能力，我覺得新的能力也是新的製造能力，新的製造能力一定會在未來企業的新制造創新當中能夠給到大家的機會，創造更多的市場價值，讓我們的企業有不勝之地。非常感謝，因為時間原因謝謝各位嘉賓，謝謝臺下的嘉賓。
主持人：好的，我們的五位嘉賓留步，我們還有一個提問分享環節。我們線下嘉賓朋友們，以及我們的觀眾朋友們針對於今天我們下午第一場論壇環節，大家有沒有一些問題，對我們的臺上四位嘉賓還有我們的主持人提出來這些問題，只有三個名額，我們的服務員小姐及時把話筒遞給我們臺下的嘉賓，以及我們的觀眾朋友。
提問：五位嘉賓你們好，我是來得百年學院學生，這次我提出的問題是，雖然人工智能有助於節約我們後期的生產成本和管理成本，但是眾所周知人工智能作為一個新興一個產業和技術，它前期的投入是非常大的，所以說我的提問是，對於人工智能參與甚至替代傳統人力，它的前期成本投入是否會造成我們生活中最普遍中小企業轉型或者創業之處的資金週轉壓力，他付出的風險資金成本是不是值得的呢？我想聽一聽高手的意見，作為這樣一個更高的投入，更高的風險它是不是值得去轉型成為一個人工智能作為中小企業角度來講的話，謝謝。
王丹琦：因為我們作為最先轉型的一家企業，2016年轉型。為什麼轉我就不說了，轉型投入到現在為止1000多萬，後續還要再繼續投3000萬。為什麼繼續投，因為我們拿到了國家發改委互聯網+重大工程國家給了3000萬。我相信在我們江蘇，在省裡面也有很多扶持政策，所以轉型的機遇稍縱即逝。
從技術昂貴而言，任何一個技術開始應用的時候都是貴的，你買手機現在16800可能兩年之後6800都不用了，一樣的。技術會越來越便宜，但是先發優勢，會有一個虹吸效應。又提到馬老師說的，未來可能在某一個行業，可能領先的也就那麼兩三家。它是一個消費分級，優勢就會絕對不一樣，這時候看自己企業的戰略選擇，你願不願意去投入。
蔣錫華：我補充一下，人工智能不僅僅是降低人力成本，它還有其他的好處。
提問者：可以生產效率提高，並且節約後期的投入成本。我剛剛還有一個問題，我著重提到了是生活當中，尤其是我們學生接觸到的，大多都是中小型這種企業，跟您大型得到政府大力支持的企業肯定是沒法比的，所以說您剛才提到消費分別的意思是等人工智能普及了以後它的降格會降下來然後再建議其他的中小企業應用人工智能技術嗎？
諸剛強：我簡單說一下我的觀點，第一，我相信王總提到的觀點如果你想成為一個有競爭力的企業，不管大跟小，你必須要具備頭部思維，AI的能力，這個可以讓你在整個賽道上跑的最先。第二現在講很多AI的行業，我認為不是今天傳統行業的核心能力，或者說它的暫時沒有被孵化出這個能力，但是不代表今天的傳統行業不可以具備這種AI的能力，因為這些能力當下來講更多是AI的企業在做，我在孵化的一個企業比如他們去開發了一款叫EI的產品，這個產品可以把更多的算法放到終端，更加經濟化。因為我覺得技術的創新最後是要導致技術的民主化，讓更多消費者，更多中小企業可以普惠到這種AI的能力，這是整個行業發展重要必然的趨勢。
主持人：非常感謝這位同學，也非常感謝臺上的嘉賓老師對於這個問題的解答。當然這也是一箇中小企業最直觀的痛點，因為確實錢這個東西都不好掙，前期的投入期又這麼長，後期盈利點確實是他們考慮的一個方向，非常感謝我們臺上的嘉賓，還有兩個名額，我們臺下的嘉賓以及各位同學們有沒有一些方面的問題還可以提問。
提問者：大家好，我們今天的圓桌論壇討論是人工智能如何賦能製造業。人工智能確實顛覆了我們很多傳統的一些東西，我在這裡想問的就是說，在我們製造業裡面有沒有什麼是人工智能無法取代，或者無法去超越或者顛覆的東西呢？謝謝。
李亞平：剛才其實有討論到一部分，在有一些比較更復雜的決策上面，需要很長時間去積累。其實人工智能它跟我們之前的一些專業，它相對來說對製造業來說面向的對象是不一樣的，以前我們更面向是一個流程一個工序，一件物品，一個產品。人工智能它本身其實在往後看，我們看到的未來它對人智力有一部分學習和迭代的作用，但是在我們自己實際上這個業務運營過程裡面我們會發現有很多的管理命題其實以目前人工智能發展的水平，還沒有辦法完全做到這個學習和複製的能力。
其實在很多管理的題目上面，我們認為人工智能未來它可能就是決策支持和輔助的功能，我們更希望它在支持和輔助方面能夠開發結果實際上是不是真的能夠取代，那可能有待技術進一步的發展。
閱讀更多 男和可科學 的文章
