应对长期不确定性未来智造要解锁哪些“高级功能”？
电影《摩登时代》里，卓别林扮演的工人在生产线上日复一日重复着机械式劳动，几乎变成了机器人——这是始于19世纪晚期的第二次工业革命（或称工业2.0）的一个切面——流水线生产方式和电气化的引入大幅提升了生产效率，把人类带入了大机器大生产的工业时代。此后的数百年，围绕人类和机器的生产力和生产方式的变革浪潮持续推进。
本文引用地址：
通过自动化、计算机和机器人等信息化技术的导入，这些“不知疲累”的自动化生产线，成为了人类手和脚的延伸。之后，物联网(IoT)与人工智能(AI)等新兴技术的发展，使机器拥有智慧成为可能，它们将不仅成为人类劳动力的延伸，更将是人类大脑和智慧的延伸。
当前正在进行中的工业4.0革命就意在于此，其目标是推动传统制造业的数字转型，打造导入IoT与AI技术的智能化工厂，通过大数据的收集与分析，以及利用各种数字化技术构筑的虚拟模型，让现实世界的生产效率与良率更高，同时节省成本、提升安全性并激励产品创新。
不过，第四次工业革命的进程和影响力，显然与前三次将大不相同。“与之前的工业革命相反，这次革命正以指数而非线性的速度发展。”世界经济论坛创始人克劳斯·施瓦布(Klaus Schwab)在其著作《第四次工业革命》中这样指出，因为 “这将不仅仅影响着我们要生产什么以及怎么生产，更将改变我们是‘谁’”。
与此同时，近几年来，在全球经历了疫情、地缘政治冲突以及各类不确定因素之后，全世界对于智能制造的转型之路又有了新的考量。强调灵活性、创新和弹性的生产流程以及供应链韧性，成为新的诉求。
显然，未来的智能制造已不只是单纯的生产力和生产方式的智能化升级，它正被赋予更丰富的内涵。面对未来可能出现的长期不确定性，如何通过包括物联网、云计算、人工智能、虚拟现实、区块链、5G网络等先进技术与传统工业的深度融合，开出应对未来的智能化良方？
这个意义之下，接下去工业智能要如何落地？数字化生产力要如何构建？人类智能与机器智能要怎样协作融合？
智造下一站：弹性、灵敏和个性化
图1（图源：freepik） 曾经制造业经过长期运作打磨出的堪称完美的“Just in Time（准时制）”生产方式，即“在需要时采购所需数量零部件”，将库存保持到极低甚至是零库存，在过去两三年里遭到了前所未有的挑战。
芯片短缺、供应链中断、地缘冲突等种种不确定因素对制造业带来严重冲击，很多国际大厂开始考虑抓紧转向“Just in case（以防万一）”的生产方式，即分散生产，增加库存。
据媒体报道，英特尔（Intel）不久前大幅转变了经营战略。这家全球半导体大厂过去50余年来一直将人力、物力、资金集中于美国的生产基地，向全世界出口半导体。现在它正试图改变其坚守了50多年的商业模式，开始在欧洲等地区推进工厂建设，以期离客户更近。
从18世纪末以来人类经历了三次工业革命，工业1.0用机械化和蒸汽机改变了传统的手工制造方式；工业2.0以流水线生产方式和电气化大幅度提高了生产效率；工业3.0则将自动化、计算机和机器人等信息化技术应用到生产制造中。
可以看出，从工业1.0到工业3.0，其革命性的转折点都来自于制造过程中的技术革新，从而带来了生产效率的大幅提升。但是从工业3.0到工业4.0的推进，则与前三次大不相同。工业4.0带来的革命，不仅涉及产品的组织生产，还包括与产品生产相关的周边各种软硬件的相结合，是真正将产品设计、产品生产、产品回收、产品管理等全方位实现全面智能化的软硬结合的时代。
而全球经历了疫情等一系列新形势对工业产业的影响之后，重新来看为什么要从制造迈向智造这个问题，或者说，如今工业界迫切希望通过智能制造来解决哪些发展痛点和现实的问题，显然已经与三年前有所不同。
除了提升生产效率，降低生产成本外，可以应对长期风险的供应链韧性，强调灵活性、创新和弹性的生产流程，成为越来越多制造业领导者关注的重点。这需要一个反应敏捷的柔性制造体系来支持，可以实现灵活调整产线快速满足不同的订单需求。
如果说，工业3.0的重点是落脚在全面的自动化上，那么工业4.0则将进一步立足于全面的智能互联。这意味着，要实现人、机、物、料、法、环的全面互联，让各个环节的信息和数据更透明，构建起全要素、全产业链、全价值链的新型工业生产制造和服务体系。
而要实现这一切，有一个重要的基础前提：数字化生产力。
数字化生产力，挖掘数据价值对抗不确定性
图2（图源：freepik） 美国商务部的统计数据显示，工厂里计划外的设备停机时间约占工厂整体制造成本的24%。这种计划外的停机可能是由于意外的设备故障，或是材料短缺、产线排程问题等各种原因造成。而当前的全球形势下，这样的“意外”也许在将来会更频繁出现。
另外，库存合理化一直是工业企业的一大管理痛点，主要源于上下游产业的信息孤岛化问题。前文所提到的英特尔等国际大厂不得不放弃曾一度“堪称完美”的Just in Time模式，其原因也在于此——地缘政治以及疫情等不可控因素，让上下游供应链的数据和信息壁垒进一步凸显。
长期以来，工业企业在制定供应链计划时更多倚仗工作经验，物料信息、产品需求信息难以在产业链中实现跨环节的自由流通。再加上在供应链成本压力持续发酵、产品毛利逐渐摊薄的大背景下，企业急需构建产业链上下游信息流通渠道，结合产品需求、原料供给和产能配置，科学和敏捷地调整生产计划，提高产能利用率，减少库存积压，提升客户满意度，保障订单稳定到期兑现，从而实现具备高敏捷性和灵活性的产业协同。
数字化生产力，挖掘数据价值的重要意义正在于此，这是让工业制造迈向智造的基础，更将是应对未来长期不确定性的重要技术手段。
那么数字化生产力如何落实？
全球领先的智能制造及工业互联网整体解决方案服务商富士康工业互联网股份有限公司（简称“工业富联”）以“ABCDE”提炼了数字化转型的五大要素。A是Analytic（分析），或者是Artificial Intelligence（人工智能），B是Big Data（大数据），C是Cloud Computing（云计算），D是domain（场域），E是evidence（实例）。其中A、B、C是互联网的基本要素，D和E则强调了数字化工业一定要到具体的应用场景中去，如CNC、焊接、组装、包装等各个生产场景，要有落地的应用实例。
具体来看，机器学习、大数据和自动化技术等数字化手段，能使工厂精确采集、分析和传输数据，从而为整个制造企业提供更高的效率、可持续性和质量控制。数字孪生技术，则能通过匹配虚拟和物理世界，让工厂可以在实际生产之前先对数据进行分析，对系统中的业务和其他背景数据进行监控，从而帮助工业终端用户实现更优化的性能，同时提前规避可能出现的问题。这种实体设备与互联网相互连接的制造系统，能对数据进行收集分析，对错误进行预判，并能通过融入机器学习等技术不断进行自我调整，从而适应不断变化的环境。这样，数据才真正产生了价值。
另外，人类的智慧如何融入到机器设备中更为关键。宁波市智能制造技术研究院副院长、副总裁（技术）肖勇在去年贸泽电子技术创新周期间的一场工业自动化为主题的演讲中对此做过这样的解释——通俗地讲，就是把人的智能（简称“人智”）从隐性知识提炼为显性知识，进行模型化、算法化处理，再把各种模型化（机理模型、数据分析模型等）的知识嵌入软件，软件再嵌入芯片，芯片嵌入某个模块，然后再把模块嵌入到机器设备中，从而赋予机器一定的自主能力可让机器具有一定程度的“智能”（简称“机智）。“人类知识不断进入软件，知识载体由以碳基知识为主转向以硅基知识为主，数字生产力激增。”
工业富联首席执行官郑弘孟在和麦肯锡的一场访谈中指出，通常做数字化，除了IT还要物联网化，比如说机器联网。“人和机器是要‘有来往’的，”他强调，“很多公司（智能制造）为什么做不起来？因为人和机器没有‘来往’。”
事实上，工业4.0的一个关键点，就是“原材料（物质）”=“信息”，或者更广义地来说，就是将物理空间里的一切进行信息化、数字化，终而实现整个生产力、生产过程的数字化，从而实现各个环节数据的流动、分析和再造，形成统一的信息物理融合系统。在此基础上，再加上工业企业外部价值链的横向整合，以及网络化和垂直集成的制造系统，就可以建立一个好的信息物理系统，可以实现生产和维护的自我管理，快速有效地应对供应链问题、质量波动、订单变更和设备停机等各类意外。
关键技术和未来趋势