每经记者 梁宏亮 实习记者 温雅兰 每经编辑 张凌霄

智能制造是推进制造强国战略的主攻方向，涉及多种前沿技术的集成与创新，其中包括物联网、云计算、人工智能、机器学习、边缘计算、网络安全、数字孪生等。这些技术在智能制造中发挥着不同的作用和价值。

然而，当前中国智能制造的发展还存在诸多瓶颈与难题。新技术如何被正确加以应用、企业管理者如何正确理解数字化的真正内涵，这些都是直接影响企业能否成功转型的关键因素。

上海交通大学行业研究院成立五周年之际，联合每日经济新闻重磅推出十期“知行天下·行研中国”专栏，每期邀请“1名安泰行研专家+1名业内专家”，围绕行业热点、难点与痛点，以文字对谈的形式，从理论和实践两个层次展开行业洞察。

在第三期对话中，上海交通大学安泰经济与管理学院院长、上海交通大学行业研究院院长、上海交通大学深圳研究院院长陈方若，阿里云智能中国区总裁黄海清，围绕“构建智能制造行业新生态”这一话题进行深入讨论。

洞见智能制造前沿趋势

NBD：数字化转型为制造业勾勒出新的增长曲线。当前中国智能制造呈现出怎样的发展趋势？

陈方若：信息技术与企业管理的融合发展，已经有几十年的历史。上世纪80年代，沃尔玛发射了自己的卫星，旗下每个零售网点都通过卫星系统连接起来，这使得沃尔玛能够及时准确地掌握商品流动的信息，做出准确的资源配置决策。

从制造业上来看，“智造”转型总体可以分为三个阶段：第一阶段是信息联网，第二阶段是利用信息辅助优化决策，第三阶段是采用人工智能收集、分析信息，提前预判未来可能发生的问题和风险并加以解决，从而达到像中医里所说的“治未病”的目的。

如今，国内大多数企业仍然停留在较为初级的信息化建设上，也就是通过信息联网，消除企业部门之间和供应链上下游之间的信息孤岛。这件事看似简单，事实上由于不同企业使用的系统不同，往往推进起来并不那么容易。

在数字化转型过程中，能够发展到第二阶段和第三阶段的企业还比较少。大多数企业对于信息使用的思路仍然停留在了“事后”环节，很少有企业能够通过数智化转型实现信息的“事前”预判。

虽然我们看到，目前一些标杆企业能够采用物联网技术，以大数据分析的方式提前预判机器故障，并采取预防措施，在“智”上取得了新进展和新成效，但放眼中国智造的未来，想要大规模迈向智能化阶段，还有很长的路要走。

黄海清：总体来说，人工智能技术的加速发展，使中国制造正处于智能化时代的新起点。

这段时间以来，AI大模型带来了最新的技术热潮和全社会的广泛关注。前不久阿里巴巴也发布了自主研发的大语言模型“通义千问”，迎来了社会各界广泛的反响和巨大的合作需求。

特别是在制造业当中，AI大模型应用会成为重要的战场。AI大模型能将自然语言转化为计算机识别的代码，以更低门槛、更高效率，打通一个个数据断流节点，推动数据在研发、生产、供应链、销售、营销、服务等畅通流动。

我和大家分享一个小场景：过去在工厂中，人们只有通过编写代码才能控制和指挥机器。而AI大模型，可以让一个普通人通过自然语言——用人最熟悉的对话方式——能够来指挥机器，来进行统筹调度和运作；可以通过一张最普通的手绘草图，然后生成结构化的应用；可以让工人成为一个个“超级个体”，让工厂运行更稳定，更多地解放人的生产力和创造力。

NBD：大型制造企业和中小型制造企业在迈向数字化、智能化的过程中，需求和路径有何不同？

黄海清：大企业小企业都面临增效降本和创新的需求，智能化的转型路径，本质上是“业务转型，组织升级”。

我举两个例子。第一个是超大型企业，拥有超过22万员工，体型庞大、业务复杂，通过数字化办公软件作为超级入口，全集团4000多个组织和部门达到了100%的激活率，快速实现了业务协同的移动化。同时，平均7天可以开发和上线一款新的应用，实现了“部门创新、集团共享”。

再举一个中小企业的例子，福建有一家做冻干水果的生产商，数字化基础薄弱。但最近一个“工厂程序员”，采用低代码开发平台，花两周时间为公司自建了一套智能物流系统。中国有4800万企业组织，其中99%是中小企业。数字技术带来的组织协同，不仅让大企业更加高效，也让小企业能够敏捷创新。

陈方若：黄总从产品应用实践角度，介绍了数字化工具对企业效率的提升作用。从我们学界视角来看，大型企业与中小企业的数字化转型路径和需求，还是有一定的差别。

当我们放大到产业链视角，就会发现，对于处于供应链链主地位的大型企业来讲，因其组建的“神经网络”足够大，获得的信息更多，决策优化的空间也就更大。

小型企业通过采用数字化平台来优化内部流程相对容易，但由于在供应链上的地位不高，需要与产业链、供应链对接的环节考验着合作伙伴的配合度，存在着较高的沟通成本，因此中小企业的数字化目标不宜定太高。

我想特别强调的是，所有企业的数字化转型都应该是问题导向的。我们走访过许多企业，坦率地说，许多企业走上数字化转型都是“被逼的”——实践中遇到了按传统方法难以解决的问题，不得不采取数字化手段来进行攻克。

构建智能制造行业生态

NBD：从行业层面来看，当前我国智能制造的发展还存在哪些瓶颈与痛点？

陈方若：当前，一些头部企业通过数字化转型实现了对生产决策的优化，在提升生产效率方面有了明显的进步。但总体而言，企业迈向智能化还有很长的道路要走。

正如前面讲到的，我们面对的第一个瓶颈是当下多数企业的“智能”水平仍然很低，整合信息的能力还十分有限，难以通过搭建起庞大的“神经系统”来收集分析海量信息、解决问题，预判问题的源头，进而做到“治未病”。

其次，许多企业对“数字化”概念的理解尚存有认知瓶颈。许多人简单地认为，用机器替代了人，就实现了数字化，这是把“数字化”与“自动化”两个概念混淆了。有的时候机器代替人能够降本增效，但有的时候机器代替人也会面临高昂的成本。

此外，跨界沟通也是智能制造转型发展过程中所面临的难题。在现实的转型实施场景中，软件工程师与生产线上的工人如何真正实现有效沟通？数字化转型升级方案如何真正被企业员工所接受和执行？这都是在企业管理过程中所面临的真切问题。

最后，我们还要考虑如何挖掘海量数字资源的潜在价值，通过精准捕捉到消费者的需求信息，从中找到新的商业机会和新的产品设计思路。

黄海清：大家都知道，通过数字化和智能化转型可以提升运营效率、降低成本、增加收入，但要怎样达成这样的目标？坦白来讲，供需双方都不清楚具体路径。

但也不是没有破解的办法。举个例子，汽车的制造产线，实际上是数字化需求比较聚焦的场景。汽车的生产制造线和水泥的生产制造线是否一样呢？肯定是不一样的，但我们能够裁减出相对标准化的解决方案的通用能力或基础平台，并能够顺利地把数字工厂解决方案在钢铁、水泥、固废以及半导体等行业落地。

这就是解决方案的“最大公约数”。

数字化转型不能停留在宏观的概念，而要从具体场景出发，联合生态合作伙伴构建解决方案。概而言之就是：

第一，要勾画一张蓝图，做好顶层设计和咨询规划；第二，要有具体的业务场景；第三，在业务场景下有相应的技术支撑。我们有很清晰的三段论：基础设施的云化、核心技术的互联网化、应用场景的数据化和智能化——围绕这三个阶段，我们提供相应的技术支撑；第四，组织和流程的优化匹配。

如果做了这样的拆解，对于自己什么能做、什么不能做就一目了然。

NBD：智能制造的发展，离不开构建广泛的合作伙伴生态系统，这样的合作生态系统应该包括哪些方面和要素？如何鼓励更多的主体参与到智能制造创新发展上来？

陈方若：传统生态系统比较简单。我们都知道，传统供应链的上下游包括了从产品的设计，再到零件、中间产品、最终产品的生产，最后交付到消费者的手中。

而在智能制造的新生态里，我们用心观察，会发现很多新的角色。

工业软件开发与服务企业在制造业数字化转型过程中发挥越来越重要的作用，跨行业的交错相融也成为一种新的趋势。刚才黄总也讲到了汽车制造，我们发现在电动汽车制造领域，储能、互联网、人工智能等行业与传统汽车制造交织融合，跨行业一起做一件事情的案例越来越多。

更重要的是，伴随着数字化转型升级，消费者的定制化需求也可以通过对偏好数据的收集，实现与消费者需求的无缝对接。这些生态系统中的新变化，给企业提出了一个新的命题，那就是海量信息如何高效处理和利用——谁能从数据中发现新的问题、新的价值和新商机，谁就能在生态系统中收获更多。

黄海清：通过传统IT基础设施向云计算升级，加速业务在线化、组织协同化、应用智能化，是云计算深入制造业的关键。制造业的数字化场景，需要专业的行业知识和上层应用能力，这离不开生态合作伙伴。对于我们来说，会更坚定地联合生态伙伴，以云计算产品技术为基础，面向具体的业务场景，打造丰富的行业解决方案，为客户创造价值。

从我们的经验来看，要鼓励更多的伙伴参与到制造业的智能化上来，一定要与伙伴形成分工明确的合作模式、货真价实的权益体系和长期稳定的发展政策，从而让伙伴的收益更可期、协同更高效、发展更持续。

发现智能制造企业需求

NBD：请问黄总，云计算的出现，怎样赋能与重构了制造业的发展？未来还有哪些发展空间值得我们去想象？

黄海清：云计算的飞速发展使数字化成为确定，使智能化成为可能。我们也正以云计算为基石，以AI为引擎，参与到从数字化迈向智能化的划时代变革中。

我们通过传统IT基础设施向云计算升级，加速业务在线化、组织协同化、应用智能化，最终实现产业的升级。

概括讲主要就是：只有将传统的业务活动转化为在线的方式进行，才能让数据成为资产，让智能成为可能；通过数字技术可实现组织高效协同与资源灵活编排，构筑企业生产关系新形态；智能化的本质，就是以数字化为基础，以数据驱动，最后迈向应用智能化的过程。

NBD：企业在决策是否开展数智化转型的过程中，同样关注转型带来的业务风险。请问陈院长，如何才能优化决策、降低转型风险？

陈方若：正如我前面所强调的一样，制造业的数字化转型，要坚持问题导向。找准问题至关重要。

如果企业面临的问题没有找准确，就盲目开展数字化转型，往往可能会导致更糟糕的结果。因为这相当于在原有问题没解决的基础上，给整个企业又平添了新问题。

所以，我们建议企业一定要坚持问题导向，为了解决问题而数字化，而不是为了数字化而数字化，不要盲目去迎合所谓的数字化转型潮流。

（责任编辑：刘畅 ）