Archive for 2018年3月25日

胡权:重新定义智能制造

作者:胡权,工业4.0研究院院长兼首席经济学家,本文发布在2018年1-2月刊《清华管理评论》

      人类社会进入工业化时代已经有260年,但真正给制造业赋予智能化的能力,也是在计算机发明之后,这期间经历了计算机集成制造系统(CIMS,Computer-Integrated Manufacturing Systems)、嵌入式系统、信息物理系统(CPS,Cyber-Physical Systems)、智能制造等概念的引入及发展。其中,智能制造的概念通俗易懂,一直受到行业人士的追捧,可惜自1989年日本雄心勃勃想把智能制造概念体系化失败之后,智能制造一直以描述性或不系统的中庸假说方式存在,本人在2016年9月号《清华管理评论》上发表的《智能时代的新自动化挑战》中,就对中庸假说进行了较为详细的介绍。

      即便如此,最近几年时间,德国、美国、中国和日本等制造业主要国家,纷纷提出以新一代技术推动的制造技术为核心的国家制造业战略,其指向却可以用智能制造这个中庸假说的概念来描述。德国提出的工业4.0体系中,智能工厂是根本;美国通用电气提出的工业互联网体系,也有所谓智慧工厂(Brilliant Factory);中国则直接把智能制造作为中国制造2025的主攻方向;而日本经过长时间犹豫,2017年也宣布要推进基于信息物理系统的智能制造系统(SMS,Smart Manufacturing Systems)。

      虽然针对智能制造概念进行严格定义和体系化的努力一直都存在,但目前还没有公认的结果。早在1989年,日本就提出国际研究合作项目IMS,即Intelligent Manufacturing Systems,按照中文的翻译习惯,我们一般把本文提及的SMS和IMS都翻译为智能制造系统,而对此不加以严格的区分。当时日本提出IMS计划,其目的被定义为对日本制造业的技术诀窍进行研究,形成体系化的制造业知识系统——也就是可以作为教科书的智能制造学科。虽然日本没有成功推动教科书式的智能制造学科出现,但人类社会追求先进制造体系化知识的目标并没有减弱,我们需要重新定义智能制造。

      一、历史视野中的智能制造

      在过去的100年期间,人类社会的工业化进展带来的生产力提升非常巨大,这有赖于电气化、自动化和数字化带来的生产系统改进,从而大大发挥了规模经济的效用。不过,在最近10年时间,从国际经合组织(OECD,Organization for Economic Co-operation and Development)发布的统计数据来看,人类社会的生产力水平仅仅增长了0.5%,这远比过去动辄几倍或者几十倍的增长水平要低,这迫使人们开始思考提升生产力水平的新办法和新来源。

      不仅如此,由于几乎所有国家都看到了工业化给国家经济增长和国民富强带来的好处,纷纷发展工业产业,这也导致了全球不少产业的产能过剩,发达工业国家为此开始思考新的差异化优势的方式,诸如大规模定制(Mass Customization)等方式就成为了一种选择。

      正是在提升生产力水平和大规模定制两大需求的驱动下,智能制造作为一种制造技术驱动力,成为了全球各国关注的焦点。事实上,目前正在发生的主要工业国家制造业战略性的竞争,本质上也是为了实现智能制造,而这种先进制造方面的竞争,更是以1989年日本提出IMS国际研究合作计划为标志性的事件。

      1. 二十年前的日本IMS探索

      要真正认识智能制造,我们需要回到上个世纪80年代,日本当时是全球制造业的典范,其制造业产品几乎席卷了全球,诸如索尼的Walkman随声听、东芝的电视机等产品,成为了当时日本制造的代名词。由于美国人颇为喜欢日本的电子产品,导致了美国对日本的贸易逆差非常大,同时,美国还认为日本是从美国学习模仿的先进制造技术,导致了“教会了学生,饿死了师父”。在这样的背景下,一直依附于美国经济的日本开始考虑要做一些事情。

      从当时的历史记录来看,当时日本为了降低美国所诟病的贸易逆差,日本承诺让日元升值,同时也建立了不平等的贸易规则(当时美国进口日本车需要收取关税,而美国车进入日本则不需要任何关税),即便如此,日本仍然无法让美国满意。

      按照2010年日本制造科学技术中心发布的《日本IMS国际合作研究计划》报告中描述,“1989年6月,在通产省信息产业局举行了‘工厂自动化愿景座谈会’,会议汇总了关于面向21世纪工厂自动化未来展望的报告书。同时会议明确了以制造业国家合作为目的的IMS计划,并指出日本在生产技术领域有所贡献是最重要的课题。”

      由此可见,当时日本是迫于与美国的贸易纠纷,推动IMS计划,其主要指向是有政治和经济目的的。但是,当时日本也在如火如荼推动一些激进的研究计划,例如人脑计划、人工智能计划等,从最后的结果来看,IMS计划也是当时激进计划中的一个。从IMS计划遗留下来的文件来看,当时日本是希望利用人工智能技术,实现制造知识的体系化,从而形成一门先进制造学科,最终,通过对先进制造知识的普及,实现一个智能制造替代人的世界。

      例如,当时三菱材料提出了“机械加工过程最优化传感器融合智能化监测系统(SIMON,Sensor Fused Intelligent Monitoring System for Machining)”。该项目计划是对机械加工的监测要实现人的眼睛、耳朵等感觉器官一样,使用多个传感器进行监视,从而实现自动化的目标。该项目负责人三菱材料的增根昭洋介绍该计划称,“SIMON计划是结合人工智能和神经元网络等最先进的计算机技术和高敏感度传感器,是为了实现前所未有的高目标计划。”

      事实也证明,三菱材料提出的SIMON计划的确是高目标计划。按照IMS计划的安排,SIMON研发计划开展的时间是1999年10月到2002年1月,最终结果当然没有达到预期目标。

      另外一个雄心勃勃的研究计划当属“下一代生产系统(NGMS,Next-Generation Manufacturing Systems)”,该计划主要日方负责企业是富士电机、川崎重工和本田技研等知名企业,欧洲参与方包括ABB、卡尔斯鲁厄大学和弗劳恩霍夫等,美国参与企业有卡特皮勒、波音、霍尼韦尔和洛克希德马丁等企业。该计划开展的时间是IMS计划启动的1995年开始,一直到2005年11月,但实际上日本在2003年3月就退出该NGMS计划了,估计是考虑到该计划已经不具有可行性。

      日本1989年就开始提出的国际研究计划,历经5年多时间才真正跟美国和欧洲协调妥当,事实上,在1995年正式启动IMS计划的时候,该计划就已经注定是失败的。第一,日本发起的IMS计划,大都是基于人工智能技术可以在制造系统发挥重大作用前提下提出的,当时显然对人工智能期望过高;第二,进入90年代之后,日本经济已经被美国压制下去,日本已经没有多余的公共研究经费,不太可能支持IMS这样的大计划;第三,上个世纪90年代互联网已经处于蓄势待发的状态,至少美国已经没有多少心思去搞制造业创新的事情,这对于一直希望利用主动承担IMS计划的姿态,吸引美国来参与推动的日本颇为失望。

      在2010年4月,日本按照2008年就提交的总结报告中所计划退出IMS国际组织的安排,正式退出了自己一手打造的国际研究组织。后来,欧盟发起了IMS 2020,继续相关的研究,但对于美国来讲,它已经对IMS计划没有多少兴趣,不过,美国并没有停止对智能制造相关技术的探索,只是它一直以来以如何在制造业发挥信息技术的优势作为目标。

      2. 信息技术驱动智能制造

      在工业近代史上,美国作为主要的创新来源地,提出了大量开创性的概念和思想。例如,早在1973年,约瑟夫·哈灵顿(Joseph Harrington)提出了计算机集成制造(CIM,Computer-Integrated Manufacturing)的概念,当时并没有受到关注,在1984年的时候,哈灵顿撰写了《理解制造过程:实施CAD/CAM的成功之道》(Understanding the Manufacturing Process: Key to Successful CAD/CAM Implementation),再次引起了人们的兴趣。1985年,美国工程师协会推荐计算机集成制造系统(CIMS,Computer-Integrated Manufacturing Systems)作为先进制造技术的主攻方向,由此拉开了嵌入式系统发展的黄金时期。

      不过,据工业4.0研究院观察,即便全球制造业开始关注CIMS这个概念(例如,1987年左右的时间,清华大学就开始筹建CIMS研究中心),美国研究界仍然把未来的先进制造技术定义为信息技术在制造业的应用。在1993年,美国国家研究委员会发布了《信息技术与制造:研究需求的讨论稿》(Information Technology and Manufacturing: A Preliminary Report on Research Needs);在1995年,美国国家研究委员会发布了《制造业的信息技术研究日程》(Information Technology for Manufacturing:A Research Agenda),明确了未来10年的先进制造研究多个议题,例如虚拟工厂、网络工厂、模型与仿真、制造业的基础设施等议题。

      随着制造业的信息技术研究的深入,美国研究界发现传统的概念不足以描述信息空间和物理世界交互的复杂性,为此,美国国家科学基金会(NSF,National Science Foundation)开始考虑创造一门新的先进制造学科,这个目的跟1989年日本提出IMS计划如出一辙。

      2006年,美国国家科学基金会通过长达一年时间的讨论,由时任国家科学基金会的官员海伦·吉尔(Helen Gill)创造了一个词汇——信息物理系统,以此替代嵌入式系统,来描述更为紧密结合的状态,这种状态不仅仅是信息的传递,还有控制方面的交互,这实际上就是控制论所描绘的最佳状态了。与会科学家都比较认可这个概念,并且认为信息物理系统是美国研究界未来10-20年应该重点研究的课题。

      事实上,美国研究界还真的做了10年左右的研究,直到2014年左右的时间,美国商务部下属国家标准技术研究院(NIST,National Institute of Standards and Technology)正式接过国家科学基金会的接力棒,筹建了信息物理系统工作组,开始在产业应用方面继续加强标准的制定和推广。除了美国官方的机构,由通用电气牵头组建的工业互联网联盟(IIC,Industrial Internet Consortium),也把推进信息物理系统工程化作为目标。

      除此之外,德国在2013年宣布的工业4.0概念和体系,也是构建在信息物理系统基础上;在2017年,日本经产省的专家也把信息物理系统确定为智能制造系统的基础,希望在重新定义智能制造过程中扮演重要作用。当然,中国制造一直把吸纳西方先进思想和技术作为工业化发展的重要手段,在2016年,工信部下属研究机构也创建了中国工业互联网产业联盟和中国信息物理系统联盟等组织。

      由此可见,经过日本、美国、德国等工业发达国家过去几十年的研究和探索,已经明确了信息化与工业化融合的主航道,但如何利用信息技术方面,目前已经有信息物理系统、工业互联网等概念和体系,同时也有诸如数字孪生体(Digital Twin)和数字线程(Digital Thread)等新概念出现,进一步创造具有体系性的概念系统,促进智能制造学科真正建立和发展,是当前人类社会制造业发展的主要任务之一。

      二、智能制造的技术基础设施

      对于智能制造,虽然日本早期冒进的探索并无什么实质性的结果,但这给全球研究专家提供了一个难得的观察机会。事实证明,仅仅依靠传统的信息技术,是没有办法解决制造系统的高效率和柔性需求的,这需要构建诸如信息物理系统等新型的制造系统知识体系。经过近10年的发展,美国国家科学基金会推动的信息物理系统理论体系基本成型,并且已经开始在美国各高校进行信息物理系统的课程教学,由此可见,智能制造原理上的创新基本完成,目前需要解决的是产学研方面的挑战。

从技术成熟度水平认识智能制造

图 1 从技术成熟度水平认识智能制造

      按照经济学家卡萝塔·佩蕾丝(Carlota Perez)在《技术革命与金融资本:泡沫与黄金时代的动力学》(Technological Revolutions and Financial Capital: The Dynamics of Bubbles and Golden Ages)指出,技术革命拥有四个发展阶段,分别为构建范式、基础设施建设、产业化发展和成熟阶段。按照工业4.0研究院的判定,人类社会的第四次工业革命还处于构建范式阶段,从历史经验来看,这个阶段会出现大量的各种不同概念和提法,随着人们的认识逐步深入,更符合实际的概念将占据优势,从而成为人们的首选。接着,技术革命很快会进入基础设施建设阶段,智能制造作为第四次工业革命的核心技术,需要相应的技术基础设施提供产业化发展的前提。

      根据工业4.0研究院的研究结果来看,通常情况下,智能制造的基础设施包含低成本的传感系统、无所不在的云计算资源和实时驱动的制造操作系统等三个方面。从全球各国制造业战略争夺的创新生态关键点来看,目前还没有哪个国家完成了这三个方面的技术基础设施建设。

      1. 低成本的传感系统部署

      在本文对智能制造历史发展过程中的描述中,已经总结了智能制造科学体系的基础是建立在信息物理系统之上的,这已经在美国、德国、中国和日本等国建立了共识,各个国家正在争先恐后的搭建信息物理系统基础设施。例如,美国国家标准技术研究院支持的智能制造领导联盟(SMLC,Smart Manufacturing Leadership Coalition),就构建了一个开放架构和开源的智能制造平台(Open Smart Manufacturing Platform),其目的就是为美国制造业提供基础的信息物理系统。

      之所以信息物理系统将成为智能制造首当其冲的技术基础设施,其根本原因是数据的基本来源是传感器,这类似人的智能来自五官获得的基础信息,从而通过头脑进行判断。机器设备也有类似的过程,如果没有基本信息的采集,机器设备是无法自主的进行判断,从而也谈不上什么智能化的制造过程。

      有部分行业人士提出,在诸如航天军工领域,早就实现了传感系统的部署,因此,智能制造早就已经实现了。这种认识忽略了整个制造业行业众多的情况,在一些不计成本不计代价的领域实现了传感器的部署,一点也不奇怪,事实上,日本在上个世纪70年代,就实现了部分生产系统的传感器部署,但当时日本提出IMS计划,就是希望可以在大部分制造行业实现智能化(其主要障碍还是成本),这也是本文所指出低成本的意图。

      中国早在2009年就推动了无锡国家物联网产业基地的发展,当时的目标也是为了实现所谓传感网,其目的也是为了构建一个智慧网络。虽然推进了多年,除了在诸如机场等特定场景实现了一定的应用,传感网并没有真正普及起来,其主要挑战也是低成本的传感系统部署难以实现。

      不仅如此,就全球目前已经发明的主要传感器种类来讲,已经有2万多种,涉及到物理、化学、生物及特殊目的等种类繁多的传感器,要真正做到对物理世界跟信息空间的一一对应,传感器是必不可少的技术基础设施。既然传感器种类繁多,价格跨度也比较大,一些价格昂贵的传感器,只可能在一些高价值产品上应用,例如,苹果最近推出的iPhone X,就应用了不少高端的传感器。一般的低价值场景,是难以进行大量的传感器部署的,主要原因不是技术有难度,而是成本比较高,这是目前构建这样的传感网络技术基础设施的根本障碍。

      如果没有低成本的传感系统部署,要实现智能化的制造系统,是有较高难度的。对于车间或者工厂级别的智能制造,要实现较大范围的传感系统部署,其投入也不会少,针对于一些中低端制造行业来讲,是不具有经济效用的;对于一些高端制造领域,例如汽车,已经实现了基本的传感系统部署,可以实现较高的自动化生产。但是,对于要集成产业链上下游系统的目的,即便对于汽车产业链,一些成本敏感的部件提供商,也是难以实现大规模传感系统部署的,为此,缺乏低成本的传感技术基础设施,是实现不了端到端产业链集成的。

      无论如何,要实现智能制造,是需要构建一个低成本的大规模的传感网络系统,只有具有这样的系统,才可以为生产系统的进一步智能化提供可能。试着想一下,如果连完整的数据采集都是问题,怎么可能对生产过程进行分析呢?因此,要实现真正意义上的智能制造,低成本的传感系统是一个关键的技术基础设施。

      2. 无所不在的云计算资源

      智能制造除了需要作为技术基础设施的低成本大规模传感系统,它还需要一个无所不在的云计算资源系统。在日本1989年发起的IMS计划中,当时各个领先制造企业都面临全球化的挑战,因此也提出了诸如Globeman21(对21世纪全球化生产进行的企业整体性研究)和MISSION(全球化分散企业设计、规划及运营的模型制作及模拟实验环境相关研究)等课题,从日本总结出版的《日本IMS国际合作研究计划》报告中描述来看,这些课题都因为技术不够成熟,并没有达到预期目的。

      如果对20多年前日本推动的IMS计划失败的原因进行分析,缺乏无所不在的计算资源(当然也包括高速通信网络)可能是重要原因之一。据参加IMS-MISSION计划的日本机械振兴协会技术研究所教授日比野浩典回忆,当时这个项目还得到了美国国防部的支持,利用了分散模型技术高水平架构(HLA,High Level Architecture)进行开发,但也因为工程实现上困难重重,并未得到预想结果。

      事实上,美国国防部目前仍然在利用高水平架构模型来构建基于模型的系统工程(MBSE,Model-Based Systems Engineering),加上最新发明的数字孪生体及数字线程技术,其先进制造已经达到较高水平。据工业4.0研究院观察,在推进基于模型的系统工程中,云计算资源是一个最为关键的技术基础设施,如果缺乏这个基础设施,其系统工程基本上不可用。

      对于目前时髦的工业互联网概念,其本质上也是需要把各种制造资源联网起来,与消费互联网不同,工业领域的网络化大都面临特性不同的资源,诸如物理特性、化学特性、金融特性等等,这需要针对物理设备的高仿真模型,否则,简单具有存储功能的云计算平台,并不具有多大工业价值,也难以称为工业云。仅仅把传统的信息技术系统上传到云计算平台上,并不能完全体现其价值,甚至由于商业模式上的一些考虑(诸如差异化竞争优势等),反而导致传统的信息技术系统上云并不具有可选性。例如,一些对产品信息或客户信息敏感的行业,它们可能就不愿意为了降低成本而把这些系统中的数据和信息上传到云计算平台上去。

      不过,从技术发展趋势和整个制造业发展需要来看,低成本、安全和独立(非垄断)的云计算资源是智能制造发展的基础,但是,这些云计算资源到底以什么形态为行业提供动力,还是需要进一步商业运行才会清楚。例如,云计算资源是不是可以以平台赋能的方式存在,或者云计算资源仅仅限定提供存储和计算能力,避免提供进一步的应用匹配,都是需要更为成熟的试验,考虑多方利益相关者的述求才可以确定的。

      由于消费互联网发展较为成熟,消费领域的云计算应用也比较迅速,一些消费云计算资源已经成为人们生活必备的基础设施,例如电子商务、即时通信、电子支付等,但这不意味着工业领域的云计算资源也应该按照同样的方式或规则进行应用。

      从工业企业的行业实践来看,领先的制造企业意识到传统的消费云计算基础设施不足以满足未来工业级的需要,已经创造了诸如雾计算、边缘计算等概念,这些概念的核心就是在物理上为需要存储和计算资源的设备提供服务。因此,雾计算或边缘计算加上传统的云计算,组成了一个无所不在的下一代云计算资源,可以为智能制造的实现提供基本的技术基础设施。

      3. 实时驱动的制造操作系统

      通常情况下,我们认为制造业所需要的信息技术基础设施跟消费互联网的基础设施有较大的不同,除了本文前面提及的低成本传感系统和下一代云计算资源,真正实时驱动的制造操作系统也是一个特殊的要求。

      大家清楚,个人电脑就是一个信息物理系统,它拥有操作系统(OS,Operating System),你可能应用的是微软提供的Windows,或者是苹果一体化的macOS,甚至于基于Linux的个性化安装包,不管是哪种操作系统,它都需要对物理设备进行虚拟化,在操作系统中,一般是以驱动程序(drivers)的方式提供,它们对诸如打印机、扫描仪、键盘和鼠标等硬件设备进行映射,从而实现物理与信息的交互。

      如果要实现智能制造系统,那么一个制造业的操作系统就是必要的。通过制造操作系统,可以对各种制造硬件进行管理,例如,数控设备、加工设备、检测设备等等,这些设备都可以用制造操作系统进行映射,从而两者(物理与信息)实现互交互(interaction),这就是制造操作系统的基本要求。

      有部分行业人士认为制造执行系统(MES,Manufacturing Execution Systems)就是这样的操作系统,但如果大家对比个人电脑的操作系统,就可以看出,制造执行系统的简单功能模块,本质上实现的智能化程度并不高,给制造系统提供的发挥空间也比较小,产生于1995年左右的制造执行系统,其目的还是为了把指令执行准确,而不是为了实现平等的指令和执行交互。换句话来讲,制造执行系统并不是基于信息物理系统科学构建的工程系统,它并不能满足真正的智能制造需要。

      可喜的是,制造行业的一些领先企业及研究机构已经基于新的理论成果进行实时操作系统的研究。2006年美国国家科学基金会提出信息物理系统之后,获得相关资金支助的加州大学伯克利分校的研究团队,就推出了一个以实时驱动的制造操作系统为目标的信息物理系统原型Ptolemy I/II,该原型还是开源的;另外,伊利诺伊大学2007年也获得了美国国家科学基金会支助,启动了嵌入式系统和传感器网络操作系统LiteOS的研究。除此之外,斯坦福大学人工智能实验室、麻省理工学院、卡耐基梅隆大学和德国人工智能研究中心等机构,也推出了基于开源项目的制造操作系统。

      经过过去10来年的发展,制造操作系统已经初步具有实用的可能,虽然大部分商业化的平台系统并没有指明其系统的基本科学原理和借鉴的研究成果,但大部分商业级的制造操作系统平台,都通过多种方式受益于信息物理系统的相关研究。例如,通用电气在2014年推出的Predix平台,就是利用了它参与美国国家科学基金会项目获得经验,甚至于到现在,通用电气还跟美国制造创新中心数字制造与设计创新研究所(DMDII,Digital Manufacturing and Design Innovation Institute)合作推出了一个开源项目数字制造共性平台(DMC,Digital Manufacturing Commons)。

      总而言之,如果我们要进一步推动智能制造的实现,除了需要继续进行相关理论的研究,探索智能制造的原理性规律,还需要为智能制造的产学研提供技术基础设施,一方面需要提供低成本的传感系统部署,另外一方面,无所不在的适用于工业领域的云计算资源也必不可少,更进一步,针对具体的行业应用,或许需要有企业可以提供实时驱动的制造操作系统或平台。

      三、AI 2.0重新定义智能制造

      与20年前日本采用传统的人工智能来驱动智能制造系统不同,目前人工智能已经进入了大数据、新算法和新计算能力的AI 2.0时代,同时,大量智能产品的出现,使得传统的装备制造需要个性化定制的能力,这迫切需要实现新型的智能制造,利用AI 2.0重新定义智能制造就成为当前最为重要的工作之一。

      毫无疑问,人工智能到底会在智能制造重定义中扮演什么角色,短期内难以统一大家的认识,但代表信息技术发展的最新阶段,人工智能肯定会扮演一个通用目的技术(GPT,General-Purpose Technologies)的角色,它将有可能真正解决制造业长期以来存在的非标问题(指的是制造业的装备系统,大都需要根据客户的要求定制,而难以提供标准化的解决方案)。

      为此,为了充分利用AI 2.0带来的重新定义智能制造的潜力,应该统一思想,加强应用研究和创新,并结合到中国制造2025国家大战略的需要,设计一套适合中国需要的智能制造体系和实施路径。

      1. 为什么要寄希望AI 2.0?

      大家应该还记得,日本在上个世纪人工智能热潮中,也企图通过人工智能在制造业的应用,实现它提出的智能制造(Intelligent Manufacturing)。即便日本当时纠集了全球领先的工业发达国家参与全球性的IMS共同研究计划,但最终也因为过于超前而无疾而终。随着深度学习等新型算法在一些领域的突破,特别是结合到大数据和专用的人工智能芯片,新的被称为AI 2.0的时代已经在全世界人们关注中来临,诸如AlphaGo以及AlphaGo Zero杰出的表现,已经让人们担心AI 2.0带来的革命性影响。

      目前对于AI 2.0驱动的智能制造,有两种看法,一种是否定态度,他们认为,在制造系统的核心部分,能够显性的利用到人工智能的地方不多,甚至于一些在行业领先企业工作的人士以自己的亲身经历为例,来证明制造系统目前并不需要人工智能;另外一种态度是热烈拥抱新一代人工智能进入制造系统,通用电气、西门子和一些日本企业大都悄然加大了工业领域人工智能应用的研究工作,例如,通用电气的全球研究中心(GRC,Global Research Center)就把人工智能作为未来十年的研究重点,西门子也在2017年11月发布的财务报告中,明确要加强人工智能在工业领域颠覆性作用的研究。

      从原理上讲,20年前日本推出的一些基于人工智能的智能制造系统研究课题,大都对于计算能力要求过高,有的还对信息技术基础设施要求也超出了当时通信系统可以提供的能力,诸如此类的技术基础设施不成熟不完整,加上人工智能工程应用还处于较低水平,导致最后IMS计划陷入失败境地,也在情理之中。

      随着互联网和移动互联网等应用的快速普及,促使信息技术基础设施快速发展,已经在开源项目及开放架构等驱使下,形成了一个较低成本的全球化信息技术基础设施,这可以为制造业应用信息技术奠定一个较好的基础。更进一步来讲,目前在制造业应用人工智能,已经具备了一定的技术基础,研发和建设成本也基本上可以满足。

      但是,为什么制造业并无多少可见的人工智能应用案例呢?这是萦绕反对人工智能驱动智能制造的人士头脑中挥之不去的疑问。我们可以从两个方面来说明,第一,只要我们承认智能制造是可以自决策、自适应和自组织的系统,那么具有高级的智能感知是必须的,人工智能本身就是研究如何模拟人的感知系统和决策系统的科学,这就不可避免要应用到新的人工智能技术;第二,虽然有一些制造企业应用了人工智能,但由于成本还比较高,不具有推广和商业价值,因此,这些企业目前主要精力还是放在了如何低成本提供智能制造能力,这个能力也跟本文前面提及的三大技术基础设施息息相关。

      客观的讲,由于AI 2.0技术具有传统人工智能不具有的一些特性,例如,算法不同、大数据的存在以及专用人工智能芯片等,这些技术条件的存在,如果在推动智能制造体系化知识形成过程中发挥作用,是有可能实现智能制造更为广泛应用的目的,从而达到重新定义智能制造的效果。

      2. 大规模定制需要智能制造

      对于AI 2.0重新定义智能制造,需要有一个驱动力,与科学研究不同,先进制造技术的应用,需要具有经济上和经营上的理由。由于过去几十年的技术扩散,发展中国家较低成本的劳动成本,促使了全球总体上存在产能过剩的局面,这种问题对于劳动力成本较高的国家,尤为突出。正因为如此,这些国家纷纷需要通过升级改造装备设备,实现智能制造来提升生产力,除此之外,通过智能制造,可以给企业经营带来灵活性,这在大规模定制方面有较为突出的效果。

      虽然在一些简单的工业领域,可以采用现有的信息技术来实现大规模定制,例如服装和家具等行业,但对于其他较为复杂的制造行业,现有的信息技术可能就无能为力了,这需要更高级的信息技术——人工智能来实现自动检测、高级排产以及特定的加工过程(例如喷漆、特定形状等)。以制造系统的维度来看,AI 2.0驱动下的系统更接近永不疲劳的人机融合制造系统,早期的智能制造系统并不能较好的模拟人的认知,从而无法真正实现智能制造,这是日本上个世纪推动智能制造系统失败的原因之一,目前计算能力更强、模拟人的智能程度更高的制造系统逐渐被开发出来,实现更多行业的无人工厂将成为可能。

      随着各个国家推进的国家级制造战略落地实施,各种技术基础设施也会很快得以实现,大规模定制所需要的装备制造系统也会出现,诸如沈阳机床利用的i5系统,就可以称为一种简单形态的智能制造系统。虽然这个以共享经济为特征的平台生态难以短期改变产业形态,但随着更具有杀手级应用特征的平台生态出现,相信会迅速推动AI 2.0推动的智能制造出现。

      工业4.0研究院分析认为,在工业领域,其产业结构已经较为稳定,短期内难以有革命性的结构改变,共享经济虽然在消费领域获得了成功(在大量不计成本的资本推动下),但要在工业领域实现类似的效果,似乎并不容易。如果可以结合到经营性的服务,例如,利用生产制造系统的高度柔性(甚至于是定制化),让消费者获得产品具有一定的个性,从而使自己的产品跟竞争对手的产品差异化开来,这是企业家喜闻乐见的结果,也会愿意为之进行投资。

      德国工业4.0曾经提出了纵向集成、端到端集成和横向集成,分别对应了工厂边界、产业链和跨界(跨多条产业链)的经济学边界,如果利用新型的人工智能技术,它可以为制造系统提供更为灵活的连接方式,而无需顾及传统的烟囱式信息系统带来的不便,系统之间的连接,这给企业经营者带来了更大的灵活性,这也使得各种创新(甚至于是颠覆性)的商业模式成为可能。

      因此,在企业家精神促进下,肯定会出现一批寻找差异化竞争优势的企业,它们会充分利用智能制造带来重构制造系统的机会,为传统的产品增加更多的功能,而这些功能可能是智能化的产品形态,毫无疑问,更多智能产品的出现,也反过来要求生产制造系统的进一步升级,实现大规模定制就成为更多行业的标准经营之道,而智能制造是实现大规模定制的最佳选择。

      3. 中国的智能制造新定义

      中国在2010年成为了全球制造业产值最高的国家,这是中国100多年之后再次登上全球制造业第一的位置。不过,中国制造的规模虽然处于第一,但其竞争力仍然谈不上强大。为此,2015年,中国国务院发布了中国制造2025,并设定未来30年左右的时间,实现中国制造从大国转向强国的目标。在推进中国制造2025的规划蓝图中,也明确指出了智能制造是主攻方向。

      毫无疑问,从中国制造2025目标的实现要求上来看,智能制造是难以避免的一个概念。目前已经有一些国家智库对智能制造进行了一些中国式的定义,包括中国工程院,最近也基于AI 2.0的发展,提出了多阶段多层次的概念体系。但是,如果仅仅把人工智能认为是智能制造定义的一种技术,而不是其核心技术,很可能会忽视以及浪费AI 2.0对中国智能制造体系构建中的重大价值。

      首先,我们需要分清中国的智能制造定义与20年前日本提出的智能制造之间的差别。在笔者看来,20年前日本提出的IMS计划,过多强调了知识管理的价值,这其实也是目前AI 2.0跟传统人工智能之间的最大差别,基于大量数据的深度学习,有可能并不清楚其中的因果关系,但最终做出的结果却达到甚至超出了人的思考决策,这是利用AI 2.0重新定义智能制造的关键认识。

      其次,对比日本在IMS计划中推进智能制造和美国2006年提出信息物理系统的思想,两者有迥然不同的哲学。日本在推进智能制造系统的时候,深深陷入了路径依赖的问题,他们希望利用人工智能模仿日本的技术诀窍,从而解决另外一个特定问题(可能不是前面技术诀窍的应用场景),这从原理上就是巨大的挑战。然而,对于美国提出的信息物理系统来讲,先提出抽象的概念,再想办法设计相关的科学体系和工程工具,从而更符合科学发展的原理。

      最后,日本在推行智能制造的时候,完全割裂一般制造和装备制造的目的,导致盲目推动先进装备制造,而忽视了给消费者提供更好更先进的产品,忘记了日本上个世纪80年代是依靠创新产品而获得的市场,这在推动IMS计划的初期,也许就注定了其进展坎坷,难以得到产业界企业的持续支持。中国要推动智能制造,应该把智能产品和智能制造有机的结合起来,让智能制造为智能产品服务,通过市场的良性循环,让智能制造的投入物有所值。

      对于中国的智能制造新定义,笔者认为,应该充分发挥第四次工业革命智能化和网络化两大驱动力的价值。一方面,应该充分认识到AI 2.0对于智能制造的发展具有革命性的意义,从科学原理到产学研都应该投入足够的资源,这样才可以保证尽快实现智能制造装备产业的领先,这还可能为中国创造一个新的装备设备市场。另外一方面,最近工信部明确了中国制造2025的第二个主攻方向是工业互联网,这也是第四次工业革命的第二个驱动力,工业互联网主要可以实现资源的松散连接,从而提升资源的利用效率,在推动智能制造的过程中,也应该加强工业互联网方式的资源集成,加快中国智能制造产业快速发展。

      总结

      在第四次工业革命悄然来临之际,结合到中国制造2025战略的实施,中国的学者和专家有机会重新定义智能制造,为人类社会的工业化进程做出贡献。同时,在中国推进供给侧改革的时期,利用智能化和网络化两大驱动力,重点推动AI 2.0驱动的传统制造系统转型和重新设计,能够有效的解决中国制造大而不强的问题,更进一步,我们还可以通过研究与实践的有效融合,提升中国的科学发展水平,建立现代化的经济体系。