專訪億歐王彬:中國智能製造,“一米寬百米深”將是趨勢
周昊
【採訪/觀察者網 周遠方 編輯/周昊】
7月8日—7月10日,2021世界人工智能大會在上海舉辦,本屆大會以"智聯世界,眾智成城"為主題,圍繞"AI 賦能城市數字化轉型"方向,探討人工智能技術創新與產業落地的前沿進展。
億歐EqualOcean董事總經理王彬博士在本次大會上發佈了《“智”造未來—2021中國“AI+製造”產業發展研究報告》。報告提出,製造業是立國之本、強國之基,決定着一個國家的綜合實力和國際競爭力。加速推動新時代製造業高質量發展,將製造大國建設為製造強國,成為了中國的重點發展任務。
王彬在接受觀察者網採訪時表示,美國的工業互聯網強於利用資本力量統一標準,而德國的模式強於將百年工業經驗做“自下而上”的數字化,對中國來説,關鍵是要加速產業和數字化的有機融合,需要通過職業教育的方式來彌補人才缺口,而數字新基建和巨大的市場、豐富的應用場景是中國發展工業互聯網的優勢所在。

世界人工智能大會現場 圖片來源:觀察者網
目前,全球經濟越來越呈現數字化特徵,人類社會正在進入以數字化生產力為主要標誌的新階段。習近平總書記高度重視數字經濟發展,多次作出重要指示,強調要大力發展數字經濟,培育新增長點,形成新動能。
很顯然,數字經濟是全球未來的發展方向,而智能製造則是數字經濟的皇冠,必將成為各國搶佔數字經濟制高點的主戰場。作為雙循環基礎發力點,智能製造將成為提升國家整體製造業水平不可忽略的增長引擎。十九屆五中全會提出的“基本實現新型工業化”的目標將進一步加速推進我國智能製造發展。

中國智能製造試點分佈 圖片來源:億歐EqualOcean
中、美、德各有所長
王彬在分享中提到,目前與智能製造相關的概念主要有德國提出的“工業4.0”、美國提出的“工業互聯網”以及中國提出的“智能製造”。其中德國的“工業4.0”主要以信息物理融合系統為技術核心,實現端到端集成、橫向集成和縱向集成的新工業價值生態,主要為高度自動化、高度信息化和高度網絡化三個標準。在表現形式上,德國是一個非常重視基礎數字化的國家,因此“工業4.0”的發展是一種自主向上的形式。
美國的“工業互聯網”概念則是一個在開放、全球化的網絡下,將人、數據和機器連接起來,從而重構全球工業、激發生產力的一種形式;智能機器、高級分析、工作人員是美國工業互聯網包含的三大要素。在具體的實現上,美國“工業互聯網”主要通過金融手段進行大量的併購而進行,因為每一次併購其實就是某項標準的統一,所以可以通過自頂向下的方式實現工業的數字化轉型升級。

中國智能製造產業發展情況 圖片來源:億歐EqualOcean
王彬在採訪中表示,資本力量是美國推進工業互聯網的強項。工業互聯網的核心就是全社會用相同的範式生產,它本身就有着更高的要求標準,只有標準統一和數據打通,才能夠讓上下游進行無縫的銜接,偷工減料等投機取巧的行為在數字化的生產過程中是能夠顯示出來的。
而德國地工業物聯網模式更多強在百年工業積澱,在數字化過程中能夠將自身對行業的理解更好融入,相對美國“自上而下”的模式來説,這是一種“自下而上”的模式。
王彬認為,中國政府和企業現在需要考慮的,就是通過高標準的數字化體系,來形成同行之間和上下游之間的一種標準互認。
王彬指出,首先,中國目前的產品標準並不是最高的;其次,在生產過程中,大約60%以上的製造業還沒有太多信息化的進展。調研發現,中國19個工業門類中,3C、汽車、航空這三個行業既有信息化改造的意願,又是信息化程度較高的門類;其餘16個門類,如食品、紡織、五金等等並沒有很強的意願去做數字化,也沒有數字化的基礎。所以在目前這個時間節點,供給側改革就倒逼這些行業也要進行數字化轉型。
與德國、美國相比,中國的“智能製造”存在一定的特殊性,與德國自主向上、美國自頂向下的模式均不相同。中國的“智能製造”其實是在工業化快速發展的過程中,通過信息化人員的參與,從而實現生產效率的提升,是一種“從中間開始,既向上又向下”的形式。目前來看,這種形式對行業人才的需求極為龐大,這是中國“智能製造”顯著的短板之一。
如何解決人才缺口?
據人社局數據統計顯示,到2025年智能製造領域人才需求900萬人,人才缺口將達到450萬人。智能製造作為一個系統工程,涉及機械工程、控制科學與工程、計算機科學等多個學科,交叉學科背景的工程師是當下急需人才。

中國智能製造企業融資情況 圖片來源:億歐EqualOcean
關於人才問題,王彬指出,目前中國很多的IT人才都集中湧向了消費互聯網領域,最基礎的製造業並沒有得到相應的關注,但目前一個顯著的特徵是,消費互聯網行業已經觸頂,政府、機構、社會需要引導相關人才進行轉型。比如從供給側改革來看,當產品的銷售效率下降時,為了進一步提高產品的競爭力,就需要廠商將關注點對準更底層的研發、生產環節,這也是國內“智能製造”所處的產業節點。
讓既懂得產業規律,又懂得數字化的人才在目前的產業節點中發揮作用,工業化與信息化的融合才能更好的得到完成。
王彬認為,解決人才問題,應該充分發展人工智能領域的職業教育,而不一定要依靠高等教育。
AI+產業+製造最重要的就是把產業的問題抽象成AI算法能夠解決的問題,在這個過程中就需要交流融合,需要知道對方領域的知識才能很好的去解決應對。一線的工人不懂數字化不行,數字化的人才也需要懂產業,要接觸更多場景,得到實踐的機會。這種人才的稀缺其實是全行業的共識,也是中國跟美國、德國相比之下不足的地方。
這方面,王彬更強調職業教育,他認為,很多基礎性問題的解決能力很強,數字化的東西其實難度並不高,反而是一些產業的問題擁有很高的壁壘。新一代的職業教育過程中,要多向學生普及AI、算法之類的知識。
關於如何吸引全球AI人才為我所用,王彬認為,再好的政策也比不過土壤,最好的吸引力其實就是更多應用場景。如果相關人才在國內能做的事比海外更多、更重要,肯定會有大量的人才願意加入。所以中國需要把場景需求更加明晰地釋放出去,用政府的力量做好動員和匹配。目前我們給高校和科研院所很多支持,如果進一步加大對企業和行業協會的支持,對人才的吸引力肯定更好。

王彬 圖片來源:網絡
中國長處:基建和集中力量辦大事
談及中國的長處,王彬認為,新基建加持下,中國的工業互聯網有着很大的優勢。比如在布好5G網絡後,運營商會順帶給企業提供很多行業性的物聯網解決方案,這就能很大的提升工廠的效率。在這一點上,中國的運營商、電網、雲公司相比海外而言,提供的支持更多,這是屬於我們的後發優勢。
目前,國內以“普惠”的指導思想建設了大量的數據中心,以一個比較優惠的價格來向市場出租算力,算力資源能夠在中國市場極其豐富的需求場景下高效率應用,這種環境對我們的發展非常有利。
目前來看,在高端製造領域,還需要國家加大投入力度,但是中國市場的充分競爭目前已經推動一些製造開關、排插的企業也大量採用了數字化管理系統,這種市場驅動力是非常強大的,這一類企業在市場的競爭迭代中一定會處於優勢地位。
關於目前人工智能作為投資熱門賽道,是否有“過熱”現象,出現投資與產業脱離的現象,王彬認為,目前行業並沒有過熱,這關鍵要看泡沫有沒有阻礙行業的發展,每個行業創新初期都是有泡沫的。
目前人工智能行業事實上正在逐步迴歸一個相對正常的狀態,估值邏輯已經迴歸正常,投資人不再看重公司有多少有頭銜的科學家,而是會綜合考量公司的銷售能力、客單價、續費率等等,整個行業正在更加務實。人工智能這種資源不再稀缺,而且發展的方向越來越偏向於基礎設施化,未來,任何產業都會“+AI”,但其中的核心其實是強調產業,AI的比重其實會趨於減弱。