观察 - 智能制造发展的三个阶段

近几年，中国的信息化发展势头迅猛，涌现出云计算、物联网、智慧城市、大数据以及人工智能等热点概念。这些浪潮必须落地，为制造业服务才能发挥实效。对于中国而言，人工智能的发展离不开制造业的智能化升级，它是国家经济发展的坚实脊梁。

那么，何为智能制造？百科中对于智能的定义是获取知识和技巧的能力，而人工智能则是一种赋予机器智能的技术。这个概念早在1952年就被图灵提出，随着时间的推移，人们对它的描述越来越复杂，但究其根本，人工智能就是人类赋予机器的职能，通过计算机硬件和软件，尤其是各种软件，让机器具备感知环境、提供决策建议甚至自主决策的能力。

计算机辅助系统和工业软件为制造业带来了智能。智能制造可以简单地理解为计算机制造，无需过多的修饰和复杂的定义。电脑的强大之处不仅在于其计算能力和存储量，更在于其运行的软件。没有软件，计算机只是一堆金属和塑料。基于这一基础，我们可以看到制造业信息化的发展实际上也是智能制造演进的三个阶段的表现。

在制造业信息化的发展中，“四化一造”是一个重要的概念，它围绕着企业的业务运行展开，包括研发信息化、产品信息化、生产信息化、管理信息化以及业务流程和组织再造。其中，产品信息化是智能制造的核心之一，指的是带有嵌入式系统的产品。

除此之外，企业的上游供应链和下游社会关系也是信息化发展的重要组成部分。这些外部因素与企业的内部业务共同构成了企业信息化的最基本内涵。从数字化起步，计算机在企业中的应用逐渐从数据处理系统发展到管理信息系统（MIS），最终到决策层和开发决策信息系统（DSS）。

实际上，利用计算机改造生产装备的工作比管理信息系统起步还要早。早在1952年，计算机刚刚问世不久，就有人开始尝试用计算机控制生产装备。随着技术的发展，计算机开始深入到各个制造领域，赋予各种制造装备以智能。在整个信息化对制造业的改造过程中，工业软件扮演了关键角色，支撑了企业数字化的发展。

尽管中国制造业体量庞大，但在工业软件方面的发展却相对滞后，90%以上的工业软件依赖进口。这足以说明中国工业的“体质”较弱。实际上，早在上世纪70年代，数字化对传统工业的改造就已经蓬勃发展。各种计算机辅助系统，如CAD、CAE、CAM等，对制造业的现代化产生了深远的影响，彻底改变了人们对工业化的认识。我们需要更加重视工业软件的发展，推动制造业的智能化升级。随着计算机技术的飞速发展，工业数字化不断向高端方向迈进。企业全流程已完全依赖于计算机软件的精准控制和支撑，从接收订单到最终产品交付无一不体现数字化的深刻变革。

网络化的崛起

上世纪90年代，互联网在全球的普及带动企业网络化飞速发展。在那之前，企业多采用客户服务器（C/S）架构，但其只能解决本地联网问题。互联网的兴起实现了异地联网，使得企业网络化成为必然趋势。

企业网络化有两个主要方向：内部网和外部网。内部网将企业内部各部门及下属单位的信息系统连接在一起，无论这些部门位于北京、印度还是墨西哥，都极大地提高了业务运行效率和有效性。这只是信息的交换，尚未实现智能化。

外部网则通过互联网进行企业的外部联系。企业将内部网的一部分向外部合作单位开放，实现横向打通。如汽车生产商向座椅工厂开放生产计划，后者可进入企业内部网络了解生产进度，确保准确及时的供货。银行与企业的连通则实现了供应链的自动打款。这就是“互联网+制造”的早期内涵，实际上始于上世纪90年代。

制造网络化带来了三大技术突破。首先是关联设计系统，网络支持众多设计师实时进行设计，使系统或装备的三维设计结果相互关联。其次是网络化协同平台，不仅交换信息，还实现工程人员的协同工作。大型企业和国防航空巨头都建立了强大的网络化协同平台。最后是全三维标注技术，利用计算机软和系统，从三维图中自然分解和生成零部件图纸，实现单一数据源管理。

这些技术的背后支撑是工业软件。关联设计、网络化协同平台和全三维标注都是依靠工业软件实现的。像集成电路设计这样的高端技术，没有先进的软件是无法完成的。工业软件的重要性不容忽视。

智能化的脚步

企业智能化的发展可追溯到上世纪60年代初。制造业从数字化走到网络化，再走向智能化。智能化与数字化同步发展，早期的智能化只是应用于单机和单个装备。复杂的工业软件如CAE融合了计算、工程知识和人类经验，因此工业软件不仅是软件，更是一门深厚的学问。只有计算机软件的工程师是设计不出先进的工业软件的。从数据处理角度看，业务智能（Business Intelligence）也是智能化的一个重要分支。随着技术的不断进步，我们可以期待制造业未来更加智能化的景象。在过去的几十年里，中国的信息化进程取得了显著成就，但也存在两个明显的不足。许多企业在网络应用上存在着内向性问题，他们更多地关注内部网络建设，而忽视了外部网络的构建。这一现象与中国的国情息息相关。业务智能的应用在中国的发展相对滞后，这主要是因为“即兴决策”的习惯根深蒂固。

当前，人工智能成为备受瞩目的热门话题，特别是深度学习和机器学习领域。这一领域的发展主要得益于两个关键因素：强大的计算能力和丰富的大数据资源。现代计算机的高速运转和巨大存储空间为数据处理提供了坚实的基础。大量重要数据的收集和处理也为人工智能技术的发展提供了宝贵的资源。例如，语音识别和图像识别技术的运用已经超越了现代范畴，早在上世纪60年代，中科院自动化所就已开展相关研究。由于当时数据处理能力和存储技术的限制，人工智能的发展在70年代后逐渐沉寂。如今，随着数据量的增加和计算机技术的飞速发展，人工智能再次崭露头角，并展现出巨大的潜力。

智能化不仅仅是计算机科学的延伸，更依赖于计算科学的发展。在2005年，美国国家总统信息技术委员会就计算科学的重要性向时任总统小布什提交了一份报告。报告指出，计算科学由四个核心元素构成：计算机与信息科学、建模与模拟软件以及计算的基础设施。这些元素共同构成了计算科学的基石。

在计算科学视野下的智能化，包含了四个基本要素：模型、算法、软件和数据。构建一个智能系统，首先需要建立物理问题的数学模型；接着，需要设计一套针对模型的算法方法，如微分方程和代数方程的求解；然后，需要开发可以执行这些算法的软件；在进行计算时，需要大量的数据处理和分析。仅仅实现信息的采集、存储、处理、检索和利用的系统，只能被视为简单的信息系统；即使将其网络化，也只是一个联网的信息系统，而非智能系统。要判断一个系统是否真正智能，必须从这四个方面进行评估。对于正在推进智慧城市、智能制造等项目的地方，如果想要深入了解其真实性，最好的衡量方法就是用这把包含四个维度的尺子进行衡量。