一個機器人正轉動機械臂,，將履帶上的物料轉移到另一個機器人的托盤上,。裝滿之后，這些物料被送至加工處,，早已準備好的機器人正在對物料進行檢測,，部分物料因不合格而被“剔除”，剩下的合格物料將進入生產(chǎn)環(huán)節(jié),。

另一側,，監(jiān)控機器人正在記錄該環(huán)節(jié)，目的是保存視頻數(shù)據(jù),，實現(xiàn)生產(chǎn)過程的可溯源,。與之同時進行的，是在二十多米高的倉庫里,，機器人正在“取貨”,，將打包好的商品裝車，準備出庫,。

整個車間里,，都是機器運轉的聲音,，偶爾有幾個人在走動。在車間外的辦公室里,，人們正盯著電腦屏幕上的數(shù)據(jù),，關于商品的一切數(shù)據(jù)，諸如品類,、價格,、銷量、銷售額等等一目了然,。

掌握這些數(shù)據(jù)之后,，生產(chǎn)計劃隨之進行改變，人們只需按調整計劃進行部署,，便可將具體生產(chǎn)交由機器完成,，甚至，打包入庫,、分揀,、出庫等工作也可實現(xiàn)機器化處理。

這就是智能制造的縮影,。

所謂智能制造,，即是利用新一代信息技術，來提高生產(chǎn)效率,、產(chǎn)品質量,、降低能耗等，貫穿設計,、生產(chǎn),、管理等制造的各個環(huán)節(jié)，和產(chǎn)品的整個生命周期,。

2015年5月19日,，國務院正式印發(fā)《中國制造2025》。其中,，智能制造作為五大核心工程之一,，重要性不言而喻：人口老齡化、產(chǎn)業(yè)升級,、提高附加值......都需要“智造”,。

當前，“智造”的核心表現(xiàn)為整個生產(chǎn)流程的智能化,，而在這一過程中,，人工智能技術的運用與落地，為其提供了最為底層的應用能力,。

基于人工智能（譬如機器學習）,，機器能夠代替人力,，并且在安全、效率上得到很大提高,；而通過數(shù)據(jù)來實時反饋市場需求，則為再生產(chǎn)提供數(shù)據(jù)支撐,；從而對整個產(chǎn)業(yè)的生產(chǎn)——擴張——再生產(chǎn),，帶來顛覆性改變。

但人工智能技術對制造業(yè)帶來的改變,，又不止于此,。

AI給制造帶來了什么？

“以前,，車間的原料,、半成品、成品等物料都是通過人工或叉車搬運,，勞動強度高且效率較低,，并且作業(yè)區(qū)域人、車,、貨交集,，也帶來了安全風險?！?/p>

某生產(chǎn)車間主任表示,，這類工作強度大，環(huán)境也不好,，屬于技術含量低的重復性勞動,，由人力完成不僅效率較低，且不利于工人的身體健康,。

在引入了新的技術改造方案后,，搬運工作可完全實現(xiàn)自動化，事故率降低的同時,，搬運效率是之前的2～3倍,。并且，整個環(huán)節(jié)避免了人與物料的接觸,，避免了可能存在的人力導致的產(chǎn)品異物問題,。

“最直接的感受就是效率提高了，以前三個人干一天的活兒,，現(xiàn)在一個‘人’就能完成,。”

除此之外,，管理也變得更加容易,。

比如,，生產(chǎn)出的產(chǎn)品需要進行檢測，檢測合格方可入庫,，而對于不合格的產(chǎn)品,，需要分析原因，來提高良率,。

“放在以前,，我們只能一個環(huán)節(jié)一個環(huán)節(jié)去調數(shù)據(jù)、找原因,，一步步核實,，還不一定能有結果?！?/p>

該車間主任表示,，現(xiàn)在有視頻監(jiān)控，各項檢測機器都記錄下數(shù)據(jù),，有問題直接調用數(shù)據(jù),，“效率和準確率都提高了好幾倍，還節(jié)約了人力成本,?！?/p>

總而言之，AI帶來的可量化的改變,，通常是效率得以提高,，解放了人的部分勞動。不過,，技術改變社會,，往往從效率開始，但并不以效率為結束,。

正如瓦特改良蒸汽機給紡織業(yè)帶來巨變一樣,，最初的表現(xiàn)是紡織品生產(chǎn)規(guī)模化擴張,、成本下降,、產(chǎn)品價格下跌，使其具備價格競爭優(yōu)勢,。

更深層次的影響是,，整個紡織業(yè)產(chǎn)業(yè)鏈都因此調整：上游原材料供給擴大；中游,，技術代替人力成為主導性生產(chǎn)要素,；下游，成本下探帶來價格競爭優(yōu)勢,。

兩百多年前和現(xiàn)在如此相似,，只不過蒸汽機變成了以AI為代表的機器人,。

在西南證券某分析師看來，AI對制造業(yè)的影響,，大體可以從成本效率,、生產(chǎn)要素的再分配以及產(chǎn)業(yè)鏈的調整三個方面來解釋。

在成本和效率方面,，AI帶來生產(chǎn)和管理效率的提升,，使得生產(chǎn)能力進一步增強，具體表現(xiàn)在：人力及管理成本削減,，機械化作業(yè)帶來規(guī)模收益，產(chǎn)品的議價能力更強,。

但在初期,，企業(yè)的改造成本較高。

從生產(chǎn)要素投入上講,，技術要素將比勞動要素更重要,。機器代替人工，人力成本將得到控制,，但企業(yè)需要投入更多資金研發(fā)或購買機器（技術服務）,，比如對機器的維護、管理等,，這將導致對技術要素的投入會更多一些,。

對于產(chǎn)業(yè)鏈而言，AI對上游原材料供應商,、中游生產(chǎn)制造商的影響以降本增效為主,，下游的經(jīng)銷商則可以通過大數(shù)據(jù)、AI分析等掌握市場動向,，迅速調整供應,、營銷策略。

“這實際上催生出了柔性供應鏈,，和電商的C2M模式很接近,。”

例如,，在某一季度,，市場對于某一商品的需求不斷上漲，通過數(shù)據(jù)分析,，如果這種需求在未來幾個季度都存在增長空間,，那么經(jīng)銷商會加大對該商品的進貨需求；中游生產(chǎn)商獲得更多訂單,，上游原材料供應商也會擴大生產(chǎn)規(guī)模,。反之亦然,。

“整個產(chǎn)業(yè)鏈上的生產(chǎn)、銷售變得更加靈活,?！痹摲治鰩煴硎尽?/p>

不過,，雖然AI對制造業(yè)的作用顯而易見,，然而自2015年以來，智能制造一直被提及,，但進展并不順利,，許多企業(yè)的“智造”仍舊是以單一的設備或生產(chǎn)線的智能化為主，并未全面鋪開,。

這其實反映出一個深層次問題：智能制造,，究竟是以AI，還是以制造為主導,？

AI+制造 Or 制造+AI

智能制造,，分智能和制造兩部分，不論是“AI+制造”,，還是“制造+AI”,，本質目的是相同的。但業(yè)界對于誰為主導,，卻有不同,。

以AI公司為主的技術商認為AI是主導，智能制造的核心是通過AI 技術實現(xiàn)生產(chǎn),、管理和經(jīng)營的智能化,，進而推動制造業(yè)的升級，屬于技術導向,。

以制造業(yè)為主的廠商認為,，AI固然重要，但制造業(yè)本身才是基礎,，沒有基礎,，技術就失去了載體；智能制造的核心是制造業(yè)的“智能化”,，屬于產(chǎn)業(yè)導向,。

這兩種導向從根本上來講，是兩類廠商對于話語權的爭奪,。

話語權往往關系到議價能力,。

一位某廠商的采購經(jīng)理告訴AI掘金志，他所在的公司本打算引進某AI公司的智能化改造方案，但報價太高,，遠超預算,，而且降價空間很小，因此就擱置了改造計劃,。

但在AI公司的人看來,，這樣比較高昂的報價很正常，“設備成本高,，價格自然就高上去了,，并且公司需要做定制化，設備的保養(yǎng),、維護,、售后技術支持等都要花費?！?/p>

一邊是購買力不足,，渴望降價；一邊是技術變現(xiàn)壓力大,，拒絕降價；兩者形成了對峙,，久久僵持不下,。

“哪個主導，哪個就更有優(yōu)勢,，就能拿到議價權,，但這場較量還沒有分出勝負?！痹摲治鰩熣J為,，這樣實際造成了供給與需求的不匹配，是智能制造未能規(guī)?；佌沟母驹?。

從另一個方面看，這兩種導向,，也涉及到商業(yè)模式的區(qū)別,。

AI企業(yè)大多做的2B業(yè)務，而制造業(yè)企業(yè)則以B+C為主,。

在AI企業(yè)看來,，企業(yè)的數(shù)字化轉型首先要增效，其次才是降本,。因為增效帶來的收益可以彌補成本,，并且AI產(chǎn)品、設備、技術的成本很難降下來,，但AI帶來的人力成本,、管理成本的削減，是降本的核心內容,。

但制造業(yè)企業(yè)的觀點卻有差異,，制造業(yè)市場非常成熟，競爭很激烈,，對性價比追求極高,。比如，某條生產(chǎn)線要達到什么水平,，出貨量,、良率保持多少，年產(chǎn)值,、折舊,、損耗，回本周期等等,，最重要的是單位產(chǎn)品的成本能夠進一步降低,，才能擴大其利潤空間，這才是降本的主要內容,。

前者認為后者不缺錢,，至少不缺購買設備、改造的錢,；后者認為前者報價太高,，且無法在生產(chǎn)端有效地削減成本。

兩個并不完全相同的市場,，和兩個缺乏溝通的玩家,，自然導致合作效率的低下。

那究竟誰為主導,？

該分析師認為,，這取決于制造業(yè)企業(yè)有沒有做AI的能力。

智能制造已經(jīng)是制造業(yè)發(fā)展的未來,，但具體如何實現(xiàn)智能制造,，靠外力還是內功，不同的企業(yè)在路徑選擇上各有差異,，這與行業(yè)特性密切相關,。

一些行業(yè)本身就有發(fā)展AI技術的基礎和空間，比如安防,，一開始存在著大量的低端設備制造企業(yè),，但隨著市場變化,，部分企業(yè)尋求在技術上突破。經(jīng)過多年發(fā)展,，在技術和市場上占據(jù)絕對優(yōu)勢,，AI企業(yè)的進入也很難打破這種局面。

典型的例子就是?？低暫痛笕A股份,。

而一些行業(yè)本身不具備發(fā)展AI技術的基礎，比如食品制造,、日化用品等,，其核心技術的側重點在于研發(fā)出適合市場需求的產(chǎn)品，而非整個工廠,、生產(chǎn)環(huán)節(jié)的智能化,。

因此，從供給決定需求的理論出發(fā),，一些行業(yè)（企業(yè)）自身能夠發(fā)展技術,，對AI公司的技術需求并不高，故以制造業(yè)企業(yè)為主導,。

對于那些不具備AI能力的制造業(yè)企業(yè)而言,，AI一開始以卑微的乙方角色出現(xiàn)，但最終扮演的是甲方的角色,。

“這并不意味著AI企業(yè)能夠躺贏,，現(xiàn)階段，制造業(yè)對AI技術的購買力不足,，很大程度上制約著‘制造’向‘智造’的迭代?！?/p>

智造之路,，困難重重

整體而言，我國的制造業(yè)升級大部分聚焦于單個設備的智能化,。比如引入新的生產(chǎn)設備,，能有效解決生產(chǎn)過程中的某個問題。但這種單點式的智能,，無法帶來整個生產(chǎn)環(huán)節(jié)的效率提高,。

歸根到底，是目前的人工智能技術落地難度大,，且是“奢侈品”,。

一方面，AI依賴機器視覺,、機器學習等,，需要大量數(shù)據(jù)進行算法迭代和優(yōu)化。但很多制造業(yè)企業(yè)在生產(chǎn)環(huán)節(jié)中的數(shù)據(jù)很難采集，甚至缺乏數(shù)據(jù),，難以建立有效的模型,，訓練就更談不上。

另一方面,，對于制造業(yè)的碎片化需求,，AI很難形成統(tǒng)一標準，定制化方案帶來的成本問題無法得到解決,。

“小企業(yè)用不上（起）,，大公司有疑慮?！?/p>

很多大廠都只是針對某一條生產(chǎn)線或某個生產(chǎn)車間進行小規(guī)模試點,，因為成本太高，大廠會做投資回報周期評估,。除非帶來質的改變,，否則每一步都很謹慎。

對于許多中低端制造業(yè)企業(yè)而言,，本身的產(chǎn)品靠出貨量大,、價格優(yōu)廉取勝，沒有對智能化改造的需求,，并且國內勞動力價格相對處于較低水平,，銷售市場也比較穩(wěn)定，形成了固定的模式,。

“市場的慣性,，很難在短時間內扭轉?！?/p>

人工智能技術要改造制造業(yè),，除非成本下探至普通企業(yè)可以承受的范圍，智能制造才可能遍地開花,，但這一天仍然很遠,。

結語

智能制造是一個很宏大的命題，但需要極其精細的解法,。

AI公司無疑是最適合回答這道題的主角,，但是現(xiàn)下，還沒有出現(xiàn)通用性解法的可能,，大多是以某個行業(yè)的單一場景做突破,。

如何讓人工智能技術給制造業(yè)帶來普惠，引領制造業(yè)的升級,，而非成為“小而精”樣品,，是AI公司努力的重點,。

末了，提一個哲學問題：假設在不久的將來,，當無人工廠成為現(xiàn)實,。

人會扮演怎樣的角色？