智研院工業大數據首席專家郭朝暉不久前做了題為“工業互聯網平臺背景下的工業大數據與智能制造”演講。內容如下。

各位朋友，大家晚上好！在講這次內容之前，我的壓力很大：前面幾位專家已經把問題講得非常清楚、也非常全面了，我該講些什么呢？后來想，就向大家匯報我的一點心得：關于工業互聯網平臺以及相關智能制造、工業大數據、人工智能等概念的關系。我試圖用簡單的邏輯把這些概念串起來。平心而論，這些觀點也不都是有把握的。網友中高人很多，今天把這些觀點拋出來，正好請大家幫我指出問題、改正錯誤。

圖1

準備這個報告時，我開始準備了接近40張。后來發現，說的多了反而不容易說清楚。于是決定干脆少幾張。今天的話題其實就圍繞這張圖展開的：里面有我很多曾經的困惑。

這張圖可以分成三個部分。左邊講的是相關技術的原理、思想是怎樣的，講這些技術為什么突然一下子突然發力——其實是有了經濟潛力；右邊講的是創造經濟價值的邏輯，就是技術要與業務場景結合、如何尋找或者創造這樣的場景。中間這一部分就是工業互聯網平臺以及承載的相關技術。它的作用是把技術和業務連接起來，把原理體現出來、把潛力變現、是企業推進智能化的支撐技術。

如果沒有這個支撐技術，再好的想法也難以落地?；蛘哒f，落地的代價太大、經濟性不好。如果有了這個公共的支撐技術，就不要大家各自開發軟件了，只要用公用的東西就行了。這樣，小企業也有能力來用先進技術了。這個道理和淘寶平臺其實是一樣的。不過，這個平臺承載的是企業自己的專有的知識、經驗、訣竅等專用的“私貨”，并連接人、機、物、數據等資源。這些“私貨”可以自己用，也可以像商品一樣“出售”、給別人提供服務。

圖2

我們先看圖的左邊這一部分。這部分回答一個困惑——這些技術為什么突然成了熱點了？

大家可能都知道，最近幾年出的新概念特別多：從工業4.0、智能制造、大數據、CPS、工業互聯網及其平臺、人工智能、工業APP......這些概念讓很多人覺得很懸，又怕趕不上潮流，于是就到各個地方去看很多文獻、聽專家報告。到頭來還是似懂非懂。

我覺得呢，這些概念不應該特別難以理解。如果覺得難以理解，那是因為陷入了思維誤區、把問題想復雜了。想復雜的原因大概有幾種：第一種覺得這些概念是牛人提出來的、一定有很多的學問（很多是故弄玄虛）；第二個方面就是發現自己不知道怎么做，就以為自己不明白（其實是條件不夠）；第三個方面是相近的概念太多了，腦袋都搞大了（本來就相近啊?。?。

在我看來，這些概念其實很簡單，確實是過去一些思想的延伸、相似或者相近是很自然的。我們要解釋的是：為什么突然成為熱點？

這些概念被熱炒的原因，是因為技術條件發生了改變。換句話說，如果過去提出這些概念、卻沒法實現、只能是空想、至多是寫寫論文、做個樣板。我常舉控制論之父維納的例子：維納或許有CPS的思想，但他的時代沒有計算機和互聯網、提出CPS也只能停留在生物控制層面。在前幾年，互聯網不發達、難以實施掌控資源時，CPS的概念幾乎可以用計算機里面的“控制模型”來取代?，F在到了工業互聯網（智能制造時代），問題變得復雜了，要把眾多的模型組織起來，需要一個更加一般性的概念來說事。于是，就有了CPS?？傊瑳]那么懸。

前面提到條件的改變。最重要的一個就是ICT技術的進步：摩爾定律連續發展了50年，量變到質變了。這種變化常常被人提起來，以至于很多人習以為常、當成耳旁風了——其實，如果不是身在其中，有過經歷、這種變化的真正意義卻難以體會到。曾經有一位年輕博士問我：現在工業上的先進技術一點都不先進、我讀書時研究得就比這個深。我就告訴他，理論方法雖然不新、但技術應用是新的啊。比如，20年前，我博士畢業剛工作的時候，一個微分方程求解都沒辦法實時計算，更不用說CPS、實時圖像處理了。所以，理論再好也不能用于實時管控、只能發發論文。

ICT技術讓技術成本大大降低。這讓相關應用范圍大大增加。30年前的寶鋼是中國最現代化的工業企業，那時搞信息集成的100臺PC機，需要經過中央領導特批！有ICT技術的進步，現在一些小企業都有辦法搞了。這就是所謂普遍性、一般性的意義。條件發生變化以后，很多技術搞起來就合算了。于是，概念一下子熱起來了。當然，這只是潛力，要把潛力變現還不是那么容易。而這真是我們這代人要做的事情。

下面談談我對互聯網本質的看法?；ヂ摼W的本質作用很簡單：人類可以通過空間限制獲得信息、掌控資源。這句話很簡單、很多人都說過類似的話。大家想想看：從雅虎、谷歌、淘寶、微信、滴滴等，這些東西其實都是這個道理?。?/p>

于是問題就來了，為什么最近幾年工業互聯網才熱起來呢？

要回答這個問題呢，就要知道科技發展有個規律：技術往往是從難度最低、收益最大、成本最低的地方產生，然后向難度高、收益相對較少的領域聚散。就像流水的規律一樣。在我看來，現在紅領制衣的技術，和30年前寶鋼搞的按合同組織生產本質上差不多?，F在很多所謂的創新，本質上就是技術擴散。比如，現在很多數字化設計的技術，就是從航天、航空、軍工擴散過來的。而且，技術成本越低，越容易擴散。

我們看看，互聯網的發展過程就會發現的確是難度越來越高的。最初普及的應用只是非實時地發普通的電子郵件，后來從非實時的交換到實時數據交換，從小數據到大數據，從單純的信息交換到資金產權的交換等等。這里就不展開了。按照這個邏輯來說，工業互聯網的應用一定是比較難的。但難在什么地方呢？

理解工業的本質特點：我常說一句話：確定性是工業人追求的目標。工業人追求安全、穩定、可靠。當外行看到技術的性能不斷地突破極限（比如高鐵越來越快）——其背后是在這種極限條件下解決了安全、穩定、可靠這些問題；而且背后這些工作量極大、難度極高！不理解這個，怎么能叫理解工業呢？有些“磚家”膽子特別大，啥都敢說，就是因為沒在現場干過、沒干過真正的難事，不了解這個道理。

現代工業系統對可靠穩定要求是非常高的。為什么呢？因為出現一點點的問題就有可能出現危及生命的大事故、會造成非常大的物質損失。這一點和個人消費品很不一樣。舉個例子：你花了50塊錢買個杯子，如果杯子不好，至多損失50塊錢。但是，如果你花50塊錢給高鐵買了一個零件，導致高鐵事故：那損失是多少倍??？所以，“損失放大”很要命。另外，工業技術的個性化很強、默會知識很多，這些都是普通商務活動沒法比的。我們會發現搞工業的人往往比較踏實，有經驗的人看起來往往膽小，其實都是環境和背景導致的性格。

工廠里面有一種說法：說的好不叫好，用的好才是好。把這句話翻譯：單純用信息描述工業技術是不夠的！人們甚至不清楚自己需要什么，只能用實踐來證明。所以，即便找到更便宜的，企業一般也不會隨意更換供貨商：怕出事啊！對互聯網來說，這就糟糕了：即便用互聯網把信息傳過去，人家也不一定敢用。這就是工業特性約束互聯網應用的原因。

事實上，工業互聯網會把網上的聯結對象（如較為封閉的機器）構成一個有機的系統、甚至是動態控制系統（后面有個例子），而不是像淘寶這樣松散的、一對一的聯系。所謂的系統，就會有“牽一發而動全身”的事情發生。所以，工業互聯網對安全、穩定、可靠、實時性的要求更高。

工業互聯網領域很多的事情都與這個道理相關。工信部原副部長楊學山說工業互聯網姓“工”不姓“網”，工信部信軟司安筱鵬副司長說工業互聯網平臺應用要解決“能力度量問題”。在我看來，就是這個道理。還有些實踐表明，工業互聯網不像淘寶這樣2C的互聯網，就是打不掉中間商！也是工業的特點造成的。

總結一下，工業界技術創新的特點是：先進技術在工業企業中能否應用，往往決定于穩定可靠性問題能否解決。打個比方說：車子能跑得快，往往不是車子性能決定的，而是車況和路況所決定、能夠保證安全的速度是多快。大數據、智能制造、互聯網的工業特色都能用這個道理解釋。反映到實際工作中就是：理念先進技術不一定有用、但對安全、穩定、可靠有幫助的技術卻往往用處很大。順便說一句，不展開：這個道理能指導我們創新的方向。

圖3

我們現在再來談一談對智能的認識?！度w智能革命》中提出了智能的20字箴言：“狀態感知、實時分析、自主決策、精準執行、學習提升”。這5個要點中最近本的有三個，就是把感知、決策和執行三個過程統一起來。

我們知道，互聯網是智能制造的重要推手。為什么呢？就是感知和控制資源的能力大大加強了！ 管控資源的能力加強，為什么會引發智能制造呢？我的邏輯是：管控的資源多了、問題就變得很復雜了，人忙不過來或者容易出錯；這個時候，必須要計算機來代替他人決策——注意，我的邏輯是：必要性增加了，而不是技術可行性改變了。

反之，如果問題簡單的話，沒必要上這些高大上的概念和系統，企業干“高射炮打蚊子”的事情是不劃算的。按照智能制造（smart manufacture）的含義，鋼鐵行業很早就具備了基本特征。那時候，日本人就對我們說：“100萬噸產量的時候，靠人管得過來；600萬噸的時候，沒有計算機就管不過來了！”所以，智能制造是人們不得不把任務交給計算機來完成的。這個時候才有意思。

注意提醒一下剛才說過的邏輯：問題復雜到人沒法干，這是負面問題。智能化相關概念，是解決負面問題的！解決負面問題，才有價值。當然，這些負面問題是企業“自找”的：為了更好地滿足用戶需求。

讓我們的感知和執行能力大大拓展了，能干什么呢？我把它總結成了六個字，就是“協同、共享、重用”。這六個字針對各種資源，包括物質資源知識資源，公司內部和外部的資源，人、設備和數據的資源等等。這六個字，既讓問題變得復雜，但另一面是能更有效地創造價值，并實現智能制造快速響應的要求。

這個圖上，手和眼睛代表互聯網帶來的感知和執行能力，而腦袋代表計算機的自動決策。要自動決策、體現智能需要知識。對智能化來說，知識這個東西非常重要、是關鍵所在。有人說大數據很重要，我卻覺得：外面看是大數據、里面看其實是大知識。下一頁會深入展開。

另外說明一下：要實現這個邏輯呢，需要做很多事情，包括ICT技術之外的事情，如物質條件的準備、組織流程改革、商業模式創新、設備更新換代等等。所以，推進智能制造被稱為兩化的“深度融合”。我甚至認為，真正的智能制造首先是生產關系的變革。很多企業覺得難，就是這個原因：改變生產關系，關鍵在領導！

人工智能最近很熱。智能制造（Smart Manufacture）和人工智能(AI)有聯系，也是有重大區別的。由于時間關系，這里只簡單說幾句。

我經常給人家打一個比方，工廠里的智能主要是“吳淑珍式的智能”。吳淑珍是中國臺灣地區前領導人陳水扁的夫人，內線炒股發財：陳水扁的親信告訴她哪個股票要漲，她就去買、買了就賺。我把“吳淑珍式的智能”表述為“準確及時的信息+簡單的推理”。這種智能不像巴菲特炒股，是“模糊的信息+復雜的推理”。

工業過程智能更多的是“吳淑珍式的智能”而不是“巴菲特式的智能”，為什么是這種呢？

要回答這個問題，還要回到工業的特點說事：人的隨意性很強，是工業中不確定性的一個重要來源。所以，工廠里一般要求工人進行標準化操作、抑制隨意發揮，在什么場景下做什么樣的事情，是有明確規定的。

從程序員的角度說，“吳淑珍式的智能”用的知識其實就是一些“IF語句”。這個聽起來有點土，但本質就是這個。而且，這種提法不新鮮、不知道出現多少年了。專家系統理論中有個“學術化”的說法叫“產生式規則”，就是這個東西。20年前我到北京培訓一個所謂的人工智能軟件，差不多就是這個東西。

我也曾經困惑：這個東西過去為什么用得少呢？現在想來，用得也不少，但直接編程更容易、似乎沒必要用那么多專用語言和工具，來“殺雞用牛刀”。現在為什么不一樣了？因為問題復雜了、管理的知識多了、靈活性要求高了，實現的辦法就要重新想一想了。我覺得，對于真正復雜的問題，還是要平臺來解決。我給人講創新，常常講到簡單的問題和復雜問題的處理方法不一樣，量變到質變，就是這個道理。這里就不展開了。

我們現在再來看看大數據的本質。在我看來，大數據最根本的用途是產生有用的知識、特別是用于智能決策的知識。工業大數據真的有這個潛力！我們知道，人類一切的知識來源于歷史，如果大數據能夠廣泛完整地記錄歷史發生的痕跡，人們有可能大數據中獲得更多的知識。畢竟，在大數據背景下，人的記憶力遠不及計算機。

當前，產生知識的“潛力”要轉會為現實的“能力”，還需要有其他的前提。其中一個即所謂“樣本=全體”。換一種說法就是：這個能力保證，你總能從歷史數據中找到你想要的案例。在GE關于飛機發動機實時監控的著名案例中，一個重要的條件就是：一臺發動機偶爾出現的故障，很可能在其他發動機上也出現過。診斷和處置的知識就可以直接利用。數據多了，這個前提就容易實現，即所謂：日光之下無新事。

在這個前提下，有一種思維方式特別重要，就是強調相關性。我覺得，這句話很多人理解的有問題、不到位。我的理解是：所謂強調相關性就是找相似的案例。找到這樣的案例，直接去模仿就是了，而不必要按照科學的邏輯去思考。就好比我們用高德導航：走一條路要花多長時間，只要看看別人用了多長時間，而不是根據時間、速度來推算時間。我覺得，這未必就是排斥因果性，而是在一定場景和范圍內，不需要知道因果性就可以了。這個差別很重要：因為工業大數據強調可靠性，常常需要因果來保證。

大數據還強調“混雜性”。在我看來，強調混雜性就是便于找到“相似的”一種保證。能夠讓我們能夠從多個角度去分析知識、從而得到更加可靠的知識。我們知道，新一代人工智能最近很熱。其背后的原因就是大數據智能可以支撐新一代智能制造范式。大數據能夠讓機器學習“學得好”、“學得對”、“學到本質”，甚至連一些人說不清楚的知識（如感性知識）機器都能自己學會。

我的這些觀點不一定對，但不是無的放矢。我認為：工業大數據要用得好，就要設法根據業務的需求，從這個角度去準備數據，而不是有什么數據用什么數據。否則，大數據也可能成為大垃圾。我見過很多成功的案例，都是按照這個邏輯做的。即所謂“預則立、不預則廢”。

順便提一句：工業大數據追求確定性。這決定了其分析方法也有特殊性。特別不能把大數據當成“算命先生”、宣傳有多神奇，這就和騙子差不多了。工業追求的是確定性，不是“神奇”這種小概率事件。

有人可能會說：你怎么不提大數據4V的理論呢？說實話，我有點鄙視這種說法?；蛘哒f，至多是技術提供方關心的、不是應用技術的人所需要關心的。

現在，我們進入后半部分，再看第一張圖的后半部分。做企業的都應該知道：企業采用先進技術的目的是為了獲得經濟效益。但不幸的是：人們常常發現采用先進技術無法帶來效益。比方說，提高自動化水平時，人減少了設備成本卻高了，總體上不合算。再比如，推進智能化的時候，機器代替人決策，人的工作量少了，價值卻沒有增加。我們下面要聊的，就針對這種誤區。

導致這種現象的原因，一般是是技術沒有用到合適的地方、應用場景不對。IT行業有句話很有名：要雪中送炭不要錦上添花。只有這樣才能創造價值，否則可能就是資源浪費。怎樣做到這一點呢？我們有位老領導說過一句很有意思的話：“用戶決定價值。半杯水放在沙漠里可以救命，放在餐桌上就是垃圾”。所以，我們需要仔細研究技術的使用場景。下面我們給出幾個中國企業的例子。

石家莊一家叫做天遠的公司，業務是幫助人家監控各種運輸設備（如集卡）。汽車出去了，老板不在身邊，司機就可能干私活、偷油等等。用了互聯網加上數據分析，老板就能時刻遠程監控自己的車子。效益就來了。

過去，油田的工人需要在沙漠里面看著設備。遠離城市和家人，工作條件非常差。后來，他們用互聯網把信號傳出來，幾千號人就可以離開沙漠、在城鎮里生活了。而且，更少的人可以看著更多的設備。對工人來說，生活更幸福了；對企業來說，勞動力成本可以降低了。

河南登封嵩山腳下有家叫做昊南的小公司，生產環保用的耐火材料的。企業雖小，但自動化程度相當高，缺乏設備維護的人才。他們把機器上的數據采集過來，存到計算機上。必要時直接通過互聯網傳給德國人，讓他們決定怎么辦，借用了外腦。

這幾個例子告訴我們：互聯網好的應用，一定與“距離遠”有關。

上海有一家叫做優也的公司，是麥肯錫的專家出來創業的。公司最近做了一件事：把某鋼企的、與煤氣相關的設備聯系起來，進行實時控制。讓煤氣的使用效率大大上升。這件事原理也很簡單，但過去沒有互聯網，技術上就很難做到。過去實時控制回路限于一個設備范圍，一般必須在車間里面?，F在可以把隔著幾公里的不同車間的設備串在一起、形成一個實時閉環控制系統。當然，他們還有個好的想法值得推薦：先算好可能有多少收益再去做，而這是咨詢公司擅長的東西。類似地，還有號稱“世界上第一家智能化鋼廠”的美國大河公司，這里就不展開了。

上面這些場景或許比較特殊。中國有種比較普遍的場景：就是通過互聯網提升企業的管理水平。

與發達國家相比，中國企業的管理是比較差的。我曾經調研過一家公司：管理問題導致的成本比企業的利潤要高。原因有很多，比如人的素質問題、農業文化問題、私心私欲等。這樣，管理的難度就很大。但是，利用互聯網和大數據，領導就能夠有效地管起來了。剛才說到優也公司的例子：據說系統經常給領導“打小報告”，操作工都不敢亂來了。天遠公司的例子其實也有一樣??！

這幾件事讓我想起十年前我做政協委員時，參觀一家豆腐廠：老板把攝像頭裝在車間里，工人的操作就規范多了、質量和成本都好了。這個例子很形象，但大數據和這個的道理是一樣的。就是讓互聯網促進“透明化”、“扁平化”。這些管理理念，在互聯網、大數據的背景下，容易做到了。

對于這種邏輯，一個常見的問題是：老板哪有時間看呢？對于這個問題，我有兩個觀點：

把歷史過程完整地記錄下來（形成大數據），即便老板不看，至少也“有據可查”；也能促進管理水平的提高。

在大數據的基礎上，推進“智能化”（吳淑珍式的智能）：必要的時候自動推送給老板，讓老板用少的注意力獲得大的“關注力”。這就是用智能化提高管理效率?。?/p>

實際上，實現這些功能都離不開工業APP和PaaS平臺。我在后面會講到這些內容。

對于某些管理上特別好的公司，可能真的難以找到好的場景。這時，要推進智能化的辦法就是對企業進行轉型升級。在我看來，提高自動化、智能化水平都屬于轉型升級：也就是未來的工作方式、場景、市場定位發生變化。

但這種轉型升級一定要注意：一般不能僅僅考慮勞動力成本或者勞動量的降低，而要考慮到其他的附加價值。否則，先進技術在經濟上可能不劃算。比如，通過智能化改造，提高質量、降低成本、進軍高端市場，提升設計研發或快速響應能力等等。具備這些能力的原因是：這些改造能夠減少人的負面作用和干擾、讓機器的反映比人更快，而不是僅僅代替人。

圖5

轉型升級之后，新的場景就出現了。很多技術由原來的錦上添花變成了雪中送炭。上面這張圖是我常說的邏輯：

通過互聯網的應用，實現大范圍的“協同、共享、重用”。這一方面會提高企業的快速響應能力，也會對技術提出挑戰。比如，問題太復雜了、人忙不過來了！但這種挑戰，恰恰就是智能化的動力啊！讓機器去智能決策啊。當“智能決策”是“逼出來的”，一般就會產生價值了。

這些事還可以產生連鎖反應：比如，人離開了生產現場，從事更富有創造性的“知識生產”，從而讓人的生活更加美好等等。其實，技術的發展就是像一個“多米樂骨牌”：一件事推動另外一個事情的發生，技術半步半步往前走，以至于“積跬步以至千里”，導致了工業革命。技術發展就是這樣的規律。時間關系就不展開了。

智能化轉型說起來容易，做起來是有點難的。如何推動呢？我想是有三類人寫作來完成。

1、設計場景與目標。企業家的事。要看企業家的眼界。目標設定的好，會讓技術有施展空間。但目標設定一般不需要深入的專業知識。

2、設計好推進步驟?？靠値熌芰?，難點是戰略規劃。要點是讓后續技術工作簡單、便于操作、減少風險。

3、做好技術細節。這是科技人員的任務。戰術級的難點在處置細節和風險，學術問題其實并不多。

我實踐中體會到一種現象：優秀的企業家往往低學歷、優秀的CIO很多不是IT相關專業畢業的、好的技術往往少用先進的理論。上面三條大概可以解釋這種怪事。

圖6

現在再談談對平臺的看法。有個朋友說各種互聯網平臺的本質和淘寶差不多：就是促進連接。我覺得這句話是有道理的，但是要考慮工業的特點、工業的要求——怎樣然更大家放心地用、更可靠地用。涉及到企業之間的關系時，要涉及更嚴格的標準、信用等方面的問題。這些方面，呼喚更多的創新——否則，工業互聯網的應用就會限制在公司內部、走不出去；相當于企業內部為可靠性和信用背書。

我喜歡從經濟性的角度看問題。平臺重要的另外一個原因是涉及到成本和質量的問題。一家企業把平臺建好，很多家企業都能用。這樣，經濟性就可以大大提高，小企業就有能力來用。這種共享不僅降低了成本，也可以通過重復使用減少平臺的“BUG”、提高可靠性。

最近，工信部推一個工業APP的事情。我覺得這件事非常好。在我看來，這就是要建立一個知識共享的平臺。這件事意義非常大，但難度也非常大。需要在探索中逐步明確起來。這張圖是幾年前我對知識管理平臺的一點設想，還非常不成熟。

最后，我再把智能制造、工業互聯網等概念的關系串一下。個人的想法，觀點不一定對。

GE在工業互聯網白皮書上有一個副標題“Pushing the Boundaries of Minds and Machines”。我把這個副標題翻譯做“重構人和機器的邊界”。我認為，這句話本身就是一個很好的切入點和視角，能夠反映工業互聯網、智能制造的根本思想。

隨著工業互聯網在工業界的廣泛應用和機器、產品的智能化，將會形成一個巨大的Cyber Space。人類越來越多地通過Cyber Space 同物理對象打交道。換句話說：Cyber Space 能夠讓人體離開所控制的物理對象。

隨著Cyber Space 越來越復雜、數據描述越來越完整，越來越多的工作可以通過機器自動決策來實現，這其實就是智能決策（雖然不一定要AI）。從這種意義上講，智能的本質就是能夠讓人體有條件離開Cyber Space，獲得更大的自由。當然，人體離開Cyber Space 是有條件的，最好能讓智能決策做得比人更好。

這個Cyber Space運行的痕跡，就構成了工業大數據。利用工業大數據，人類可以獲得更多的知識。雖然有些知識可以讓機器自動產生，但人類的靈活性是機器難以比擬的。所以，未來人類的一項重要工作，是豐富完善Cyber Space，尤其是豐富其中的知識。而這些知識，又會進一步促進智能化的發展。

當然，推進這些想法的時候，都要注意漸進發展的原則；不要搞基于“大躍進”、“放衛星”，還要遵從技術發展的規律。比如，要根據實際情況，不一定急于把人踢到控制回路之外。有經驗的專家，不會無謂地冒險。人與機器的邊界，一般是漸變的。

根據前面的觀點。我畫了一張圖，以平臺為核心描述了智能制造、大數據、工業互聯網、AI等概念之間的關系。這里想談幾個碎片化的想法，可能有點片面，但大的路數可能是這樣的：

圖7

1、新一代人工智能在工業中的應用。這里說的“新一代人工智能”，就是“吳淑珍式的智能”之外的東西，如圖像識別。這些技術也會很有用。我認為主要作用可能是解決感知的問題（就是我畫眼睛的地方）。工業界中很多地方需要人靠眼睛、耳朵、鼻子等感覺器官來檢驗質量。我發現，自動化程度高、質量要求越高的工廠，人工檢驗員的比例往往就越大。這嚴重影響了自動化程度的提高。而新一代AI本質上是讓計算機具有了“感知的知識”、“感性認識”；而不是像“吳淑珍式的智能”那樣說得清楚、可以用人來編碼的顯性知識。這一點，經濟意義非常重大。從技術上說，可以讓更多的人離開控制回路，意義也很大。

2、從大數據到大知識。無論是人說的清楚的、“吳淑珍式的智能”所需的顯性知識，還是說不清楚、需要機器自學習的“感性知識”，以及成功的案例、失敗的教訓，也可以歸結到知識的范疇。我覺得，大數據的關鍵作用就是形成知識，并通過知識推進智能（人體逐漸離開Cyber空間）。這個就是DIKW體系給我們的啟示。在此基礎上轉型升級。所以，“大知識”才是個關鍵的環節。企業一定要為形成大知識多動些腦筋，做平臺的人更應該注意這個。這件事不能等待、要自己思考，因為問題不會自己解決。

3、知識的數字化、模型化、工業APP。很多企業都重視工業知識管理，但往往沒有管好，成了形式主義。一個原因就是：工業知識的應用、掌握不容易。其實，即便給你一本書，一般也要花很長時間去學、搞不好還會用錯。但變成數字化和模型化知識以后，應用就方便了，甚至可以被機器直接來用！所以，知識的數字化、模型化、工業APP本質上是解決了知識應用的困難、讓知識復用的難度降低。一旦知識復用的比例提升，“知識生產”的經濟性就會發生巨大的變化，就會有越來越多的資源投入“知識生產”。當然，這些觀點也不是新的，只是現在推動這件事的意義變得巨大了。

最后說明一下：我是站在一個工程師的角度來思考問題的——也就是怎么做事、做什么事情。這個角度和方法與有些人研究的角度和方法是不一樣的。我這些觀點不一定對。我吃不準的時候，就結合歷史發展、結合實際背景去考慮一下，怎奈自己的見識很有限，難免以偏概全，更歡迎各位專家批評指正！

責任編輯：焦旭