中國製造業的網際網路化、數字化、智慧化路徑探索
編者按:本文來自“ 騰訊研究院 ”(微訊號:cyberlawrc),作者:朱民 黃樂平;36氪經授權轉載。
當中國發展進入新時代,中國也進入由科技和創新驅動的新一輪發展階段,而人工智慧將成為中國新時代科技創新的關鍵和參與全球競爭的重要砝碼。人工智慧技術在各行業已經展現出廣闊的應用前景,不僅能帶來生產效率的提升,還會催生新的產品、模式與公司,推動整個產業價值鏈的重構。發展人工智慧也已經成為國家之間競爭的制高點之一。
從國家發展的長遠角度來看,人工智慧將對經濟、社會、國防等多個領域帶來深遠影響,成為全球競閤中的重要砝碼之一,是不可錯過的重要發展機遇。人工智慧的爭奪是世界未來最主要、最重要的爭奪,將決定世界的未來,也會重新撰寫和定義中華民族5000年的歷史,在這個爭奪中,中國沒有任何的空間和實踐可以猶豫和後退。
中國是世界上最大的製造業大國,製造業與人工智慧的結合是中國從製造大國走向製造強國的重要一步,是中國直面國內國際挑戰的重要超車機遇。
本文提出“智慧製造:中國製造業和人工智慧共享共贏的未來”的命題。我們認為,製造業與人工智慧的結合是解決中國人口老齡化,製造業由於裝備和軟硬體平臺依賴進口所面臨的缺乏創新平臺自動化自主程度較低、製造業外移、製造業仍然處於價值鏈低端, 勞動生產率較低等問題的重要手段。特別在中美 貿 易 摩擦挑戰下,製造業亟待人工智慧賦能。
人工智慧等新技術為製造業的發展開啟新天地,製造業為人工智慧提供巨大的資料養料和落地舞臺。沿著數字化、網路化、智慧化的智慧製造發展路徑,一個包括裝置企業、軟體與服務企業、通訊和解決方案提供商、製造業工廠在內的全新產業即將出現。未來智慧化的製造業將是中國經濟和技術發展的重中之中。
一、中國製造業為中國人工智慧發展提供最大的場景
1. 中國是世界最大的製造業大國
今天,中國是世界上最大的製造業大國。 中國之前,全球尚未有任何一個國家能在短短的40年內,實現由農業經濟向資訊經濟的躍遷。改革開放40年來,我國建立了門類齊全的現代工業體系,工業經濟的實力迅速壯大並躍升為世界第一製造大國,也是世界上唯一有完整的製造業體系、產品、和產業鏈的大國。
世界銀行統計資料顯示,2017年中國製造業增加值為3.59萬億美元,佔全世界的28.57%,是美國和德國製造業增加值的總和,遙遙領先於世界其它國家(圖1),並在2016世界製造業競爭力指數排名中(圖2)位居榜首。
圖1 2002-2017製造業增加值(萬億美元)
資料來源:Worldbank Database
圖2 世界製造業競爭力指數排名(2016&2020)
資料來源:Deloitte Research:《2016全球製造業競爭力指數分析》
另一方面,製造業在中國產業結構中地位至關重要。2017年美國GDP中第二產業僅佔19%,而同期中國第二產業佔據GDP的41%、製造業增加值佔GDP的29%。相較於世界其他國家,中國製造業在國民經濟中的地位和重要性都要高,也為人工智慧提供了更大的發展空間。
2. 中國製造業產業結構特性適於人工智慧應用
在製造業,低技術含量(第二產業、處理常規/可預測/可程式設計任務)的工人將首先面臨被人工智慧替代。中國製造業主要由傳統產業驅動、從業者技術要求較低,因此其勞動力可以被自動化的程度整體較高,重複性、規則性、可程式設計性較高的工作內容將在未來主要由人工智慧協同智慧化工業機器人完成。
基於產業結構和勞動力結構的不同,人工智慧替代低技術工人對中國的影響將大於美國。MGI(麥肯錫全球研究所)估計中國51%的工作(約3.94億全職員工)可以自動化。由此,未來AI對中國經濟增長的驅動力將達1.3%左右,高於世界平均水平。
3. 製造業海量資料為人工智慧發展提供豐富的“生產資料”
製造業可源源不斷產生比消費更為豐富的海量資料,為人工智慧發展提供豐富的“生產資料”。根據Monica Rogati 的資料科學需求層次,資料的收集是資料分析、測試、機器學習的基礎。僅當擁有足量的資料基礎時,機器學習才能夠最大程度發揮其效用。
三大產業的資料產生頻率有所不同,第一產業以一年若干季為週期,服務業以月和日為週期,製造業可以在產線執行、檢測、運輸、倉儲等全過程源源不斷產生資料流,為AI時代的計算提供大量的、相對規則的資料資料,助力機器學習進一步的演算法優化、提高預測準確度。
4. 製造業與服務業相融合、構築新的產業
今天,產業網際網路已經超越ToB、ToG範疇,未來將以獨特的C2B方式連線智慧產業,幫助B端打通生產製造、消費服務的價值鏈,構築新的“服務產業、也服務於人”的新型製造業服務業。未來將不再有純粹的“製造業”或純粹的“服務業”,而是兩者深度融合,製造業將從現在的標準化、規模化增添個性化與定製化的服務屬性。
伴隨工業智慧化的進一步推進,最終有望實現定製化使用者個性需求。物聯網擁有“無界、無價、無序”的本質,通過建立自驅動的非線性網路,有望實現“使用者零距離、流程零簽字、體驗零延誤”。高階智造的核心不止步於生產高階產品,而可進一步延伸至為使用者提供高階服務,滿足使用者的個性化需求。依託智慧化與高效率的定製美好生活平臺,或成為全球產業的下一個風口。
二、人工智慧賦能中國製造業克服挑戰
儘管中國是世界第一製造業大國和“世界工廠”,但中國製造業仍然處於國際分工中價值鏈相對低端的位置,面臨著生產率增速下降、技術學習難度加大,人口紅利消失,製造業外移和國際環境的外部衝擊的根本性挑戰。隨著我國經濟發展逐漸步入工業化後期,需求拉動對製造業資源配置和效率提升的效應正不斷弱化。
從技術層面看,我國傳統產業中的高階生產裝備和核心零部件技術長期受制於人,技術競爭力差距大;而新興技術和產業領域全球競爭的制高點掌控不足。
在全球產業結構調整中,我國製造業增長更多依賴於來自發達國家的製造業轉移。在此背景下,在新一輪“製造業+人工智慧”的競爭中把握好機遇,以人工智慧技術的連線、融合功能引發傳統制造業產業形態的平臺化、網路化和深度服務化,對於我國製造業的轉型升級和提升國際競爭力有著重要意義。
1. 人工智慧提升製造業勞動生產率
從國際比較視角看,中國的單位勞動產出較低。2015年,世界平均單位勞動產出為18,487美元,中國是7,318美元,不及全球平均水平的40%。 伴隨中國產業結構升級、勞動素質提升及對外開放程度的提高,中國單位勞動產出實現過兩位數的增長,縮小了和發達國家的差距,但2010年至今中國單位勞動產出增長速度下降到6-7%區間。以高新技術接力賦能增長、提高中國勞動生產率時不我待。
2. 人工智慧幫助製造業直麵人口老齡化的挑戰
中國正面臨人口老齡化的挑戰,就業傾向製造業適齡人口未來快速減少。2011年中國出現“人口紅利”拐點,之後青年勞動力人口占比繼續下降, 已從從2011年的50%,下降到2016年的46%。根據國務院《國家人口發展規劃(2016—2030年)》,14-45歲人口占比到2030年將下降到32%,適齡人口減少對未來製造業的發展將產生持續影響。同時,“90後”和“00後”以後的年輕人對從事簡單重複勞動的意願較低,中國製造業已經出現員工穩定性下降的趨勢。人工智慧會為員工創造從普通操作工人向操作機器人的工程師等行業專家發展的更大的成長空間,也為企業的持續發展創造動力。
圖 3: 中國青壯年(20-44)人口占比自2011年下降
資料來源:國家統計局,美國經濟分析局
3. 人工智慧創新可減少製造業的海外依賴
我國企業運用的自動化裝置及技術仍然依賴美德日企業。雖然中國企業在規模上超過美德日,但產品設計和生產所需的自動化裝備、方法論和軟硬體平臺上,目前還主要依靠西門子、GE、三菱等美德日企業。人工智慧、大資料等新技術興起,為製造業自主化的進一步升級提供了可能性。工業網際網路提供了大資料資訊處理,機器視覺資訊獲取,低延遲工業級資訊傳輸等功能,這些功能對生產、運輸、檢測環節帶來新的生產力,為先進裝備的創新和發展提供了新的契機。
4. 解決產業向第三方發展中國家轉移的挑戰
以人工智慧解決中國製造業因勞動成本上升等引起的產業向第三方發展中國家轉移的挑戰。近年來伴隨中國人力、土地、環保、社保等成本端的提升,以及中美 貿 易 摩擦帶來的挑戰,中國低端製造業出現向印度、越南等低成本國家的外遷趨勢。
以電子產業鏈為例,近幾十年來,全球化的電子產業沿歐美→日本→韓國/中國臺灣→中國內地轉移,現在部分開始從中國轉移至印度/越南等低成本國家。採用人工智慧自動化、優化成本控制的企業才能能在產業遷移的過程中勝出。
5. 人工智慧賦能製造業全面提升企業經營效益
中國製造業普遍面臨利潤空間狹窄的挑戰。人工智慧可以從產品、服務和生產三個維度幫助製造業企業實現升級,提升企業營收和利潤。
產品方面:軟體賦能硬體的智慧升級。通過內建新作業系統或更新程式,將人工智慧演算法嵌入產品中,如機械、汽車等,從而幫助製造業企業生產全新的智慧化產品。如騰訊人工智慧開放平臺對外提供計算機視覺,幫助製造業企業實現產品升級。
服務方面:提高營銷能力和售後服務水平。利用人工智慧演算法,幫助製造業企業優化營銷能力,提升售後服務水平。1)售前營銷,通過人工智慧分析使用者畫像,判斷重點需求,從而進行更實時、精準的廣告投放;2)售後服務,以物聯網、大資料和人工智慧演算法,對產品進行實時監測、管理和風險預警。
生產方面:提升裝置自動化生產能力。將人工智慧技術嵌入生產過程,提升機器裝置的自動化水平,實現在複雜情況下的自主生產,從而全面提升生產效率。通過機器學習建立產品的生產模型,識別各製造環節引數,判斷其對最終產品質量的影響,通過深度學習自主判斷最佳引數,從而實現完全機器自主的生產。
三、企業發展智慧製造的路徑
製造業智慧化實現路徑:在數字化、網路化、智慧化的相互遞進與配合下,企業轉型智慧工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。
首先,數字化。通過將種類繁多的工業感測器佈置於生產與流通的各個部分,可以將工業過程各主要引數制式數字化,產生大量工業資料,為智慧化奠定資料基礎。
其次,網路化。工業通訊將感測器採集到的工業資料低延遲、低丟包率地傳輸至雲端。未來,通訊協議標準化、無線通訊技術應用將成為趨勢。工業雲是工業網際網路最核心的部分,進行海量資料的匯聚、提煉、模型計算等,實現資源優化與預測。
最終,實現智慧化。依託區塊鏈和影象、語音、機器學習等人工智慧技術,製造業企業得以在網路化的基礎上進一步實現智慧化,如依託區塊鏈技術進行供應鏈管理、依託影象技術進行自動光學檢測和倉儲機器人的使用、依託語音技術進行物流語音揀選、依託機器學習進行預測性維護和車貨匹配等。
圖 4 : 人工智慧如何改變製造業
資料來源:工信部
因此,企業製造業智慧化轉型也可以分為數字化、網路化、智慧化三步。在數字化、網路化、智慧化的相互遞進與配合下,企業轉型智慧工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。
1、第一步:數字化——“感受”工業過程,採集海量資料
(1) 為配合工業智慧化、實現智慧製造,製造業工廠在進行數字化、網路化、智慧化的軟硬體應用之前,更為基礎的是在生產流程上打通設計、生產、檢測、搬運、倉儲、配送等主要環節,高效、科學的生產流程設計蘊含著巨大的提質增效、降本減存的機會。
(2) 工業感測器:工業資料的“採集感官”,多類別、廣應用為智慧化奠基
人工智慧的基礎是大量的資料,而工業感測器是獲得多維工業資料的感官。除了裝置狀態資訊以外,人工智慧平臺需要收集工作環境(如溫度溼度)、原材料的良率、輔料的使用情況等相關資訊,用以預測未來的趨勢。這就需要部署更多類別和數量的感測器。
如今,使用數量較多的感測器包括壓力、位移、加速度、角速度、溫度、溼度和氣體感測器等。現在的工業感測器可以提供監視輸出訊號、為預測裝置故障作出資料支援,可以助於確認庫存中可用的原材料,可代替指示表更精確地讀數以及在環境惡劣的情況下收集資料、亦可監測通過閘道器和雲的資料傳輸、維護資料安全等。
2、第二步:網路化——高速傳輸、雲端計算、互聯互通
(1)工業通訊:資料上雲的“高速公路”,通訊標準化、無線通訊技術應用成趨勢
得到大量資料後,如何將資料傳輸至雲端呢?這需要依託先進的工業級通訊技術。和過去在車間內直接對資料進行簡單響應不同,企業需要把不同車間,不同工廠,不同時間的資料匯聚到同一個地方(雲資料中心),進行復雜的資料計算,以提煉出有用的數學模型。這就對工業通訊網路架構提出新要求,推動標準化通訊協議及5G等新的技術在車間裡的普及。
(2)工業雲:匯聚提煉海量資料,模型計算資源優化的場所
人工智慧進行計算的場所——雲平臺。工業網際網路最有意義的部分是其雲端計算平臺。工業生產中產生的海量資料將與工業雲平臺相連,採用分散式架構進行分散式資料探勘,提煉有效生產改進資訊,最終將用於預測性維護等領域。在雲平臺上首先打通資料流和物流,在雲上匯聚工廠內部的不同維度、產品生命週期不同階段、供應鏈上下游不同行為主體。其次可以通過運用大資料及人工智慧技術進行分析,提煉數字分析模型。
製造業智慧化及工業網際網路具有不同層面的應用場景。首先,在企業層面主要是內部的提質增效,降本減存,從傳統制造進化為智慧工廠,以資料驅動智慧生產能力。其次,可實現跨企業價值鏈延伸,優化跨企業的製造資源配置,打通企業外部價值鏈。最後,有望實現全行業生態構建,以資料驅動生態運營能力,匯聚協作企業、產品、使用者等產業鏈資源,不斷沉澱、複用、重構和輸出,實現製造行業整體的資源優化配置。
3、第三步:智慧化——三個維度的整體智慧化
圖 5 三個維度打通工業企業的資料流(工廠平臺架構,產品生命週期,供應鏈)
資料來源:工信部
(1)融合IT/OT,打通工廠內部的資料流
過去傳統的製造業工廠的內部存在資訊系統(IT)和生產管理系統(OT)兩個相對獨立的子系統。IT系統生產規劃,OT負責執行,不需要過多的互動。未來的智慧工廠,需要打通裝置,資料採集,企業IT系統,雲平臺等不同層的資訊壁壘,實現從車間到決策層的縱向互聯。
(2)打通供應鏈各個環節資料流
供應鏈各個環節之間的物流會產生大量的資料。這些物流資訊的收集能夠幫助物流行業提升效率,降低成本。未來的智慧物流,通過智慧化收集、整合、處理物流的採購、運輸、倉儲、包裝、裝卸搬運、流通、配送等各個環節的資訊,實現全面分析,及時處理及自我調整。這需要涉及到將這些資料數字化並累積成足夠的資料庫,需要大量的基礎設施建設。
(3)產品生命週期全過程數字化
工業網際網路要實現產品從設計、製造到服務,再到報廢回收再利用整個生命週期的互聯。未來的工廠會以數字化方式為物理物件建立虛擬模型,來模擬其在現實環境中的行為。通過搭建整合製造流程的數字雙胞胎生產系統,能實現從產品設計、生產計劃到製造執行的全過程數字化,將產品創新、製造效率和有效性水平提升至一個新的高度。
四、未來智慧化的製造業暢想
在人工智慧、工業機器人、工業網際網路、區塊鏈等多種技術賦能下,未來智慧化的製造業將值得暢想。短期人工智慧與工業機器人的落地將解放大量重複、規則的人類勞動。工業網際網路日益成熟,機器之間、工廠之間得以智慧化互聯互通,區塊鏈技術的加入更使得製造業“全自動執行”成為可能,“人工智慧+機器人+區塊鏈”模式值得期待。
而伴隨製造業與服務業將深度融合,標準化生產與個性化定製並存,智慧製造將為人們構築美好生活。相信在數字化、網路化、智慧化的相互遞進與配合下,企業轉型智慧工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現,製造業的深度智慧化將不再僅存在於願景。
未來10-15年內,50%的製造業將會被人工智慧取代,中國的主導產業將發生天翻地覆的變化,並且面臨國內外企業的新一輪衝擊。面臨人工智慧時代全新的競爭環境,中國必須迎難而上,從當下開始打造人工智慧生態,為未來全方位跟進時代浪潮打下深厚基礎。
新時代下,人工智慧發展的規模之大、速度之快、在國際競閤中地位之高,決定了中國需要進一步改革開放,以改革政策帶來的制度創新的力量促進人工智慧快速發展,佔據技術制高點,並形成國際競爭力。
製造業+人工智慧已成為中 美等國製造業競爭的主賽道之一。美國擁有人工智慧先發優勢、領先工業製造商基礎以及資金優勢。中國需要在人工智慧的成熟度和行業整合上取得突破,這種背景下,能夠率先建立工業網際網路技術基礎、並順利將其應用和大規模鋪設至智慧工廠、先進製造裝備等領域的國家,無疑將在全球製造業競爭中佔據優勢地位。
2018年11月19日美國商務部發布題目為《Review of Controls for Certain Emerging Technologies》的法規制定提案預告(Advance notice of proposed rulemaking,ANPRM),如提案落實,眾多高新科技行業將面臨美國出口與技術封 鎖,為已經面臨人口結構、自動化自主程度較低、進口依賴的中國製造業的進一步升級造成額外阻礙。歷史階段與國際環境挑戰下,中國的製造業亟待AI賦能。
但是,人工智慧這輪變革是中國和世界第一次站在同一個起點上,在人工智慧的競爭中,中國第一次有了資本、人才和技術去把握未來。中國實現“彎道超車”有四大信心和條件。
一是使用者基數與市場潛力。中國有近14億使用者,形成了巨大而多樣化的市場,為人工智慧的發展應用提供了充足的空間。特別是中國今年來網際網路與移動應用和商業模式迅速發展,在很多領域已經超越了美國等發達市場的發展水平,結合巨大的使用者基數產生了規模巨大而差異化的資料集,為人工智慧的應用提供了最佳基礎。
二是技術差距逐漸縮小。近年來中國在技術上發展迅速,國際頂級會議論文中,出現中國作者名字的佔三分之一以上。海外科技人員歸國創業的熱潮明顯,人才迴流現象加強。此外,中國在超級計算機方面的潛力巨大,為技術的發展提供了加速支援。2017年,超級計算機五百強榜單顯示中國已超過美國,成為世界上擁有最快超級計算機、且數量最多的國家。
三是創新能力的提升。“中國創造”已成大勢所趨,時下流行的商業模式中有諸多為中國首創,例如共享單車、移動支付、直播、手機短視訊等,成為海外市場研究與效仿的物件。
四是資本力量充裕。一方面政府將創新提升至戰略層面,高科技領域的政府引導基金可達到千億、萬億的級別。另一方面大量民間資本渴望找到成長性高的投資機會。據Pitchbook調查,2018中國人工智慧領域的投融資已佔到全球所有人工智慧投融資總額的12%,且其佔比仍保持迅速上升趨勢。基於以上四方面原因,中國有望在智慧製造領域,百尺竿頭更進一步,從“世界領先”走向“世界第一”。
中國近年出臺多項政策鼓勵智慧製造及網際網路、新興技術於製造業的應用結合,然而我們需要清醒認識到政策與制度層面、人才與環境層面仍存在落地困難。未來,伴隨中國製造業轉型升級意識的增強,人工智慧、新興技術與製造業應用進展的進一步推進,以及相關行業、企業、政府三大層面的政策引領作用的提升,一個自動高效、互聯互通、具備前瞻預測能力的智慧製造時代將早日到來。