【采访/观察者网 周远方 编辑/周昊】

7月8日—7月10日，2021世界人工智能大会在上海举办，本届大会以"智联世界，众智成城"为主题，围绕"AI 赋能城市数字化转型"方向，探讨人工智能技术创新与产业落地的前沿进展。

亿欧EqualOcean董事总经理王彬博士在本次大会上发布了《“智”造未来—2021中国“AI+制造”产业发展研究报告》。报告提出，制造业是立国之本、强国之基，决定着一个国家的综合实力和国际竞争力。加速推动新时代制造业高质量发展，将制造大国建设为制造强国，成为了中国的重点发展任务。

王彬在接受观察者网采访时表示，美国的工业互联网强于利用资本力量统一标准，而德国的模式强于将百年工业经验做“自下而上”的数字化，对中国来说，关键是要加速产业和数字化的有机融合，需要通过职业教育的方式来弥补人才缺口，而数字新基建和巨大的市场、丰富的应用场景是中国发展工业互联网的优势所在。

世界人工智能大会现场 图片来源：观察者网

目前，全球经济越来越呈现数字化特征，人类社会正在进入以数字化生产力为主要标志的新阶段。习近平总书记高度重视数字经济发展，多次作出重要指示，强调要大力发展数字经济，培育新增长点，形成新动能。

很显然，数字经济是全球未来的发展方向，而智能制造则是数字经济的皇冠，必将成为各国抢占数字经济制高点的主战场。作为双循环基础发力点，智能制造将成为提升国家整体制造业水平不可忽略的增长引擎。十九届五中全会提出的“基本实现新型工业化”的目标将进一步加速推进我国智能制造发展。

中国智能制造试点分布 图片来源：亿欧EqualOcean

中、美、德各有所长

王彬在分享中提到，目前与智能制造相关的概念主要有德国提出的“工业4.0”、美国提出的“工业互联网”以及中国提出的“智能制造”。其中德国的“工业4.0”主要以信息物理融合系统为技术核心，实现端到端集成、横向集成和纵向集成的新工业价值生态，主要为高度自动化、高度信息化和高度网络化三个标准。在表现形式上，德国是一个非常重视基础数字化的国家，因此“工业4.0”的发展是一种自主向上的形式。

美国的“工业互联网”概念则是一个在开放、全球化的网络下，将人、数据和机器连接起来，从而重构全球工业、激发生产力的一种形式；智能机器、高级分析、工作人员是美国工业互联网包含的三大要素。在具体的实现上，美国“工业互联网”主要通过金融手段进行大量的并购而进行，因为每一次并购其实就是某项标准的统一，所以可以通过自顶向下的方式实现工业的数字化转型升级。

中国智能制造产业发展情况 图片来源：亿欧EqualOcean

王彬在采访中表示，资本力量是美国推进工业互联网的强项。工业互联网的核心就是全社会用相同的范式生产，它本身就有着更高的要求标准，只有标准统一和数据打通，才能够让上下游进行无缝的衔接，偷工减料等投机取巧的行为在数字化的生产过程中是能够显示出来的。

而德国地工业物联网模式更多强在百年工业积淀，在数字化过程中能够将自身对行业的理解更好融入，相对美国“自上而下”的模式来说，这是一种“自下而上”的模式。

王彬认为，中国政府和企业现在需要考虑的，就是通过高标准的数字化体系，来形成同行之间和上下游之间的一种标准互认。

王彬指出，首先，中国目前的产品标准并不是最高的；其次，在生产过程中，大约60%以上的制造业还没有太多信息化的进展。调研发现，中国19个工业门类中，3C、汽车、航空这三个行业既有信息化改造的意愿，又是信息化程度较高的门类；其余16个门类，如食品、纺织、五金等等并没有很强的意愿去做数字化，也没有数字化的基础。所以在目前这个时间节点，供给侧改革就倒逼这些行业也要进行数字化转型。

与德国、美国相比，中国的“智能制造”存在一定的特殊性，与德国自主向上、美国自顶向下的模式均不相同。中国的“智能制造”其实是在工业化快速发展的过程中，通过信息化人员的参与，从而实现生产效率的提升，是一种“从中间开始，既向上又向下”的形式。目前来看，这种形式对行业人才的需求极为庞大，这是中国“智能制造”显著的短板之一。

如何解决人才缺口？

据人社局数据统计显示，到2025年智能制造领域人才需求900万人，人才缺口将达到450万人。智能制造作为一个系统工程，涉及机械工程、控制科学与工程、计算机科学等多个学科，交叉学科背景的工程师是当下急需人才。

中国智能制造企业融资情况 图片来源：亿欧EqualOcean

关于人才问题，王彬指出，目前中国很多的IT人才都集中涌向了消费互联网领域，最基础的制造业并没有得到相应的关注，但目前一个显著的特征是，消费互联网行业已经触顶，政府、机构、社会需要引导相关人才进行转型。比如从供给侧改革来看，当产品的销售效率下降时，为了进一步提高产品的竞争力，就需要厂商将关注点对准更底层的研发、生产环节，这也是国内“智能制造”所处的产业节点。

让既懂得产业规律，又懂得数字化的人才在目前的产业节点中发挥作用，工业化与信息化的融合才能更好的得到完成。

王彬认为，解决人才问题，应该充分发展人工智能领域的职业教育，而不一定要依靠高等教育。

AI+产业+制造最重要的就是把产业的问题抽象成AI算法能够解决的问题，在这个过程中就需要交流融合，需要知道对方领域的知识才能很好的去解决应对。一线的工人不懂数字化不行，数字化的人才也需要懂产业，要接触更多场景，得到实践的机会。这种人才的稀缺其实是全行业的共识，也是中国跟美国、德国相比之下不足的地方。

这方面，王彬更强调职业教育，他认为，很多基础性问题的解决能力很强，数字化的东西其实难度并不高，反而是一些产业的问题拥有很高的壁垒。新一代的职业教育过程中，要多向学生普及AI、算法之类的知识。

关于如何吸引全球AI人才为我所用，王彬认为，再好的政策也比不过土壤，最好的吸引力其实就是更多应用场景。如果相关人才在国内能做的事比海外更多、更重要，肯定会有大量的人才愿意加入。所以中国需要把场景需求更加明晰地释放出去，用政府的力量做好动员和匹配。目前我们给高校和科研院所很多支持，如果进一步加大对企业和行业协会的支持，对人才的吸引力肯定更好。

王彬 图片来源：网络

中国长处：基建和集中力量办大事

谈及中国的长处，王彬认为，新基建加持下，中国的工业互联网有着很大的优势。比如在布好5G网络后，运营商会顺带给企业提供很多行业性的物联网解决方案，这就能很大的提升工厂的效率。在这一点上，中国的运营商、电网、云公司相比海外而言，提供的支持更多，这是属于我们的后发优势。

目前，国内以“普惠”的指导思想建设了大量的数据中心，以一个比较优惠的价格来向市场出租算力，算力资源能够在中国市场极其丰富的需求场景下高效率应用，这种环境对我们的发展非常有利。

目前来看，在高端制造领域，还需要国家加大投入力度，但是中国市场的充分竞争目前已经推动一些制造开关、排插的企业也大量采用了数字化管理系统，这种市场驱动力是非常强大的，这一类企业在市场的竞争迭代中一定会处于优势地位。

关于目前人工智能作为投资热门赛道，是否有“过热”现象，出现投资与产业脱离的现象，王彬认为，目前行业并没有过热，这关键要看泡沫有没有阻碍行业的发展，每个行业创新初期都是有泡沫的。

目前人工智能行业事实上正在逐步回归一个相对正常的状态，估值逻辑已经回归正常，投资人不再看重公司有多少有头衔的科学家，而是会综合考量公司的销售能力、客单价、续费率等等，整个行业正在更加务实。人工智能这种资源不再稀缺，而且发展的方向越来越偏向于基础设施化，未来，任何产业都会“+AI”，但其中的核心其实是强调产业，AI的比重其实会趋于减弱。