雷锋网按：近日，由中国信息产业商会主办的第九届航空航天信息化建设合作峰会在北京举行。本次峰会聚焦“促进军民深度融合、赋能数字化转型”主题，航天科工、航天科技、中国商飞、中国航发等单位信息化主管人员，行业专家及企业代表等共计200余人参加了会议。
会上，中国航空工业信息技术中心顾问宁振波发表了主题为《三论智能制造的基础-数字化和人工智能》的演讲，以下为宁振波演讲实录，雷锋网做了不改变原意的整理与编辑：
当我们一步步的把方法、知识和经验变成软件和模型的时候，是不是在一步步的走向智能？大家应该很清楚，在过去几年里，浮躁不是少数人的行为，特朗普让许多中国人头脑清醒了起来。2014年到2016年我们讲论智能制造，2017年和2018年讲再论智能制造，我们必须搞清楚智能制造是什么，智能制造是用软件来定义控制数据的自动流动，解决复杂产品的不确定性问题。
当然，不仅仅是生产，它既有研发工艺生产交付交付或者维护维修过程，以及整个的综合管理体系。我来说一个数据，真实的广东省经济的数据。广东省GDP中国第一大省，但是90%的企业单位没有自主研发能力，大家想一想是不是很可怕？换句话说，我们是代工厂或山寨工厂，是血汗工厂。
习主席多次讲过，中国制造大而不强在哪？是研发不强。我看了很多材料，我们工业互联网的优秀案例也好，评价也好，应该是把研发设计放在第一位，生产制造放在第二位，综合保障和服务大数据采集放在第三位，运营管理和物流放在第四位，但是在全国报上来的材料里，运营管理和物流的项目报的最多，其次是交付维维护，第三是智能制造过程，而最难的研发设计反而报的项目最少。
华为为什么牛？去年我在福州参加了华为全球大会，2018年的专利统计中，欧洲所有专业里，专利数量西门子第一，华为第二。为什么美国举全国之力来收拾华为？是不是美国人感到害怕？因此我们一定要清楚智能制造是要干什么，智能制造是全员的事，不是某几个人的事。
我们企业转型升级相当于做手术，一个人要做手术，首先要做诊断，除非是车祸紧急救援，普通情况下不把病情查清楚你敢下手么？一定是先诊断清楚才开始做，瞎做的结果一定会是投入大量资金后走到沟里去。同理，企业的能力和水平在哪个点上，每个企业的水平不一样，制造流程中，设计、工艺、制造、生产、设备维修、交付等环节，从哪开始做，先做哪个系统后做哪个，一定要搞清楚。
比如说，中国过去几十年里在ERP上吃了大亏，为啥？2003年到2005年，联想和华为先上了ERP系统，当时的生产情况挺好的，结果到了2005年，华为发现了输入包不完整的问题，华为马上就换了PRM系统，虚拟的模型包不完整了，原选票的碗就吃了很多亏。什么意思呢？ERP和PRM系统紧密关联，它的MBOX一定来于PRM。很多系统是前面做不好，后面做了就推翻重来，这就是中国的企业大部分吃很多亏的原因。
最典型的案例就是西门子的安贝格城化工厂。他们原先生产PLC控制器，每天生产6万个，每个都不一样。首先个性化定制的结构不一样，接口标准不一样，总线不一样，通信协议不一样，软件不一样，印刷板不一样。原先是千分之五的不合格品率，转型升级之后，现在是百万分之五不合格品。
我也碰到很多企业问我，我们花了很多钱上的项目都没有得到什么效益，我说路线错了，选型错了一定不会见效。在第四次工业革命的转型过程中，一定会有一部分企业发展壮大，形成国家能力，也一定会有大量的企业走错路。“云大移物智”不是单独存在的，它有关联关系的，要是只单独考虑某一个问题，一定会出大错误。
但是在过去几年里，好像在讲智能制造时不讲“云大移物智”，整个人就都傻了，是吧？我不知道大家有没有思考过这样一个问题，如果我们的集成电路芯片做好了，我们的工业基础软件做好了，“云大移物智”完全可以随便搭建。构成智能制造的基础是集成电路芯片和基础工业软件，必须先解决这两个关键问题，这两块如果没有，“云大移物智”全是空中楼阁！
当然，我不反对推进机器人无人工厂，但核心应该是经济性，合算不合算，不合算就晚点再上，一定要算好账。我到德国考察多年，发现德国二战后的工业发展是一步一个台阶的往上走。我们中国的工业在改革开放的四十年里取得了巨大的成就，但是我们要正确认识我们在哪？反过来说，如果没有西方国家几百年工业发展的道路，我们这四十年能走的这么快吗？跟着走容易，创新难。
我们总是试图用技术来进行管理，很多领导说买ERP，我买了世界上最好的管理软件，为啥管理上不去？你买个软件就能解决管理问题了吗？这是两件事情。你为啥不向任正非学习呢，看看他们是怎么做的。
西方人思维是，利用管理来简化技术问题。比如说成飞公司流程检测项目，当时就是集团数码帮助做的，做的非常好。把整个生产流程和管理流程简化了，再做信息化不就简单了？当时咱们空军司令员许其亮在丰台空军招待所讲过，标准化的问题是把复杂问题简单化，简单问题流程化，流程问题信息化，用管理来解决很多技术问题。
所以智能化的意义在于从管理入手，实际上很多问题不用解决。实际上现在的工业已经不是传统工业，传统工业是基于实物的，质量管理体系只管实物。现在航空工业的质量体系，比如在一架飞机研制过程中，首先定义的是软件采用什么版本，同一个飞机几十家甚至上百家场所参与，用同一个软件同一个版本，送来的模型不仅有几何外形，还有材料数据，可以在计算机上算飞机的功能和性能，减少了大量的转换。这就是用管理来减少转换技术。
实际上，对人工智能的认识，西方讲的是从数据到信息到知识再到智慧。数据是过去过程，通过信息知识关联，再到知识形成整体，最后进行系统整合。关于人工智能的建议，现有的所有科学方法和原理都解读不了人的大脑，对人的智能认识，我们现在是一片空白。
我们人类有1000亿个脑神经细胞，但是世界最领先的团队也只能模拟52个脑神经细胞的连接关系。大家可以思考一个关于大脑和电脑的问题，电脑有CPU，每个CPU有很多核，如果一个核相当于一个人脑细胞的话，有个最大的问题就是新陈代谢。
人的一个脑细胞死亡了，可以自动从脑神经网络上剥离，通过静脉血液排出人体。人还有干上的脑细胞，干上的脑细胞不但可以制造新的脑细胞并自动连接上脑神经网络，还可以把原来脑细胞的知识自动传递到新的脑细胞中来。
再看集成电路，14nm的集成电路是目前最经济性最好的，可能有人会告诉我，现在美国已经推出7nm的集成电路了，它的经济性其实不好。集成度越高、内部线条越细，其内部的效应使集成电路到了天花板，当然还有耗能问题。AlphaGo耗能300kW，一千多颗CPU，170多个GPU。
我后来开玩笑说，我们输给AlphaGo，但我们一碗豆浆两根油条就能工作。所以仔细考虑之下，人工智能问题没有那么简单。中科院人工智能研究的几个顶尖专家告诉我，人工智能现在还达不到三岁的水平。
接下来，我们要正确理解智能制造，一个复杂的组织体制应该怎么样？智能工厂的大脑在哪？它是在决策层还是管理层。五年前有个领导跟我说，我知道什么叫智能制造，我说那你说一下吧，他说机器换人就是智能制造，我就笑了，我说先用机器把你换掉，他傻了。
我是什么意思呢？意思是所谓的机器换人只是低端工作，高端工作的智能绝大部分决策管理还是靠人来完成。
因此我个人认为什么是智能制造呢？是在正确的决策管理下形成的自主研发体系。再多的机器人、再多的数控数控设备、再多的智能仓库和智能物流，也还是停留在操作层面的，仍然是自动化的传承，不是智能制造。
如果把智能制造比作一场马拉松比赛的话，我们中国智能制造作为其中一名运动员正在热身，尚未上场。现在这些工厂搞的仅仅是生产线上的小事，还是过去的自动化。
我再说一个常识性的东西，可能大家都没有想过。大家都看到工业4.0发展或四次工业革命发展的图了，大家反思一下，第一次第二次第三次工业革命，哪一次不是几十年甚至上百年的历史。如果以大家公认的2013年4月份汉诺威博览会，德国人发布工业4.0作为第四次工业革命的开始的话，满打满算到现在不到六年，你就智能工厂智能制造了？这是句玩笑话！
我们目前要努力去做的是数字化制造，数字化就已经非常困难了。过去我们讲的就是实物到实物，中国的传统制造是二元系统HPS，H是human，P是physical，S是system。新的发展方向是HCPS，这是我们中国的创新，H是人，P是物理空间，C是网络空间（cyber）。
1991年波音777研制的时候用了七八百种工业软件，互不关联，形成了14个报表。2005年787的研制上了一个大台阶，形成了波音的全球研制体系，用了8000种工业软件。波音现在有8500种工业软件，它还只敢说是数字化，不敢说智能化。
我们在思考，如果我们把数字化制造做到了，智能制造离我们还远吗？当我们把大部分成熟的工作一步步变成软件和模型并交给电脑来干的时候，我们是不是走向智能了？当我们绝大部分步骤都由电脑完成的时候，是不是一脚就能踹开智能的大门了？实际上，智能制造的基础就是数字化。
我们需要有高速工业互联网的连接，有大量的工业APP的支持，才能够在虚拟空间中完成产品的全寿命周期的设计制造实验，反复考核，反复检查，发现设计的问题，工艺的问题，制造的问题。发现问题之后，改模型要比改实物容易吧？最后没有问题了，我想造就可以造，从虚拟空间映射到物理空间去。
过去的生产线是手工的，现在我们要建成数字化生产线，未来还要成为智能化生产线。我们还要把网络空间中的虚拟实验和仿真验证映射到实物实验过程中，在网络空间中大量的仿真，大量的数据实验。做了大部分工作之后，实物实验可以只做验证性的实验，减少了很多工作量。
最后我想小结的是，智能制造的本质，是软件化的工业技术，由软件控制数据的自动流动，解决复杂产品的不确定性。软件化的工业技术，软件定义的生产体系，肯定会带来生产关系的优化和重构，必然会有一部分企业发展壮大，也有一部分企业大浪淘沙跟不上潮流，这是历史的必然。
航空航天作为制造业的顶级，我们大家应努力奋斗，把中国的航空航天事业发展壮大。
正在生成分享图...