双十一的夜晚，珠三角地区，某工厂生产车间。
一个机器人正转动机械臂，将履带上的物料转移到另一个机器人的托盘上。装满之后，这些物料被送至加工处，早已准备好的机器人正在对物料进行检测，部分物料因不合格而被“剔除”，剩下的合格物料将进入生产环节。
另一侧，监控机器人正在记录该环节，目的是保存视频数据，实现生产过程的可溯源。与之同时进行的，是在二十多米高的仓库里，机器人正在“取货”，将打包好的商品装车，准备出库。
整个车间里，都是机器运转的声音，偶尔有几个人在走动。在车间外的办公室里，人们正盯着电脑屏幕上的数据，关于商品的一切数据，诸如品类、价格、销量、销售额等等一目了然。
掌握这些数据之后，生产计划随之进行改变，人们只需按调整计划进行部署，便可将具体生产交由机器完成，甚至，打包入库、分拣、出库等工作也可实现机器化处理。
这就是智能制造的缩影。
所谓智能制造，即是利用新一代信息技术，来提高生产效率、产品质量、降低能耗等，贯穿设计、生产、管理等制造的各个环节，和产品的整个生命周期。
2015年5月19日，国务院正式印发《中国制造2025》。其中，智能制造作为五大核心工程之一，重要性不言而喻：人口老龄化、产业升级、提高附加值......都需要“智造”。
当前，“智造”的核心表现为整个生产流程的智能化，而在这一过程中，人工智能技术的运用与落地，为其提供了最为底层的应用能力。
基于人工智能（譬如机器学习），机器能够代替人力，并且在安全、效率上得到很大提高；而通过数据来实时反馈市场需求，则为再生产提供数据支撑；从而对整个产业的生产——扩张——再生产，带来颠覆性改变。
但人工智能技术对制造业带来的改变，又不止于此。
“以前，车间的原料、半成品、成品等物料都是通过人工或叉车搬运，劳动强度高且效率较低，并且作业区域人、车、货交集，也带来了安全风险。”
某生产车间主任表示，这类工作强度大，环境也不好，属于技术含量低的重复性劳动，由人力完成不仅效率较低，且不利于工人的身体健康。
在引入了新的技术改造方案后，搬运工作可完全实现自动化，事故率降低的同时，搬运效率是之前的2～3倍。并且，整个环节避免了人与物料的接触，避免了可能存在的人力导致的产品异物问题。
“最直接的感受就是效率提高了，以前三个人干一天的活儿，现在一个‘人’就能完成。”
除此之外，管理也变得更加容易。
比如，生产出的产品需要进行检测，检测合格方可入库，而对于不合格的产品，需要分析原因，来提高良率。
“放在以前，我们只能一个环节一个环节去调数据、找原因，一步步核实，还不一定能有结果。”
该车间主任表示，现在有视频监控，各项检测机器都记录下数据，有问题直接调用数据，“效率和准确率都提高了好几倍，还节约了人力成本。”
总而言之，AI带来的可量化的改变，通常是效率得以提高，解放了人的部分劳动。不过，技术改变社会，往往从效率开始，但并不以效率为结束。
正如瓦特改良蒸汽机给纺织业带来巨变一样，最初的表现是纺织品生产规模化扩张、成本下降、产品价格下跌，使其具备价格竞争优势。
更深层次的影响是，整个纺织业产业链都因此调整：上游原材料供给扩大；中游，技术代替人力成为主导性生产要素；下游，成本下探带来价格竞争优势。
两百多年前和现在如此相似，只不过蒸汽机变成了以AI为代表的机器人。
在西南证券某分析师看来，AI对制造业的影响，大体可以从成本效率、生产要素的再分配以及产业链的调整三个方面来解释。
在成本和效率方面，AI带来生产和管理效率的提升，使得生产能力进一步增强，具体表现在：人力及管理成本削减，机械化作业带来规模收益，产品的议价能力更强。
但在初期，企业的改造成本较高。
从生产要素投入上讲，技术要素将比劳动要素更重要。机器代替人工，人力成本将得到控制，但企业需要投入更多资金研发或购买机器（技术服务），比如对机器的维护、管理等，这将导致对技术要素的投入会更多一些。
对于产业链而言，AI对上游原材料供应商、中游生产制造商的影响以降本增效为主，下游的经销商则可以通过大数据、AI分析等掌握市场动向，迅速调整供应、营销策略。
“这实际上催生出了柔性供应链，和电商的C2M模式很接近。”
例如，在某一季度，市场对于某一商品的需求不断上涨，通过数据分析，如果这种需求在未来几个季度都存在增长空间，那么经销商会加大对该商品的进货需求；中游生产商获得更多订单，上游原材料供应商也会扩大生产规模。反之亦然。
“整个产业链上的生产、销售变得更加灵活。”该分析师表示。
不过，虽然AI对制造业的作用显而易见，然而自2015年以来，智能制造一直被提及，但进展并不顺利，许多企业的“智造”仍旧是以单一的设备或生产线的智能化为主，并未全面铺开。
这其实反映出一个深层次问题：智能制造，究竟是以AI，还是以制造为主导？
智能制造，分智能和制造两部分，不论是“AI+制造”，还是“制造+AI”，本质目的是相同的。但业界对于谁为主导，却有不同。
以AI公司为主的技术商认为AI是主导，智能制造的核心是通过AI 技术实现生产、管理和经营的智能化，进而推动制造业的升级，属于技术导向。
以制造业为主的厂商认为，AI固然重要，但制造业本身才是基础，没有基础，技术就失去了载体；智能制造的核心是制造业的“智能化”，属于产业导向。
这两种导向从根本上来讲，是两类厂商对于话语权的争夺。
话语权往往关系到议价能力。
一位某厂商的采购经理告诉AI掘金志，他所在的公司本打算引进某AI公司的智能化改造方案，但报价太高，远超预算，而且降价空间很小，因此就搁置了改造计划。
但在AI公司的人看来，这样比较高昂的报价很正常，“设备成本高，价格自然就高上去了，并且公司需要做定制化，设备的保养、维护、售后技术支持等都要花费。”
一边是购买力不足，渴望降价；一边是技术变现压力大，拒绝降价；两者形成了对峙，久久僵持不下。
“哪个主导，哪个就更有优势，就能拿到议价权，但这场较量还没有分出胜负。”该分析师认为，这样实际造成了供给与需求的不匹配，是智能制造未能规模化铺展的根本原因。
从另一个方面看，这两种导向，也涉及到商业模式的区别。
AI企业大多做的2B业务，而制造业企业则以B+C为主。
在AI企业看来，企业的数字化转型首先要增效，其次才是降本。因为增效带来的收益可以弥补成本，并且AI产品、设备、技术的成本很难降下来，但AI带来的人力成本、管理成本的削减，是降本的核心内容。
但制造业企业的观点却有差异，制造业市场非常成熟，竞争很激烈，对性价比追求极高。比如，某条生产线要达到什么水平，出货量、良率保持多少，年产值、折旧、损耗，回本周期等等，最重要的是单位产品的成本能够进一步降低，才能扩大其利润空间，这才是降本的主要内容。
前者认为后者不缺钱，至少不缺购买设备、改造的钱；后者认为前者报价太高，且无法在生产端有效地削减成本。
两个并不完全相同的市场，和两个缺乏沟通的玩家，自然导致合作效率的低下。
那究竟谁为主导？
该分析师认为，这取决于制造业企业有没有做AI的能力。
智能制造已经是制造业发展的未来，但具体如何实现智能制造，靠外力还是内功，不同的企业在路径选择上各有差异，这与行业特性密切相关。
一些行业本身就有发展AI技术的基础和空间，比如安防，一开始存在着大量的低端设备制造企业，但随着市场变化，部分企业寻求在技术上突破。经过多年发展，在技术和市场上占据绝对优势，AI企业的进入也很难打破这种局面。
典型的例子就是海康威视和大华股份。
而一些行业本身不具备发展AI技术的基础，比如食品制造、日化用品等，其核心技术的侧重点在于研发出适合市场需求的产品，而非整个工厂、生产环节的智能化。
因此，从供给决定需求的理论出发，一些行业（企业）自身能够发展技术，对AI公司的技术需求并不高，故以制造业企业为主导。
对于那些不具备AI能力的制造业企业而言，AI一开始以卑微的乙方角色出现，但最终扮演的是甲方的角色。
“这并不意味着AI企业能够躺赢，现阶段，制造业对AI技术的购买力不足，很大程度上制约着‘制造’向‘智造’的迭代。”
整体而言，我国的制造业升级大部分聚焦于单个设备的智能化。比如引入新的生产设备，能有效解决生产过程中的某个问题。但这种单点式的智能，无法带来整个生产环节的效率提高。
归根到底，是目前的人工智能技术落地难度大，且是“奢侈品”。
一方面，AI依赖机器视觉、机器学习等，需要大量数据进行算法迭代和优化。但很多制造业企业在生产环节中的数据很难采集，甚至缺乏数据，难以建立有效的模型，训练就更谈不上。
另一方面，对于制造业的碎片化需求，AI很难形成统一标准，定制化方案带来的成本问题无法得到解决。
“小企业用不上（起），大公司有疑虑。”
很多大厂都只是针对某一条生产线或某个生产车间进行小规模试点，因为成本太高，大厂会做投资回报周期评估。除非带来质的改变，否则每一步都很谨慎。
对于许多中低端制造业企业而言，本身的产品靠出货量大、价格优廉取胜，没有对智能化改造的需求，并且国内劳动力价格相对处于较低水平，销售市场也比较稳定，形成了固定的模式。
“市场的惯性，很难在短时间内扭转。”
人工智能技术要改造制造业，除非成本下探至普通企业可以承受的范围，智能制造才可能遍地开花，但这一天仍然很远。
智能制造是一个很宏大的命题，但需要极其精细的解法。
AI公司无疑是最适合回答这道题的主角，但是现下，还没有出现通用性解法的可能，大多是以某个行业的单一场景做突破。
如何让人工智能技术给制造业带来普惠，引领制造业的升级，而非成为“小而精”样品，是AI公司努力的重点。
末了，提一个哲学问题：假设在不久的将来，当无人工厂成为现实。
人会扮演怎样的角色？雷锋网雷锋网
正在生成分享图...
林觉民