智能制造是盛宴还是陷阱

□文/郑贤玲

智能制造是盛宴还是陷阱

□文/郑贤玲

目前中国工业面临国内需求下降与欧美制造业回归的巨大压力，如何以“智能制造”作为突破口促进中国工业转型升级，还取决于我们如何正确地理解工业4.0的深刻要义，并利用好中国制造贴近客户需求的市场资源优势。

今天“工业4.0”、“智能制造”等词汇对制造行业的人来说如同营养早餐一样熟悉，全国上下弥漫着“创新”的空气。资本市场和政府对“智能制造”充满了期待，并赋予了极高的热情。但具体到企业层面，产业的升级是非常具体的技术应用与商业模式的转变，变革总是伴随着死亡与重生。

“铁锈时代”来临

一位在外资企业从事能源研究的研究员向笔者发来短信，他列举了几家机械制造龙头企业现金流和应收账款的数据，问其中存在的高风险是否属实，并询问中国机械制造业需求大幅下降的原因。笔者给他反馈了短信：“一国经济短时间内的快速增长不利于装备制造业，市场的快速增长不但导致市场容量的快速膨胀并达到饱和，同时也导致供给方的产能过剩，其结果是供需两头都受伤。”他说没想到中国制造业供需失衡得如此严重。

实际上，美国、俄罗斯在重工业发展后都出现过所谓“铁锈地带”，而距离我们较近的大型工业企业的危机是1999年韩国大宇破产。这家以重化工业起家的大型工业企业用30年时间成为世界20强、资产规模曾达到650亿美元，却在亚洲金融危机中轰然倒下。工业品的乘数效应是引发所谓周期性的重要原因，本质上是市场经济模式下供需双方的不断失衡——寻求平衡的结果，但工业化和城镇化是经济发展的一个阶段，相关产品的市场容量是有极限的，过快的发展定会导致产能的集中释放和市场的透支。

一家路边的包子铺在积累一段时间的经验后老板就会发现每天最经济的供应量，甚至估算出各种包子的需求比例，这些经验其实是“大数据”的雏形。但与 “包子”恰恰相反，工程机械、船舶、机床等工业品的大量销售，没有成为今天市场需求的“经验数据”，而大量的市场存量恰恰成了今天工厂销售的实际障碍。工业品与即时消费品最大的不同是市场具有累积效应，积累到一定的阶段便形成市场饱和，致使需求高峰期的产能过剩而形成“铁锈”。

图1 主要工程机械企业近年收入持续下降

在没有持续跟踪真实需求的数据分析系统的市场中，需求的突然异动往往形成信息干扰。5年前中国制造企业的雄心壮志历历在目，三一、中联、徐工、山工集团等企业都制订了“十二五”实现3000亿元的销售目标，而查看近几年这些企业的销售数据，发现这些企业“失算”了，市场根本就不是按照他们预期的30%的速度增长。由于物联网建立了更为广泛的“沟通”机制，产品间信息变得更加通达，存量市场的利用率得以提升，连续4年，工程机械企业的销售收入都在持续下滑。尽管上市公司不能代表这些集团全部的规模，但也基本代表了这些企业的主体。显然，企业没有了解到真实的市场需求，凭借简单的经验不足以做准确的预测。

以小松、三一、中联、柳工为代表的企业通过对设备实际工作状态的监控来指导公司的经营，随着市场存量和设备流动性的增加，自2011年以来设备的开工率逐年下降。来自某挖掘机企业的市场人士告诉笔者:“我们监测挖掘机工作时间，2011年一台挖掘机平均工作时间是240小时/月，而今年监测的数据只有40小时/月。” 大数据的应用让企业越来越了解市场的真实需求，同时也正在接受产能过剩的事实。企业不可能永远在困境中等待，中国的制造业必须寻求产业的升级。

“大数据”与“智能制造”助推第四次工业革命

变革总是在现实困境与新技术的成熟中诞生，“工业4.0”是德国在2013年提出的，而美国在2006年就提出了“信息物理系统”的概念，并将此项技术体系作为新一代技术革命的突破点。看似不同表述的工业革命，本质上都是为本国工业增长提出新的发展方向。德国是在发现了本国工业排名下降以及出口增长乏力后提出的，2011年德国在汉诺威工业博览会上第一次提出，并于2013年发布了“工业4.0实施建议”；而美国在国际金融危机后意识到虚拟经济脱离实体后的巨大隐患。2010年奥巴马签署《美国制造业促进法案》，提出了运用数字制造和人工智能来重构美国的制造业。这场基于大数据的工业革命已悄然在全世界展开。

德国和美国要从发展中国家手中夺回制造业的市场份额，就必须改变原来制造业的要素构成，充分发挥其在智能制造方面的科技优势，即通过采集数据、分析数据、并反馈到产品和服务中去实现客户的价值。智能制造包括智能的制造、产品和服务三个层面。

智能制造是将生产过程中的工艺数据软件化并植入产品生产线的控制软件中，通过“自省”反馈优化生产流程，使得制造过程智能化。这一过程的本质上是通过优化工艺，稳定品质和降低成本，这其中部分沿用了ERP的成本管理思想，同时根据产品的个性化要求进行柔性化生产。制造本身的价值不是仅仅要做好一个产品，而且要将产品过程中的浪费降到最低，实现将设计、制造过程与客户的需求进行最佳匹配。设备的智能化不是目的，只是实现产品智能的工具和路径。

产品智能使得应用更加贴近客户的需求和价值。比如通过数字分析比较，提前预知产品的故障并自动报警；通过数字化分析使得产品的工作实现自省、自我比较和自我修复，最终适应各种工况和环境以达到最优的工作状态。

而服务的智能化则是在产业链上延伸更多的价值，通过提供有效的数据服务实现全产业链上的服务。国际市场上如GE、约翰迪尔、飞利浦等公司通过数据分析来为客户提供价值，而不是直接卖产品。GE不卖发动机而是为航空公司提供安全服务数据；约翰迪尔不卖农机，而是帮助农民进行农田管理；飞利浦将卖灯泡转化为光源管理和能源管理。

除了为客户创造价值外，制造企业也通过智能制造实现更多的价值，其中制造过程智能化是成本控制，产品的智能是提升产品价值，而服务的智能则是创造客户新的价值。

目前，我国的数据平台基础建设已基本形成，可支撑企业的远程监控与数据收集，为智能制造提供了基础。而随着制造业本身智能化的发展，智能制造的调价将更加成熟。海尔、三一、徐工、中联都已经建立了智能化车间，美的计划用50亿元建造智能化工厂，而沈阳机床通过“i5”实现了设备加工的实时监控，并以设备租赁服务替代产品销售。

表1 四次工业革命的技术及特征

“智能制造”的核心是价值创造

“智能制造”是工业4.0的表象和路径，也是本次工业革命的代表性技术，但其内在的驱动力，源自对客户价值的创造。

人类历史上历次工业革命都是相对滞后的生产手段与现实需求之间的矛盾所致，每一次工业革命都伴随着重大的技术进步与制造方式的巨大改变。第一次工业革命发生在18世纪末，主要特征是以蒸汽机为动力实现机械化生产，人类开始以机械设备代替手工作业；第二次工业革命发生在19世纪末至20世纪初期，以电力推动的规模化生产，通过零配件和装配线成功分离而实现规模化生产，代表企业是福特汽车，其基于在商品经济日趋繁荣的环境下大规模生产对效率的需求；第三次工业革命是上世纪70年代电子与信息技术结合，使工业生产高度自动化，这次以美国硅谷主导的工业革命解决的是对制造精度的需求；正在全球爆发的第四次工业革命是将大数据时代机械化与信息化进行深度融合，让信息变得更有价值，通过数据优化和高效的执行系统，为产品创造更加接近用户需求的价值，即实现价值创造的需求。

本次工业革命与前三次工业革命最大的区别在于,生产商不再以制造端的生产力作为起点，而是将客户端的价值需求作为整个产业链的出发点，以智能化的装备实现定制化与批量化的完美结合，使产品的设计、制造及服务变得更加智能。

众所周知，德国是世界制造强国，但到2012年，德国制造业出现两个问题，一是经过30年的发展，德国制造业从全球第二下降到第四位，中国的制造规模达到全球第二；而制造能力看起来不如德国的美国却在30年内始终处于第一，而且在2006-2011年间，德国工业的出口数据几乎没有增长。

这些现象引起了德国对制造业的反思，美国制造业强大的主要原因显然不是像德国一样把产品做到最好，而是充分利用了信息化和金融服务；德国设备出口增长放缓固然与中国制造业成长产生的进口替代有关，但还有一个重要的原因是德国产品寿命太长，更换周期也较长，这种从自身出发以产品为核心的制造方式成为德国经济增长的瓶颈。因此产品不是要做到最好，而是要为客户提供最大的价值，因此必须从客户的需求出发。

警惕“智能制造”可能的陷阱

就像没有治百病的药一样，“智能制造”或“工业4.0”也绝不是解决中国制造所有困境的万能钥匙，而且我们也不能忽视智能制造可能给传统制造业带来的巨大冲击。

最近有一篇《汽车销量下跌竟和互联网冲击有关？北汽高管确实这么说的》帖子转载率很高，但这并非耸人听闻。物联网将使得物理世界信息更加可视化，通过设备联网减少设备的闲置率，提高全社会设备使用效率，而提前预知设备故障也延长了设备的使用时间，这些资源优化都将使得工业品市场实际容量下降。Uber和滴滴就是通过物联网减少社会闲置率，并导致市场对汽车需求的数量减少的具体案例。同样的现象也将发生在其他装备行业，这对生产性企业来讲显然不是好消息。

而另一个风险是来自对“智能制造”的片面理解，目前很多人都将“智能制造”的理解局限在产品制造过程环节。说到智能制造，很多人都想到了“机器人”，认为引进一条机器人生产线便实现了“智能制造”。

地方政府为了推动“智能制造”更是不遗余力，并把推动机器人产业作为智能制造的抓手。截至今年上半年，全国在建的机器人产业园就有23个，还有7个在筹建，机器人生产企业上百家，从国际市场来看，工业机器人行业并不是一个可以容纳众多企业的行业，目前日本也就4-5家、美国仅一家工业机器人企业。可以说，中国机器人行业还只是刚刚起步，就已出现产能过剩。更重要的是，工业机器人82%的成本源自进口零部件，到目前为止，机器人整机企业几乎都依靠政府补贴而生存，预计未来这个行业将会出现大面积倒闭。而与此同时，真正具有巨大需求并可实现“智能”的工艺软件工程师、各种工况控制系统与核心功能件则严重不足。

“智能制造”正在成为制造业新一轮投资的热点，2015年6月3日，工业和信息化部公示了2015年智能制造专项项目，94家公司的相关项目入选；7月21日，工业和信息化部公布了2015年智能制造试点示范项目名单,共有46个项目入选。

如果“智能制造”仅仅是引进设备，各大企业和地方政府进入新一轮的固定资产投资，那么就一定会重复制造业上一轮投资扩张的悲剧。缺乏对产品应用和制造过程的数据分析和有效反馈，将依然不能满足客户的价值，使得企业变得更加生产线化和设备化，产业将更加趋同。目前中国以“无人工厂”为代表的“智能制造”已开始出现“智能”简单化的端倪，这显然不是从客户价值出发，更多的目的是为政府补贴做一个形象工程，甚至不去比较机器人和人工的成本和效率。一些企业在产品上装了很多传感器，搜集了一大堆数据，但并没有充分研究客户的需求，导致智能制造陷入形式化和运动化，不仅不能提升效率，反而使得制造成本变得更高。美国辛辛那提大学的李杰教授就提醒说：“我们在谈到工业转型带来的变革时，往往容易看到其代表性的技术特征，而忽略了促使其转型的最原始的驱动力，即对新价值创造的永恒追求”。

充分利用大数据优势，实现价值创造与可持续发展

中国失去了第一次工业革命和第二工业革命的机会，在第三次工业革命中融入了全球制造产业链，且因为劳动力成本优势和巨大的市场成就了世界制造中心，这些基础和条件成为第四次工业革命的良好基础。

与前几次工业革命不同的是，这次工业革命是以市场为中心，中国是全球最大的市场，距客户的需求最近，生产企业可采集到更多的客户需求数据。工业4.0对要素最大的改变是技术进一步取代人工，对人力成本占优势而技术水平占劣势的中国机械制造业来说，工业4.0似乎遭遇更大的压力，但工业4.0的核心是大数据，拥有的数据越多，反馈的效率越高，中国拥有的机器在全球使用量最大，数据最多，因此有机会在智能制造阶段与欧美保持同步。

李杰教授提出的“煎蛋理论”认为，产品终端和覆盖的市场是“蛋黄”，围绕“蛋黄”做大“蛋白”的思维模式是提升客户价值的模式。例如中集集团拥有全球50%的集装箱，这是一个巨大的蛋黄，如果搜集到货物的相关信息，可了解到世界各种类型货物的产业链路线，从而帮助客户分析并优化供应链和采购链，这份数据的价值可能超过集装箱本身。对于拥有众多客户端的中国制造企业来说，拥有产品就相当于拥有“蛋黄”，了解客户的需求，为客户提供增值服务就相当于围绕“蛋黄”做大蛋白。企业将走出一条以提供全球产业数据作为增值服务持续增长的可持续发展之路。

例如汽车是一个可见的产品，但其内在的价值则表现在行动力、时尚感、经济性、舒适性、安全感等不可见的体验感上。汽车的需求数量是有限的，但在汽车上不断加入各种提升性能的服务则是无止尽的。

本次工业革命不是简单的制造业的升级，而是一次从需求出发，不断创造价值，改变原有制造业生态链的升级。在这一过程中，智能设备或产品都不是核心，人才是智能制造的核心，只有通过人的体验和思考，才能帮助用户提升价值。

设备、产品和数据分析系统都是达到创造价值目的的工具。拥有全球最大市场的中国，有机会在本次工业革命中掌握更多的主动权，形成持续创造价值的持续增长的商业模式，但必须明确产业升级的方向。

郑贤玲 机械行业资深研究员