计算科学和信息化，该如何助力中国制造业崛起(2)

针对当前智能制造领域现状的理解和看法，王恩东谈了 "三个有"，分别是有需求、有基础和有差距。他表示，目前我国人口红利已经差不多结束，原来依靠低廉劳动力来发展制造业的老路走不通了，因此需要对制造业转型升级，向智能制造转变，需要用更高的自动化、智能化，这是一个大趋势；他还认为，我国智能制造的基础技术、设备有很大差距，比如说传感器、自动化设备、机器人等方面——整体还需要我们去踏踏实实提升基础能力。

刘心广表示，我国智能制造很有特点，国外制造业在每个阶段都经历了比较充分的发展和成熟过程，但是我国推进制造业智能化的时间周期比较短，阶段化属性不清晰，大部分处于同步推进、平行发展的状态，因此需要前期的规划设计工作来作为后期逐步落地实施的纲要性指引。另外，他认为，智能制造不应该是软硬件层面的智能化，它应该是一把手工程，需要企业领导者和高层持续关注和推进。

高晓农则从自己小米自身的业务出发，谈到了手机行业的智能制造。他表示，手机的产品特点是生命周期普遍比较短，大概是四个月到半年的时间，而苹果是一个例外，它的产品生命周期可以长达两到三年——因此，对于小米来说，需要在手机的短生命周期里快速满足市场的需求，就需要通过人机协同来解决制造柔性的问题，这就需要智能化属性的加入，这也是小米在智能制造方面的研发重点所在。

范建平表示，联想在面向智能制造转型的过程中，AI Lab 有重要责任。比如说，如何让有限的芯片在不同的设备里面产生最大的效益，这是需要 AI 解决的；同时，在小型化、定制化的订单之下，如何进行车间的排产、制造成为问题，因此联想自研了 APS 系统。另外，在产线生产过程中，如何通过 AI 来做产品缺陷的自动检测，提高产品质量，也是联想在智能制造上探索的点。当然，基于 AI 的多语言 Chatbot 也能够在联想的售后服务中起到重要作用。

谈到计算赋能制造面临的挑战和机会，刘前进表示，智能制造转型，首先要跑通业务，才能去做数字化，比如说在碎片化场景中，在 A 工厂积累的经验无法适用于工厂 B，不同产线共用的东西很少，很难形成规模效应；另外，很多企业智能制造往往集中在一个单点上面，但实际上应该是要看全价值链，因为短板会限制整体的效益和能力。

刘前进表示，在业务数字化的过程中，需要几个维度的融合。第一个是传感融合，包括视觉、嗅觉、触觉、听觉等方面的融合；第二个是数据融合，包括大数据、小数据，在工厂中真正得到结构化完整的数据非常少；第三个是人机融合。另外，他还强调，在做智能制造的过程中，一定要围绕着场景和需求，不能拿着锤子找钉子。

刘心广谈到了智能制造的三个挑战，第一是人才缺乏；第二是技术驱动与企业驱动的冲突，他强调所有的工作一定是业务引领，是为业务服务的，在业务驱动之下，再去看需要什么样的技术组合，从而解决问题。第三个是缺乏长期的经费支持，也就是说，要把智能制造看做是业务转型的一部分，而不仅仅是一个设备系统的上线。

针对未来几年计算赋能制造方面最值得做的事，范建平认为是把计算下沉到边缘端和产品上；高晓浓认为，一是把边缘计算用在现场提供调优的解决方案上，二是工业数字孪生；刘心广再次强调，技术不应该纯粹追求先进性，而应该与业务结合；刘前进则补充认为，要做到流程、制造、产品、方针、零部件等进一步的标准化、统一化，同时讲它们融合起来。?

最后，王恩东总结称：

雷峰网雷峰网雷峰网

文章来源：《科学与信息化》 网址: http://www.kxyxxhzz.cn/zonghexinwen/2022/0108/2193.html