在清华的报告摘要

昨天下午在清华大学做了一场报告。这场报告谈的是我对智能制造、工业大数据、人工智能和工业互联网的一般性认识。所谓一般性认识，就是广泛适用的、也是大家都能听明白的道理。

人们会发现，在这些领域有很多成功的案例。这些案例的原理其实都很容易理解、普通人一听就明白、就能判断可行性。比如，油田通过远程监控把工人从荒漠撤离；天远通过监控车辆，防止绕路、偷油、干私活。

但是，这些道理到了自己的数企业，人们就不会用了、不知道该干什么了。于是就想了些自己都不知道该怎么做的事情。其实是寄希望于有个技术大牛，去解决我自己不明白也不会做的事。比如被神话的人工智能和大数据分析。一旦高技术被神话了，就不具备一般性。还有些技术很好，但只适合个别的情况，如预测式维护。这些也不具备一般性。

昨天我谈了对一些技术的一般性认识：互联网的能耐就是让我们能通过计算机（Cyber Space）发现和掌控远方的资源；制造过程的智能就是能让人能（暂时）离开计算机（Cyber 空间）、让机器去做决策；大数据最基本的作用就是能记录历史，以后遇到问题有据可查、且能找到过去成功的做法去模仿。这样就可以放心地去用一些“简单”的办法，比如我说的“吴淑珍式的智能”，也就是用清晰的信息加上简单的推理，而不要把智能看得太复杂、玄妙。同样，也别把大数据分析算法看得太复杂：能高质量地采集、完整地保存、想办法找到你需要的就好办了。其中“找到你需要的”，本质上就是智能——不用我们自己去找，你把规则给机器、让机器帮你去找。这种“智能”在大数据的背景下特别重要，因为机器比人强。我讲了多年的技术创新，一直强调“模糊问题清晰化、复杂问题简单化”，就是这个道理。

这些道理都很简单，为什么现在才去琢磨、现在仍然需要强调？因为过去琢磨了也没用：这些想法的技术和经济可行性不好。现在要琢磨这些道理，主要是技术和经济可行性改变了。改变的基本原因，就是ICT技术让数据采集、传输和记录的成本低了、效率提升了。

接着一个问题是：这些优势如何才能发挥出来？我觉得，必须找到合适的场景，把这些技术综合运用起来。找不到合适的地方，再好的技术也没用：就像无论你的猎枪再好、枪法再好。在没有兔子的地方，都发挥不出来。

在中国推进智能制造，不仅是要代替人、更要让机器做得比人更好。要想做得比人更好，就要针对人的弱点去考虑问题：一种是场景比较复杂的情况——工业4.0就是这样。但前提是企业往往要走向高端才有这样的场景；另外一种相对普遍的情况就是针对自己的短处，比如提高管理能力、利用远方的人才优势。

实际推进过程，也得明白几个道理：工业讲究的是可靠性。数据、网络等要可靠才能把事做好。对于一般的企业，把数据做好都不容易、做好的顶层设计更难。要解决这个问题，一般就要用某些业务来带动数据质量的提高，然后再在数据质量提高的基础上发展新的智能化业务——也就是循环上升的逻辑。

附：前几天因为文中提到某位红衣女郎，被禁言一周。抱歉了。