一個機器人正轉動機械臂，將履帶上的物料轉移到另一個機器人的托盤上。裝滿之后，這些物料被送至加工處，早已準備好的機器人正在對物料進行檢測，部分物料因不合格而被“剔除”，剩下的合格物料將進入生產環節。

另一側，監控機器人正在記錄該環節，目的是保存視頻數據，實現生產過程的可溯源。與之同時進行的，是在二十多米高的倉庫里，機器人正在“取貨”，將打包好的商品裝車，準備出庫。

整個車間里，都是機器運轉的聲音，偶爾有幾個人在走動。在車間外的辦公室里，人們正盯著電腦屏幕上的數據，關于商品的一切數據，諸如品類、價格、銷量、銷售額等等一目了然。

掌握這些數據之后，生產計劃隨之進行改變，人們只需按調整計劃進行部署，便可將具體生產交由機器完成，甚至，打包入庫、分揀、出庫等工作也可實現機器化處理。

這就是智能制造的縮影。

所謂智能制造，即是利用新一代信息技術，來提高生產效率、產品質量、降低能耗等，貫穿設計、生產、管理等制造的各個環節，和產品的整個生命周期。

2015年5月19日，國務院正式印發《中國制造2025》。其中，智能制造作為五大核心工程之一，重要性不言而喻：人口老齡化、產業升級、提高附加值......都需要“智造”。

當前，“智造”的核心表現為整個生產流程的智能化，而在這一過程中，人工智能技術的運用與落地，為其提供了最為底層的應用能力。

基于人工智能（譬如機器學習），機器能夠代替人力，并且在安全、效率上得到很大提高；而通過數據來實時反饋市場需求，則為再生產提供數據支撐；從而對整個產業的生產——擴張——再生產，帶來顛覆性改變。

但人工智能技術對制造業帶來的改變，又不止于此。

AI給制造帶來了什么？

“以前，車間的原料、半成品、成品等物料都是通過人工或叉車搬運，勞動強度高且效率較低，并且作業區域人、車、貨交集，也帶來了安全風險。”

某生產車間主任表示，這類工作強度大，環境也不好，屬于技術含量低的重復性勞動，由人力完成不僅效率較低，且不利于工人的身體健康。

在引入了新的技術改造方案后，搬運工作可完全實現自動化，事故率降低的同時，搬運效率是之前的2～3倍。并且，整個環節避免了人與物料的接觸，避免了可能存在的人力導致的產品異物問題。

“最直接的感受就是效率提高了，以前三個人干一天的活兒，現在一個‘人’就能完成。”

除此之外，管理也變得更加容易。

比如，生產出的產品需要進行檢測，檢測合格方可入庫，而對于不合格的產品，需要分析原因，來提高良率。

“放在以前，我們只能一個環節一個環節去調數據、找原因，一步步核實，還不一定能有結果。”

該車間主任表示，現在有視頻監控，各項檢測機器都記錄下數據，有問題直接調用數據，“效率和準確率都提高了好幾倍，還節約了人力成本。”

總而言之，AI帶來的可量化的改變，通常是效率得以提高，解放了人的部分勞動。不過，技術改變社會，往往從效率開始，但并不以效率為結束。

正如瓦特改良蒸汽機給紡織業帶來巨變一樣，最初的表現是紡織品生產規模化擴張、成本下降、產品價格下跌，使其具備價格競爭優勢。

更深層次的影響是，整個紡織業產業鏈都因此調整：上游原材料供給擴大；中游，技術代替人力成為主導性生產要素；下游，成本下探帶來價格競爭優勢。

兩百多年前和現在如此相似，只不過蒸汽機變成了以AI為代表的機器人。

在西南證券某分析師看來，AI對制造業的影響，大體可以從成本效率、生產要素的再分配以及產業鏈的調整三個方面來解釋。

在成本和效率方面，AI帶來生產和管理效率的提升，使得生產能力進一步增強，具體表現在：人力及管理成本削減，機械化作業帶來規模收益，產品的議價能力更強。

但在初期，企業的改造成本較高。

從生產要素投入上講，技術要素將比勞動要素更重要。機器代替人工，人力成本將得到控制，但企業需要投入更多資金研發或購買機器（技術服務），比如對機器的維護、管理等，這將導致對技術要素的投入會更多一些。

對于產業鏈而言，AI對上游原材料供應商、中游生產制造商的影響以降本增效為主，下游的經銷商則可以通過大數據、AI分析等掌握市場動向，迅速調整供應、營銷策略。

“這實際上催生出了柔性供應鏈，和電商的C2M模式很接近。”

例如，在某一季度，市場對于某一商品的需求不斷上漲，通過數據分析，如果這種需求在未來幾個季度都存在增長空間，那么經銷商會加大對該商品的進貨需求；中游生產商獲得更多訂單，上游原材料供應商也會擴大生產規模。反之亦然。

“整個產業鏈上的生產、銷售變得更加靈活。”該分析師表示。

不過，雖然AI對制造業的作用顯而易見，然而自2015年以來，智能制造一直被提及，但進展并不順利，許多企業的“智造”仍舊是以單一的設備或生產線的智能化為主，并未全面鋪開。

這其實反映出一個深層次問題：智能制造，究竟是以AI，還是以制造為主導？

AI+制造 Or 制造+AI

智能制造，分智能和制造兩部分，不論是“AI+制造”，還是“制造+AI”，本質目的是相同的。但業界對于誰為主導，卻有不同。

以AI公司為主的技術商認為AI是主導，智能制造的核心是通過AI 技術實現生產、管理和經營的智能化，進而推動制造業的升級，屬于技術導向。

以制造業為主的廠商認為，AI固然重要，但制造業本身才是基礎，沒有基礎，技術就失去了載體；智能制造的核心是制造業的“智能化”，屬于產業導向。

這兩種導向從根本上來講，是兩類廠商對于話語權的爭奪。

話語權往往關系到議價能力。

一位某廠商的采購經理告訴AI掘金志，他所在的公司本打算引進某AI公司的智能化改造方案，但報價太高，遠超預算，而且降價空間很小，因此就擱置了改造計劃。

但在AI公司的人看來，這樣比較高昂的報價很正常，“設備成本高，價格自然就高上去了，并且公司需要做定制化，設備的保養、維護、售后技術支持等都要花費。”

一邊是購買力不足，渴望降價；一邊是技術變現壓力大，拒絕降價；兩者形成了對峙，久久僵持不下。

“哪個主導，哪個就更有優勢，就能拿到議價權，但這場較量還沒有分出勝負。”該分析師認為，這樣實際造成了供給與需求的不匹配，是智能制造未能規模化鋪展的根本原因。

從另一個方面看，這兩種導向，也涉及到商業模式的區別。

AI企業大多做的2B業務，而制造業企業則以B+C為主。

在AI企業看來，企業的數字化轉型首先要增效，其次才是降本。因為增效帶來的收益可以彌補成本，并且AI產品、設備、技術的成本很難降下來，但AI帶來的人力成本、管理成本的削減，是降本的核心內容。

但制造業企業的觀點卻有差異，制造業市場非常成熟，競爭很激烈，對性價比追求極高。比如，某條生產線要達到什么水平，出貨量、良率保持多少，年產值、折舊、損耗，回本周期等等，最重要的是單位產品的成本能夠進一步降低，才能擴大其利潤空間，這才是降本的主要內容。

前者認為后者不缺錢，至少不缺購買設備、改造的錢；后者認為前者報價太高，且無法在生產端有效地削減成本。

兩個并不完全相同的市場，和兩個缺乏溝通的玩家，自然導致合作效率的低下。

那究竟誰為主導？

該分析師認為，這取決于制造業企業有沒有做AI的能力。

智能制造已經是制造業發展的未來，但具體如何實現智能制造，靠外力還是內功，不同的企業在路徑選擇上各有差異，這與行業特性密切相關。

一些行業本身就有發展AI技術的基礎和空間，比如安防，一開始存在著大量的低端設備制造企業，但隨著市場變化，部分企業尋求在技術上突破。經過多年發展，在技術和市場上占據絕對優勢，AI企業的進入也很難打破這種局面。

典型的例子就是海康威視和大華股份。

而一些行業本身不具備發展AI技術的基礎，比如食品制造、日化用品等，其核心技術的側重點在于研發出適合市場需求的產品，而非整個工廠、生產環節的智能化。

因此，從供給決定需求的理論出發，一些行業（企業）自身能夠發展技術，對AI公司的技術需求并不高，故以制造業企業為主導。

對于那些不具備AI能力的制造業企業而言，AI一開始以卑微的乙方角色出現，但最終扮演的是甲方的角色。

“這并不意味著AI企業能夠躺贏，現階段，制造業對AI技術的購買力不足，很大程度上制約著‘制造’向‘智造’的迭代。”

智造之路，困難重重

整體而言，我國的制造業升級大部分聚焦于單個設備的智能化。比如引入新的生產設備，能有效解決生產過程中的某個問題。但這種單點式的智能，無法帶來整個生產環節的效率提高。

歸根到底，是目前的人工智能技術落地難度大，且是“奢侈品”。

一方面，AI依賴機器視覺、機器學習等，需要大量數據進行算法迭代和優化。但很多制造業企業在生產環節中的數據很難采集，甚至缺乏數據，難以建立有效的模型，訓練就更談不上。

另一方面，對于制造業的碎片化需求，AI很難形成統一標準，定制化方案帶來的成本問題無法得到解決。

“小企業用不上（起），大公司有疑慮。”

很多大廠都只是針對某一條生產線或某個生產車間進行小規模試點，因為成本太高，大廠會做投資回報周期評估。除非帶來質的改變，否則每一步都很謹慎。

對于許多中低端制造業企業而言，本身的產品靠出貨量大、價格優廉取勝，沒有對智能化改造的需求，并且國內勞動力價格相對處于較低水平，銷售市場也比較穩定，形成了固定的模式。

“市場的慣性，很難在短時間內扭轉。”

人工智能技術要改造制造業，除非成本下探至普通企業可以承受的范圍，智能制造才可能遍地開花，但這一天仍然很遠。

結語

智能制造是一個很宏大的命題，但需要極其精細的解法。

AI公司無疑是最適合回答這道題的主角，但是現下，還沒有出現通用性解法的可能，大多是以某個行業的單一場景做突破。

如何讓人工智能技術給制造業帶來普惠，引領制造業的升級，而非成為“小而精”樣品，是AI公司努力的重點。

末了，提一個哲學問題：假設在不久的將來，當無人工廠成為現實。

人會扮演怎樣的角色？