昨天，参加了中国钢铁年会并做了一个报告。会上遇到多位老领导、老同事和老朋友，感到非常亲切。这次把内心深处的一些想法，都讲了出来。

在这个报告中，我从40年前何老的观点谈起，进而谈到了20年前、10年前的一些故事，再谈到现在并展望未来。期间提到了很多概念的产生和演变过程。从时间维度谈了技术的发展，从行业角度比较了相似和不同。

报告开始我就提到：钢铁行业现在做的，正是何老先生近40年前设想的：“我们需要建立一个知识宝钢、一个虚拟的数字化宝钢，能够在计算机和网络的平台上，充分地描述实体宝钢的实时活动。” 他的这个理想一直没有变。但表达思想的概念在变。如果用现在的概念，何老的想法就是：要在Cyber空间建立宝钢的数字孪生体。

我们知道：一个人可以有多个不同的名字，在中国叫狗剩，在美国可能就叫TOM；也可以穿多件不同的衣服，今天穿西装、明天穿长衫；长期来看，年龄甚至也会发生变化，从小毛头变成耄耋老人。但是，这些变化并不能改变“你还是你自己”的事实。反之，不能仅仅根据名字、衣服、年龄相同，来认定一个人。这样反而会犯错误。

同样，我们可以把特定的“思想”比作一个人。

描述特定思想的理论和概念就像人的名字和衣服。同样的思想，未必用相同的概念来描述，而懂得一些概念也未必懂得何老的想法。正如会“念经”的人很多、得道高僧却很少。三年多年前，何老就对我说过：“歪嘴和尚念经的人太多了”——很多人讲的智能制造，名词是对的，内涵却是在胡说八道。

我曾经花了很长时间，把概念之间的关系清理出来。比如，工业4.0体系中的数字化设计、个性化定制、CPS、信息集成等许多概念之间是有逻辑关系的。概念之间的关系搞清楚了，理论体系就清楚了。这种工作，有助于我们理解这些理论体系。

然而，理解了理论体系，也未必容易落地——何老40年前就有的想法，现在也没有落地啊。事实上，好的理论体系如何落地，主观上需要有方法、客观上需要有条件。何老40年前的想法之所以在今天成为热点，是因为外部的技术条件在变、企业和市场在变、工具和方法在变。

我一直强调：这些变化，往往是“数量”上的变化。我的意思是说：如果不能理解数量变化带来的变化，就不是真正理解智能制造，也不会理解如何落地。

40年来，最基础的变化就是计算和通信的性能提高了、成本降低了。所以，我们常说：ICT技术推动智能制造的发展。但是，仅仅知道这个是不够的。

这些条件的变化，可能不会在企业内部引发实质性的变化。这些基础的变化，就好比有人给我们提供了一些“木板”，而不是我们需要的“木桶”。企业需要的木桶，需要企业自己来定身打造。其中，如果企业打算打造一个新的“木桶”，那就是系统性的转型升级；如果拿来对老的木桶“补短板”，那就是持续改进。

所以，我们关注的重点，是如何用ICT技术打造木桶或者补短板的技术。把握这样的问题，同样也要认识到“数量变化”才能到位。

比如，我在多次报告中都强调，中国多数企业需要用持续改进的方式推进智能制造。原因就是多数企业在这个方面有着巨大的经济价值、而且也容易推动（风险小、周期短、成本低）——注意，这个观点就包含着“量”的概念。

再如，个性化定制、供应链管理、数字化设计多重要呢？不同的产品、不同的行业、企业发展的不同阶段是不一样的。如果发展不到一定的程度，重要性（量的概念）就显现不出来，也就没有价值体现。而且，即便价值有了，还要看成本的大小。只有价值大于成本，有些事才值得企业去做。我讲到的历史，就是和大家来回顾价值和成本的变化过程。

我经常用“多米乐骨牌”来描述需求和条件的变化：有了内燃机，才会有汽车；有了汽车，才会有红绿灯；有了红绿灯，才会有高速公路.......这样的一种“思维模型”也适合于对智能化的认识：比如，CPS、PLM、数字孪生、工业互联网平台、工业APP，都是在一定的条件下产生的。

智能化是ICT技术带动的；互联网会带动管理和控制系统的拓展（信息集成）；系统的拓展会带来更多复杂性和实时性问题，对可靠性、灵活性的要求会更高。

对系统的研发和维护者来说，这些要求会带来（系统维护）成本的上升、效率的降低、（软件）质量的降低。

要解决这些问题，我们要从工具上动脑筋——这是人类几千年来的历史证明了的。工业互联网平台、工业APP等技术，其实就是从工具层面考虑问题。目的就是为了降低开发成本、提高开发效率、降低开发风险。

工作怎样才能实现这些目标呢？要针对开发过程中的问题，如专业知识分割、数据管理混乱.....而解决这些问题的出发点是尽可能地实现知识或者数据的重用、提供各种有效的数据和模型管理工具等。实现这些目标的技术手段则包括数字孪生、流式计算.......

如前所述，工具的价值，本质上就是降低开发成本、提高开发效率和质量。但是，我们需要知道智能化工作者是如何做事的，才能提供合适的工具。这就还比，如果他要耕地，就不要给他提供锯子；如果他要做木工，就不要给他提供镐头。

未来智能化是如何工作的呢？现在看来，日本的IVRA模型是个有洞察力的体系。关于这个话题，我曾经说过多次（相信持续改进的力量、对“智能企业”规划的一点思考）。这里就不讲了。

昨天讲完以后，有人针对知识数字化提了一个问题。我注意到，他强调的是通过数字化方法发现知识。回答问题的时候，我指出：我强调的是把人（产品、工艺、设备等）的知识变成数字化的知识，即模型或软件；而不是从数据中发现知识（那是大数据课讲的内容）。

我认为，要充分尊重工业人多年来积累的知识和方法。从知识数字化角度看，这样做是更具经济性。我的师傅王洪水先生就说过：把人的（哪怕是碎片化的）知识放在计算机里，是意义非常大的工作。

现在，我们经常强调王先生的这个观点。这同样是因为经济性的变化：

基于工业互联网、工业APP和数字孪生技术，知识数字化的成本和风险大大降低了；在信息充分集成的前提下，知识发挥作用的机会大大增多了。如果知识能够跨企业共享，意义就更大了（这次谈到优也公司开发的数字孪生，就是想做这方面的尝试）。这一增一减，使得“知识数字化”的意义发生逆转。于是，“知识数字化”的价值，发生从量变到质变的变化。

我们知道：获得知识是有成本的（比如钢铁厂做连铸混浇的试验）。如果这些知识的应用场景少、应用次数少，知识创造的价值就可能难以抵消获取知识的成本。这时，人们对获取知识（数据）的热情就会低、甚至不去做这些试验。

随着工业APP、工业互联网等技术的发展，知识复用和推广会大大加强，知识创造的价值的机会就几倍、几十倍乃至成千上万倍的增加。这样一来，许多“知识生产”的盈亏线就能突破。于是，过去因为成本而不去做的研发，现在就有了价值。

钢铁行业的很多知识都是专业技术人员（材料、工艺、设备）发现、在他们的头脑中。我们搞智能制造的人，主要的目的是让这些知识的价值倍增。这种工作的意义，比我们亲力亲为地用数据发现知识的价值更大，也更重要。

前些天我写过一篇文章：“现实逻辑的对错，依赖于数量关系。”这个观点同样适合对智能制造的认识。当人们能够从成本和价值方面认识智能制造的项目和发展方向，才算是真正的明白。看来，这个观点再强调都不为过。

来源：微信号 蝈蝈创新随笔

作者：郭朝晖

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。