提到自动化、人工智能，映入人们脑子里的印象往往是“机器代人”。然而，对企业来说，逻辑却并不这么简单。因为企业是个经济实体，技术发展是经济驱动的，只有经济上可行的技术，才是真正可行的。经济驱动的逻辑又是什么呢？就是机器做事做得比人更好。拿什么又叫“更好”呢?  更好的一个重要观察角度是用“更快”带来更好。下面，我们沿着这条脉络，回顾过去的自动化、展望未来的智能化。

企业为什么要采用自动化技术？我在读书时就知道：一个重要的好处是采用自动控制时，计算机响应速度更快。人类控制阀门时，响应速度一般是秒级的，但机器的响应速度可以是毫秒级的甚至更快。这就便于应对更小的干扰、取得更高的控制精度。对于某些质量性能要求很高的高科技产品来说，采用自动化就是必须的。

毫秒级的响应速度往往用来抑制对控制目标的随机干扰。现实中，控制的目标值也是会变化的。这种变化，可能是系统特性引发的，也可能是工艺要求引发的，变化速度相对慢一些。应对这种变化不能太快也不能太慢，应该做到“该变化的时候就变化、不该变化的时候不变化”。从这种意义上说，变化的启动时刻要精准。这一点，机器也能做得比人好。采用自动控制的好处是提高生产过程和产品质量的稳定性，在此基础上可以实现节能、降耗、提高生产效率。35年前，我跟着老师做项目，某磺化工序采取自动控制后，一等品率提高了5~10个百分点，生产周期从40多分钟降低到30分钟以内。这类控制，在化工领域一般被称为RTO、APC，在钢铁领域称为模型控制。

到了智能制造时代，“快速响应”的内涵又发生变化了，针对的许多工作转移到人们的日常业务中来了。许多业务工作不是实时的：人有下班的时候、休假的时候、忙其他事情的时候。这些都会导致业务执行过程的暂时中断。特别地，当一个业务涉及到多个人审批的时候，业务活动就会因人的参与而带来多个断点。如果若干业务活动都是机器自动完成的，效率就会极大地提升。

我经常用工业4.0的典型场景理解这种变化。工业4.0最典型的场景是在流水线上生产个性化产品。个性化定制会带来很多麻烦。比如，为个性化需求进行采购时，人力和时间成本就变得巨大。工业4.0的办法是通过横向集成让计算机自动实现。这时，前后一秒钟用户下了订单，下一秒钟机器自动采购、完成交易。这样，就可以把人类非实时的工作转化成机器的实时工作，消除了人导致的业务上的“断点”，更快地响应业务的需求。

人工智能时代，AI给我们带来了什么呢？在我看来，也是要着眼于消除人类做事慢的问题。但针对的问题和场景与前面谈到的智能制造做法不同。适合AI消除（或者弱化）人类断点的典型业务包括：研发设计、文档处理、软件开发、数据分析等等。

进入数字化时代，软件维护的效率非常重要。企业许多软件用不好，关键就是软件维护赶不上企业需求的变化。企业的生产和经营情况在变化，而软件本身跟不上变化。在一定程度上，大模型能够解决这类问题。比如排产和优化问题。这两类问题经常随着市场和产品而变化，软件本身也需要变化。在大模型时代，用户可以提出要求，让大模型来做——如果做出来的结果不符合预期，可以进一步提出要求，让它立刻去改，直到能用为止。这种现象的背后，其实就是“编程的速度快”。“编程的速度快”是因为程序不是人编的。

类似地，我国在推进企业数字化的过程中，要求人们通过数据发现问题、找到问题的根源。但这些工作的个性化很强，需要有经验的人花费大量的时间进行分析。有些事情，人们很难在有效的时间内完成。最后，许多要求变得不了了之。但是，如果大模型参与进来，问题就好办了。Palantir其实就是这个道理。复杂文档处理问题也一样。有些企业为了打开市场，需要应付大量的招标材料，要对写成的材料进行合规性审查。人忙不过来时，就会丢失大量的机会。但是，用AI帮助人去做，这些问题很快就解决了，机会就不会丢了。

有些研发工作，需要大量不同专业的知识和复杂的计算、需要查询大量的资料。一个单位很难把相关人员凑齐。但AI具有跨专业的知识，可以帮助人们解决这些问题。

注意到，AI工具的一个重要优势，仍然是比较优势：比人做事更快。过去，做一件事情时，经常需要人类在中途介入（比如数据分析），这些中途介入本质上就是断点。有了人类介入的断点，计算机算力的优势就发挥不出来。而大模型的一个重要优势，就是打通了这个断点。

我们特别要注意到：大模型有个重要的优势，就是可以具有跨领域的知识。这非常有利于打破“分工协作”过程中的“断点”。我在给交大研究生上课时，同学们爆发了一场热烈的讨论：懂业务的人和懂计算机的人，谁会被边缘化？ 我个人的观点：懂业务的人或许更有优势，因为懂业务的人更接近价值创造。