制造业核心竞争再定义 大数据+AI突围智能化

改革开放40年，是中国经济腾飞的40年，也是中国制造业快速崛起的40年。

早在2011年~2012年前后，我国制造业规模就已超过美国，成为全球第一制造大国。改革开放40年来，中国的制造业早已深度嵌入到全球化体系当中。然而，与世界先进水平相比，中国制造业仍然“大而不强”，包括芯片等在内的诸多核心器件受制于人，劳动生产率不高，工业增加值较低。此外，全球经济增速放缓、中美贸易摩擦等都给中国制造业的发展增加了不确定性。

当前，互联网创新发展与新工业革命正处于历史的交汇期，随着消费互联网为代表的互联网的发展，工业互联网日益成为推动互联网、大数据、人工智能与实体经济融合发展的突破口。当人口红利逐渐退去，中国制造业的下一个核心竞争力在哪里？制造企业迎如何把握工业互联网与大数据、人工智能融合的风口，实现转型升级？中国制造如何走向“中国智造”？敬请关注本期“”特刊。

导读

当前，互联网创新发展与新工业革命正处于历史的交汇期，随着消费互联网为代表的互联网的发展，工业互联网日益成为推动互联网、大数据、人工智能与实体经济融合发展的突破口。

在“中国制造”向“中国智造”转型的过程中，我国制造业科技成果出现“井喷式”增长，前沿创新并跑增多、领跑涌现。中国在集成电路、新能源汽车、大型飞机等领域取得一批标志性成果；新一代信息技术、新材料技术、新能源技术正带动群体性技术突破。

10月24日，在《21世纪经济报道》主办的“2018中国智造业年会”上，工业和信息化部信软司巡视员李颖指出，当前，互联网创新发展与新工业革命正处于历史的交汇期，随着消费互联网为代表的互联网的发展，工业互联网日益成为推动互联网、大数据、人工智能与实体经济融合发展的突破口。

受劳动力成本增加、土地供应紧张和环保成本上涨等因素影响，中国制造业的传统成本优势正在减弱，很多劳动密集型制造业在向内陆地区或东南亚国家转移。在这样的背景下，中国制造业掀开了向“智造”转变的浪潮。其中，重新定义中国制造业的核心竞争力，探索新技术并推动其落地成为业界重点关注的方向。

本次年会上，《21世纪经济报道》携手赛迪顾问发布《中国独角兽新经济城市竞争力报告》，报告依托于双方今年5月到9月对西安、上海、苏州、北京、深圳、东莞等地众多优秀智造企业的持续走访调研，重点关注独角兽企业以及孕育独角兽企业的城市之间的关联，包括创新、科技的主体的关联。

在走访的多个城市中，制造业的转型正在主动或被动转型，转型方式或颠覆或渐进：如在上海、苏州，传统制造企业通过引进智能生产线，布局物联网技术，提高生产效率，许多产业园区完成了内部的“腾笼换鸟”；在北京，借助“高精尖”领域的先天优势，高新技术驱动的企业层出不穷，更加注重差异化，先进技术商业化步伐加快；在深圳，随着产业竞争和迭代深化，各类型企业的竞争方向也聚焦在了打造独有的技术壁垒和把控产业链关键环节上。

创新引领核心竞争力

《中国独角兽新经济城市竞争力报告》显示，“独角兽”往往诞生于技术密集、知识密集、跨学科多领域深度融合的前沿科技领域，对于城市人才、科技、金融、创新等要求较高，我国80%以上独角兽企业集中在“北上杭深”四大综合创新优势领先城市。

从独角兽的诞生图谱可以看出，影响企业发展的因素非常多。但是，对于包含百行百业的制造业，是否存在具有普遍性的核心竞争力，提高核心竞争力的关键是什么？

早在2017年11月，为加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合，突破制造业重点领域关键技术实现产业化，国家发展改革委就印发了《增强制造业核心竞争力三年行动计划（2018-2020年）》，部署加快推进制造业智能化、绿色化、服务化，切实增强制造业核心竞争力，推动我国制造业加快迈向全球价值链中高端。

《行动计划》提出将轨道交通装备、高端船舶和海洋工程装备、智能机器人、智能汽车、现代农业机械、高端医疗器械和药品、新材料、制造业智能化、重大技术装备作为重点领域，组织实施关键技术产业化专项。坚持创新驱动、市场导向、质量为先、重点突破是四大要求。

协鑫集成科技股份有限公司副总裁黄继新指出，不断的创新是制造业核心竞争力之一。以光伏行业为例，制造业一直都在追求效率的提升。除了电池组件本身转换效率的提升以外，也在关注人员效率的提升，逐步实现光伏平价上网。

诚然，掌握核心技术是中国制造业崛起、保障国家安全、建设制造强国的必由之路。但推动技术创新的路上，研发资金投入、研发成果转化、高端科研人才培育、基础和前沿领域的原始创新不足等都可能成为增强制造业核心竞争力的掣肘。

10月30日，普华永道发布的研究显示，中国科技企业在研发投入上不及美国同类企业。通过对1000多家上市公司数据进行研究发现，以亚马逊和谷歌为首的美国科技公司在技术研发上的投资是中国企业的6倍多。联合国教科文组织的一项统计也显示，美国每100万人口中雇佣了4295名研究人员，而中国只有1096名。

不过，在技术研发投入方面，我国正在不断加大。10月9日，国家统计局、科学技术部和财政部联合发布《2017年全国科技经费投入统计公报》也显示，2017年我国研究与试验发展（R&D）经费投入总量超1.76万亿元，同比增长12.3%，增速较上年提高1.7个百分点。按R&D人员（全时工作量）计算的人均经费为43.6万元，比上年增加3.2万元，落实创新驱动发展战略取得了显著成效。

数据赋能传统制造

从国际视野看，制造业已经经过了多轮演进，从第一次工业革命中蒸汽的使用，第二次工业革命电力的使用，第三次工业革命中大规模制造的自动化系统的使用，使得很多企业具备了大规模制造、快速提高生产率，满足客户标准化产品需求的能力。

但随着物联网、大数据、人工智能、工业互联网等技术的结合，为实现智能制造提供了技术基础，影响着企业全价值链的优化。大数据匹配的帮助下，制造行业能够快速定制符合用户个性化需求的产品，掀起一次以新一代信息技术为基础、以数据为核心投入要素、以智能制造为主要方向的新工业革命。

国际数据公司（IDC）2017年发布的白皮书《数据时代2025》预测，2025年全球数据量将达到163ZB，将是目前的10倍。其中，企业数据中心或者企业云数据产生大量核心数据将占据很大一部分。

这对于中国“智造”是一个必须争抢的赶超机遇。

阿里云数据智能中国区总经理潘立维表示，数据已经和传统的石油、土地、水一样成为了整个社会上最重要的第四极资源。数据量的爆发性的增长，会把社会迅速的带到数据时代。如何去把这些爆发性增长的数据关联起来，形成一个很好的有价值的数据，这个事情对大数据、AI行业都是一个不得不去面对，绕不过去的一个话题。

联想集团副总裁、首席研究员、数据智能业务负责人、工业大数据产业应用联盟常务副理事长田日辉也指出，数据智能是实现工业互联网的最关键的能力。

“构建数据智能最核心的就是要构建三剑客，数据湖、算法库和应用集。这与信软司提的工业互联网的很多理念也是非常统一的。”田日辉说。

除了数据的力量，AI在应用场景的落地也将成为制造业的助推力量。

阿里巴巴AI大脑专家周昌介绍，工业制造领域的视觉应用均呈现出长尾、碎片化的特点，云端视觉AI正是通过构建一套应用方法，并建立相应的AI落地策略，提高视觉应用领域的效率，减少人力投入。

周昌表示，在面向制造业、农业、环保等领域时，视觉AI的落地是实战型的AI，其中最容易突破的点就是解放繁琐工作。“在各行各业，繁琐工作大量存在，这些点最适合AI落地的产品。”

(家电网® HEA.CN)