难的是写程序
早在1956年，以麦卡赛、明斯基、罗切斯特和申农等为的一批年轻科学家探讨用机器模拟智能的一系列有关问题，并次提出了“人工智能”这一术语。直到近韩国围棋手李世石败给谷歌的人工智能，人们一度质疑，人工智能会不会超越人类智慧。
人工智能要超越、统治人类，目前来看难以实现，很多处理能力是晶体芯片的物理特性没有办法突破的。从系统理论的九个层级来看，一个层级是静态系统，然后是简单动态系统，到第九层级是超级系统。人类目前的系统理论，还处在第三层级回馈系统，类似于温度控制，温度高于或低于某个数值机器的压缩机自动启动或关闭。
目前，大型、快速的计算机存储，硬件制作并不困难，难的是写程序，因此人工智能取代人类智慧短期内不会发生，但是我们可以充分运用它的记忆、运算等强项，在制造领域提升生产效率。
工业制造方面的困难处处可见，工业革命时期的集中化、同步化、标准化已不适用。现代人的要求更多样化，各种尖端设备及其生命周期的大幅缩短，都增加了制造难度。
人类追求更美好的生活，要提升生产效率，就必须要实现自动化，自动化过程也是人类自我调试的过程。大数据是制造业智能制造的基础，其在制造业大规模定制中的应用，包括数据采集、数据管理、订单管理、智能化制造、定制平台等。定制数据达到一定的数量级，就可以实现大数据应用。
通过对大数据的挖掘，实现流行预测、精准匹配、时尚管理、社交应用、营销推送等更多的应用。同时，大数据能够帮助制造业企业提升营销的针对性，降低物流和库存的成本，减少生产资源投入的风险。
产业整合待实现
在生产条件变得更严苛的当下，中国提出“中国制造2025”方案，就是决心在十年内努力打造制造强国。去年底，工业和信息化部、国家标准化管理委员会联合发布《国家智能制造标准体系建设指南》，就是要解决一些智能设备、传感设备标准不一的问题。智能制造在推动过程中严重的问题之一就是设备标准不统一，一旦有标准可循，生产难度也会降低。
工业4.0就是利用大数据、物联网，把it（信息技术）和ot（计算技术）结合起来。随时掌握生产信息、性能情况，得到产能跟质量的数据。所以工业4.0的效益非常大，它是一个跨产业、跨供应链、跨价值链的整合。整合内容从软件工具到机器设备到系统集成到产品制造等，定制变得可行，生产具有高度弹性，对生产力有极大提升，是国家强大的一个方向。
智能工厂的传感器可以产生庞大的数据量，用数据定义软件、软件定义网络、网络定义资料中心，如此引申就能够整合智能工厂的管理，包括探知、诊断、控管、可视化全方位得以实现。
利用这些大数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降，并将极大地减少库存，优化供应链。同时，利用销售数据、产品的传感器数据和供应商数据库的数据等大数据，制造业企业可以准确地预测全球不同市场区域的商品需求。由于可以跟踪库存和销售价格，所以制造业企业便可节约大量的成本。
消费者与制造业企业之间的交互和交易行为也将产生大量数据，挖掘和分析这些消费者动态数据，能够帮助消费者参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。制造业企业对这些数据进行处理，进而传递给智能设备，进行数据挖掘、设备调整、原材料准备等步骤，才能生产出符合个性化需求的定制产品。
利用大数据做支撑
过去，设备运行过程中，其自然磨损本身会使产品的品质发生一定的变化。而由于信息技术、物联网技术的发展，现在可以通过传感技术，实时感知数据，知道产品出了什么故障，哪里需要配件，使得生产过程中的这些因素能够被精确控制，真正实现生产智能化。因此，在一定程度上，工厂的传感器所产生的大数据直接决定了“工业4.0”所要求的智能化设备的智能水平。
从生产能耗角度看，设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情况，由此能够在生产过程中不断实时优化能源消耗。同时，对所有流程的大数据进行分析，也将会整体上大幅降低生产能耗。
在工业云平台下，智能制造通过企业本身的智能化、产品的智能化、装备的智能化，让企业转型升级至新业态。如果企业在生产过程中，把所有的研发、工艺、制造以及运维的数据加工到后台，就可以通过互联网和客户沟通产品。
企业可以利用数据、互联网和软件做支撑，把装备作为终端去调整或者改变传统模式，数据被软件定义后，企业可以在互联网上抓生产，装备通过互联网的作用，实现了装备自身的智能化。
工业云需要智能制造的支撑，而智能制造的重要支撑是工业大数据，如果没有大数据，智能制造本身也将会是无源之水。
（作者系台湾云端运算产业协会副理事长，本报记者贡晓丽根据其在云计算数据中心与存储解决方案论坛上发言整理）
