01

數(shù)字經(jīng)濟概況

最近十四五規(guī)劃突然之間被刷屏，其中數(shù)字經(jīng)濟被頻繁提起，那么數(shù)字經(jīng)濟究竟是何方神圣？數(shù)字經(jīng)濟（Digital Economy）是繼農(nóng)業(yè)經(jīng)濟、工業(yè)經(jīng)濟之后的一種新的經(jīng)濟社會發(fā)展形態(tài)。該經(jīng)濟形式也是一個信息和商務(wù)活動都數(shù)字化的全新社會政治和經(jīng)濟系統(tǒng)，其本身的商業(yè)模式與現(xiàn)有傳統(tǒng)經(jīng)濟完全不同，是一種達成了雙贏的全新經(jīng)濟模式。 雖然數(shù)字經(jīng)濟的概念還尚未普及到每個人，但是其影響的人卻已何止千千萬萬，通過下圖我們可以看出2019年全球數(shù)字經(jīng)濟規(guī)模占GDP的比重已經(jīng)舉足輕重，中國數(shù)字經(jīng)濟占比GDP的比例增速達到了21％左右，數(shù)字經(jīng)濟浪潮正成為引領(lǐng)新常態(tài)、壯大新經(jīng)濟、打造新動能的主要“引擎”，而且伴隨著數(shù)字經(jīng)濟的創(chuàng)新模式也成為各國產(chǎn)業(yè)發(fā)展的優(yōu)先選擇。 甚至有研究表明數(shù)字化程度每增加10%，人均GDP將增加0.5—0.62%，而數(shù)字經(jīng)濟的主要特征可以概括為： （1）要素 ：數(shù)字成為新的生產(chǎn)要素； （2）部分 ：數(shù)字經(jīng)濟構(gòu)成包含數(shù)字產(chǎn)業(yè)化和產(chǎn)業(yè)數(shù)字化兩個部分； （3）基礎(chǔ)： 數(shù)字經(jīng)濟的基礎(chǔ)設(shè)施為“云—網(wǎng)—端”三位一體； （4）形態(tài)： 經(jīng)濟組織形態(tài)呈現(xiàn)平臺化、共享化、多元化和微型化。 我們可以看到數(shù)字經(jīng)濟是以信息通訊技術(shù)為牽引，達到數(shù)字化的知識與信息，最終實現(xiàn)降低成本、提升質(zhì)量等目的。 02

數(shù)字經(jīng)濟重點產(chǎn)業(yè)場景

通過如上分析，我們發(fā)現(xiàn)數(shù)字經(jīng)濟是一門融合科技技術(shù)領(lǐng)域和經(jīng)濟學(xué)領(lǐng)域的學(xué)科，概念相對宏觀，有了初步的理解后，就可以進一步的對應(yīng)到具體的場景進行微觀的實踐應(yīng)用！通過數(shù)字經(jīng)濟推動數(shù)字賦能重點產(chǎn)業(yè)，深化研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理、市場服務(wù)等環(huán)節(jié)的數(shù)字化應(yīng)用，培育發(fā)展個性定制、柔性制造等新模式，加快產(chǎn)業(yè)園區(qū)數(shù)字化改造。 通過上圖我們可以看到：數(shù)字經(jīng)濟重點產(chǎn)業(yè)包含云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實與增強現(xiàn)實，而這些重點產(chǎn)業(yè)會端到端的“飛入尋常百姓家”，每一個數(shù)字經(jīng)濟的重點都會浸入式的分散到業(yè)務(wù)端。 比如區(qū)塊鏈在外協(xié)單位與主機廠之間的信用背書上發(fā)揮作用，虛擬現(xiàn)實在總裝階段、設(shè)備運維階段提供應(yīng)用場景，工業(yè)互聯(lián)網(wǎng)可以構(gòu)建產(chǎn)業(yè)級的平臺，產(chǎn)業(yè)上下游企業(yè)在產(chǎn)品級工業(yè)互聯(lián)網(wǎng)平臺之上完成廠所協(xié)同、廠廠協(xié)同等，大數(shù)據(jù)則可以在輔助決策端提供幫助，云計算可以提供一切數(shù)字化的基礎(chǔ)網(wǎng)絡(luò)、計算能力。 行業(yè)智能拆析 云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、區(qū)塊鏈、人工智能、虛擬現(xiàn)實與增強現(xiàn)實等是數(shù)字經(jīng)濟重點產(chǎn)業(yè)，同時也是我們今天主題“行業(yè)智能”的技術(shù)基礎(chǔ)，那么在發(fā)展維度上智能之前同樣需要有數(shù)據(jù)、信息、知識，最終的結(jié)果是“智能應(yīng)用場景”，也就是我們目前所謂的行業(yè)智能。 數(shù)據(jù)： 是使用約定俗成的關(guān)鍵字，對客觀事物的數(shù)量、屬性、位置及其相互關(guān)系進行抽象表示，以適合在這個領(lǐng)域中用人工或自然的方式進行保存、傳遞和處理；比如1.85米； 信息： 是具有時效性的，有一定含義的，有邏輯的、經(jīng)過加工處理的、對決策有價值的數(shù)據(jù)流；比如奧巴馬1.85米，顯然可以獲取相應(yīng)信息； 知識： 通過人們的參與對信息進行歸納、演繹、比較等手段進行挖掘，使其有價值的部分沉淀下來，并與已存在的人類知識體系相結(jié)合，這部分有價值的信息就轉(zhuǎn)變成知識；比如大部分成年黑人身高超高1.85米，具備一定的知識判斷； 智 能： 是人類基于已有的知識，針對物質(zhì)世界運動過程中產(chǎn)生的問題根據(jù)獲得的信息進行分析、對比、演繹找出解決方案的能力。這種能力運用的結(jié)果是將信息的有價值部分挖掘出來并使之成為知識架構(gòu)的一部分。根據(jù)已有的內(nèi)容作出相應(yīng)的提前預(yù)判。 所以行業(yè)智能的實現(xiàn)并不是一蹴而就，恰好行業(yè)智能是包含關(guān)系，也就是說到了行業(yè)智能的階段，是需要達到數(shù)據(jù)可視、信息貫通、知識自動推送與部分場景的自動判斷。 任何一項業(yè)務(wù)場景的提出或者實現(xiàn)，都需要技術(shù)支撐，比如1000年前日行千里靠赤兔馬，而如今靠高鐵或者飛機，這是因為技術(shù)限制了當(dāng)時的應(yīng)用場景，所以技術(shù)成熟是將業(yè)務(wù)場景化的前提。 同時經(jīng)濟的推動是因為TO C端眼看著紅利已盡，吃喝玩樂都可以線上完成，但是企業(yè)管理與業(yè)務(wù)操作仍然保持著傳統(tǒng)且陳舊的方式，所以市場上會有大量資本涌入到企業(yè)數(shù)字化、產(chǎn)業(yè)數(shù)字化當(dāng)中，當(dāng)然涌入的企業(yè)也是經(jīng)過市場篩選的，因為凡是有數(shù)字化需求的企業(yè)往往是效益都相對還不錯。 所以除了技術(shù)5G、人工智能技術(shù)逐漸成熟，國家良好政策穩(wěn)步推進，同時也需要衡量企業(yè)內(nèi)部的狀況，因為企業(yè)渴望改變的核心訴求是他們有痛點，要么生產(chǎn)周期非常短難以交付、要么上游質(zhì)量要求高質(zhì)量檢測報告讓人崩潰或者就是某一項勞動不符合人機工程（強度大、但是重復(fù)操作居多）。

雖然乙方為了達到項目目的，會在企業(yè)剛需的痛點之上做一部分包裝，這種情況無可厚非，但是必須將企業(yè)的核心痛點發(fā)掘出來并解決，否則即使企業(yè)買單但是對于項目成果并不認(rèn)可，乙方也是丟了西瓜撿了芝麻。 行業(yè)智能的單點應(yīng)用則是人工智能，理解行業(yè)智能首先需要了解人工智能的內(nèi)涵，在《人工智能，一種現(xiàn)代的方法》書中指出人工智能的定義：人工智能是類人行為，類人思考，理性的思考，理性的行動。人工智能的基礎(chǔ)是哲學(xué)、數(shù)學(xué)、經(jīng)濟學(xué)、神經(jīng)科學(xué)、心理學(xué)、計算機工程、控制論、語言學(xué)。人工智能是研究、開發(fā)用于模擬、延伸和擴展人的智能理論、方法、技術(shù)及應(yīng)用信息圖的一門新的技術(shù)科學(xué)。 03

行業(yè)智能在企業(yè)當(dāng)中的體現(xiàn)

通過上述的概念可以獲知行業(yè)智能的基礎(chǔ)是以模仿人的行為為核心，但是一個企業(yè)的組織架構(gòu)千變?nèi)f化，但是逃不出決策層、管理層與執(zhí)行層的職位定義，而每一個層關(guān)注的內(nèi)容是不盡相同的，所謂屁股決定腦袋，他們提出的核心訴求也同樣千差萬別，所以用人工智能去概況整個企業(yè)的應(yīng)用本身是有問題的，因為管理層需要的人工智能幫助他們的業(yè)務(wù)場景與執(zhí)行層的肯定不一樣。所以不管是行業(yè)智能，抑或是人工智能并不是一個業(yè)務(wù)場景可以概括的。 我們再次站到企業(yè)人員訴求上去分析個人需求，車間執(zhí)行層人員迫切的需要通過自動化的方式去替代他完成一部分重復(fù)性的且符合一定邏輯規(guī)則的工作，比如芯片檢測，比如如果生產(chǎn)5億芯片，由于會出現(xiàn)很多質(zhì)量問題，如果人工檢測的話每年大約需要1億美金，每個芯片的成本也會增加。 但是如果利用視覺+機器學(xué)習(xí)，人工參與度將大大降低。比如生產(chǎn)計劃下達需要考慮交付周期、在制品庫存、生產(chǎn)能力、生產(chǎn)日歷、優(yōu)先級、能耗等，如果一個訂單考慮5種約束數(shù)據(jù)，那么五個訂單的排序可能性已經(jīng)達到了120種可能，如果兩條產(chǎn)線的話這個數(shù)字將達到14400種可能，人工計算幾乎已經(jīng)無法實現(xiàn)，而多維度數(shù)據(jù)計算則是計算機的強項。 比如裝配工人將產(chǎn)品組裝完成之后，需要通過目視的方式去驗證工藝要求與裝配完成的內(nèi)容是否匹配，這需要一個個去看，如果類似于航空發(fā)動機整機有成千上萬的零部件一個個去檢查，這不僅僅浪費時間，而且廢人。類似于這種場景非常多，除了重復(fù)性強有規(guī)則可尋的業(yè)務(wù)場景之外，還有部分高溫、高壓或者危險的不適合人類生存的地方，對于智能代替人工的訴求也非常強烈。 如果說行業(yè)智能對于執(zhí)行層是代替可重復(fù)性勞動的話，那么對于管理層的用處則在于邏輯判斷，因為管理層往往并不太關(guān)注單點的操作，但是訂單的實時狀態(tài)、質(zhì)量狀態(tài)是需要他們重點關(guān)注的，他們的職責(zé)就是實時觀察生產(chǎn)進度如何、生產(chǎn)狀態(tài)如何、現(xiàn)場是否有異常，通過他們的關(guān)注點我們可以看到管理層其實已經(jīng)用到了一部分“工作經(jīng)驗”，如果用計算機的語言來描述的話用到的是“算法”。 比如生產(chǎn)訂單的交付周期是3天，但是兩天半之前訂單才到第五個工序，其實已經(jīng)沒辦法按時交付了，這個時候就需要中層管理去安排加班或者協(xié)調(diào)客戶的交付時間，從而提前介入，但是因為一個車間的生產(chǎn)訂單有幾百個，由于該訂單還沒有到最后工序也就是可能還沒有入進入重點關(guān)注的行列，從而錯失了最佳處理時機。 這樣的業(yè)務(wù)幾乎每天都會發(fā)生，比如設(shè)備已經(jīng)通過種種跡象表明即將發(fā)生故障，但是漏油現(xiàn)象、耗能增加、加工公差變大的細微數(shù)據(jù)浮動沒辦法及時傳遞給設(shè)備管理層故障即將故障的預(yù)測性內(nèi)容，從而在設(shè)備已經(jīng)發(fā)生故障之后才采取措施，錯過最佳處理階段的同時因為設(shè)備故障從而影響了生產(chǎn)。 除了管理層需要通過將經(jīng)驗邏輯化輔助業(yè)務(wù)判斷，白領(lǐng)階層也需渴望獲取手頭處理業(yè)務(wù)的歷史經(jīng)驗數(shù)據(jù)用于參考，所以通過目前操作的特點、訂單的特點與各個數(shù)據(jù)的綜合來個性化推薦經(jīng)驗、知識也是應(yīng)用的場景之一。 如果說管理層是將邏輯判斷算法化的話，那么決策層則是需要更大范圍的數(shù)據(jù)來支撐，因為生產(chǎn)調(diào)度可能重點關(guān)注的是生產(chǎn)進度、生產(chǎn)異常與質(zhì)量，但是作為一個決策層需要的非常龐大的數(shù)據(jù)，所以決策層首先需要的則是數(shù)據(jù)處理、計算能力，將大量數(shù)據(jù)通過邏輯算法抽象化，形成一個綜合的畫像推送給決策層，比如生產(chǎn)進度、生產(chǎn)異常、生產(chǎn)質(zhì)量等內(nèi)容綜合之后給出生產(chǎn)畫像，財務(wù)數(shù)據(jù)綜合之后給出財務(wù)畫像，除了內(nèi)部的數(shù)據(jù)支撐之外，大量的競品數(shù)據(jù)、輿論數(shù)據(jù)等也需要大量爬取、處理、計算，最終給出畫像數(shù)據(jù)，也就是將大量數(shù)據(jù)在管理思維算法的拆撥之下，以不失真的畫像推送給領(lǐng)導(dǎo)，用于領(lǐng)導(dǎo)決策。 如果到了決策層的智能階段，則更多的是給決策層提供少量但是不失真的核心數(shù)據(jù)，而不是讓決策層去在海量數(shù)據(jù)當(dāng)中去尋找。 行業(yè)智能的技術(shù)支撐 綜合決策層、管理層與執(zhí)行層業(yè)務(wù)對于行業(yè)智能應(yīng)用場景的分析，智能領(lǐng)域大概需要四方面技術(shù)內(nèi)容： 模式識別： 對表征事務(wù)或者現(xiàn)象的各種形式（數(shù)值的文字邏輯關(guān)系等）信息進行處理分析，以及對事物或者現(xiàn)象進行描述分析分類解釋的過程，如質(zhì)量檢驗當(dāng)中的視覺分析之后對質(zhì)量數(shù)據(jù)進行判斷； 機器學(xué)習(xí)： 研究計算機怎樣模擬或者實現(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或者技能，重新組織已有的知識結(jié)構(gòu)不斷完善自身的性能，如設(shè)計人員的個性化知識推薦； 數(shù)據(jù)挖掘： 知識庫的知識發(fā)現(xiàn)，通過算法搜索挖掘出有用的信息，應(yīng)用于訂單超時分析、設(shè)備預(yù)測性維修等； 智能算法： 解決某類問題的一些特定模式算法，例如生產(chǎn)當(dāng)中最低庫存排產(chǎn)、最短時間交付、最低能耗等各類約束條件限制進行排產(chǎn)。 所以綜合來講，行業(yè)智能是其終極目標(biāo)，但是諸如數(shù)字化、信息化、知識化等也是其階段之一，行業(yè)智能只是數(shù)字化、信息化與知識化的綜合體現(xiàn)，而并不是到最后一個階段才突然實現(xiàn)的某一個節(jié)點。 行業(yè)智能的實現(xiàn)過程像極了我們爬山，雖然“會當(dāng)凌絕頂、一覽眾山小”是一瞬間的事情，但是整個爬山的過程才稱得上是爬山。 企業(yè)上也一樣，行業(yè)智能的體現(xiàn)也是由單點向綜合轉(zhuǎn)變的緩慢過程。 最終的道路一定是整合交融、縱橫匯集。