五年前我还在宝钢的时候，给公司领导提了一个建议：关注一下智能化和工业4.0。至今大概有五年左右时间了，在这个过程当中，我想我的许多经历可能跟大家差不多，我们都听到了很多糊里糊涂的概念，似乎是明白了，也似乎是不明白。今天，就向大家汇报一下我的一点思想历程。
现在有一种不好的趋势：别人怎么做的，我要跟着怎么做。这样做往往是失败的。这种现象目前也非常多。
我在宝钢研究院工作了20年，担任了15年的首席研究员，期间一直都在想：创新到底是为了什么。作为一名企业人员，我们做的是要创造效益，怎样才能发挥效益？这就要把技术用在一个合适的地方。
我非常敬重宝钢老领导何麟生说过这样的一句话，“价值决定于用户，不是决定于技术本身”。半杯水丢在桌子上是垃圾，放在沙漠当中就能救命。同样，5G也好，人工智能、大数据的技术也好，关键是要把技术用对地方，要把技术用好，一定得知其然，知其所以然，而不是单纯的模仿。因为人家用的好东西，到你这不一定合适。我今天就是跟大家谈谈如何用好技术的问题。
我觉得，我们是在前瞻未来的时候，一定要回去看看历史。看看这个事情是怎么一步步走过来。
所以，今天我给大家的汇报分成三个部分：其实就是过去、现在和未来。我主要以宝钢作为例子来说，但不管是流程还是离散制造业，背景和道理都是相通的。
首先，我来介绍一位老先生，他叫何麟生，今年90岁。我曾经把他的几篇文章拿给一些知名专家和高层领导去看，他们很难相信这是何老在30年前就说的话。这些观点放到现在，仍然非常先进。
何老认为：认识信息化有很多角度。其中一个就是对知识的管理。他说他在宝钢时的职位可以被叫作CTO，也可以叫CIO，但是他更喜欢被叫作CKO，也就是首席知识官。大家听到这里，可能会有种似懂非懂的感觉。所以，要把何老先生讲话的背景讲一下：一个现代化的企业，是怎么管理的？
现代化企业的管理一定是建立在一整套的标准之上。否则，根本就谈不上是个现代化的企业。在宝钢，就有很多标准。其中一类标准就是以产品为线索的。首先是产品的标准，来定义用户的需求。第二是技术的标准，来定义每个工序是怎么做的。接着是如何做到，也就是作业标准和手顺书。
何老讲的知识，其实就是这些标准。这些标准在宝钢建立之初，就必须放在计算机里。道理很简单，以轧钢为例，几分钟一块钢就过去了，期间很多工艺参数需要下达。如果一个参数错了，就会出问题。对于这类问题，人可能忙不过来、也容易出错。所以这些知识必须要计算机去执行。当钢来了之后，计算机根据工艺要求把它下达出去。
我们注意到：相当多的标准，包括产品标准和技术标准，其实都是可以用一个数据结构来描述。一块钢坯来了之后，计算机读取数据结构，然后按照这个标准进行执行控制。
但是，仅有这样的标准是不够的。如说化工厂，生产状态发生变化了之后，固定的标准就不合适了。这时，往往涉及到一个动态调整标准的过程。同样，用软件来解决这些问题，能做得更好。
于是，我们又需要一种软件承载的知识。在钢铁行业叫做模型，在化工行业中叫APC（先进控制）或者RTO（实时优化）。
我们再看看工业的发展历史，在这个历史过程当中，我们也能从知识的角度来分析历史怎么发展。
工业1.0的阶段用机器操作，或者甚至再往前手工操作，那个时候许多知识是在人的脑袋当中的，你制造一个汽车，会有师傅交给你怎么来做。但是到了2.0之后，到了流水线之后，它有一个巨大的改变。这个改变就是把一个加工过程变成若干个岗位上简单化的操作。有的人专职拧螺丝，有的专门敲榔头。所以，一旦流水线化了之后，他就可以把工作过程解析开来，进行标准化。标准化了之后才容易让机器去做。换句话说，工业2.0时代已经把知识解析和标准化。
到了3.0时代，有了计算机了，我们就可以把这些放到计算机里。但3.0阶段处理，计算机处理的问题还不够复杂。因为很多复杂的问题是人来做的。如质量异常的处置。工业4.0阶段需要把大量知识放到计算机里，解决这些过去人去做的事情，于是有了智能化。
所以工业发展过程，可以从知识的角度去看。而现在的智能化过程，还有一个重要的趋势，就是通过互联网实现知识的共享，把获得知识的成本大大降低。从而促进了智能化。
下面我们再来谈谈当前所遇到的问题。我先给大家讲两个故事，来说明知识软件化是怎么回事。
刚才谈到，自动化阶段的知识多数可以用数据结构表述。但这些数据结构是怎么来的，我们却不知道。
大概在这个世纪初，宝钢在生产冷轧板的时候遇到一个问题：轧机的能力不够了。这个时候我们找到了国外的设备供应商，国外专家认为你们应该做改造。仅仅更换一个马达就要1.3个亿，而且要影响生产。要知道，当时的冷轧厂的生产就像印钞机一样，影响非常大。
宝钢的冷轧机是5个轧机一起工作的。需要一个负荷分配表来分配五个轧机的工作。这个表，就是我前面讲到的“数据结构类知识”。这时，宝钢有位老专家、我的前辈和同事朱泉封发现：按照国外给的表格，有的轧机已经接近100%的负荷、确实没有办法提高了。但是，有的轧机却负荷不高。但负荷高的这一台，限制了整个轧制机组的能力。这张表格过去是从国外引进的，但引进的时候没有考虑到要轧这样的板材。这是问题的根源。
朱泉封先生提出了另外一个思路：修改轧制负荷设定的表格。
但是，我们引进的就是这样的一个表格，人家没有告诉我们这个表格是怎么产生的。人家应该有计算表格的办法，但引进的时候不会告诉你。因为这是人家的核心技术。
于是，朱先生根据他对轧钢原理的理解，给出了计算模型。按照新计算的负荷分配轧钢，结果一次性成功。
另一个案例也类似。我们有次接到一个特殊要求的合同。连铸生产了6000吨，结果只有一半合格。损失几百万。后来我们发现，有几个参数有问题。这些参数同样是国外给的。我的同事过去一看，用我们自己的软件计算了一套新的参数。用这套参数试一下，结果出奇的好。
这两件事有一个共性，就是当企业在开发新产品、特殊产品时，就容易发现这样的需求。据说在美国的波音公司，这种类型的软件有5000多款。
但这技术都是人家核心的东西、不一定会对外宣传。我们很多企业引进了国外的生产技术，人家却不一定告诉你这些与研发、创新相关的技术。我们很多企业甚至根本不知道有这样东西。所以，如果企业没有达到一定的高度、很少有新产品研发，也就没有这样的需求、也就不理解工业知识软件化的意义。换句话说，这些技术的需求，往往是研发和设计推动的。
类似的道理，可以推广到中国的工业软件。我们知道，CAD、CAM软件几乎被国外垄断了。为什么呢？我看一个重要的原因在于我们的工业企业过去没有达到这样的程度，工业软件企业就缺乏市场。比如，我们值得骄傲的企业上汽大众，在二十年前几乎就只生产一款桑塔纳，别的都不生产。没有研发、没有新产品设计，要这些软件干什么用呢？相反，我国的航空企业在这个方面走在前面。一个重要的原因就是：航空有需求——军用飞机需要自主研发。
所以只有企业发展一定程度之后、开始重视研发了，才能意识到这个问题是重要的。中国现在整个工业企业都在转型升级，这个需求就提出来了。所以，很多企业觉得“工业技术（知识）软件化”是个突然冒出来的概念，也就不足为怪了。
我按照自己的理解，给工业互联网白皮书的副标题做了一个翻译：重构人和机器的界面。我们还写过一本书叫《三体智能革命》。这里面我们有一个观点，智能化很大程度就是把人脑当中的知识放到计算机里。这两个观点跟现在很多人的说法是不一样的。有人甚至认为，智能制造就是人工智能、深度学习在工业中的应用。我个人认为：依靠深度学习获得的知识，是工业知识中极少的部分。
除了图像识别，机器学习在工业中的应用场景有限。智能制造需要知识，深度学习获得的知识不是主食，只是佐料或味精。
智能制造所需的主要知识，应该是从专家的脑子里转过来的。所以我们可以看看，现在那些知识还依赖于人脑。在研发、设计、异常处置、用户服务等方面，大量的工作是由人类专家来做的。我们应该尽量把其中的一些知识变成标准化的东西。只有数字化、显性化的知识才容易传承。
刚才说的连铸的事，我当时从日本人学过一些东西。我发现了一个特点，日本人做任何一个事情，人家不是拍脑袋。人家做什么事情都给你写一个规范，你拿过来就按照这个规则就能做事。
我在研究日本人的东西时，发现它给的规则是有问题的。但是，这比没有规则强，为什么？因为出了毛病的时候，你可以研究毛病在哪里、可以去改进。你如果连规则都没有，你改什么呢？
在我看来，智能化的过程往往就是把人脑子中的一些知识拿出来。不要搞得很神秘，搞的神秘的人是因为他不懂。我再给大家举一个例子，这个例子是我在优也做首席科学家时提出的：我们搞智能化，就是把人的知识转变成计算机的知识。
优也是个咨询公司，专门帮助别人搞优化，尤其是搞节能。我们的咨询师到了现场，发现锅炉热效率低了三个百分点。这些损失就是潜在的效益。下一步，要找到根源。发现是烟道堵了、传热效率低了。接着就是找到办法：清扫一下。最后，把结果报告管理层，问题就解决了。
这是咨询师能做的事情，智能化能怎么做？就是把人的逻辑数字化、模型化：你凭什么知道效率低了三个百分点？你把你的逻辑告诉我，我把数据收集上来，我按照你的逻辑来算。你凭什么知道是烟道堵了？你把你的逻辑告诉我，我把数据采集上来，我按照你的逻辑去算。你再告诉我什么时候应该让他扫灰，我发的指令和他扫灰之间的间隔是多少？在年终的时候，领导可以根据这个东西来论功行赏。智能化千万不要想复杂了。
美国的大河公司其实就是按照这个逻辑走的。按照这个逻辑，我们管一个质量组有几十人上百个人，据说人家只有几个人。这是现在。
但是，“把人脑中的知识放在计算机里”其实也不那么简单。因为这些知识是碎片化的、不容易管理；因为把这些知识放入计算机的时候，可能会影响正常生产。这是一个曾经困扰我很长时间的一个问题。
我们再来看看为什么出现工业互联网平台和工业APP？
自当工业互联网出现了之后，你就会发现我们需要知识数字化的地方很多：因为很多管理问题可以用数字化模型化方法解决了。
许多人困惑于工业互联网的机会在什么地方。对此，我有个观点：过去能做的事情，就不是现在的机会。我们研究一些企业的控制和信息系统就会发现：过去的系统存在一个问题：响应速度快和管控范围大是不可得兼的。比如，基础自动化响应速度快，控制的范围却小；企业的ERP管理的范围大、实时性却差。而工业互联网能让我们突破这一悖论。所以，工业互联网带来的机会，往往在于全局优化、尤其是全局实时优化。
我所服务的优也公司的一项实践，就说明了这个道理。钢铁企业的煤气，是个需要实时管理的资源。但这个资源的生产和使用范围，涉及到几个平方公里、乃至几十平方公里的范围。过去主要靠人来管理，就管不好。利用工业互联网这样的手段，就有条件管好。在华东地区的一个不大的钢厂，通过工业互联网技术的应用，每年创造了4200万效益。
谈到全局优化，麻烦事又来了：怎么才能搞好顶层设计呢？这个问题困惑了我很久。后来意识到：一次性地把顶层设计搞好往往是不可能的。应该采取持续改进的方式来解决问题。
日本的IVRA架构非常值得研究。这个架构有三个维度。一个维度是从管理开始，争取把质量做的最好，成本降到最低，交货期搞的最短，环境搞得最好。企业能做到这样就一定很牛了。管理针对什么呢？针对资源。如人、产品、过程等。怎么搞呢？PDCA的手段——也就是持续改进，走从量变到质变的路子。
对工业人来说，这个架构里面没有什么新东西，都是过去强调过的。但是，你现在的PDCA是在计算机里进行的。PDCA在计算机里面进行的话，你的管理能力将会大大地增长，超出过去的水平：任何问题都管得细、管得及时、管得准确。
按照这个思路，需要把一些管理和技术的知识沉淀下来。但这时，又会带来新的麻烦：需要沉淀的知识是碎片化的、知识沉淀和修订是日常化的。传统额信息系统难以承担这样的任务。于是，工业互联网平台技术应运而生了。
工业互联网本质作用，是让知识持续沉淀的过程风险降低，质量提高，成本降低，速度加快。我曾经打过一个比方：在过去的软件系统中增加一个功能，就像建栋大楼非常麻烦；现在增加一个功能就像搭个帐篷，非常简单。这个帐篷，就是沉淀的知识，就叫做工业APP。
比如，过去增加一个功能的时候，需要从很多设备上取数据。不仅麻烦，而且会对生产带来风险。现在，我们把一些准备工作实现做好，需要数据的时候直接从平台上拿。这样，工作量和风险就降低了。
有些工业互联网平台（如ThingsWise平台）采用了数字孪生技术。这种技术的特点，是实现了知识的复用、有利于专业分工协作。这又进一步降低了风险和成本。
我们设想一下：假如一个APP能够带来100万的效益，而开发成本却要150万。这样的APP就不具备经济性。反之，如果开发一个只需要10万元，则会具备经济性。所以，工业互联网平台降低了知识沉淀成本，也就让智能化的持续改进之路容易走了。
这就是我今天跟大家的汇报内容。最后，我强烈地呼吁大家不要跟风。做任何一个东西要知其然，又要知其所以然。知道为什么要做，才能做到“不忘初心”，才不容易做错。