與其說是話語權的爭奪,不如說是兩種商業模式的較量。

 

雙十一的夜晚,珠三角地區,某工廠生產車間。一個機器人正轉動機械臂,將履帶上的物料轉移到另一個機器人的托盤上。裝滿之后,這些物料被送至加工處,早已準備好的機器人正在對物料進行檢測,部分物料因不合格而被“剔除”,剩下的合格物料將進入生產環節。

 

另一側,監控機器人正在記錄該環節,目的是保存視頻數據,實現生產過程的可溯源。與之同時進行的,是在二十多米高的倉庫里,機器人正在“取貨”,將打包好的商品裝車,準備出庫。

 

整個車間里,都是機器運轉的聲音,偶爾有幾個人在走動。在車間外的辦公室里,人們正盯著電腦屏幕上的數據,關于商品的一切數據,諸如品類、價格、銷量、銷售額等等一目了然。

 

掌握這些數據之后,生產計劃隨之進行改變,人們只需按調整計劃進行部署,便可將具體生產交由機器完成,甚至,打包入庫、分揀、出庫等工作也可實現機器化處理。

 

這就是智能制造的縮影。

 

所謂智能制造,即是利用新一代信息技術,來提高生產效率、產品質量、降低能耗等,貫穿設計、生產、管理等制造的各個環節,和產品的整個生命周期。

 

2015年5月19日,國務院正式印發《中國制造2025》。其中,智能制造作為五大核心工程之一,重要性不言而喻:人口老齡化、產業升級、提高附加值......都需要“智造”。

 

當前,“智造”的核心表現為整個生產流程的智能化,而在這一過程中,人工智能技術的運用與落地,為其提供了最為底層的應用能力。

 

基于人工智能(譬如機器學習),機器能夠代替人力,并且在安全、效率上得到很大提高;而通過數據來實時反饋市場需求,則為再生產提供數據支撐;從而對整個產業的生產——擴張——再生產,帶來顛覆性改變。

 

但人工智能技術對制造業帶來的改變,又不止于此。

 

AI給制造帶來了什么?

 

“以前,車間的原料、半成品、成品等物料都是通過人工或叉車搬運,勞動強度高且效率較低,并且作業區域人、車、貨交集,也帶來了安全風險。”

 

某生產車間主任表示,這類工作強度大,環境也不好,屬于技術含量低的重復性勞動,由人力完成不僅效率較低,且不利于工人的身體健康。

 

在引入了新的技術改造方案后,搬運工作可完全實現自動化,事故率降低的同時,搬運效率是之前的2~3倍。并且,整個環節避免了人與物料的接觸,避免了可能存在的人力導致的產品異物問題。

 

“最直接的感受就是效率提高了,以前三個人干一天的活兒,現在一個‘人’就能完成。”

 

除此之外,管理也變得更加容易。比如,生產出的產品需要進行檢測,檢測合格方可入庫,而對于不合格的產品,需要分析原因,來提高良率。

“放在以前,我們只能一個環節一個環節去調數據、找原因,一步步核實,還不一定能有結果。”

 

該車間主任表示,現在有視頻監控,各項檢測機器都記錄下數據,有問題直接調用數據,“效率和準確率都提高了好幾倍,還節約了人力成本。”

 

總而言之,AI帶來的可量化的改變,通常是效率得以提高,解放了人的部分勞動。不過,技術改變社會,往往從效率開始,但并不以效率為結束。

 

正如瓦特改良蒸汽機給紡織業帶來巨變一樣,最初的表現是紡織品生產規?;瘮U張、成本下降、產品價格下跌,使其具備價格競爭優勢。

 

更深層次的影響是,整個紡織業產業鏈都因此調整:上游原材料供給擴大;中游,技術代替人力成為主導性生產要素;下游,成本下探帶來價格競爭優勢。

 

兩百多年前和現在如此相似,只不過蒸汽機變成了以AI為代表的機器人。

 

在西南證券某分析師看來,AI對制造業的影響,大體可以從成本效率、生產要素的再分配以及產業鏈的調整三個方面來解釋。

 

在成本和效率方面,AI帶來生產和管理效率的提升,使得生產能力進一步增強,具體表現在:人力及管理成本削減,機械化作業帶來規模收益,產品的議價能力更強。

 

但在初期,企業的改造成本較高。

 

從生產要素投入上講,技術要素將比勞動要素更重要。機器代替人工,人力成本將得到控制,但企業需要投入更多資金研發或購買機器(技術服務),比如對機器的維護、管理等,這將導致對技術要素的投入會更多一些。

 

對于產業鏈而言,AI對上游原材料供應商、中游生產制造商的影響以降本增效為主,下游的經銷商則可以通過大數據、AI分析等掌握市場動向,迅速調整供應、營銷策略。

 

“這實際上催生出了柔性供應鏈,和電商的C2M模式很接近。”

 

例如,在某一季度,市場對于某一商品的需求不斷上漲,通過數據分析,如果這種需求在未來幾個季度都存在增長空間,那么經銷商會加大對該商品的進貨需求;中游生產商獲得更多訂單,上游原材料供應商也會擴大生產規模。反之亦然。

 

“整個產業鏈上的生產、銷售變得更加靈活。”該分析師表示。

 

不過,雖然AI對制造業的作用顯而易見,然而自2015年以來,智能制造一直被提及,但進展并不順利,許多企業的“智造”仍舊是以單一的設備或生產線的智能化為主,并未全面鋪開。

 

這其實反映出一個深層次問題:智能制造,究竟是以AI,還是以制造為主導?

 

AI+制造 Or 制造+AI

 

智能制造,分智能和制造兩部分,不論是“AI+制造”,還是“制造+AI”,本質目的是相同的。但業界對于誰為主導,卻有不同。

 

以AI公司為主的技術商認為AI是主導,智能制造的核心是通過AI 技術實現生產、管理和經營的智能化,進而推動制造業的升級,屬于技術導向。

 

以制造業為主的廠商認為,AI固然重要,但制造業本身才是基礎,沒有基礎,技術就失去了載體;智能制造的核心是制造業的“智能化”,屬于產業導向。

 

這兩種導向從根本上來講,是兩類廠商對于話語權的爭奪。

 

話語權往往關系到議價能力。

 

一位某廠商的采購經理告訴AI掘金志,他所在的公司本打算引進某AI公司的智能化改造方案,但報價太高,遠超預算,而且降價空間很小,因此就擱置了改造計劃。

 

但在AI公司的人看來,這樣比較高昂的報價很正常,“設備成本高,價格自然就高上去了,并且公司需要做定制化,設備的保養、維護、售后技術支持等都要花費。”

 

一邊是購買力不足,渴望降價;一邊是技術變現壓力大,拒絕降價;兩者形成了對峙,久久僵持不下。

 

“哪個主導,哪個就更有優勢,就能拿到議價權,但這場較量還沒有分出勝負。”該分析師認為,這樣實際造成了供給與需求的不匹配,是智能制造未能規?;佌沟母驹?。

 

從另一個方面看,這兩種導向,也涉及到商業模式的區別。

 

AI企業大多做的2B業務,而制造業企業則以B+C為主。

 

在AI企業看來,企業的數字化轉型首先要增效,其次才是降本。因為增效帶來的收益可以彌補成本,并且AI產品、設備、技術的成本很難降下來,但AI帶來的人力成本、管理成本的削減,是降本的核心內容。

 

但制造業企業的觀點卻有差異,制造業市場非常成熟,競爭很激烈,對性價比追求極高。比如,某條生產線要達到什么水平,出貨量、良率保持多少,年產值、折舊、損耗,回本周期等等,最重要的是單位產品的成本能夠進一步降低,才能擴大其利潤空間,這才是降本的主要內容。

 

前者認為后者不缺錢,至少不缺購買設備、改造的錢;后者認為前者報價太高,且無法在生產端有效地削減成本。

 

兩個并不完全相同的市場,和兩個缺乏溝通的玩家,自然導致合作效率的低下。

 

那究竟誰為主導?

 

該分析師認為,這取決于制造業企業有沒有做AI的能力。

 

智能制造已經是制造業發展的未來,但具體如何實現智能制造,靠外力還是內功,不同的企業在路徑選擇上各有差異,這與行業特性密切相關。

 

一些行業本身就有發展AI技術的基礎和空間,比如安防,一開始存在著大量的低端設備制造企業,但隨著市場變化,部分企業尋求在技術上突破。經過多年發展,在技術和市場上占據絕對優勢,AI企業的進入也很難打破這種局面。

 

典型的例子就是??低暫痛笕A股份。

 

而一些行業本身不具備發展AI技術的基礎,比如食品制造、日化用品等,其核心技術的側重點在于研發出適合市場需求的產品,而非整個工廠、生產環節的智能化。

 

因此,從供給決定需求的理論出發,一些行業(企業)自身能夠發展技術,對AI公司的技術需求并不高,故以制造業企業為主導。

 

對于那些不具備AI能力的制造業企業而言,AI一開始以卑微的乙方角色出現,但最終扮演的是甲方的角色。

 

“這并不意味著AI企業能夠躺贏,現階段,制造業對AI技術的購買力不足,很大程度上制約著‘制造’向‘智造’的迭代。”

 

智造之路,困難重重

 

整體而言,我國的制造業升級大部分聚焦于單個設備的智能化。比如引入新的生產設備,能有效解決生產過程中的某個問題。但這種單點式的智能,無法帶來整個生產環節的效率提高。

 

歸根到底,是目前的人工智能技術落地難度大,且是“奢侈品”。

 

一方面,AI依賴機器視覺、機器學習等,需要大量數據進行算法迭代和優化。但很多制造業企業在生產環節中的數據很難采集,甚至缺乏數據,難以建立有效的模型,訓練就更談不上。

 

另一方面,對于制造業的碎片化需求,AI很難形成統一標準,定制化方案帶來的成本問題無法得到解決。

 

“小企業用不上(起),大公司有疑慮。”很多大廠都只是針對某一條生產線或某個生產車間進行小規模試點,因為成本太高,大廠會做投資回報周期評估。除非帶來質的改變,否則每一步都很謹慎。

 

對于許多中低端制造業企業而言,本身的產品靠出貨量大、價格優廉取勝,沒有對智能化改造的需求,并且國內勞動力價格相對處于較低水平,銷售市場也比較穩定,形成了固定的模式。

 

“市場的慣性,很難在短時間內扭轉。”人工智能技術要改造制造業,除非成本下探至普通企業可以承受的范圍,智能制造才可能遍地開花,但這一天仍然很遠。

 

總結

 

智能制造是一個很宏大的命題,但需要極其精細的解法。

 

AI公司無疑是最適合回答這道題的主角,但是現下,還沒有出現通用性解法的可能,大多是以某個行業的單一場景做突破。

 

如何讓人工智能技術給制造業帶來普惠,引領制造業的升級,而非成為“小而精”樣品,是AI公司努力的重點。

 

末了,提一個哲學問題:假設在不久的將來,當無人工廠成為現實。人會扮演怎樣的角色?

 

 

作者 | 秀松

編輯 | 余快