在2019年的政府工作报告中，李克强总理首次提出了“智能+”：打造工业互联网平台，拓展“智能+”，为制造业转型升级赋能。值得注意的是，在“智能+”的概念提出之前，李克强总理自2015年起在各个场合多次阐述“互联网+”的概念，并强调要推进“互联网+”建设。事实上，“互联网+”以网络为链接，以衣食住行和工作社交为载体，已经颠覆性地变革了国家经济运行和国民生活方式。

2017年国家发布的《新一代人工智能发展规划》指出，“人工智能成为国际竞争的新焦点，人工智能是引领未来的战略性技术，世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，加紧出台规划和政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权”。相比“互联网+”，“智能+”的提出语境针对性更强，核心聚焦在提高我国的工业基础能力和创新能力，促进制造业和服务业融合发展。在当下互联网技术相对成熟稳定的环境下，以智能技术为抓手，在工业互联网的基础平台上，为制造业赋能，对产业的转型和升级具有关键作用。

笔者在中美两国均曾参与过多项大型企业在制造业和供应链方面的核心科技项目。最直观的感受是：对于现代工业来说，“智能+”直接意味着硬件和软件的全面升级。硬件相对来说具体度量标尺清晰，社会理解度和接受度较高。而在硬件更新换代基础上，如何发展更高效更完备的信息化系统，使之更智能地接入大数据分析、人工智能、运筹优化算法，在更高素质的科研和操作团队配合下，真正做到对原有工业系统的彻底改造？其间所涉及的工作非常艰辛和琐碎，“智能+”发展注定是一条荆棘之路。

     “智能+”在我国的具体实践和落地上，存在着一些问题

一是实施基础不完备。我们在炒作“新制造”“新物流”“新零售”等诸多概念的时候，“旧制造”“旧物流”“旧零售”里很多问题依然没有得到解答，并不具备升级基础。在呼唤工业4.0的同时，必须看到，其实大多数工厂工业2.0、工业3.0的基础都不完备。例如，在数据的完备度和质量方面，传统制造业长期以来的粗放管理和对数据化的忽视，导致整个行业可用的数据缺失率偏高，关键数据得不到记录，而已有数据的记录和管理随意性大、数据错误率高，重要数据可信度低。此外，数据记录缺乏科学指导，导致即使精确记录的数据重复性依然很高，分析价值较低。又如，数据库和信息化支持系统的建设滞后，使得数据的充分共享和利用出现困难。这些基础建设的缺失，导致缺乏建设工业物联网的基础，基于数据支撑的现代量化管理方法成为空中楼阁。

二是科研基础支撑能力有待提升。李克强总理在2019年政府工作报告中明确提出，“提升科技支撑能力。加大基础研究和应用基础研究支持力度，强化原始创新，加强关键核心技术攻关”。在各种利好条件的支持下，我国已经成为人工智能领域论文发表数量最多的国家之一。但是也应该看到，科研大国不等于科研强国。首先，论文引用率和论文质量不高是一个普遍性问题，真正具有开创性、引领人类发展的人工智能革命性成果在国内依旧鲜见。这也是我国长期以来追求指标第一、科研相对急功近利造成的。例如，虽然目前人工智能的校企合作成为整个人工智能社区国际学术界的趋势，我们的企业研究机构始终没能出现如微软研究院这样不以企业KPI为导向的、而是以真正解决重要纯科学问题为目标的宽松而卓越的科研机构。其次，我们的科研基础相对薄弱，在“智能+”大厦建设上依然存在很多空白环节。例如，2017年美国卡耐基梅隆大学计算机学院院长安德鲁·W.摩尔（Andrew W. Moore）教授提出，人工智能最重要的是基础建设，包括大规模线性规划问题和随机梯度下降等大型优化策略。而在现实中，线性规划和整数规划这一在生产制造、航空、电网等重要命脉性产业中广泛应用的核心模型，其求解算法软件，无论开源还是商业，国内基本处于空白状态。主要原因在于长期的积累不足，国内无法培养出将复杂数学优化算法能力和大型软件工程结合的复合型人才。这种局面不是短期能够改善的，需要长时间的逐步积累和提高。

三是革新的意识和素质需要强化。在企业层面，传统制造业的成功和我国企业家的传统经验往往来自于顺应改革大潮、跟进市场风向、抓住国内空白、调动员工积极性、竞争策略得当等手段。现代科技进化带来的变革，一直以来都不是多数企业的核心竞争力。在此基础上，推行智能化，很难被企业家所接受。而在工业3.0方面相对成功的企业，在享受到了科技红利之后，若要接受人工智能这一未知事物的彻底改造，迁移成本反而更大，惰性也更强。在执行层面，智能化系统如果要发挥最大效用，在目前这个阶段还很难做到彻底的无人化或自动化，需要科研团队和业务团队的全面配合。对传统制造业来说，自上而下的理解和支持，以及配备充足的科技人员和对现有人员加强认知、素质培训，都是困难而必要的任务。

    从长远来看，无论如何强调“智能+”战略的重要性都不为过

“互联网+”风潮来临的时候，更多的是一个B2C的行业革新，颠覆性技术具有感染性强、可复制性高、自我进化快等诸多便于发展的条件。相对而言，“智能+”在制造业的革命，革命的主体——传统产业——可能会有转身慢、动力不足、顾虑多等问题，而且人工智能本身技术发展还未成熟，确实存在一定的黑箱特点和不可解释性，与产业的结合也需要大量的应用性改造，加之我国所面临的一些现实困难，如数据完备度差、科研基础薄弱、国民科学素质偏低等问题，“智能+”在我国的落地绝非易事。

目前，我国已经有一大批企业在“智能+”的道路上迈出了坚实的第一步。例如，京东和阿里巴巴的无人仓系统，可以同时调度和安排的AGV机器人规模已经达到千台级别。又如，我国顶尖手机制造商，有些可以在多工厂的几百个车间数万个原材料和零部件的动态调配中，做到小时级别的精准生产规划和库存管理。在这些案例中，颠覆性的算法、软件和硬件系统配合达成的第一流的智能化端到端的解决方案，为企业带来的巨大的经济效益和成本节约是在以往算力和算法下无法做到的。

我们也应该看到，到目前为止，人工智能已经被公认为人类历史上最大的技术革命之一。机器学习、神经网络等新兴技术的崛起，正在快速对金融业、健康业、制造业等几乎所有关乎国计民生的重要行业形成摧朽拉枯的变革之势。毫无疑问，人工智能也为我国追赶世界主要发达国家提供了一个难得的契机。从长远来看，无论如何强调“智能+”战略的重要性都不为过。

“智能+”战略的第一基础是人工智能技术的发展，而我国国家层面上作为举国战略的一再强调和倾斜，已经为其发展提供了良好环境。同时，李克强总理指出，新一轮科技革命和产业变革正在世界范围内孕育兴起，各国纷纷抢占未来产业制高点，发达国家加紧实施“再工业化”，我国产业转型、提质增效迫在眉睫。

在“智能+”的道路上，需要政府、企业、科研机构、金融服务等多方配合

正如李克强总理指出的，正在引发整个制造业的深刻变革的智能制造模式，是以信息技术与制造技术的深度融合为特征的。从软件到硬件，都是有具体路径可循的，也可以带动多产业建设，从而进一步释放产业动能。

第一，要加强基础设施建设，突破信息基础设施瓶颈，继续大力推进“互联网+”战略，培育万事万物皆可连接的互联网思维，真正建立全行业成熟的工业互联网系统。同时，也要加强数据建设，使数据的收集和利用成为产业标准和从业基本素质。事实上，这一趋势在过去几年一直存在，也带动了诸如芯片、传感器、图像/文本/语音识别、数据库和数据分析等多个领域的全面发展。

第二，要加强算法基础研究。在人工智能异乎寻常的发展速度下，新算法对各个看似相关或无关领域的显著提升，已经逐渐成为常规做法。例如，集成电路的面板设计、新药研制的实验设计，都可以用强化学习等手段来提效增速。对我国来说，“智能+”所涉及的基础研究，不仅需要考虑弯道超车，也需要查漏补缺，特别是在工业4.0概念建设中所涉及的多个专业领域，如数学规划求解器的开发，我们与欧美还有着几十年的差距，需要认清不足，以工匠精神持续追赶。此外，新浪潮新趋势对我国的高校科研体系、校企合作科研融合、企业的科研文化都会产生剧烈冲击，提出极大挑战。

第三，要充分提升行业素质，促进软硬件和算法一体化的成熟体系建设。任何一个科技体系的建设，从来都是系统工程，不仅需要堆砌硬件、采购软件、在实验室中追求算法的突破，还需要注重多方协同，为产业和工厂量身打造好端到端的一体化解决方案。尤其在我国多数产业还未升级到工业2.0或3.0的实际情况下，更需要因地制宜，不盲目跃进，促进线上线下融合发展，接地气，做好落地举措。

第四，要多领域协同发展。在供应链的长链上，需求带动生产，现代服务业在“互联网+”的带动下取得了长足发展，部分经济模式和相关的人工智能技术支撑已经走在了世界前列。与之对应的深度供应链体系，自前端起，需求分析与预测、收益管理、库存管理、选址与物流等一系列问题，拉动着后端的生产，使生产的精细化、智能化、定制化程度都得到了前所未有的提高，甚至彻底颠覆了一些传统的生产模式。例如，服装、电子及汽车行业的模块化与顾客定制化的深度结合。这些都对供应链的协同创新、深度融合能力提出了极高的要求。

制造业是国之重器，也是经济发展的核心引擎，“智能+”的潮流和战略为我们带来了从制造大国到制造强国转型的契机，我们也应该意识到，“智能+”带动的绝不仅仅是制造业。“智能+”模式的普及化，以及制造业智能化升级成功，将会普惠各行各业，带动诸如服务、物流、金融、健康、娱乐等全行业的发展。在“智能+”的道路上，需要政府、企业、科研机构、金融服务机构等多方配合，戮力同心，按照科学规律办事，实现产业的全面升级与转型。

（转载自《人民论坛》，作者为上海财经大学交叉科学研究院院长、教授葛冬冬）