最近十四五規(guī)劃突然之間被刷屏，其中數(shù)字經(jīng)濟(jì)被頻繁提起，那么數(shù)字經(jīng)濟(jì)究竟是何方神圣？數(shù)字經(jīng)濟(jì)（Digital Economy）是繼農(nóng)業(yè)經(jīng)濟(jì)、工業(yè)經(jīng)濟(jì)之后的一種新的經(jīng)濟(jì)社會發(fā)展形態(tài)。該經(jīng)濟(jì)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(jì)系統(tǒng)，其本身的商業(yè)模式與現(xiàn)有傳統(tǒng)經(jīng)濟(jì)完全不同，是一種達(dá)成了雙贏的全新經(jīng)濟(jì)模式。

雖然數(shù)字經(jīng)濟(jì)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(jì)規(guī)模占GDP的比重已經(jīng)舉足輕重，中國數(shù)字經(jīng)濟(jì)占比GDP的比例增速達(dá)到了21％左右，數(shù)字經(jīng)濟(jì)浪潮正成為引領(lǐng)新常態(tài)、壯大新經(jīng)濟(jì)、打造新動能的主要“引擎”，而且伴隨著數(shù)字經(jīng)濟(jì)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(jì)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(jì)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(jì)的基礎(chǔ)設(shè)施為“云—網(wǎng)—端”三位一體；

4）形態(tài)：經(jīng)濟(jì)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(jì)是以信息通訊技術(shù)為牽引，達(dá)到數(shù)字化的知識與信息，最終實(shí)現(xiàn)降低成本、提升質(zhì)量等目的。

數(shù)字經(jīng)濟(jì)重點(diǎn)產(chǎn)業(yè)場景

通過如上分析，我們發(fā)現(xiàn)數(shù)字經(jīng)濟(jì)是一門融合科技技術(shù)領(lǐng)域和經(jīng)濟(jì)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(jìn)一步的對應(yīng)到具體的場景進(jìn)行微觀的實(shí)踐應(yīng)用！通過數(shù)字經(jīng)濟(jì)推動數(shù)字賦能重點(diǎn)產(chǎn)業(yè)，深化研發(fā)設(shè)計(jì)、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(jì)重點(diǎn)產(chǎn)業(yè)包含云計(jì)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(shí)與增強(qiáng)現(xiàn)實(shí)，而這些重點(diǎn)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(jì)的重點(diǎn)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(jī)廠之間的信用背書上發(fā)揮作用，虛擬現(xiàn)實(shí)在總裝階段、設(shè)備運(yùn)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(jì)算可以提供一切數(shù)字化的基礎(chǔ)網(wǎng)絡(luò)、計(jì)算能力。

行業(yè)智能拆析

云計(jì)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(shí)與增強(qiáng)現(xiàn)實(shí)等是數(shù)字經(jīng)濟(jì)重點(diǎn)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(jìn)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(jìn)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(jìn)行歸納、演繹、比較等手段進(jìn)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(yùn)動過程中產(chǎn)生的問題根據(jù)獲得的信息進(jìn)行分析、對比、演繹找出解決方案的能力。這種能力運(yùn)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(shí)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(dá)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(xiàng)業(yè)務(wù)場景的提出或者實(shí)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(jī)，這是因?yàn)榧夹g(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(jì)的推動是因?yàn)門O 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?yàn)榉彩怯袛?shù)字化需求的企業(yè)往往是效益都相對還不錯。個人曾經(jīng)去過一個黃驊市修貨車的國企，調(diào)研了很長時間發(fā)現(xiàn)該企業(yè)上到?jīng)Q策層下到管理層、執(zhí)行層都沒有數(shù)字化的需求，因?yàn)樗麄兊挠唵问枪潭ǖ?，而且周期并不太長，對維修周期也并沒有急切的需求，所以綜合調(diào)研之后用車間主任那句話就是：我們目前最大的需求是車間裝個空調(diào)。

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(jìn)，同時也需要衡量企業(yè)內(nèi)部的狀況，因?yàn)槠髽I(yè)渴望改變的核心訴求是他們有痛點(diǎn)，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(bào)告讓人崩潰或者就是某一項(xiàng)勞動不符合人機(jī)工程（強(qiáng)度大、但是重復(fù)操作居多）。所以雖然乙方為了達(dá)到項(xiàng)目目的，會在企業(yè)剛需的痛點(diǎn)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(diǎn)發(fā)掘出來并解決，否則即使企業(yè)買單但是對于項(xiàng)目成果并不認(rèn)可，乙方也是丟了西瓜撿了芝麻。

有了技術(shù)支持，國家政策傾向性很強(qiáng)，同時企業(yè)內(nèi)部需求也相對強(qiáng)烈，但是行業(yè)智能的發(fā)展途徑是不會變化的，從數(shù)字化、信息化、知識化最終到智能化，也就是說行業(yè)智能并不是某一個階段的結(jié)果，而是前邊所有結(jié)果的展示，這個階段所能達(dá)到的所有內(nèi)容的綜合結(jié)果重現(xiàn)。正如周星馳在《武狀元蘇乞兒》電影中的旁白：原來降龍十八掌是將頭十七掌融合在一起，諸如武林高手一樣，他的境界是之前所有的苦練、際遇與功力的綜合，而不是某一個功夫。

行業(yè)智能的單點(diǎn)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(jì)學(xué)、神經(jīng)科學(xué)、心理學(xué)、計(jì)算機(jī)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(kuò)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)。

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?yàn)楣芾韺有枰娜斯ぶ悄軒椭麄兊臉I(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(jī)器學(xué)習(xí)，人工參與度將大大降低。比如生產(chǎn)計(jì)劃下達(dá)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(dá)到了120種可能，如果兩條產(chǎn)線的話這個數(shù)字將達(dá)到14400種可能，人工計(jì)算幾乎已經(jīng)無法實(shí)現(xiàn)，而多維度數(shù)據(jù)計(jì)算則是計(jì)算機(jī)的強(qiáng)項(xiàng)。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(yàn)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(jī)整機(jī)有成千上萬的零部件一個個去檢查，這不僅僅浪費(fèi)時間，而且廢人。類似于這種場景非常多，除了重復(fù)性強(qiáng)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(xiǎn)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(qiáng)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?yàn)楣芾韺油⒉惶P(guān)注單點(diǎn)的操作，但是訂單的實(shí)時狀態(tài)、質(zhì)量狀態(tài)是需要他們重點(diǎn)關(guān)注的，他們的職責(zé)就是實(shí)時觀察生產(chǎn)進(jìn)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(diǎn)我們可以看到管理層其實(shí)已經(jīng)用到了一部分“工作經(jīng)驗(yàn)”，如果用計(jì)算機(jī)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(shí)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?yàn)橐粋€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(jìn)入重點(diǎn)關(guān)注的行列，從而錯失了最佳處理時機(jī)。

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(xì)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?yàn)樵O(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(yàn)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(yàn)數(shù)據(jù)用于參考，所以通過目前操作的特點(diǎn)、訂單的特點(diǎn)與各個數(shù)據(jù)的綜合來個性化推薦經(jīng)驗(yàn)、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?yàn)樯a(chǎn)調(diào)度可能重點(diǎn)關(guān)注的是生產(chǎn)進(jìn)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(jì)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(jìn)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(cái)務(wù)數(shù)據(jù)綜合之后給出財(cái)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(jì)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(jìn)行處理分析，以及對事物或者現(xiàn)象進(jìn)行描述分析分類解釋的過程，如質(zhì)量檢驗(yàn)當(dāng)中的視覺分析之后對質(zhì)量數(shù)據(jù)進(jìn)行判斷；

機(jī)器學(xué)習(xí)：研究計(jì)算機(jī)怎樣模擬或者實(shí)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(jì)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(jìn)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(shí)現(xiàn)的某一個節(jié)點(diǎn)。行業(yè)智能的實(shí)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。放在企業(yè)上也一樣，行業(yè)智能的體現(xiàn)也是由單點(diǎn)向綜合轉(zhuǎn)變的緩慢過程，如果用《武狀元蘇乞兒》周星馳那句話就是：原來降龍十八掌是將前十七掌融合在一起。
編輯：lyn