【财富空间】郭朝晖：对工业APP的认识、推进智能化过程中可能遇到的困难、复杂性：智能化之路上的直接推手、智能制造的知识结构

2019 年 1 月 4 日 产业智能官

对工业APP的认识：做评委的感受

工业APP最近这段时间成为热点。但是，人们对工业APP的理解却比乱、每个人的想法都不太一样。这一点，从工业APP大赛的参赛作品中，就可以看出来。

通过做两次做评委，我发现好工业APP项目大体可以分成两类：与互联网相关的、与互联网无关的。

与互联网无关的工业APP，主要功能是承载和沉淀工业知识，把专家做事的逻辑、方法等知识显性化、并用软件的方法记录下来。索为、安世亚太的工业APP就是典型。这两家公司的重点，都是离散制造业。但在我看来，这些方法也适合流程制造业。不仅适合产品研发，也适合工艺开发。这种工作的价值，不仅是知识传承，还有利于知识的不断优化、提高研发的效率。

推动这类工作的阻力之一在于人的意识。与生产制造过程相比，专家的设计和研发工作往往比较随意化。但知识的软件化往往需要把把这个过程加以规范和清晰化。这会带来很多的不习惯。另外，有些人可能也不喜欢贡献知识，这也是阻力之一。

当然，从更深的逻辑来看，人的意识决定于自身的实践。当企业的研发工作不是企业的主要业务、知识共享只是领导嘴上说说的时候，意识就不可能强烈。更何况很多人就不愿因分享呢。

与互联网相关的工业APP，大体可以理解为：人们熟知的手机类APP概念逐步在工业或企业中的应用。这种APP的主要作用，是便于实现相关活动的远程化、移动化，让（作为决策主体的）人体不再被空间位置束缚住。寄云的云平台主要是就是帮助做这事的。这种APP的另外一个作用，是接受与地理位置相关的信息和知识，便于相关的决策。在数据量不断增加、数据不断完善的前提下，这种APP的作用会越来越大。

在笔者看来，工业软件采用APP的方式，还有一个重要的原因：就是便于灵活配置。我们知道，工业知识是碎片化的、是需要不断维护的，用户还与岗位职责相关。在推动智能制造的过程中，相关问题会更加突出。这样，相关软件配置就必须更加灵活。而APP的形式，就恰恰满足了这种需求。

曾经有人设想，工业APP的主要作用，是个人或企业拥有的工业知识通过互联网实现共享。实践证明，这种想法尚不是目前的主流。一个重要的原因是：当知识成为企业的重要资产、甚至核心竞争力时，企业并没有共享知识的意愿。

当然，随着工业APP技术的发展，这种情况或许有所改变。但是，目前的重点，还是在于企业内部知识的沉淀和互联网在工业中的应用这两种相对独立的功能。如果过度强调企业知识的共享，反而会让社会上产生出更多的迷茫。

最近分别在北京和天津担任了两次工业APP大赛的评委。我发现：有人设想的那种复杂的APP并没有出现——对我来说，这是预料之中的事情。预料之外的事情也很多：民间的积极性一旦被调动起来，力量真的是无穷的。我见到多个令人眼前一亮的APP，让我真心赞叹：后生可畏 !

在我看来，对于“什么是工业APP”不要过于纠结于概念。应该让大家去发散，只要做出有用的东西，就应该鼓励。事实上，两次工业APP大赛对概念的理解也有差别。

众所周知，技术是用来解决问题的，能解决问题的就是好技术。对概念的定义，是帮助人们理解技术，而不是制约人们的创新思维的。所以，我反对针对技术概念的咬文嚼字。这种咬文嚼字，与孔乙己“回字有四种写法”一样无聊并扼杀创新。当然，学术界有些“专家”除了咬文嚼字别的也不会、才会以“咬文嚼字”为荣，并把咬文嚼字当成学问。

我也见到不少被学术界误导的例子。典型的就是“简单问题复杂化”，以采用复杂算法为荣、做些画蛇添足的事情。真的不希望这么好的年轻人，被教育部门那些书生型教师“聚天下英才而毁之”。

推进智能化过程中可能遇到的困难

进智能制造的推进过程会遇到一些困难。下面重点分析了一些容易忽视的困难以及困难之间的逻辑关系。

从IT从业人员的角度看，智能化最具一般性的做法，就是把人脑中的知识进行数字化、模型化，放入计算机中（而不是让计算机自己产生知识）。这种做法最大的好处，是具备很好的可行性——因为计算机的学习能力远不如人类。

我们对智能最基本的理解，是信息感知、决策和执行三个过程的统一。所以，推进智能化所需要的知识，也就围绕着这三个过程展开。但是，我们又曾经反复提出：智能化的目的是创造价值。这个观点可以落实到以上三个要点：感知，要感知与价值相关的信息；决策，围绕价值最大化展开；执行，价值创造的落实。

数据和知识怎么才能与价值挂起钩来呢？依靠的是业务人员而不是IT人员的知识。所以，智能化的做法往往还需要进行转化：把甲方业务人员大脑中的专业知识，转化到乙方IT人员的大脑中。据我的观察，甲方业务人员一般并不善于直接将自己的知识转化出来，所以必须经过这样一个“二传手”，才能将乙方IT人员获得的知识转化到计算机中去。

问题还不止如此。甲方业务人员，凭什么愿意贡献知识？这里有一个意愿性问题。甲方业务人员怎么能表达清楚？这里有一个能力的问题。这两个问题不解决，转化的过程也会有困难。要解决第一个困难，需要企业的制度创新、文化基础；解决第二个困难，可能需要培养一些特殊的人才，善于完成问题的转化，并且有方法论和工具支撑。

乙方IT人员能否把知识转化成代码呢？还会有一些困难。有的可能需要一些专门搞特殊算法（如控制算法）的人来解决。知识转化到计算机以后，还会面临知识的碎片化、冲突问题和知识灵活配置的问题。这个时候，需要设计好的软件架构和平台来解决。

除此之外，还可能有数据采集存储与处理的困难、有信息安全、数据可靠性的困难、资金投入的困难、开发能力的困难等。人们谈论这些问题较多，我就不多说了。

复杂性：智能化之路上的直接推手

工业技术为什么会如此复杂？

最近多位朋友写文章，提醒IT领域的人士要注意敬畏工业技术本身。原因之一，是工业技术太复杂了、超出人们想象。

在我看来，许多生产过程或产品的原理却是非常简单的，但实际的产品或过程却往往非常复杂。技术原理和真实实现的复杂性差距，不亚于玩具飞机和空客A380的差距。所以，决不能说懂了原理就懂技术。

工业的复杂性是如何产生的呢？是人们在追求质量性能更好、成本更低、效率更高、经常逼近极限的过程中产生的。比如，飞机或高炉由小变大、发电厂的热效率越来越高、加工精度越来越高、集成电路的元件越来越小等。在朝着这些方向发展的时候，一定会遇到各种各样的困难；每解决一个关键困难，技术就往前走一步。几十年积累下来，技术就复杂了。其中，许多困难是在实践中才发现的，故而局外人很难想象。

“高质量”、“高效率”常常是技术发展的主要推动力。工业界有种方法叫做FMEA。这个方法用于分析工业生产、产品中可能遇到的各种“失效模式”。当生产系统和产品性能不断挑战极限的时候，失效的可能性不断产生。而且，失效常常是由一些细小的问题、间接的问题引发的。对于现代工业系统，细小的问题，可以引发巨大的损失。所谓“千里之堤毁于蚁穴”。有些问题太细小、逻辑关系太复杂，人类甚至难以通过理性事先想清楚的，必须去反复实验、让事件反复地检验。同样，为了避免这样的事情发生，工程师才会特别推崇“复杂问题简单化”。

某种意义上讲，复杂性是制约高端工业技术发展的重要瓶颈。所以，用于解决复杂性问题的工具、技术和方法就显得特别重要。集成电路就是这样的一门技术：采用集成电路时，设计师一般很少考虑电路本身有涉及故障，故而大大降低了工作的复杂性。软件技术中的模块化、面向对象等技术，也是这个道理。

推进智能制造的时候，也一定会遭遇极大的复杂性。其实，如果没有复杂性的上升，就不是真正的智能制造技术。同样，智能制造的复杂性一定是来源于企业更高的追求。其中，人们常说的定制化、小批量等就是这样的一种追求。从技术层面讲，互联网能够帮助企业对更多资源的进行协同、共享和重用，在提高资源利用效率的同时必然也带来了复杂性。

有了复杂性，智能制造的技术才有意义——这就好比，有了猎物，枪才会有用。否则，再好的技术也是“高射炮打蚊子”，成为摆设。所以我一直强调：推进智能制造的前提是企业的转型升级。但这需要有理想的企业家牵引才行。

IT企业在解决工业企业复杂性问题的时候，会给自己带来若干复杂的问题。这些问题是诸如灵活性、稳定性、安全性等引发的。这些问题解决好了，才会降低工业企业生产和管理过程中遇到的复杂性。否则，还可能给人添乱、增加复杂性。复杂性的降低，某种意义上就是让操作者和管理者“省心”，人类不用总是去关心某些复杂的事情——很多事让机器去管了，这不就是我们说的智能化吗？

智能制造的知识结构：我的观点

我想写一本关于智能制造的书。这是想了很久的事情，但一直没有时间，也没有下决心。这些年，我看到很多专家的观点，我并不认同。因为我知道：这样做是落不了地的、成功的概率不高——因为这样做可能没有经济性。

我碎片化的想法很多，大体思路是这样的：

用《技术创新的观念与方法》的视角来理解智能制造这场伟大的革命。从这个视角看，智能制造的成功需要越过“技术可行”和“经济可行”两个门槛。其中，技术可行的概念，要符合现代工业的要求，比原理可行复杂得多。强调经济可行，就是以经济性为目的，需求、条件和约束为依据，以它们的而变化是带来创新机会的驱动力。影响这些因素的变化，包括ICT技术本身以及社会经济条件发展。创新要遵循工程的思想，通过合理地设定目标，以及利用、发现和创造条件来找到办法。它们决定了适合创新的时机、也决定了创新者往往要进行转型升级。这些逻辑，要结合工业互联网、智能制造、工业大数据、人工智能、工业APP等概念。

对于这个主题，我讲了很多次课，但对课程的结构总是不满意、碎片化的知识还是没有很好地串起来。最近几天有点时间，我想可以把脑子里想到的东西，先结构化起来。于是，我把想到的知识点写下来，准备像昨天那样画一张“思维导图”。

但是，花了半天时间，几乎没有任何进展。于是，我意识到：思维导图是不是不合适？于是，我就换了一种画图的办法。

我所有的论述，包括创新的理论，都基于自己对工业和工程的理解。这是所有讨论的基础。在此基础上，才是创新理论。所以，这两部分作为基础来讲。

如果把智能制造理解为创新，就要理解技术可行性和经济可行性。其中，讲技术可行的时候就要（用前面创新的观念）讲到相关的技术概念和保证技术可行的办法。而讲到经济可行的时候，既要讲到社会经济发展规律、又要讲到中国的国情——规律告诉我们应该做什么、未来是怎样的，而国情约束我们应该怎么做才能有经济性。

接着我发现：我谈的智能制造其实包括两个方面的内容。一个方面是智能制造带来的技术革命是何等的伟大——这种转变值得我改变后半生的职业轨迹。另一个方面则是：具体项目该怎么落地。但是，后者遇到一个重要的障碍：很多企业可能找不到合适的项目。要解决这个问题，需要企业进行转型升级，才能创造适合技术应用的条件；而我国的转型升级又有其特色，与发达国家不同。

这样一来，根据技术可行和经济可行性，最终可以讨论三件事。

于是，我就把这个想法画了出来。这里很少涉及具体的技术，只是宏观的逻辑思路。我一直认为：大逻辑对了才是关键，小逻辑根据需要制定就可以了。

创新课的思维导图

经验往往是在犯错的过程中积累起来的，创新是一种特别容易犯错的工作，而我的课程也总是围绕着“防错”展开的。但是，从避免错误的角度讲课时，知识点会非常碎。为了解决这个问题，我做了几张思维导图。

第一张思维导图，体现了整个课程的基本思想。

在图的右边，就是围绕“错误”展开的。其中，“犯错的表现”主要讲犯错的高发性；而“犯错的危害”则讲犯错的危害性。犯错的原因分成两个部分：主观原因和客观原因。客观困难与创新与国情有关；主观原因则是外部误导多、个人经验少。

知道犯错还不够，还要找到解决问题的思路。图的左半边就讲思路。也包括主观和客观两个方面：主观上是减少犯错，客观上是找到办法。我的办法可以用一句话来描述：先把困难问题变容易。怎么变容易？第一个办法是把目标本身变容易；其次是寻找或者创造条件，让目标容易达到。这就好比跳高：跳不过去的话，可以把杆子的高度下降，也可以找几个台阶——创造条件，就是造台阶；利用条件，就是找台阶。

第二张思维导图，针对科研项目。正面分析创新需要考虑的问题，目的是防止疏漏。是对第一张图的聚焦。

我尽量用结构化的办法，把创新中需要考虑的问题罗列了一下。创新失败，无非是“技术可行性”或“经济可行性”出现了问题。然后再继续分解。列出的这些问题不是“正确而无用”的东西，而是我遇到过的。

第三张思维导图，是针对第二张中容易犯的错误。是对第二张图的深化。

很多人说，创新的道理我们都懂，还是会犯错误。其实，创新中总有“不确定性”，人们不可能完全想清楚所有问题。创新要把问题“想清楚”，但却需要把握一个“度”：逻辑太严密做不到、不严密容易犯大错。为此，我的几个经验写了进来。比如，在预研过程中就要对难度有个大致的估计；在实施之前要保证逻辑通顺，即“先做成、后做好”；分步实施化解投资风险、结构化思维防止漏洞等等。

我在家工作时，女儿总在旁边捣乱，影响打字。我只好把想法先写在纸上。但发现这种办法其实不错。所以，我准备再把智能制造等课程的思维导图划出来。

工程教育要重视工程思维

小学老师曾说：科学研究不要怕失败，农药六六六做了666次实验才成功，所以才叫六六六。虽然怀疑这种说法的真伪，但科学研究往往会经历大量的失败，却是常见的。我读书和工作时，也经常遇到程序和算法修改很多次、持续几个月乃至几年才搞好的事情。然而，很多创新却不是这样。美国的阿波罗计划把人类送上了月球，可以说是人类最伟大的创新之一。这个计划总共发射了15搜飞船。7次载人计划成功了6次，并没有经历那么多失败。

其实，这就是“科学研究”和“系统工程”的差异。

科学研究经常失败的原因之一是“失败得起”，每次损失都不大。互联网行业的“快速迭代”、“赛马机制”之所以奏效，也与失败的成本低有关。阿波罗计划历时11年，耗资255亿美元，约占美国GDP的0.57%和20%的科研经费。在高峰时期有2万家企业超过300万人参与。每一次的失败，都会付出巨大的代价。

在创新和探索过程中，失败是难免的。但怎样才能保证不失败、少失败、损失小呢？这就是工程思想要研究的事情。这些方面，体现的就是工程师、总设计师的水平。

所以，在科技活动中，往往是小创新大探索、大创新小探索。工程创新活动中的“小探索”会有，主要是为了避免“大探索”的风险。就像当年“建立特区”。一定要懂得：问题的尺度和规模不同，做事的方法不同。做大事要有做大事的套路，不要沉溺于做小事的成功方法。最近发现某院士把论文的那套思维方式，搬到智能转型这个大的话题上来。从某种意义上说，就是工程院士不懂工程。

经过人类几十年的探索，工程思想已经逐渐成熟起来了。我曾经把它总结为四句话：“模糊问题清晰化、复杂问题简单化；碎片问题系统化、系统问题规范化”。总之，要降低复杂性、不确定性和风险。其中，模块化、知识重用、结构化思维等都是有效的手段。工程创新关注整体效果（目的达到、成本低、效率高、失误少）的提升，而尽量避免局部的创新（避免风险）。所以，工程创新反对为创新而创新，主张“不战而屈人之兵”。

“事非经过不知难”。亲身经历过复杂问题的人，才知道降低复杂性和技术难度才是体现水平的关键所在。“日光之下无新事”。虽然科技日新月异，好的思想却历久弥新：TRIZ用了几十条原理，就解释了人类几乎所有的发明。工程的创新要基于实践经验、更要善于学习。

工程教育应该让学生懂得这些道理，不要为了追求“先进”而用复杂的公式和算法来“画蛇添足”。

虚实与舍得之道

今天中午听人说，某人为了独占拆迁补偿款，不惜欺骗自己的哥哥和姐姐。我想：如果佛祖知道这件事，会淡然一笑：这个人真蠢啊.....

每个人都必须为自己的行为负责，做自己的第一责任人。这或许是人性中自私的源头——有生存危机时，有一口饭吃的人就能生存下来，少一口饭的人可能就会被饿死。久而久之，有“人为财死，鸟为食亡”之说。

但是，时移世易，过犹不及。

现代人并非“多点钱就生、少点钱就死”。对很多人来说，钱多点少点往往只是账号上数字的变化、未必对生活有多大影响；对有钱人更是如此。有位贪官司长，在家里发现了一吨多的现金，而他却每天骑自行车上下班装穷。他这样活着，岂不是很蠢？

现实中，过于爱财的人就是蠢货——他们往往生活得并不幸福。他们不是钱的主人，而是钱的奴隶，必须为钱舍弃了太多。最终只能“穷得只剩下钱”了。

“君子爱财，取之有道。”

爱财不是件坏事情。富裕起来的人，往往更容易、也更有能力做些善良的事情。但何为“取之有道”呢？在我看来，往往就是“舍得与虚实之道”。

所谓“舍得”，就是有“舍”才有“得”。我想，多数成功的人士，往往都有一个“舍”的过程，放弃过一些什么。比如，很多企业家都舍弃过安逸的工作岗位、很多优秀的领导都曾经舍得下力气干活。佘老对我谈到过一位副厂长，曾主动请缨担任一个问题较多的分厂厂长；若干年后，这个人担任了宝钢的主要领导。这就是“舍得”。所谓的“虚实”，就是要重视“虚”的东西，才能得到“实”的东西。所谓“虚”的东西，比如一个人的道德学问、影响力、人脉关系等。有了虚的东西，才容易得到实的东西，如金钱、地位等。反之，赤裸裸地追求金钱和地位，反而不容易得到。

成功的人士，往往就是能够从别人的角度看自己。我有位老领带，在某省城担任市长多年。班子里的人几乎都出事了，而他却做到了“同流而不合污”。有人最近谈起他时，我就想起了他16年前做过的报告：谈用人和被用——就是从别人的角度，看自己如何做好上级和下级。我多次给儿子讲起“伊索寓言”中的一个故事：太阳和北风都想把老人的大衣脱掉。先是北风用力地吹，老人却把衣服裹得更紧了。后来，太阳出来了，晒得老人暖洋洋的，老人就把大衣脱掉了。

成功为什么要依赖“舍得与虚实之道”？因为现代社会不同于传统农业社会要，成功不能靠抢、也不能靠蛮横，而是要靠别人自愿地帮助你。欺骗只能成功一时，不能成功一世——信息社会下更是如此。而“舍”和“虚”就像太阳一样，能够让人家主动帮助你取得成功。

所以，一个人如果能够活得下去，最好不要过于贪婪；一个企业能活得下去，就要多为用户着想。这不仅是道德问题，也是做人的智慧。

昨天，何老在电话里对我说：未来的“利义”将会是统一的。这是因为，数字化时代，能够让人们精准地感知一家企业；网络化让企业的名声传播很快。讲“义”的企业，能让大家信任你，你就能得到“利”。不讲“义”的企业，得不到大家的信任，也就得不到“利”。最近几家企业成为网上的热点，也印证了何老的观点。

小傅最近也和我谈到：遵从与人为善的原则，企业才能长盛不衰。由此我想：在推进智能化、网络化时，“以人为本”、“与人为善”就是竞争力，好的价值观就是价值的源泉。

原创：郭朝晖蝈蝈创新随笔

工业互联网

产业智能官 AI-CPS

加入知识星球“产业智能研究院”：先进产业OT（工艺+自动化+机器人+新能源+精益）技术和新一代信息IT技术（云计算+大数据+物联网+区块链+人工智能）深度融合，在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的机器智能认知计算系统；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。