至顶网CIO与应用频道: 11月28日,由中央网信办、工业和信息化部指导,湖南省人民政府、中国工程院、中国科学技术协会、国防科技大学、中国电子信息产业集团有限公司主办,工信部装备司、湖南省工信厅、长沙市人民政府、中电工业互联网有限公司承办,至顶网和中国制造千人会协办的智能制造融合创新主题峰会在长沙国际会展中心举行。
研华科技工业物联网事业群中国区总经理蔡奇男在大会上发表演讲,并在会后接受了至顶网独家专访。他表示,企业要实现智能制造,不能“照抄”别人的模式,而需要回过头检视自己的真实情况,由经营议题找到智能制造的关键切入点,通过自动化与信息融合,并结合云端及资料分析推动工业4.0.他认为,未来的工厂是数据驱动的,这将成为企业竞争力的关键要素,通过数据把人、产品、设备连接起来,是最终实现智能制造的重要手段。
研华科技工业物联网事业群中国区总经理 蔡奇男
以下为访谈实录(内容经至顶网编辑整理,未经允许谢绝转载):
至顶网:从工业4.0到智能制造再到数字化制造,制造业转型谈了很多年,您认为目前到了一个什么阶段?
蔡奇男:无论是谈工业4.0还是中国制造2025,前面两三年应该是一个市场观念的转变阶段。在这个过程中,不管是在国内还是国外都有很多论坛,其实很多经营者相信听到这些词的时候还是很陌生,需要一个学习消化的过程。当然也有一些动作比较快的经营者已经在思考并实践,做一些试点或者样板。从整个大环境来看,有一些企业已经做出了初步成效。进入第二个阶段,经过过去两三年的学习、理解跟思考,我认为未来的三到五年很多企业会开始逐步地从一条产线,一个车间进入尝试,特别是在国家政策和资金的大力支持下,整个应该会给整个产业带来新的突破。
至顶网:研华在智能制造方面深耕多年,针对整个产业的现状,研华进行了哪些布局?
蔡奇男:研华本身就是制造企业,我们工厂的生产规模大概是4000左右,大多是少量多品种的制造。在启动了智能制造方案后,企业生产质量、交期和效率都得到了显著的提升。所以,研华布局的第一步,就是将智能制造落实到自己的车间里。
同时,我们也在几年前开始把自己的产品和方案通过软硬整合方案的方式对外输出,变成智能制造的应用方案,帮助智能制造的用户快速地导入。目前研华通过对自身的实践和提炼,已经推出了将近20套不同的智能制造应用方案,涉及能源管理、设备联网、可视化、、作业站、电子攻关等等。由于这些的方案经过了研华长时间的实践和提炼,因此很多用户在导入之后,也觉得非常受用。大部分用户会来到我们的工厂进行参观,看到这些方案如何在研华的车间使用。
第三,研华也在与行业伙伴合作,通过产业链的结合形成新的共创模式。在过去这两三年中,我们在不同领域拥有了将近20家的共创伙伴。通过把他们自己在行业中多年的经验,与研华的硬件组建和工业云平台结合起来,形成行业性的解决方案,我们希望能够服务于更多的行业。
总结一下,简单分成三步:第一,自身的实践;第二,提炼出解决方案;第三,与行业合作伙伴一起打造智能制造的生态圈。
至顶网:智能制造其实是一种非常令人向往的一种模式,但它的落地并不容易。在您看来,企业主要面临了哪些挑战?又该如何克服?
蔡奇男:这里的挑战,我把它分成三个层面:
第一,是来自于观念跟认知的挑战。目前,仍然有很多人认为,必须要有新的智能工厂才能实现工业4.0。但通过实践,我们认为实际上可以把传统的工厂改造成智能工厂,逐步迈向工业4.0。
第二,要实现工业4.0是不是引入一套外部的解决方案就可以解决所有的问题?工业4.0事实上就是制造业从经济生产、到信息交互,再到自动化的持续改善过程,这是一个持续性的过程,不能一蹴而就。
第三,工业4.0是一个一把手工程。如果随便找一个外面的人做,决心不够,就不容易成功。在与客户的沟通时,我经常告诉大家一定要先想清楚,是不是有决心启动这个事情,因为这不是一天两天可以实现的,所以一定要有非常坚定的决心。
以第二点为例:在制造业中,我们可以从品质、交期、效率等几个层面,与其他企业的经营指标进行对比,发现其中的差异再做改造和提升。举个例子,曾经一个客户反馈业绩订单减少,其中的原因主要是产线设备状态不稳定,经常停机、停摆或故障。经过沟通,我们发现对原来设备的状态与监控,是影响达标率的非常重要的因素。通过对设备状态的监测和监控,就可以针对性地提高产品品质,提高产线的稳定性,最终提高产品达标率。我们认为,应该从更加务实的角度评估企业切入工业4.0,而不是复制和照抄别人的模式。
除此之外,也有很多企业面临着来自人才的压力。在做工业4.0的时候,如果员工还没有相匹配的能力,选择一个合适的合作伙伴就更为重要。这个合作伙伴可能经验丰富,可能在信誉、能力方面比较突出。因为要完全靠自身来做,时间会拉很长,可能也会走一些弯路,所以适当地寻求合作伙伴也是非常重要。
最后,需要再强调的一点是,在工业4.0实践中,企业应该有计划地设定阶段性的目标,并针对阶段性成果不断调整策略。
之前我们自己也遇到过,一些原来设定的目标在导入某一系统之后确实得到了提升,但是经过一段时间之后效率却没有达到预期,在这种情况下,就需要做策略上的调整和修正。比如有一些基础架构做得不够好,当系统越做越大的时候就需要打掉重来。通过对每一个阶段进行目标设定、实践、再调整,就可以根据计划执行的进度,逐步迈向工业4.0。
至顶网:看到研华在智能制造方面的洞察和实践非常丰富。非常感谢蔡总您的分享,谢谢!
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。