【人工智能】世纪经济论坛-灯塔工厂-负责人 - 第四次工业革命如何重塑人与制造业？

　　“在最新的世界经济论坛‘灯塔工厂’网络中，40%是我国工厂。”世界经济论坛先进制造业与供应链中心责任人Federico Torti在最近的专访中告诉界面智库。过去6年中，他率领一个专家评审团队遍访全球制造业工厂，并评选出采用最先进技术的代表。

　　“过去12到15个月里，我们看到，中国工厂申请直接或间接增进可持续发展的技术应用案例在增加，这意味着中国工厂不仅投资于提升效率和生产力，还明确投资于可持续发展。”Torti指出。

　　“灯塔工厂”被定义为广泛应用 工业4.0 技术的典型工厂。2023年12月，世界经济论坛公布了最新的“灯塔工厂”名单，2023年新晋21座“灯塔工厂”，其中12座在中国，合计全球有153家“灯塔工厂”，在我国的工厂有62座。

　　截至2023年12月，全球共有153家“灯塔工厂”。图片：《全球“灯塔工厂”网络：AI应用的速度和规模》白皮书

　　同步发布的还有《全球“灯塔工厂”网络：AI应用的速度和规模》白皮书，世界经济论坛指出，每次工业革命都有决定性的突破诞生，过去是蒸汽机、电力带动的大规模生产、计算机造成的自动化，现在则是 大数据 造成的机器智能定义了第四次工业革命。AI技术正在给制造业造成变革。

　　在过去5年中，“灯塔工厂”网络收录了700个第四次工业革命的应用案例，其中200个采用了AI技术。

　　白皮书指出，每一家新的“灯塔工厂”都在推动生成式 人工智能 的应用，因为生成式 人工智能 将为每年的世界经济贡献2.6-4.4万亿美元的产值，其中四分之一可以来自制造业和供应链生产的改进。

　　好比，仪器公司安捷伦通过分析供货商信息，预测材料可用性，把控供应链风险；鸿佰科技（Ingrasys）用订单历史数据和市场数据来预测订单量；联合利华根据前一天的销售金额、库存目标、产能限制等自动补充库存；亨通 广电 （Hengtong Alpha，中国苏州）使用先进分析技术优化预成型和拉丝工艺参数。

　　对于“灯塔工厂”而言，它同时需要重新培训工人与4.0革命下的工厂协作配合。中国 太阳能 企业 隆基绿能 评上了2023年的“灯塔工厂”，白皮书中以 隆基绿能 举例称，它实施了内部的评估培训认证体系，为近1000名员工定制了学习发展计划。

　　 隆基绿能 的内部培训体系。图：《全球“灯塔工厂”网络：AI应用的速度和规模》白皮书

　　Federico Torti在接受界面智库专访中介绍了评选“灯塔工厂”的标准、选拔流程，将来的评选扩展计划，和 工业4.0 正在给全球制造业工厂造成的变革。

　　以下是专访实录，发布时有编辑：

　　全球灯塔工厂的地理分布与制造业贡献分布大体一致

　　界面智库：我们观察到，制造业对绿色转型越来越重视，企业也更加关注效率、自动化、脱碳和员工福利。截至去年，全球共有153家“灯塔工厂”，其中62家在中国。您能否分享下，“灯塔工厂”项目是怎样启动的？在第四次工业革命的环境下，“灯塔工厂”具有何种意义？

　　Federico Torti：“灯塔工厂”项目始于2018年，这是我们在世界经济论坛上进行的时间最长的项目之一。我的团队（即先进制造和供应链中心）最初是与麦肯锡公司（McKinsey & Company）合作，目前我们有8个正式支持我们的行业合作伙伴。

　　从根本上讲，“灯塔工厂”的网络是由正在大规模部署数字技术的、成熟的先进制造商组成的社区，这些技术也代表着第四次工业革命，例如 人工智能 、先进 机器人 或 区块链 等技术，它们能够对工厂运营发生本质和具体的影响。

　　我们会特别关注财务影响，包含应用先进技术造成的成本降低或新增收入潜力；可连续性是另外一个重要的评价角度，我们也特别关注通过技术直接改善环境、可连续性指标；另外，我们在研究先进技术对工作场所的变革，和对工人的益处。当然，还有许多运营指标与公司的工作方式有关。

　　工厂是价值链的节点，在这些节点，我们亲眼目睹和了解了某些技术在整个价值链中的应用，和其引发的变革力量。另外，我们还带着我们平台上的企业管理者们，参观这些制造业工厂，实地了解这些标杆企业如何实际运作。

　　界面智库：所以每年您都会去世界各地参观这些工厂?

　　Federico Torti：没错，过去几年，我花了很多时间周游世界，目前我们有了一个更大的团队。有2人从世界经济论坛的视角来统领工作，还有一个8人研究小组，成员来自各行业的专家，通过实地访问，推进整个遴选过程。

　　8个行业合作伙伴来自麦肯锡、强生、施耐德、西门子、Ko Holdings（土耳其最大工业集团）、 富士康 、汉高，还有 宁德时代 。

　　界面智库：“灯塔工厂”在全球的地理分布情况如何？

　　Federico Torti：我们目前在4年半的工作中总共评出了153座灯塔。考量到全球大约有1000万家工厂，“灯塔工厂”占比只是相当小的一部分。但总体来看，制造业对GDP的贡献大约为14万亿美元，观察这一贡献在全球的分布，会发现大约三分之一来自中国。我们可以大致说，全球灯塔项目的地理分布与制造业直接创造的GDP分布大致一致。而中国“灯塔工厂”在我们最新的网络中占比大约为40%。

　　在全球制造业领域，中国无疑是顶尖的强国之一，在先进技术和创新方面表现尤为突出。

　　然后，我们看到大约25%的GDP增长来自欧洲，这是另外一个重要的制造业集群，尽管在制造和设施方面可能相对老化，但在某些领域仍具有创新性。

　　亚洲其它地区的增长贡献约为20%，包含印度和东南亚。就最新的“灯塔工厂”网络而言，这些区域是全球增长最快的地区之一，这可能表明，各大公司现在也在亚洲寻找不一样的生产地点、生产设施。

　　界面智库：一个趋势是，印度的“灯塔工厂”数量似乎在增多，您对此有啥观察？

　　Federico Torti：的确，尤其是印度和东南亚地区的一些国家，好比马来西亚和印度尼西亚。与过去几年相比，这些国家的增长速度正在加快，它们可能成为增长最快的新兴市场之一。

　　“灯塔工厂”项目的核心要素和扩展计划

　　界面智库：您能否概述一下“灯塔工厂”的选拔机制和标准?

　　Federico Torti：目前选择的标准非常直接。四个核心要素——影响力、解决方案、推动因素，和作为新增要求的可连续性，共同构成了衡量框架的条件。

　　影响力是转型成果的直接体现，通常通过可量化的成果来展示，如成本节省、效率提升、产量增加等，例如看到某些成本降低了30%或50%。这个指标反映了技术或变革措施对业务的直接影响，是最容易被外部认可和明白的部分。可是，推动因素和解决方案，则是深入了解这些公司如何实现转型并发生影响的关键。

　　我们所说的解决方案特指技术用例，涉及企业采用的具体技术解决方案及其实施的复杂水平。这包含 人工智能 、机器学习、 大数据 分析等新兴技术的应用，和这些技术如何解决业务问题或提高操作效率。例如工厂产品面临质量问题时，可能是利用 人工智能 的光学检测系统自动减少次品率，将顾客投诉减至最低。

　　而关于推动因素，对我而言可能是最重要的一环。好比一个组织需要考虑如何把人放置于数字化转型、升级或扩展计划的中心，如何寻找适当的人才和知识，如何开发合作伙伴生态系统，如何实现数据和技术的标准化及架构等等，这对于企业数字化转型能否成功非常重要。所有这些因素很少与技术直接相关，而是关注公司如何管理转型变革，如何适应未来。企业需要有远见的领导者，他们能够准确理解第四次工业革命造成的好处。

　　随着全球对环保和可持续发展的日益重视，可连续性已成为评估标准的重要组成部分。在2020年，我们将可连续性作为强制性要求。这不仅要求企业展示其操作和技术解决方案的环境影响，还要求企业展现其推动可持续发展的长期承诺和实际行动。对于新建立的工厂或项目，要求提供至少6到12个月的KPI数据，以确保评估结果的准确性和可靠性，排除生产早期可能的异常波动。

　　界面智库：2023年有21家新工厂加入“灯塔工厂”网络，还有4家加入可持续发展工厂，这4家可持续工厂有啥特别之处？

　　Federico Torti：我们在“灯塔工厂”的标识之外，还建立了一个名为“可持续发展灯塔”的额外奖项计划，它聚焦于先进技术对可连续性指标的影响。在成为“灯塔工厂”后，企业有机会通过提交附加申请，未来被定性为一个致力于可持续发展的先行者。

　　认定可持续发展“灯塔工厂”需要我们深入了解更多信息，好比特定技术应用或方法如何直接减少排放或降低现场能耗，和技术应用对水使用、废弃物发生及其循环利用方面的影响。

　　过去我们通常看到，技术应用除了造成流程效率的提升，也额外造成能源使用的减少，但我们期望的不只是这种情景，而是企业能够采取行动减少排放，有明确的净零排放目标和承诺，并致力于利用技术达成这些目标。

　　界面智库：“灯塔工厂”项目未来是否有扩展计划，好比拓宽选择范围，或引入新的评估标准？

　　Federico Torti：答案毫无疑问是肯定的。我们正处于第四次工业革命的前沿，探索其中最具影响力和变革性的领域。

　　可持续发展是我们关注的核心话题之一，我们已经启动了一个专注于可连续性的项目，名为“Sustainability Deep Dive”。我们的目标是将这个项目的囊括范围扩展到技术领域之外，将其缔造成真正意义上关于可连续性的标杆，这样我们便能展示更多关于可连续性的实际案例。

　　人在技术转型中饰演着关键角色，这是我们希望进一步探索的一个领域，这个话题被讨论得还不够多。

　　我们最近还审视了企业如何面对速度和规模形成的新挑战。这个挑战不仅在于变化之快，还在于如何从整体上改变企业的生产网络。企业如何应对挑战，获得成功？设计和推动企业数字化变革的洞察力变得越来越重要。

　　自2018年以来，我们期待能为我们的合作伙伴和全球制造业的领导者提供更有针对性的见解，并更专注于特定行业，提供数据产品。我们的目标是像向班上最卓越的学生学习，以一种更加直接的形式向社区提供知识。

　　基于数据和智能的工厂自我调理系统正在兴起

　　界面智库：聚焦中国，您如何看待中国工厂在自动化和绿色转型方面的机会；和在现今的工业格局中，哪些行业最值得关注？

　　Federico Torti：正如我之前提到的，中国可能是全球发展速度最快且变革最集中的地区之一。在我们的中国“灯塔工厂”中，自动化水平普遍很高。除了生产过程的自动化，我们还观察到工厂与上游供货商、下游客户之间紧密连接，和高度集成和顶尖的解决方案。例如有些黑灯工厂，在几乎无需照明的情景下就能运行，这表明所有生产环节的系统都高度互联。自动化不仅限于生产处理，还包含质量检查、实时采购材料和调整生产计划等环节。这一切都依赖于算法、系统和 机器人 技术。值得注意的是，这些高度自动化的应用在中国较为常见，而在国外则不太常见。

　　尤其是在过去12到15个月里，我们看到，中国工厂申请直接或间接增进可持续发展的技术应用案例在增加，这意味着中国工厂不仅投资于提升效率和生产力，还明确投资于可持续发展。

　　至于您提出的第贰个问题，大多数中国“灯塔工厂”聚焦在电子、半导体、制药和汽车行业。所有这些行业都在变得越来越成熟，越来越智能化。食品饮料和消费品制造行业，也有大量 人工智能 技术的应用案例。

　　全球范围内，更多新兴产业正在加入第四次工业革命，好比韩国的水处理厂和美国孟菲斯的DHL物流配送中心，都是积极的示范。这表明，技术转型和先进技术的实施不仅仅限于传统制造业。

　　界面智库：谈到 人工智能 ，据您观察 人工智能 是怎样融入“灯塔工厂”的生产流程的？ 大数据 分析又在工厂的决策支持系统中施展了啥作用？

　　Federico Torti：这的确是一个很好的问题。我们最新发布的白皮书就主要探讨了 人工智能 的革命性影响，最新的“灯塔工厂”案例展示了各种 人工智能 技术的成熟度。

　　AI在生产过程的各个阶段都在施展作用，它推动更好的产品设计，并整合客户反馈、洞察需求或解决投诉。AI应用已经融入了生产过程的每一步，包含与供货商的联系、生产调度、采购等。基于AI应用的影响范围，我们也把“灯塔工厂”分为将AI技术应用于工厂内部或价值链全链条的工厂。

　　在最新的白皮书中，有关公司实施AI速度的数据特别有目共睹。关于数据和分析在转型中的作用，我们看到了有的企业从几乎没有数据到拥有高质量、可靠数据的巨大跨越，这依赖于大规模的标准化和数据架构工作。一旦实现，基于数据的决策就变得极其重要，利用整个网络中的数据池来推动智能化生产，包含预测设备维护、优化生产流程、调度调整...。

　　我们正在见证，基于数据和智能的工厂自我调理系统兴起，人类正在转变角色，以更好地融入这一循环。

　　界面智库：这真的很有趣， 人工智能 始终在改变我们的生活，由于它们许多应用是在工厂里，我们日常看不到。您能分享一些有趣的故事吗?

　　Federico Torti：当然。我认为 人工智能 最突出的应用之一是在光学检测和质量控制方面，对于某些行业，这意味着从依赖人工转向完全自动化，这不仅减少了运营成本和劳动力成本，更革新了人力资源管理方式。

　　质量检测工作本身是一项压力很大的工作，既乏味又易于犯错，因为它通常要求工人们动作快，且工作重复性高。因此，采用自动化不仅减少了人为失误，通过标准化视图，还能全面提升产品质量，明显减少客户投诉。自动化光学检测还能生成数据，优化上游生产流程或设备设置，进而减少产品缺陷和客户投诉。因此，机器能提供可靠数据，驱动上游的设计和生产调整。

　　而更令人兴奋的是生产计划和供货商调度的动态优化。当物流链路中断，相关信息会被收录并共享，随后AI模型可据此调整供货商间的物料采购策略，评估其对生产计划的影响。

　　另外一个有目共睹的案例在菲律宾，有工厂借助 人工智能 系统上网搜集天气预报和警报信息，作出针对自然灾害的预测和响应，好比预测其对生产计划、物流运输的影响，进而采取预防措施。例如，在火山活动增强时，提前关闭空气处理设施，避免灰尘堵塞。这些系统极大地改善了公司的运作方式。

　　我们的白皮书中记录了许多激动人心的案例，总共超过700个，这展示了 人工智能 应用的广泛性和长远影响。

　　界面智库：我还想了解的是，关于供应链管理和物流优化，现代工厂面临哪些挑战？先进技术可以施展哪些作用？

　　Federico Torti：目前不计其数的企业正面临着多重因素驱动的全球供应链压力，例如消费者需求不断变化，不仅要求工厂提高供应链透明度，还需要加强与供货商、合作伙伴甚至竞争对手之间的数据共享和连接。另外，法律法规和对企业可连续性要求增加，对供应链弹性的切实需求明显上升。

　　在此环境下，企业务必应对复杂的供应链问题，并增加供应链弹性。好比为特定产品、原材料或部件寻找替代供货商，或考虑重新配置制造业基地，这也需要考虑全球不同国家的政策。然而，任何形式的复制都意味着额外的投资。

　　我们有案例表明，技术在帮助弥合这些差距、消除低效环节，尤其是在推动供应链透明化方面。例如最近我们见证了苏伊士运河和红海的断航事件，还有2021年3月苏伊士运河因一艘运输船阻塞而完全断航，造成物流配送延迟。提高供应链数据可见性和可用性，使得即时交互和情景预测成为可能，有助于减少回购效应和上游的牛鞭效应（指供应链上的一种需求变异放大现象，信息流从终端客户向原始供货商传递时，信息的扭曲逐级放大）。

　　对于供货商而言，没有充分的数据可见性，面对需求和供应数据的极端波动，企业难以应对。而基于数据的 人工智能 和分析工具，可以减少和预防这些。

　　制造业工人的工作任务正在发生变革

　　界面智库：您刚刚提到AI应用可以使人们减少无聊的工作，您觉得“灯塔工厂”的发展会如何影响传统制造业工人？

　　Federico Torti：这个问题很好。我们对153个“灯塔工厂”中收录的数据进行研究分析发现，通过恰当且高效的技术应用，制造业工人的工作任务正在发生变革。这种变革营造了一个环境，员工能在此环境中不断学习和发展，面对的工作或任务种类也在不断进化。因此，每位工人和每项工作都展现出更高的效率和生产力。

　　工作环境也变得更有活力，人们对学习和参与技术变革感到兴奋。与那些未经数字化转型的企业相比，“灯塔工厂”的工作环境大大提高了员工的参与度。并且，工人的工作及其技能将根据工厂内外部需求变化而调整，这在今天快速变化的工作环境中变得尤为重要。

　　今天，我们有了更容易的与系统交互的形式，如基于自然语言的新一代 人工智能 ，工人与 人工智能 全面的互动门槛在降低。系统可能会指导工人如何调整产品设计，或以特定方式配置机器，而在过去，这需要大量的知识和对工作、对其它人的深入了解。

　　界面智库：的确，随着 人工智能 和自动化技术的不断发展，传统意义上对工人的技能要求正在发生变化。这不一定意味着所有工人都需接受高等教育，但的确意味着他们需要具备新的技能，这些技能集可能包含与 人工智能 的交互合作。

　　Federico Torti：我理解你说的。的确，不是所有情境下我们都需要经过传统教育体系训练的工人。由于工作环境的快速变化，企业有必要在内部、在工作场所提供持续学习的机会。因此，现代工人的学习和技能提升不仅仅来自己人的教育背景，更需要迅速适应变化的能力。工作场所需要提供必要的工具，使员工能够有效地使用系统，理解如何有效利用这些工具。依托于工作中提供的资源，持续学习变得更加动态和必要，这种教育成为职业历程中的一部分。

　　另外，随着数字学习平台的普及，这些平台可以轻松地融入培训计划，为员工提供持续学习的机会。我们期待如生成式 人工智能 之类的工具，能简化学习过程，方便与人互动，为员工配备适当的工具。

　　（实习生赵思棋对本文亦有贡献）