来源@视觉中国
文|题远产品人员，作者|周博文
1、需求和供给持续互动，推动产业向数字化智能化发展。
从上图可以发现，行业在动态平衡发展，需求和供给的不断互动推动行业不断深化，形成超级供应链网络。
我们再来回顾一下国内产业链的变化。前期是从天然产品直接到消费者，很多是区域性的；工业化后会有初级加工，原料经过加工商、零售商、消费者，从地区到全国。上世纪90年代加入WTO后，消费者的触角从国内转向了国际，产业链发生了显著变化:在加工商和零售商之间出现了制造商和品牌。自2008年大规模经济刺激以来，产业要素的分工协作更加紧密。
从消费端来看，产业的变化反映的是提供给消费者的价值的变化:品牌商的出现给需求端带来了社交属性，开始满足消费者的社交需求。从马斯洛的需求分析来看，消费者需求层次的满足是不断提高的。
那么未来10年、20年，产业链会发生什么变化？我们相信，原材料的分销格局将会发生变化，加工商之间的分工将会更加细化，制造将会更加分散和灵活，品牌差异化的粒度将会更加精细，分销和零售环节将会更加扁平化，消费者需求将会更加差异化和个性化。
我们应该如何应对这些变化？核心是用AI、5G、IoT等技术实现万物互联，通过数字智能技术实现产业链之间的智能协同；从消费者的角度，每个人都能得到自己想要的个性化产品，这符合马斯洛理论的自我实现，也是未来10年的机会。
2.数字智能技术提升了企业的运营和盈利能力，增强了竞争力。
我们综合了多份研究报告和咨询公司的研究成果，发现数字智能在各个行业都发生了这些变化。
首先，工业数字的智能化不仅发生在互联网、消费品等与消费者互动较多的行业，也发生在机械工程、冶金等重工业领域。前不久，我受邀参加三一集团科技节，和很多专家一起探讨数字智能化的未来。中国电动汽车百人会理事长陈清泰也在会上指出，“软件定义汽车时代，智能机械颠覆功能机械是大势所趋”。换句话说，产业号的智能化不属于某个行业，而是属于这个时代。
第二，工业号的智能化不是口号，它能带来真刀真枪的效果。我们发现，行业智能化水平高的行业龙头的销售收入增速可以领先行业水平3倍以上，销售收入的增长带来更丰厚的利润。
第三，中国各行各业的数字化智能化水平参差不齐。即使是最先进的行业也只做到了60分左右。比如一些更传统的行业会得到更低的分数，所以我们还有很长的路要走。
第四，工业数字的智能化能带来什么？一方面，智能运营是指从海量数据中产生数据洞察，实时正确决策，提升用户体验。通过智能运营，企业可以在消费者触达营销方面做得更有效率，比如客户需求反馈，这是非常同情数字智能的。互联网公司为什么做得好？因为是数字化原生企业，从第一天开始就在数字化运营。
但是对于工业制造业来说，还有另外一个重要的价值——数字化智能创新。数字创新是指借助数字技术，加速企业产品和服务的创新，探索新的市场机会，创造新的商业模式，孵化新的业务。这种数字化的智能手段可以让企业在全链条上积累和重用数据，让企业在创新上更加敏捷高效。我们观察到，数字化智能转型的引领者，不仅仅是做好智能运营，还要做好数字化智能创新，这才是全链条价值的体现。
不同行业面临的挑战不同，实现的路径和时间节点也不同。没有通用的标准。具体来看，批发零售、居民服务、住宿餐饮等行业已经启动数字化智能化转型，但重工业、制造业、交通运输、公共服务等行业仍是工业数字化智能化的蓝海。目前，有很多需求需要满足。
人工智能技术进入生产力阶段。
以人工智能技术和大数据为代表的新一代互联网技术，是支撑产业数字化智能化转型的重要产业因素。那么人工智能发展到了什么阶段？
1.从自然语言到图像生成
目前人工智能的一个重要发展就是融合多模态信息，包括图像、视频、音频、语义等。，通过表象学习，也就是更接近人工的感觉。
跨模态数据协同训练使得从抽象自然语言到图像生成成为可能。比如OpenAI可以让人工智能根据人类自然语言生成图片，而这些图片并不是对现有图片的简单模仿，而是像素级的重构。
例如，右边的宇航员骑马的图片描述了一个理论上不存在的场景。宇航员如何在月球或火星上骑马？但人工智能可以根据“宇航员”、“骑马”这两个关键词，创造出这样的画面。换句话说，在现阶段，人工智能通过多模式深度学习，不仅对语义有了深刻的理解，还具备了一定的自主创造和决策能力。
我曾经邀请一些人闭着眼睛想象一只现实中并不存在的鸟，然后让AI根据大家的描述，在像素级别画出这只鸟的颜色和形状。画完后，我问大家有没有见过这只鸟，居然有人举手说见过。因为图片非常高清，所以和画廊里看到的一样真实。
2.从自然语言到代码生成
除了具体的图像文字，人工智能也开始进入生产力阶段。大模型还可以帮助我们进行全面的任务行为，比如根据人类的提示自动完成代码，为更多用户使用AI技术提供了便利。
谷歌开发的通用AI架构Pathways混合了多种人工智能的基本模块，通过稀疏连接形成混合专家系统。如果你想写一段代码，只需要提示需要的代码是什么，那么人工智能就可以通过提示学习自动生成代码。整个过程就像有人给题，有人做题。这是大模型在生产力方面的展示。
3.从自然语言到序列决策生成。
人工智能更复杂的应用与工业和制造业密切相关。根据最新研究，人工智能可以用顺序决策模型取代自然语言来完成最佳任务。
上面展示的场景发生在硅谷。一个程序员去了一家无人商店，对机器人说:“我刚锻炼回来，需要一杯饮料和一份点心。”然后机器人带来一瓶水和一个苹果。
这个案例给人印象最深的是，机器人理解了抽象的需求，并将其分解为一系列的决策。机器人的决策过程大概是这样的:第一件事是找一瓶水，第二件事是把水带给顾客，然后找一个苹果带给顾客。
这个过程意义深远:首先，机器人可以理解人类的指令，可以准确地将饮料对应到水，将零食对应到苹果，这意味着它可以将自然语言理解成实体；其次，机器人可以决定一个顺序，即先做什么，再做什么，完全可以完成客服。
从自然语言到顺序决策的过渡是应用场景中非常重要的突破。大部分人都会觉得刺激，但是落地还是有各种挑战。
AI推动产业数字智能化转型的核心问题
1.行业号智能化，洞察需求是第一步。
2021年，我带队走访了几十家制造企业，告诉大家我们的技术可以做什么。经过大量的走访，我把制造业数字化智能化转型带来的核心价值拆解成十几个环节。在每一个环节，人工智能都可以带来革命性的思维和全环节的数字化智能升级，让传统模式得到彻底重构。
传统上，企业在将产品销售给客户之前先设计和制造产品。但数字化智能转型后，通过对大量用户和消费者的实时洞察，以及对运营数据的跟踪分析，完全可以重构以客户为中心、以市场为中心、以竞争为中心为第一步的产品设计和生产。
第二步，将市场洞察与企业的生产能力和供应链相结合，将需求转化为产品。通过对蓝海市场的分析，转化为企业竞争力的覆盖，定位产品，定义产品，甚至根据供应链给产品定价，然后开始做千人千面的个性化设计。
然后是灵活的设计。人工智能可以优化所有的产品设计指标，在更高维度上找到最佳组合。就像AlphaGo下围棋一样，它可以在更高维度的空房间里找到组合和特征设计，可以作为人类产品设计的补充。从深入的市场洞察到产品概念和验证，这也是我们在做的事情。
人工智能可以辅助智能生产线安排、智能物料调度、智能库存管理等方面进行生产调度；通过制造模式的自动切换提高效率，进行生产管理；控制整个过程的质量，跟踪和提高成品率；全渠道触达用户，提供用户唤醒服务，提高留存；还可以实现智能仓储、物流配送、智能售后等。能够将客户的需求和痛点实时反馈到最初的需求洞察中，形成全链路闭环的数字化智能管理。
2.基本模型参数2年增长240倍。怎样才能支持产业升级？
红线是过去几年随着人工智能的进步计算量的变化。可以看到基础模型陡升，模型的参数每两年增长240倍，带来了大量的人员消耗和不经济的情况。绿线基本上是摩尔定律在GPU时代的延续。
从摩尔定律的角度来看，硬件的内存只能每两年翻一倍。考虑到模型两年增长240倍，毫无疑问这是不可持续的。在其他领域，随着技术的发展，人员的利用变得越来越高效，但在人工智能领域，人员的消耗却在快速增加。
3.从行业角度，如何提高云边缘自进化协同？
另外，在工业数字智能化的过程中，无数的场景都可以使用这些模型，但是一个大的模型是无法还原到场景的。比如，在智能生产中，每个摄像头的位置和光线，以及每个终端计算设备都是不同的。如何让这些模型解决不同的问题，这是人工智能接下来需要面对的。
大多数学者更关注如何做出“陡峭的直线”，因为它看起来非常刺激。但我更关心的是，在碎片化的工业数字化场景下，前沿技术如何落地和高效输出。而原有的大模型无法适应碎片化工业智能的场景，因为小样本数据非常突出，每个点部署人工智能模型的要求都不一样。
在重工业企业，我很容易就能想到成千上万个可以使用人工智能的场景。每个场景都有不同的终端应用环境，所以终端型号可能达到百万级别。这种量级如何从云中的大模型获得治理和权力，百万级终端模型如何实时反馈到云中的大模型，反馈基础模型的迭代改进？这是我最近提出的一个基础研究方向，即如何从产业角度提高云边缘的自协同。
换句话说，云的基础模型如何以自适应的方式推送到各个终端场景，能够让自己快速适应这个场景，创造价值；同时反复迭代边缘场景，收集专家学者的反馈，迭代云模型。
4.人机增强协作，未来应该往哪里发展？
在行业落地的过程中，人工智能的存在并不是取代人类的工作，而是让人们在工作环境中创造更多的价值。
在这里，我特别推荐一本书《思考，快与慢》。这本书的作者是诺贝尔经济学奖得主丹尼尔·卡内曼。他提出人有两种思维模式:直觉、快速无意识思维和有意识深度思维。
直觉思维的典型例子就是象棋大师，他们可以同时和20个人下棋，而且根本不需要思考很长时间，因为他们下棋是靠直觉。有意识的逻辑思维就像做高考数学题一样。今年高考数学很难。没有人能一眼交上一个完美的答案。你必须诚实地思考。
所以第二个学术问题就是如何设计一个人工智能系统，让人工智能能够与人，尤其是行业专家协调，做出各种决策。以前有一种流行的说法，AI做事要思维敏捷，人类做事要有顺序，有规划，有逻辑思维。但经过长期研究，我认为应该反过来:基于直觉、判断和艺术创造力的事情，应该交给人去做，因为人在做这件事上有太多的优势。而是把需要逻辑思维、反复计算和推演的事情交给人工智能去做，这样我们才能得到更好的人机智能协作的结果。
智能化驱动企业模式创新的案例。
了解人工智能技术的趋势和落地的核心问题，思考如何将消费者和用户的洞察与对行业的深刻理解相融合，帮助行业做出最好的产品设计和创新。
1.智能反向定制
我们有和家电巨头合作的例子。某家电巨头的冰箱业务线表现一般，从未进过该品类前十。当时这家企业提出了一个问题:人工智能能否帮助提升数字智能水平？于是我们答应用AI帮它设计一款人工智能系列冰箱。
冰箱看起来很简单，但是细分下来有300多个参数，包括连续参数和离散参数。比如离散参数包括开多少门，什么颜色，选择多少色号，连续参数包括功耗，体积，功能选择，定价等等。所以我们要求企业根据生产线的参数范围，给出300多个参数和值空。
我们回来做的第一件事就是通过人工智能多模态感知和自然语言理解技术对各种冰箱进行分析，发现包含了多少维度、消费者体验等参数。这是一个战略神经网络，它决定了人工智能如何设计产品。另一个神经网络用来模拟消费者看到这款冰箱后的反应、评价、情绪、喜欢的特点、转化率以及是否会下单。这种神经网络称为值神经网络。
然后，两个神经网络开始互相攻击和防御。每当价值网络迭代时，他们就更新策略网络，重新设计冰箱，然后观察消费者的反应...这个过程反复收敛，使得冰箱的上市周期缩短了83%。定制冰箱于2021年推出618款新品，首批在全国多地销售，即one 空，在同期上市的70多款新品冰箱中排名第一。
2.消费需求个性化、场景化，数字智能技术大放异彩。
我们有一个头部3C企业客户，他们注意到消费者需求变得更加个性化，更加难以捕捉，于是他们开始了数字智能的转型和迭代，并深刻洞察产品创新机会，根据物联网时代的经济特征进行产品创新。
一是企业从单一产品生产向快速迭代的场景体验经济转变。消费者购买的将不再是既定的产品，而是不断迭代升级的体验。交互的维度更多，要考虑的参数空更大。一个很重要的头部客户给我们反馈，现在很难找到一个拥有多个设计维度的产品设计专家。因为场景化产品的丰富度大大提高，如何把握用户体验是一个巨大的挑战，人工智能技术正好有用。
第二，千人千面个性化需求的出现，要求供给侧快速拥抱智能化。人工技术对用户海量数据的高效智能分析，使企业能够实时精准捕捉用户的个性化需求。
再次，随着AIoT时代的到来，消费者数据的维度极其丰富，包括互联网媒体大数据、AIoT“生活大数据”和运营服务大数据。数字智能技术可以跟踪产品的上市表现和用户的旅程，为企业提供基于市场、人群、场景、技术的创新策划解决方案，实时洞察产品创新机会，帮助企业持续打造爆款产品。
工业数字智能化的未来
总结当前人工智能技术的进展，特别是可信人工智能的进展，进一步提高了人工智能的健壮性、泛化、可解释性、透明性、可复制性、公平公正性、隐私保护和责任性。我们可以看到，越来越多的公司将进一步融入工业数字智能的方方面面。
最后，关于行业智能化的成功，我们总结了一个公式:行业智能化=行业专家+智能化产品。工业数字智能的成功有赖于资深的行业专家、行业领袖，以及简单易用的工业数字智能产品。“易用”是指复杂的大模型并不隐藏在产品背后，而是呈现出易用的特点，可以与场景深度匹配和融合。同时也能更好的与人协调，而不是取代人。易用的数字智能产品能够提供一整套解决方案，以消费者为中心，重构产品创新模式，塑造市场竞争力。
我们坚信工业数字智能的未来，正如我在上海人工智能大会上所说:人工智能未来十年最大的机会是工业数字智能！
作者介绍:
本文是技术部创始人周博文在“人工智能赋能数字经济发展高峰论坛”上的主题演讲《数字经济时代，人工智能开启工业数字智能新未来》。
周博文博士，清华大学颜回教授，清华大学电子系教授，原宪科技创始人，IEEE/CAAI院士。周博士曾任集团高级副总裁、集团技术委员会主席、京东云与AI总裁、人工智能研究院院长。此前，他是IBM纽约总部人工智能研究院院长，IBM沃森集团首席科学家，IBM杰出工程师。
