2016年我國工信部對什么是智能制造曾經下了這樣的定義 ：“智能制造是基于新一代信息通信技術與先進制造技術深度融合,貫穿于設計、生產、管理、服務等制造活動的各個環節,具有自感知、自學習、自決策、自執行、自適應等功能的新型生產方式”。

智能制造的業務智能化是建立在各項具體技術基礎之上的,也就是大家通常所說的智能制造相關技術ABC，請見圖二。

由圖可知，要實現制造業的智能制造,必須要有人工智能技術、大數據技術、機器人技術、元宇宙、5G、數字孿生、工業互聯網及平臺技術、云計算技術、傳感器技術、AR/VR/MR技術、增材制造技術、縱模向系統集成技術等等的實現。

2020年我國發布了《智能制造能力成熟度模型》(簡稱CMMM)GB/T39116-2020。

它描述了企業實施智能制造要達到的階梯目標和演進路徑，是引導企業數智轉型工作的標尺，見圖三。

目前除了“全球燈塔工廠”作為智能制造工廠的示范工廠之外，我國制造業尤其是我國服裝制造業絕大多數對標智能制造能力成熟度模型，還都處在規范級和集成級之間，也就是說處在數字化改造和網絡化集成之間，距離優化級和引領級還遠著呢。

據賽西數智化轉型調查，2021年我國智能制造離散型和流程型企業達到的智能制造成熟度級別水平占比如下,見圖四。    

我們服裝制造企業是離散型制造業占比如下，見圖四。 由圖可見占比如下，見圖四。我國整個離散型制造業處在一級的占67.1%、二級的15.8%、三級的7.8%，其它級別的甚少。

大家知道我國制造業轉型是分三個階段進行的，這三個階段即信息化、數字化和智能化，目前我國服裝企業尚處在數字化轉型階段。

2018年麥肯錫公司與世界經濟論壇（WEF）發起全球評選“燈塔工廠”項目，尋找制造業中的數字化轉型典范。

至今年3月有來自全球多個國家、不同行業的 103 家工廠入選“燈塔工廠”(其全球分布見圖五)，而中國就獨占37家,位居世界第一，其中服裝行業只有一家即我國杭州的阿里巴巴犀牛工廠。 

犀牛工廠最大特色是把制造業所有業務全面上云，它是云端算法定義的在線工廠，以及服裝行業所有軟件在平臺運行，因此，他們是服裝行業的數字化示范者。

麥肯錫繼2018年尋找制造業中的數字化轉型“燈塔工廠”典范之后，2021年又在全球范圍調研了傳統制造企業數字化轉型情況，結果說盡管已有70%的企業啟動了數字化，但是其中的71%仍然停留在試點階段，遲遲不能實現數字化較大規模的推廣，我國制造業也一樣。

目前大中小企業平均對數字化轉型的投入，如下：

只占銷售收入額的0.27%，就是制造業發達的浙江省大企業，其投入也只有0.56%，遠遠低于跨國公司的著名企業,見圖六。

我國的“先進制造業公眾號”2021年在調研制造業數字化轉型現狀報告中說，我國企業數字化轉型成功率僅為20％，而失敗率高達80%，這其中很大的原因和認知有關。

數字化轉型的關鍵不是數字化技術和設備，而是企業組織變革使之具有敏捷性和適應性。 

麥肯錫曾總結，一個企業的數字化轉型一定要堅持一個目標、三個領域和九個環節:

一個目標是捕獲增長，提升價值；

三個領域是業務轉型、技術轉型、組織轉型；

九個環節是成立企業轉型辦公室、工業物聯網培訓、數字化研發、數字化采購、數字化制造、數字化供應鏈、數字化業績增長、工業物聯網架構、前中后臺數字自動流動

只有這樣才能有效的實現企業數字化轉型。

“ 如何界定企業數字化轉型是否成功？”

我國國家工業信息安全發展研究中心發布的具有中國特色的DCMM數據管理能力成熟這模型(見圖七)說得很清楚，對照這個模型，可以看出企業對待數據資產的。

態度及管理程度是衡量企業數字化轉型界定指標，鑒于目前服裝企業對數據資產的認識，可以判定服裝企業的轉型尚處在受管理級和穩健級之間，要成功數字化轉型,達到數據量化管理級和優化級還尚需時日，有待發展。

我們未來的時代是智能時代，智能時代是人的認知和以數據為基礎的機器認知共存時代，人的認知靠人類大腦,機器的認知靠人工智能。

例如，同樣要制造一個產品，人靠觀察思考以及科學技術獲得產品，而機器靠獲取數據里的知識和利用數據不斷迭代而獲得產品，可見數據和知識是一體兩面，數據是知識的載體，見圖八。

機器靠人工智能就能認知，我們把這樣的機器就叫做智能機器，在智能制造中我們要使智能機器：

會聽（例如語音識別、機器翻譯等）

會看（例如機器視覺、圖像識別、文字識別等）

會說（例如語音合成、人機對話等）

會思考（例如人機對弈、決策及定理證明等）

會學習（例如機器學習、深度學習、知識表示等）

會行動（例如機器人、自動駕駛汽車）

... ...

我曾經多次說過沒有大數據就沒有人工智能、沒有人工智能就沒有智能制造，可見大數據技術和人工智能技術對智能制造是多么重要，那么我們現在的大數據技術和人工智能技術發展如何呢？

人工智能有三要素，大數據、算法、算力。這三者算力在于數據中心的建設及投入,關鍵在于大數據和算法模型及算法。

2021年我國制造業大數據采集與應用情況并不見好，企業自動數據采集只達到40.18%，企業內部各部門間共享數據只達到75%,能應用大數據平臺的只有14%，對基于模型開展大數據應用分析的只有12%，能夠利用大數據進行智能決策的只有5%，見圖九。

由此可見，在我國能夠自動采集分析和應用大數據的企業的確很少，全國制造業是如此，低于全國制造業水平的服裝制造業當然好不了多少。

   人工智能的實現在有了大數據以后，便是對大數據的分析、建模和計算，如何分析建模和計算我在“數據是服裝智能制造的資產”一文中已有敘述(見縫制通-2022年3月12日),此處不再贅述。

但還有兩點我們還要弄清楚

一個是人工智能是在大數據基礎上靠機器學習、深度學習、監督學習、無監督學習、強化學習、深度強化學習等實現的,而這些學習又建筑在各種各樣的計算方法之上。

因為計算方法的不同，人工智能技術中出現了很多門派，其中有：

· 以反向推論(Inverse Reduction)算法為主的符號派、

· 有模擬人腦讓機器獲得知識的連接派、

· 有以基因編程 (Genetic Programming) 主打算法的進化派、

· 有以使用概率論算法的貝葉斯理論派、

· 有以內核機器 (Kernel Machines)如支持向量機(Support Vector Machine) 主打算法的類比派、

· 有以機器人技術模仿人的行為的行為學派等等 

·門派越多，競爭越激烈，說明實現真正的可以相信的人工智能技術還須時間；

二是僅有算法沒有算力也不行，算力的強弱主要看計算機的CPU/GPU/TPU和數據中心的建設。

當今世界CPU/GPU/TPU誰最強? 大家一定知道,在CPU時代，推動算力發展的主力是英特爾；在GPU時代，這個主力則變成了英偉達；而TPU目前只有谷歌和我國的華為。

為了我國制造業智能制造的實現，必須要不斷突破算力瓶頸,為此，我國提出“東數西算”的戰略方針。

我國“十四五”規劃和2035愿景，提出加快構建全國一體化大數據中心體系，強化算力統籌智能調度，建設若干國家樞紐節點和大數據中心集群。

2021年5月，國家四部委根據指導意見部署要求，制定了《全國一體化大數據中心協同創新體系算力樞紐實施方案》，提出8大國家樞紐+省級節點+邊緣節點的“東數西算”架構，打通網絡傳輸，提升跨區域算力調度水平，確保資源高效利用,見圖十；

2021年7月，工信部又發布《新型數據中心發展三年行動計劃(2021-2023 年)》，進一步加快了我國數據中心的建設。

大家一定記得，我國國務院已經連續五年在政府工作報告中提出要發展工業互聯網的要求：

工業互聯網是在互聯網基礎上發展起來的，最早提出工業互聯網定義是美國GE公司，GE公司在2012年11月26日發布的白皮書中是這樣定義工業互聯網的，“工業互聯網是打破智能與機器的邊界”，它的這個定義非常深刻,把工業革命和互聯網革命中的成果相融合在一起。

說明了工業互聯網要解決的問題是工業革命的成果帶來的無數的機器、設施、機群和系統網絡（全球工業系統）的運行效率的提升和運行成本的降低；

解決這個問題的手段：互聯網革命中涌現出的先進計算、分析、低成本傳感、控制軟件和互聯網帶來的新水準的連接能力；

解決這個問題的途徑：連接，匯合，匯聚（融合）。后來GE公司為了推廣工業互聯網，于2014年成立了世界上推廣工業互聯網的最大組織Industrial Internet Consortium，縮寫為IIC，IIC工業互聯網把GE工業互聯網向前推進了一步，就成為今天大家所熟悉的工業物聯網IoT。

工業互聯網是由網絡、平臺、安全三個部分構成。其中，工業互聯岡平臺是工業互聯網的核心,平臺是制造業全要素、全產業鏈、全價值鏈的全面連接、匯聚、配置的樞紐。

工業互聯網平臺最大作用是:

①能夠解決智能化生產，提升生產效率，提高產品的質量，降低生產的成本；

②可以做網絡化協同，眾創協同設計，協同制造；

③個性化定制；

④服務化延伸。

鑒于此, 工業互聯網平臺便成為制造業轉型于智能制造的重要抓手。根據我國前瞻產業研究院研究,2020年至2025年我國工業互聯網產業經濟總體規模如圖十一所示,2022年產業規模可達5.874萬億元。

據工信部統計到2021年底，我國工業互聯網平臺比較有影響力的有100多家，平臺匯聚工業APP突破59萬個，平臺連接的工業設備達到7600萬臺，平臺服務的工業企業達到160萬家。

“十四五”期間工信部還將實施中小企業數字化促進工程，爭取到2022年年底組織100多家工業互聯網平臺和數字化轉型服務商為10萬家以上中小企業數字化轉型服務，推動10萬家中小企業業務“上云”。

總體來說，當前工業互聯網平臺服務架構和容器技術等相對成熟，但邊緣計算、產業協同、工業機理模型、高端軟件研發、平臺安全保障技術等核心技術還亟待攻克求得發展。

我們服裝行業至今還沒有一個真正實用的服裝行業級工業互聯網平臺，幾年前我們曾經對打造服裝行業級工業互聯網平臺進行了研究，提出了紡織服裝行業級應用平臺的架構，見圖十二，后因架構的SaaS、PaaS、IaaS以及邊緣層建設與研究等種種困難，平臺還沒有成為現實。

2022年美國公布了一份 “新興科技趨勢報告”，報告通過對近700項科目趨勢的綜合對比分析，最終提出了20項最值得關注的科技發展趨勢。這20多項科技中有大部分科技都與人工智能、數據智能相關。其中還特別認定未來30年 (至2045年)顛覆人類社會的潛在技術之一是數據智能分析機器人與自動化系統。

數據智能分析機器人是工業機器人加上人工智能技術形成的, 成為數據智能分析機器人以后才能具有感知能力、決策能力、業務能力、人機交互能力，見圖十三；

有了這些能力之后才能在服裝智能制造中實現“機器人換人”(見“機器人換人是服裝智能制造的必然”—縫制通2021年8月6日)，實現無人或少人的服裝智能制造工廠。

服裝智能制造工廠中就是應用數據智能分析機器人,其難度也要遠比其他制造業難得多，其中最難的是衣片的精準的抓取與輸送、加工模塊的協同、靈巧手的折疊與鋪攤,見圖十四,這要靠今后繼續發展的。

“十三五”期間，我國工業機器人應用領域已經覆蓋52個行業大類，機器人產業營業收入突破1000億元。

從技術上看，近年來，我國攻克了機器人運動控制、高性能伺服驅動、高精密減速器等關鍵核心零部件的部分難題，自主產品整機性能大幅提升；

從應用上看，我國已經連續8年成為全球最大的工業機器人消費國，2020年制造業機器人密度達到246臺/萬人，是全球平均水平的近2倍。

當然與工業機器人產業世界先進水平相比，我國還存在一定差距。例如，材料、核心元器件、加工工藝等方面比較薄弱，核心零部件的穩定性、可靠性還不夠,所以工業機器人還處于行業的中低端。

今年工信部等15個部門聯合發布了《“十四五”機器人產業發展規劃》，標志著我國機器人產業迎來自立自強、跨越發展的戰略機遇期。

當今在我們服裝制造業的縫前工段、縫制工段、整理整燙工段和倉儲物流配送工段來說,實現數字化、網絡化和部分智能自動化比較好的是自動裁剪工段和倉儲物流配送工段，但服裝設計、服裝縫制和整理整燙數字化智能化程度比較差。

服裝設計智能化在于研發服裝智能CAD，做到設計制版少用人或不用人。至于服裝縫制和整理整燙適宜智能制造的發展還是在于“設備+人工智能”，使所有縫制設備成為智能機器。

我曾多次說過服裝智能縫制加工流水線、車間和工廠的實現一定會沿著下面五個步驟發展：

1)在數字化轉型過程中，所有縫制設備要首先要完成數字孿生，打好智能制造底座基礎；

2）所有縫制設備要成為AI的載體,使縫制設備具有機器感知、機器學習、機器思維、機器行為的功能；

3)要把服裝產品制造模式改為模塊式制造,這樣有利于實現智能化；

4)以“人+智能縫制+智能機器人(含AGV)”構建模塊式加工工位及固定的模塊式縫制加工流水線，見圖十五；

5)在固定的模塊式縫制加工流水線實踐基礎上逐步實踐自學習、自決策、自適應、自執行、動態的模塊式縫制加工流水線,實現真正意義上的智能工廠和智能生產。 

由前面可見服裝智能制造系統的確很復雜性，其復雜性不僅來自于相關技術期待發展,還來自于服裝產品本身、來自于客戶需求、來自于全球化、來自于供應鏈、來自于世界政治經濟環境的變化等等。

我們現在正在經歷從2020年到2040年的一個歷時20年的世界制造業技術架構體系復雜性大變革時代，見圖十六。

由于制造業業務復雜性,它的復雜性已經不是傳統的信息技術所能解決的，隨著制造系統復雜性不斷提高，信息技術的響應能力也要不斷提高，智能制造的復雜性需要智能云端架構的信息系統來解決。

根據2019年埃森哲的預測,現在人工智能已經超過人類智能,特別在人臉識別、圖像識別、語音識別上；到2025年全球將有97%的制造業會部分使用人工智能技術；而在未來10年人工智能技術將成為企業和客戶之間的主要交互界面(UI),見圖十七。換句話說,這意味著制造業以人工智能技術打造的智能制造將成為客戶與企業的主要交互界面，而這一切將發生在未來10年! 

聯系到工信部《“十四五”智能制造發展規劃》明確提出到2035年通過“兩步走”而實現智能制造；再聯系到從2020年到2040年的一個歷時20年的世界制造業系統復雜性的大變革時代的結束，不難預測服裝企業實現智能制造不是遙遙無期,它將在今后的15年左右即在2035年到2040年之間實現!