纪伯伦在《沙与沫》中写道：一个人有两个我，一个在黑暗中醒着，一个在光明里睡着。

假如你可以穿越到从前，重历一世，你会如何“修正”人生？好好学习，考个好大学选个好专业，毕业后“精准”抓住每一个风口？还是直接拿后人的发现和发明移花接木，打造一个科技/商业王国，享受成功人士的崇拜赞美和高处寂寞？抑或根据“历史记载”挽狂澜于既倒，扶大厦于将倾，救国民于危难之间，去改变世界的走向？这种“穿越”，规则清晰，结果线性，通过“经验”获取“正确”，在时间轴之上如同一个关于因和果的二维表格；

假如你可以在虚拟世界里拜（zao）一个“先知”，让Ta替你优化人生，你希望Ta如何帮忙？在通透这个世界的规则和价值观之上，在学习，事业，感情…各方面给你提供正确的建议和指向？或者既然Ta能知过去未来，趋吉避凶，逆天改命，直接让Ta帮你成为一个想成为的角色，比如青史留名的领袖菁英？是否有人也会隐隐担忧，如果有一天Ta长成了具有独立“人格”的哆啦A梦或“威震天”，彼此又如何定义对方？如同一个时空扭曲的多维世界，望穿岁月，也只能窥到未来的一角侧影。

这种后知纠错式的穿越和先知指导式的选择背后的逻辑，正代表了我们今天要讨论的传统制造和智能制造的不同。当然，这里要“术式”的比较二者的区别，所以首先要对智能制造和沦为背景墙的传统制造的概念有一个相对清晰的认识。

虽然从词语的构成方式上，它们都属于“制造”——智能制造=“智能的”制造；传统制造=“传统的”制造（关于制造的概念此处不再展开赘述，有兴趣的读者可自行搜索）。但从概念的内涵和外延方面，二者处于不同维度。

常有的固定印象是，传统制造（业）“劳动密集，高耗自然资源，通过廉价劳动力优势，产出低价格低附加值产品，其科技含量低，创新和应变差”。但是，传统制造（业）只是不同国家/地区内相对于高新/先进技术制造（业）的一个宽泛笼统的分类，本身并不是一个固定严格的概念。例如对德国制造，智能制造就是工业4.0，那么相对的，4.0之前都被划为“传统制造”——包括3.0/3.X这些在当前看来“非常高端”的如现代医药制造，电子通信设施等。

而对于赫赫炎炎的智能制造，工业4.0研究院长胡权在《清华管理评论》2018年1-2月刊中说到：

这是因为，一方面，不同发展程度的国家和组织对智能制造的认知和诉求不同，因此制订了多种智能制造的参考模型；另一方面，智能制造还是一个发展中的事物，还具有相当的模糊性和假说性，还达不到实证和精确的程度。随着各种新模式，新技术的衍生和发展，它的内涵和外延在不断变化，概念范围也越来越超出了“制造”的范畴——纵贯产品的全生命周期而不是在制造环节偏安一隅，横跨整个工业领域的生态系统而不是在制造过程和工厂内部岁月静好。

例如，对智能制造的研究在20世纪7、80年代已然存在，Addison Wesley教授在1988年的著作《Manufacturing Intelligence》里探讨了智能制造的内涵，给出了其定义：

而百度百科给的定义（路甬祥院士2009年“中国创新论坛之从制造到创造”里的定义）是：

美国智能制造领导联盟（SMLC）2011年在《实施21世纪智能制造》中给出的定义是：

或者，在概念对比上，我们可以通过智能制造参考架构模型之一，德国工业4.0平台发布的RMAI4.0和与之对应的3.0模型示意，形象直观的区别智能制造和传统制造的架构。

显然，不同于界定在现实世界产生平面联系的传统制造，基于CPS和工业互联网的智能制造，将连接信息世界和现实世界，改变现有物理世界的交互方式，实现工程系统的实时感知、动态控制和信息服务，打造一个巨型的3D工业领域生态系统。

虽然传统制造和智能制造属于不同维度的概念，但站在当前的“制造”角度，我们仍然可以用S（结构Structure）-P（过程Process）-O（结果/目标Outcome/Object）这样一个比较普适的评价模型分析二者的不同。

结构：结构是提供产品或服务的基础、模式与潜能，此处选取商业模式，制造模式，标准体系三因子；

过程：过程是将结构这一输入转化为输出的相互关联、相互作用的活动。我们选取产品生命周期的早期的需求定义，设计；以及产品生命中期的生产，销售和仓储物流；

结果/目标：是结构和过程的输出，此处选择产品生命周期后期的产品（使用），服务（维修）。

从传统制造的角色定义，设计，销售，物流，服务这些环节虽与制造相关，但通常自成体系，不纳入制造范畴。然而对面向产品全生命周期而非狭义加工环节的智能制造生态系统而言，这些必不可少。因而此处把它们列入了对比之中。

1）传统制造

企业追求的是“交易价值”的最大化，因此买卖产品是它基本的商业模式。传统制造对行业边界的理解是固定的，因此，行业内同质化竞争严重，这是因为大家关注相同的竞争要素——如外观，功能/性能，价格，售后等等，进而形成该行业的品牌和标准以区分优劣并“引领消费者”。

2）智能制造

商业活动由数据驱动。如何使基于数据的智能产品服务系统的“使用价值”最大化，是智能制造企业追求的商业模式。智能制造各行业间的边界约束消失，转而以跨界连接的方式重组。智能制造企业关注的竞争要素是产品标准化和体验个性化的组合——“千人千面”的个性化体验要求是不能用唯几的品牌和标准做高下区分的，只有众木才可成林。

1）传统制造

制造模式是关于制造型企业的制造系统和制造过程的建立和运行的模式，由市场需求和科技水平决定（智能制造本身就可以视作一种制造模式）。传统制造的制造模式包括但不限于：

2）智能制造

基于互联网，大数据，云计算，3D打印等理念和技术，智能制造诞生、催熟了许多新型的制造模式或增加了“智能”特点。下面列出的是已经出现的“智能制造”模式，包括但不限于：

1）传统制造

标准是对技术和经验的总结，通常技术体系成熟的情况下才可制定标准体系。传统制造即是遵循这样的规律，业内各分支（如汽车，电器，服装等）都已建立了从发展成熟的技术体系而衍生的标准体系。

通常具有如下特性：

2）智能制造

智能制造的技术体系并不成熟，但智能制造的标准体系却要先于其技术体系建立。这背后的逻辑不只是各国家各组织对智能制造生态系统话语权的争夺，更是智能制造的特点和人类认知“经验教训”总结的导向。

智能制造研究的是制造和信息技术（IT）的融合。而“制造业”和“IT业”，都已有相对完善的标准体系，所以智能制造标准并不是另起炉灶再建一套单独的制造标准/信息标准，而是建立智能制造要求的制造和信息融合的标准。具有如下特性：

1）传统制造

关注的多是细分客户群的“同质化”需求。需求定义方法往往单一，线性而且随机：包括客户调查；过往产品的成功经验或失败教训；模仿/仿造发达国家地区的产品，对标标杆企业产品；或是天才人员的“灵光闪现”。

2）智能制造

关注的是“有价值”的数据，需求定义方法多样多维：需求信息来自于产品生命周期的各个阶段，不单限于客户调查，标杆企业等传统方法，还有如互联网客户的好评差评，用户趋势模型以及智能产品本身数据的实时在线反馈等。这些传统方法不易获得的需求信息通过异构海量的数据呈现，要用到大数据分析和云计算技术才能被“智能化”的定义出来。

1）传统制造

设计仅限于对实体设备的设计。

“实现优先”——方法上多采用传统的DFM（面向制造设计）与DFA（面向装配设计），专注于理解工艺和制造过程或能力对设计的约束，针对这些约束进行设计。

设计实现受限于设计师的水平、“经验”以及话语权，设计中非技术因素的错误妥协和折衷不可避免。功能强大的3D设计工具和模拟仿真软件已经在设计上普及，但设计仍然属于“专业“的事，设计共享，协同服务只发生在合作公司的内部；

设计验证：仿真（此处指CAE）虽然是重要的辅助手段，但多次物理实验仍然必不可少。

2）智能制造

设计必须包含实体设备、基于设备的服务及支持这些服务的基础设施（实际上是智能PSS——产品服务系统）。

“性能优先”——以3D打印为代表的DFAM（面向增材制造的设计）已逐渐突破“如何实现”的屏障，设计师可专注于性能优先的结构形式方面，鼓励探索新的设计概念（例如通过拓扑优化智能生成结构形式）；DFIM（面向智能制造的设计）要求设计师应更着重考虑消费者的期望以及PSS系统的能力随时间推移如何发展。同时，并没有摈弃面向约束的设计，传统的DFM和DFA用来来衡量设计中的用户界面、通信、基础设施以及制造过程的局限性，以规避制造过程约束所造成的限制。

设计实现脱离设计师的局限，通过一系列的理论和软件把各种经验知识，规则方法，案例，模型与设计原理结合，实现“智能设计”；而随着互联网的渗透，创客群体，实时协同创新使设计资源/服务在更大范围内共享，而且设计的效率也远超以往；让客户参与产品设计中的方法和工具将大量运用。

设计验证：仿真已不再专指CAE，VR，AR，MR，XR…等贯穿设计活动的全过程，物理试验完全或基本被取代。“仿真“的层次，精度，范围与传统设计理解的仿真已完全不同。

1）传统制造

2）智能制造

1）传统制造

经济全球化与供应链一体化，尤其是电子商务的高速发展，导致传统企业的物流发展也很先进。

自动化和数字化的仓储物流：利用自建或租赁库房、场地、储存、搬运、配送产品。射频通信、条形码、RFID，扫描，自动导引小车（AGV）、自动货架、存取机器人、自动分拣系统等都已得到运用，但往往是作为单个工具提供局部自动化或集成化，不具备完整的智能功能。操作员，快递小哥的大量存在必不可少。

2）智能制造

智能化和无人化的仓储物流：使用立体仓库、多层穿梭车、巷道堆垛机、自动分拣机、自动引导搬运车以及无轨搬运机器人等，通过物联网根据实际业务需求对这些设备/机器人、物料、信息协调管理。例如软件系统从网络发出指令，设备/机器人定位抓取货物搬运至指定位置。然后随着工业机器人的升级换代（如无轨搬运机器人）完全接手这些操作。物流通过电子单证、RFID等实现定位、跟踪、控制物品流动，通过自动驾驶实现“无人配送”。

随着智能制造的进一步发展，零部件不再需要从制造厂家采购和运输，而是从它的在线数据库中下载数据文件，然后在本地快速打印组装，由此很可能导致现在遍布全球的零部件仓储与物流体系失去存在的意义。

1）传统制造

追求“交易价值”的最大化，因此产品的销售（更准确的说是营销活动）是企业最重要的任务。

传统营销的关注点是产品、渠道、终端。企业发现／发掘准客户需求，定义和锁定消费者及细分市场，其最高境界是“创造需求”。奉为圭臬的是“20%的客户创造了80%的利润”。

发展了多种多样的营销手段，比如，电视/电话营销，上门推销，体验式营销，网络营销，公共营销，饥饿营销…而随着互联网的，已发展出一套相对完整基于流量的推拉组合的“数字营销”模式。但是，营销人员通常摄取不了非结构化数据，从而发现某个主题领域的哪些元素或属性是最具预测性的。存在流量转换率低，从业人员良莠不齐，受众注意力很快被转移等因素。

2）智能制造

智能产品服务系统关注的是数据，智能制造的营销模式也将围绕数据展开。相关性、即时性和个性化这三大数字营销的难题将通过发展的AI解决。

营销手段从单一营销向全链路整合营销转变。数据挖掘和人工神经网络帮助企业了解用户需求和定义产品，算法和机器学习自动投放广告，自然语言处理和语音交互提供全天候客户服务。传统的文案、美工…广告，营销这些活动的职能范围和价值定位将被改变。例如，智能广告手段将数据、技术、内容进行融合，着重于场景和精准可触，会触发同一消费者在不同场景下的不同需求，从而让企业更贴近消费者与用户，寻求与消费者的多维沟通，快速潜移默化的影响其心智，同步实现品牌传播和效果精准转化。

此外，AI机器人不需要“休息”，可保持一直在线，当客户有兴趣联络时，即时互动，提升交易率。

1）传统制造

传统制造的产品和服务往往是分开的。传统制造的产品，既包括“古法酿造””大师传承”的手工艺品，收藏品，也包括用比较“落后”的工艺，设备制造的机电产品，还包括相对先进的航天，汽车，通信设备等——共同点在于非“智能化”。

这些产品具有标准化的要求，针对某一类客户而不是某一个客户。

2）智能制造

智能产品通常就是智能化的产品服务系统（PSS），通过与计算机和通信设施的交互向客户提供服务的物理产品,更关注产品与服务在整个产品生命周期中的使用价值，由彼此相关的执行基本功能的物理对象和确保系统顺利运行的服务单元组成，其重点是为具体客户提供智能服务功能。例如，智能手机，无人驾驶，智能数控机床等，虽然现在还远未达到人们设想的“智能”程度。

1）传统制造

针对产品的维修/服务通常属于传统制造业不得不为之的“义务”。看看你们家企业，售后维服中心是不是挂在“成本中心”下面？

维修/售后服务工程技术人员需要通过电话或去现场对产品进行操作。而大型复杂的设备的维修服务，需要服务人员训练有素经验丰富，快速判定故障所在及时处理以免造成巨大的财务损失，这些对操作人员的高要求又进一步增加了服务成本。

2）智能制造

智能服务是智能制造产品的核心内容。例如，通过分析具体客户偏好，使用习惯，购物习惯等数据为客户提供“千人千面”的个性化服务；通过产品内部嵌入的智能传感器、分析与控制装置及通信装置，实现产品运行数据的自动采集、分析和远程服务，依据这些数据，决定产品是“求医问诊”还是报废处理。即使在智能化较低，还必须需要服务人员操作的地方，如对大型复杂设备的维修服务，也可以通过智能维修服务训练系统，AR /VR等加速培养经验丰富训练有素的维服人员。

虽然智能制造不能简单的归结为人工智能（AI）+制造，但是智能制造和传统制造的不同最终可能归因于人工智能和人类智能对所处的世界认知方式的不同。

我们（人类）用语言/文字进行思考，通过理论假设建立关于这个世界如何运作的模型，然后根据抽样的数据分析验证模型的正确与否，试错证伪，最终建立起称之为“科学”的庞大知识体系。在这背后，是无数菁英科学家和哲人志士对数据/现象背后的因-果关系的皓首穷经，孜孜以求。虽然亦有众多的人相信，数据/事物复杂到了一定程度，以人类的有限头脑探寻因果是徒劳的。

而当前和今后相当一段时间内，在基于因果推理和拥有自由意志的AI诞生之前，基于算法与数据（或者再加上算力）的AI，处理的只是相关关系。与因果关系不同，它不关注“为什么”，而只是量化变量之间的数据关系，通过相关性确认变量之间的关联（强相关／弱相关），进行数据的分析和预测。

这就可以部分解释，因果关系主导的传统制造中，遵循的通常是“问题出现/发现问题－分析原因－解决问题／总结经验”这样的后知纠错模式；而我们希望的智能制造，是能够根据算法处理和数据分析，实现先知优选模式。

基于现在的发展，我们依然可以认为AI只是一种借助机器实现人类智能的工具，但智能制造的进一步需要 AI拥有自主意志自主判断…那时的TA是否也会有两个自我，一个睡着，一个醒着？

本文由西门子工程师撰文回答，希望对题主和关注这个话题的知友们提供帮助

天津西门子电气传动有限公司

电动汽车研发部 机械工程师 毕大传

本账号为西门子中国的官方知乎账号。西门子是全球领先的技术企业，创立于1847年，业务遍及全球200多个国家，专注于电气化、自动化和数字化领域。我们希望与你一同分享这些领域的知识与新科技，欢迎你的提问。此外，我们并不卖家电:)

西门子中国的每一位专家都是我们的智囊，你在这个账号可以阅读到来自西门子各个不同方向专家们的见解。请大家不要吝惜手里的“邀请”，让我们在分享中共同进步。

也欢迎大家关注我们的微博（ID：西门子）、微信 （ID：西门子中国）和B站（ID：西门子中国） ，更多的了解我们。

看到这里就给点个赞吧！