在“深圳国际工业4.0技术与峰会”的圆桌讨论环节最后，现场有一位观众向各位嘉宾提出一个问题：“我想了解一下我们现在的水平和国际上的差距，智能制造的差距现在是处在什么状态，最好可以分开介绍，比如跟欧洲、跟日本、跟韩国、跟美国的差距有多大。”
该观众表示想了解得细一点，我们在哪几个领域有优势，或者在哪几个基础领域有优势，在细分行业、细分领域有没有优势的地方，不要太笼统的回答。
——中国科学院深圳先进技术研究院副研究员杨之乐博士。
杨之乐博士谈到，“我抛砖引玉，请各位专家补充。这个问题由智能制造工信部编相关白皮书的人回答比较全面，我们每个人可能会从自己的行业里有些简单回答。”
“从智能制造角度上，工业机器人是一个典型的应用，从工业机器人这个场景来讲，个人觉得我们国家是在第二梯队。现在传统的大的工业机器人的企业正在上升，中国工业机器人提升是非常大的，在很多国家、包括大的厂商如西门子都很难去在这么短的时间内能够实现这些场景，而且把成本降的很低。工业机器人的应用在各个行业都已经产生了很大的影响，其中以汽车行业为代表，现在可能特斯拉是智能制造领域的一个明珠，它美国的工厂已经达到了一个相当高的智能化的水平，里面其实主要发挥作用的就是工业机器人的一些应用。”
“在这个场景上，我们国家用全自主的工业机器人在部分的性能指标上还有一定的劣势，但是在整个汽车工业领域，智能制造里面最难的整合的场景，我们已经基本上达到了第一梯队的水平，但是新能源汽车的发展也推进了整个智能制造在汽车领域的应用场景，从汽车行业角度讲，我觉得我们的智能制造已经几乎在第二梯队赶超第一梯队场景的前沿。这是抛砖引玉。”
——微软首席技术顾问管震
管震发言：”接着杨博士的说。我确实跟工信部一块写过白皮书，智能制造方面。同时我也研究过微软，我拉着微软全球的合作伙伴在德国、美国做智能制造，跟不少全球合作伙伴做过一些碰撞。中国到底有哪些地方是有差距的？我觉得咱们要不自信一点，其他国家跟我们有多大的差距？
“我们可以把行业看作是个U型，一边是品牌，一边是高端设计，下边是ODM、OEM，中国在这方面的强项不可否认。高端的装备德国是占优势、工业互联网本身是美国提出来，美国认为世界是平的要抓住上面的，但是它是斜的。所以美国做的事情，中国其实比他们做得还要彻底，当然中国做得稍微过了一点，把互联网的平台论放得过于前面一点，认为平台可以解决一切。
“在过去几年我们做过非常多的探索，在工业领域里面，基础的平台建设上面，在互联网的平台建设上面，在一些高精尖技术的攻克上面，中国速度都远超我们可以想象到的那些你觉得看起来像标杆的大企业，你觉得很多宣传片里显得很前沿的那些企业实际上做出来的东西，反正也就那个样子吧。所以不要那么觉得说我们跟人家有多少差距。
“但是反过来说，刚才您提的那个问题，我觉得在过去几年的研究里有个让我特别有感受现象是：我们为什么会提这个问题，大部分是因为我们的焦虑感，因为美国人提了工业互联网，德国人提了工业4.0，中国提出制造2025，听起来大家好像都在智能化上往前走，就像别人家的孩子都在上学而思，我的孩子不上的话可能考不上高中初中。这种焦虑感导致供应商焦虑交付的周期或者交付的批次每次数量越来越少，越来越柔性化，有点赶不上趟，它又不开放它的东西透明给我，我没有办法只能希望能够在制造、在产线改造，或者机器替代人上面有些能力，开始想是不是工业4.0能够解决这些问题？
“不是的，这不是你想象当中那个4.0，而是根据你的业务实际需要产生的工业迭代，你的工业能力的迭代，制造能力的迭代，让你的能力逐渐去适应上游和下游，未来可能看到空间基于三维甚至4个维度上下游的关联的时候，你怎么去应对这件事？这是你的能力原来是平面的时候没有办法触及到的，所以数字化对一家企业特别重要，当你做好一个开放的数字化能力的企业，同时你又要求你的供应商也数字化，以API的方式跟别人对接的时候，从理论上来讲你就做好准备，而不是说我去上学而思，刷一万道题。我觉得解决现在这种焦虑感，让我们找到自己的自信，不是民族自信，是指企业自信，让企业往前迈步更加扎实走到自己的那块地上，而不是走到别人的那块地上。
——华为新ICT专家章异辉
章异辉认为：“刚才讲的要有信心我觉得很对，但是这里面也需要时间。我举一个例子，中国的电动汽车确实在弯道超车，但我们发动机积累确实不够，所以相对是比较落后。在工业互联网的底层也需要积累，比如协议等西门子等做的比较好。
“另外举一个例子，工业交换机，目前主要是思科等公司。我们实际上也有好的一些技术，比如煤矿里面原来用的是工业以太网，实际上完全可以用F5G（第五代固网）来进行替代，这个也是属于弯道超车。但是也需要整个生态合作伙伴、客户等等大家一起来合作。我觉得需要一点时间，但是充满信心。
——创新奇智刘甜甜博士
刘甜甜博士指出：“我还是讲人工智能跟制造的一些应用，我分两块讲，一块是好消息，一块是坏消息。
“好消息我认为是中国工业质检这个板块，不能说比国外好很多，但是大家至少是在同一条起跑线的。我也推荐开复老师两本人工智能的书，一本是他比较早期的，2017年出的《人工智能》，主要讲的是比较科普一点，讲人工智能的一些应用。在2019年他出了第二本书叫《AI.未来》，重点分析了中美两国在人工智能发展上的两条不同路径。美国它会突出原创的研发，特别强调自己的技术的领先性，而我们中国强调的是工程应用，我们有大量的应用场景，大家平时接触到社会化的应用很多，各种人脸之类的东西用得很多，但是我们工业的板块一点也不弱，因为我们真的是有需要，大家知道制造业遍布全国，特别我们珠三角地区，你找啥厂没有。
“第一有需求，第二有数据，虽然我讲的数据不太齐备，为什么不齐备，刚才杨博士讲了人脸库有国际的标准库，但是工业库没有，因为每个场景都不一样。但是我们有工业数据，因为我们工厂多。你在美国找不到几个板材厂，没有地方去采图，采不到图怎么做训练？中国仅在珠三角我们就至少接触过两个板材厂有这个方面的东西，我们可以同步在这两家去采图，然后我们就可以去训练我们的算法，我们就会达到更好。第三个我们的人比他们更落地一点，不管是美国还是国外的一些厂商，一来可能先跟你讲机器有多好，算法多优秀。我们见客户，第一件事是把你的缺陷图拿过来给我们看，我们的技术来评估能不能给你做，我们更接地气。所以大家经过这个历练之后，我不觉得在工业视觉这个块板块我们比国外差。
“但是有一点不好，我们要不上价，刚才海尔的专家讲国外一个AOI设备150万200万起步，我们才卖十几万、几十万，我们真的希望国内的市场给我们国内的企业信心，你要愿意用我们，我们国产才能够更好的发展，我们工业视觉不比国外差。
“不好的部分，大家讲工业互联网，刚才这位专家讲了预测性维护，近日我刚主持了一场预测性维护与质量控制的论坛，专家普遍认为，我们在预测性维护——人工智能在工业上的第二个应用，第一个应用是视觉的应用，第二个应用是数据的应用，确实比国际差距比较大。为什么？大家会觉得国外的工业用户企业，他们的价格敏感性不太强，所以一上来设备就用比较好的设备，它的设备带很多的传感器。而我们国内很多的企业价格很敏感，很多用上上一代的产品，他们买了国外的机器，但是国外不给他们开放数据，没有数据做基础我们真的什么都做不来，所以两个部分我觉得是有好的，确实有我们不足的。是有这个差距的。
责编：胡安
最前沿的电子设计资讯
