数据纪实｜颜强：疫情下的中国制造

来源：硬科技城邦

作者：Olivia Meng

指导单位：清华大学学生大数据研究协会

本文约6300字，建议阅读11分钟

本文为大家介绍关于疫情下的中国制造。

面对一个全世界受到生命威胁的传染疾病，面对一场全中国需要紧急封闭的疫情危机，科学家们没有选择恐惧武汉，没有选择指责疫区同胞，他们团结起来，用科技救国，用科技救人。这一役实际是对中国科技能力的全新考验，我们在特殊的日子里，对话新型肺炎疫情中的科技工作者，为大家带来一手采访和报道。

讲述最真实的科技救民救国故事，记录中国科技工作者在危难关头，临危不惧，众志成城。

1. 颜老师先给这次疫情中的中国制造整体表现打个分吧！

A 颜强：分数相当不好打，因为跟疫情相关的行业不仅是制造业，甚至很多时候其他行业冲在了更前面。从制造业来说主要是几个方面，一是防疫和物资的生产，在抗击疫情中起到了很大作用。二是制造业所承受的损失和牺牲、停工停产，影响到了企业的业绩等等，整个制造业都呈现出非常大的忍耐力。中国在这次疫情的防控期间都非常给力，我想打八分到九分！制造业也应得到同样分数。

2.  疫情已经过去了几个月，这段时间，中国向世界展示出了强大的制造业能力，很多人因此想到了二战时期的制造业大国--美国，您怎么看待中国的战时制造业？

A 颜强：特殊时期制造业和平时最大的不同，在于局部利益要服从整体利益。这时候需要去顺应整体，实际上制造业这次起到了非常关键的作用。举一个例子，防护装备和口罩的制造就是非常典型的表现。两三个月内，中国的口罩的产能翻了至少十倍，从原来每天几千万只的产量提升到将近两亿、三亿的产量，给防疫工作提供最大支持。

我们都在说中国制造业是世界工厂，意味着我们有最全的品类和最大的产能。这次抗疫彰显了中国制造业最大的特点和优势。优势是终端工程师力量非常强大，比如口罩生产设备的设计和实施，安装和使用等等，这需要大量的自动化产线设计工程师才能做到。从这点上说中国可能是全球当之无愧的最强者，尽管我们在高端的制造能力上目前跟国际制造强国有很大差距，但是在自动化工程师和工业工程师等方面，中国的积累是极其强大的。当然，中国在高端制造方面整体有待加强。

二战期间美国的战争物资生产是有非常大优势的，那个时候他们的终端制造业的人才水平，是非常聚集、非常优秀的。但是这次我们看到，美国的高端制造业、精密研发水平很强，可是在普通物资的生产上有很大落差。

目前中国在产业工人方面积累了二三十年的极大优势，如何把这个优势不断地向高端质量层面上演进，是我们这代人要不断努力的事情。产业链的完整也是极其重要的因素，比如上游的供应链、质量管控、后端的物流等等。毋庸置疑，中国的产业链非常完整，要扩大某种物资生产能力的时候，我们不需要进行国际协调，国内就可以完成，从这一点上来说这在全球几乎是独一无二的，也是我们最宝贵的优势。

3.  现在很多做工业大数据的企业都集中在做设备的预测性维护上，比如国外就有很典型的做预测性维护的独角兽企业uptake，但为什么国内还没出现这样的企业呢？您怎么看待这个问题呢？是因为是时间的问题还是因为客观现场条件不太满足？

A 颜强：这个跟AI的能力、机器学习、大数据分析的能力相关。大数据分析是从历史数据中寻找规律对未来做出预测。国外有很多独角兽的企业，但是国内能够做的很好的企业，其实并不是很多。

我们不妨来考虑数据、算力、算法这影响AI与大数据发展的三大因素。算力方面不存在需求上的瓶颈，目前也有许多数学算法和开源工具解决基础数学算法问题。但是，数据质量和工业数据积累方面，普遍还不是很强。虽然很多企业在做数据互联互通，但是数字化产品和装备的设计还有能力上的欠缺。搞数据的人无法理解真正的工业机理，也直接导致了数据应用的不足。目前搞AI与大数据的，大多数还徘徊在工业的边缘。我常说：以一个旁观者的姿态，想要解决工业机理里边的难题，谈何容易！

人工智能要解决工业现场中的问题，两个数据模型要完善：工业场景模型和工业问题模型。图中可以显示出一些现实差距：

AI的人才群体，基本上都集中在基础算法的领域层面，而建模工作需要工业知识和数据模型知识。跨界人才的培养和跨界知识的融合非常关键。

4.  大数据在这次的防疫工作中起到了重要的作用，您认为现阶段，在大数据与制造业的结合方面上，中国做的怎么样？还存在哪些问题？

A 颜强：根本的问题在于定义大数据，普遍而言有两种不同看法。第一个是4V法则：多样性，易变性，快速积累的特性以及它的价值低浓度特性，定义了大数据的基本特征。另外一种定义是，无法用传统数据分析方法去解决问题的数据都叫做大数据，需要用非常规的数据分析手段。但不管用哪个，其实大数据这个词本身都会产生很大不确定性。从大数据的这两个定义来看，能得出一个基本认知：不管是大数据也好，还是基于大数据的人工智能学习也好，都不是强逻辑的数据科学领域，它没有办法做到非常严谨的逻辑推理，没有足够的准确性和可靠性。

工业产品的销售算是大数据应用，它直接就进入到电商或者销售的产业领域里，这一点在中国的电商平台做的非常好，比如用户画像、精准营销等。当然，想把数据用到极致，达到商业效果，我们也都付出了信息安全和个人隐私保护的代价。

而工业制造则是完全不同的领域，制造领域里边最关键的是确定性，工业现场的数据应用是很排斥不确定性存在的。也就是“大概率”这个词在工业数据的应用中,也许会带来很大的问题。这个特色本身就使得大数据在工业设计，生产，物流，供应链管理等领域里的作用，变得相当的有局限性。不仅是中国，全世界都是这样的状况。有很多用聚类或者画像技术尝试着在工业领域里解决问题，但其实在现实中是非常困难的。

真正的数据科学应用进入核心工业领域，需要我们不断加大努力，因为它需要数据科学家和工业专家的深度知识融合，否则工业软件和工业大数据应用不会有特别好的效果。从这个角度上来说清华人和许多工科院校学子未来非常主要的一个努力方向就是在工业数据应用，也就是跨界的知识融合。

5.  据了解，受国际管制影响，预计到5月中旬会有许多轻工业外贸工厂出现严重的企业危机。库存变多，许多商家开始外贸转内销，打直播价格战的风口瞬间兴起。多年来中国作为世界工厂，出现了产能过剩的状况，在你看来有什么解决办法吗？出路在哪里？

A 颜强：这是一个全球性危机，尤其在全球化已经进行40多年的情况下。从价值链的角度上来说，不管价值链条有多长，如果不能在局部形成价值闭环的话，那么价值链上任何一个节点断掉，整个价值链肯定都是断的。

最开始疫情出现的时候，我曾期待中国的牺牲能够保护住整个国际产业，让它不要受到太大损伤，因为产业链断掉会影响到全球各地。正如目前产业链已经不是链条断而是全线的瘫痪，经济大衰退是必然的，经济萧条也越来越近。产能过剩必须面对，各国都要去面对，因为人们在这种情况下追求的只是基本的生存条件。

这个时候比的就是生命力的韧性，到底谁能把这个艰苦时期扛过去，谁将来必然是最后的胜利者。国家可能会出台各种措施，比方说新基建投入巨量资金，不断拉动产业发展，从根本来说是一个国家的投资行为。而美国或者欧洲，就是直接投了两万亿开始发钱救企业、保民生，但这种情况会带来通货膨胀。两国的文化不同，中国人攒钱，美国人月光，所以承受力必然也会不同。

我相信中国的社会稳定性肯定会比国外在这种情况下更好一些，中国的传统文化、体制、中国人的危机意识都会使中国比国外更加容易保持稳定性。这之后世界秩序必然是大变的，这个时候企业的应变能比较关键。对于一个企业来说，是练内力的好时候，平常要应对的是市场高速变化而无暇旁顾，而现在，企业的领导者则有足够的时间回头审视发展战略、产品设计、人才结构、管理体系，当然，前提是企业能活下去的前提下。

对整个中国产业层面来说，也是业界反省的好时间，如何争取从产量的顶峰做到质量的顶峰，如何在新的国际秩序建立的过程中，不断的查漏补缺，不断让弱势经过长时间的积累变成强项。这是整个产业乃至国家顶层政策层面都需要思考的问题。

6.  像您刚刚也提到了世界秩序将会在疫情结束之后发生改变，最近有消息称中国制造业可能面临着向东南亚溢出的情况，危及我国的制造业，对于全球制造业秩序的洗牌，您怎么看？

中国东北钢铁制造

A 颜强：低端制造业有两个方向会偏移，第一是自动化或者机器人；第二个是不容易用机器人代替的基础工业，比如服装之类会向东南亚偏移溢出，将来可能愈演愈烈。中国企业本身在国外建厂的非常多，国内的劳力价格上涨使企业在东南亚谋求发展。

回望发达国家低端产能向中国倾斜的过程中，发展出两个极端。一是美国80%的产业是服务业，高端制造业之外都向金融、服务、娱乐等行业倾斜，这些倾斜使人们生活过得很舒适，但是整个社会变成相对的空心社会。还有另一类发展，典型案例是日本和德国这类国家，他们保留了很多制造业向高端制造产能发展，使得他们在高端制造业这个领域里占据了极其重要的地位。比方说日本的汽车和医疗设备，德国精密仪器自动化。

而对中国来说现在就面临一条道路选择的问题。是像美国一样发展，还是像德国或日本这样发展？很多人都在说中国制造要变成中国创造，这是有些道理的，一是要不断加大创新能力，树立好自己的品牌；二是在品质方面中国仍有很大的挖掘空间。

比如浙江沿海地区的县乡产业集群，浙江的海宁有一个紧固件的集群---螺钉螺母等。这些产能实际很难赚钱，甚至有很多企业不是卖货赚钱，而是在于把原材料的差价当做期货来赚取利润。

在海盐同样有一个清华校友企业，公司大约一共只有200人，而且30%都是研发人员，产量不高，但是每一单的利润率至少都在60%以上。因为他们做特种螺栓，也就是他们的最核心竞争力是科技含量很高的产物，那么这样的企业将来很可能成为某些细分领域的隐形冠军。就像德国一个做高精密轴承的家族企业，每年只有一两千万欧元销售额，但是却垄断了高端制造的某一类轴承的高端市场。

大量的产业想要顺利出走东南亚，我个人认为还有另外一个壁垒就是中国的产业很全，供应链整合相对很容易。而跨国的供应链整合，报关、进出口以及关税等等却是很繁杂的。对于东南亚的产业群而言，有一个极大的挑战是如何在那么多个国家之间建立一个跨国的自由的贸易体系来保证供应链的顺畅，这对于完整的产业链的建设与发展来说至关重要，但是东南亚的现实情况，却是一个并不是那么容易突破的现实。虽然美国或日本要把产能放在东南亚，能够对冲风险，但是如何能够真正做到，其实很不容易。另外，很多中国的企业都在主动地向东南亚延伸，他们的企业，与中国的产业链会有很紧密的联系，依然无法完全摆脱对中国产业链的依赖。比方说，服装生产今年越南、孟加拉等国家转移趋势很明显，但是，服装机械、原材料等上下游，却促使中国对他们的出口也大增。

7. 这真是非常精彩的全球大对比，从空心社会到高端制造业，从做品牌到做品质。未来制造业从技术层面，将如何重新定义？

A 颜强：制造业的本质不会发生什么太大的变化，本身都是对原材料进行各种各样的加工组合最终形成成品的增值过程，它是一个价值链演变的过程。而这个价值链，不管行业怎么技术进步，都不会有根本质上的改变，技术只是在改变人们对制造这件事的认知和参与的一些手段，认清本质是目前我们需要做的很基础的一件事。

而技术发展不断优化，则是不断的提供更好的工具手段能够使工业制造领域不断发展，不断有更好的结果出现。首先是要认清制造业的本质，然后分析技术手段的功能和在这里起到的作用，之后再去谈对制造业的升级。要坚守制造业本质，让新的数字化的技术与方法去不断的为制造业赋能。我从来没看到过一个企业从技术突破这个维度去引领企业的转型而得到成功。所以说，我们不能脱离制造业而单单强调数据和技术。得到成功的基本都是不断研究企业内部运营的基本规律，由技术的可行性去拓展企业的业务能力，从而促进企业的高速发展。

我给出的十六个字是：关注本质，持之以恒，看大做小，精益修行。

8. 制造和服务正在融合，一次性交易必将被持续互动所取代，比如许多厂家选择了利用各类运动产品的传感器来收集健康数据。中国制造该如何抓住这个转机？

2008年 中国深圳

A 颜强：实际上从制造业的销售模式上来说，大家都在思考从货物的销售到服务的转型，其实这是漫长的过程。第一，产品本身是核心，没有高质量的产品，附加的服务就没有根基，所以大家首先要做的是要把自己的产品内功修炼好，把产品质量做好，品质做好，这是根本中的根本。

第二，用运动产品的传感器收集数据，其实只是产品中的一部分。它作为个人消费品，存在着几个问题，第一是到底收集什么数据？数据收集上来以后，能够产生什么样的价值？心跳、体温这些基本信息能够产生多少价值？作用一定是有的，比如每日的一万步行走目标，通过数据监测可以有效监督。但是作为产品厂家，不能为了获取数据而收集数据，而要为了后续的价值产生。价值模型角度来讲，随身设备要提供对人们生活方式和身体健康的监测，那团队就要去研究人类身体健康的参数和模型，对于非高血压患者的血压监控，意义到底有多大？除非可以通过血压和心跳预判身体状况的变化。

第三，传感器的材料和技术也在发展中，与国外技术相比还有一定的差距，这是一个很大的值得深入研究突破点。

最后，中国制造该如何抓住这个产这个这个转机？我们要去研究一下这中国文化与西方文化不同，中国人的独特生活方式和思考方式是怎样的。在国外很风靡的东西，在国内价值是大是小，在不同的场景需要分析并给出定义。想抓住转机，就要去了解自己的国情、传承中华的文化，一定比人云亦云的抄袭更有价值。这样对于中国整体的社会生活水平的提高，也有很大的促进作用。

在创业路上也要注意个人隐私和数据安全，中国现在对数据安全的重视程度是越来越高，新规出台意味着：如果产品或者服务需要人们牺牲数据隐私才能达成，未来发展会阻力重重。

9. 熟练的智能制造业劳动力的匮乏是不可忽视的，仅在美国，截止到2030年，就将有300万以上的制造业人才缺口。对于这方面人才的培养工作，你觉得应该着重哪几个方面？

A 颜强：美国不仅智能制造人才存在缺口，美国精英制的工程师教育导致其基础工业工程师也出现了断层，所以美国工业基础教育需要再复兴。中国则相反，从高端人才来讲，创造性人才的培养和跨界人才的培养，未来是个极大的挑战。我们要培养的高端工程师的格局视野、创造性、战略观。从跨界人才来讲，要让这个人懂制造也懂计算机；懂工艺也懂大数据，至少要能够坚守自己精研领域的同时具备理解另一个领域的能力。我参与了两个高校关于智能制造的跨学科专业设置的讨论，其中本科的素质培养和研究生博士生的专精研究，如何融合？这对于中国的教育体制而言，可能是个非常大的挑战。

如软件工程专业更多的是学习基本的技能，学习算法、数据结构、编程语言等等，但是对于宏观的规划和实施管理领域却涉及较少，目前这些能力都是在进入产业以后的工作中企业或者自我培养而形成的。 

我曾参与过一次讨论：清华的软件学院和清华的计算机系到底该培养什么样的人才？产业奇缺的架构师该怎么培养？大学里面有没有必要将多维思考问题的能力融入到教学体系中？这些，应该说都是中国的高校教育体系与产业界需要共同思考的问题。

而高级技工人才，如车床的运维人员、数控机床的编程人员，他们只需要有数字化的思维和基本的编程技能，以及对数字机床的理解就可以，但是大专和三本的高级技工学生在这方便接受的素质教育，能否满足这些未来工业需求呢？

我们的教育不妨参考德国的工匠学徒制，对志向高远的的学生予以支持，其他学生分流到另外的教育体系。很多大企业的轮岗体系、导师制，也有助于帮助人才确立职业目标，找到合适的发展位置，有利于中远期的人才培养，更好的应对转型需求和技术要求。当然，这样的变革绝对不是一个一朝一夕能够完成的，而完全照搬这样的制度，也不符合中国的基本国情。

产业变革的先行者和优秀人才的引进，在工程应用领域也不容忽视，社会在不断发展，看大做小，从大格局大趋势着眼，从具体的产业发展需求入手去培养人才，会使变革的过程变得更加顺畅，这也是我们所有人希望达成目标。

编辑：于腾凯

校对：龚力