智能制造的起源是智慧工廠，而智慧工廠的概念最早由IBM于2009年提出，屬于IBM“智慧地球”理念在制造業的應用實踐。隨著智能化成為各國制造業的發展方向，企業管理方式、個人生活理念和國際競爭格局也發生了巨變，智能制造建設得到前所未有的重視，有望成為未來制造業的新模式，那么，到底是什么智慧工廠或者智能制造呢？

智能制造定義每個國家有稍微區別，但是重要程度都不言而喻，根據德勤就先進制造技術在未來重要性的排名來看，“智能工廠”在美國、歐洲、中國三大地區的重要性排名分別為第4位、第1位與第2位，突顯出其在未來智能制造技術中的重要地位：

美國：“智能制造創新研究院”對智能制造的定義是：智能制造是先進傳感、儀器、監測、控制和過程優化的技術和實踐的組合，它們將信息和通信技術與制造環境融合在一起，實現工廠和企業中能量、生產率、成本的實時管理。

德國：“工業4.0”的內涵就是數字化、智能化、人性化、綠色化，產品的大批量生產已經不能滿足客戶個性化訂制的需求，要想使單件小批量生產能夠達到大批量生產同樣的效率和成本，需要構建可以生產高精密、高質量、個性化智能產品的智能工廠。

綜合來看，智能制造并沒有嚴格的定義，一般可以理解在工廠管控基礎之上利用信息技術、物聯網技術、設備監控等技術對工廠計劃、資源、執行等業務進行有效管控，及時了解生產現狀，減少因為信息溝通不暢而造成的窩工現象，降低因為人手工在紙質單據中錄入引起的質量數據錯誤的風險。并加上綠色智能的手段和智能系統等新興技術于一體，構建一個高效節能、綠色環保、成本可控、質量可追的現代工廠。

《中國智能制造“十三五”規劃》的頒布確立了到2020年，傳統制造業完成數字化改造，到2025年，重點企業實現智能化轉型。在政策引導推動下，中國智能制造業在制造業中扮演越來越重要角色。既然智能制造的重要性不言而喻而且迫在眉睫，那么智能制造最原始的驅動力在哪？效率？環保？還是質量？

目前國內制造業大部分屬于中低端制造業，大多數還是吃人口紅利的血汗工廠，但是由于人力成本相對較低，所以工廠的老板沒有必要去建立所謂的智能工廠，還不如將精力傾注于銷售端拉更多的訂單。

除此之外，還因為投入一條產線或者數字化系統少則上百萬，而即使工廠沒有一條自動化產線或者信息化系統，全部用人工去操作反而成本比建設產線的成本要小，即幾年人工累計成本＜產線建設成本。正因如此在現實當中見過太多場景：工廠建立一套管控系統需要壹佰萬，而即使專門雇傭幾個實習生通過人工收集數據、Excel匯總，幾年以內幾個工人的成本累計加起來還沒有壹佰萬，那么對于老板來說如何選擇已經躍然紙上了。所以智能制造最大的阻礙不是外國競爭對手，也不不是技術難點，而是國內的人口紅利。

但是“九宵龍吟驚天變、風云際會淺水游”，盡管美國勞動力成本是國內勞動力成本的2.57倍，但美國自動化程度高且用工少。國內兩條月總產量為4500噸的生產線用工250人，美國設備改進，同產能兩條生產線才用工180人。按照目前國內工人工資上漲趨勢，如考慮國內5年工資再翻倍、10年工資翻兩番計算，那么中國在人工成本上也占不到任何優勢了。即使相對于印度、越南、泰國等國家的人力成本優勢也在逐漸減弱，自2008年以來，我國勞動力成本的增速明顯快于工業生產效率增速，根據測算，2019年，我國制造業勞動成本將為越南的177%、印度的218%。下圖為地區工資上漲幅度（估算）與名義GDP增速，明顯已經能夠看出人工成本增長迅速，企業人力成本管控難度與日俱增，尤其是勞動密集型企業招工難從來都不是新鮮的事，比如2020年疫情剛開始消退，義務就大舉旗號：來義務打工，報銷車費。

人工成本劇增的同時，如今外賣、滴滴之類的第三產業也蜂擁而起，甚至利潤增長空間遠大于中低端制造業，并且受制于很多技術和非技術困難，許多業務場景很難實現無人化自動化（比如快遞派送、電氣上門安裝、無人駕駛等），因此可以制造大量薪資水平更高的勞動密集型的低端就業崗位。本人曾親眼見過至少十幾個身邊朋友告別之前比亞迪工廠的工作，然后在京東送外賣、開滴滴，反而比比亞迪薪水高出不少，活的更加體面。

所以以外賣業為代表的第三產業的發展，相當于對制造業來說其實是進行了一次放血式療法，大面積搶奪人工，倒逼企業發力去推動智能制造實現機器代人，從而降低人工參與度，實現成本可控、質量可控。假設沒有以外賣、滴滴、快遞為代表的第三產業大規模發展與侵占制造業人口紅利，吸收過剩的低端勞動力，智能制造缺少最根本、最原始的驅動力去發展智能制造。

當你想到的時候一定要抓緊時間與機會，因為指不定已經有人開始在行動了。比如，2011年開始郭臺銘為解決招工難和人力成本快速上漲等問題，就啟動了大規模的機器換人計劃，計劃到2020年讓富士康的自動化率達到30%；而如今富士康已部署超過4萬臺自研的Foxbot工業機器人，大量的流水線工人被機器人替代，盡管如此還是不得不面對工人成本劇增而考慮搬遷工廠到越南的局面。因為據測算2017年中國城鎮單位就業人員平均工資是泰國和越南的2.14/3.51倍，這也造成部分勞動密集型的制造業傾向于向人力成本更低、環保要求更寬松的東南亞國家轉移。

與富士康類似，2012年美的已投入6億元改造費和6年的時間，打造中央空調核心零部件全自動組裝生產線，生產效率提升70%，生產線人數下降50%，產品合格率達到99.9%。而在東莞勁勝的打磨車間，60臺機器手日夜無休地打磨一個個手機中框結構件。一臺機器手替代6至8名工人，原來需要650名工人的車間，現在只有60人負責看線和檢查，未來將減少到20人。與熟練工人相比，剛上線的機器手雖是“新人”，但生產的產品數量和質量卻遠超熟工、能手。

與此同時，工人成本工資不斷上漲，而機器人成本回收時間逐年降低：2012年一臺工業機器人成本回收的時間約為5.2年，到2018年約下降至1.05年。同時，在人力成本上升與設備價格下降的確定性趨勢下，未來工業機器人回收期有望進一步縮短，制造業機器換人、智能制造升級已經是大勢所趨。勞動力減少、人力成本上升倒逼制造業向智能化自動化升級，智能制造將逐步替代人力勞動，提高生產效率，是制造業未來的發展趨勢。

所以綜合而言，目前工廠對于智能制造的訴求更多的其實并不是來源于競爭或者技術發展，當然這兩個也有影響的因素，但并不是倒逼企業數字化改造的根本原因，最原始的驅動力更多的是為了擺脫勞動密集型這種特性，為了更好的控制成本而不得不做出的改變。那么有人與無人之下工廠運營的模式又有哪些不同？或者說智能制造為勞動密集型其他帶來了哪些，目前比較成熟的有以下幾個場景：

設備巡檢

目前中國大部分企業仍然保持著“人工智能”的本性，凡是人工能夠完成的，肯定以人工為主，之所以有這樣的局面，是因為之前人工成本比較便宜或者說信息技術成本比較高，但現在人工成本劇增外加信息技術逐漸成熟，仍然再保持“人工智能”的現狀，就有些敝帚自珍了。

比如大型流程行業最影響交付的時間與質量的無非是設備與各類儀表，但是現在大面積化工廠，即使是杭州恒逸集團這樣在全球范圍內具有定價權的企業，也保持著人工巡檢的傳統。定期巡檢設備進行點檢，定期巡檢儀表查看溫度、壓力等工藝參數，再將數據記錄在紙質單據中，耗時費力成本大。類似于這種業務完全可以通過數據自動采集、報警完成，實現半自動化、數字化，從而降低成本、管控交付周期。

基于機器視覺的質量檢驗：

印刷品質量目前大部分需要人工查看，長時間進行質量觀測對于眼睛有不可逆轉的傷害，而且眼睛檢測的效率、效果都有待商榷，很多工廠這個工作崗位兩三個月就要輪一次崗，因為肉眼確實受不了。這種情況下就可以采用基于機器視覺的質量檢測方式，通過CCD采集待檢測印刷品的圖像，并對圖像進行處理，根據印刷品所要求達到的質量要求設定標準（由客戶提出標準），如待檢測圖像相關指標超過所設定的標準，系統自動報警，被檢測品被認為不合格品自動發起不合格品處置流程。通過這種降低人為參與的方式，降低成本、提升質量。

倉儲物流的應用

倉儲物流也是勞動密集的業務之一，目前傳統工廠充斥著大量的叉車司機、手工分揀、庫管員等人員，從入庫分揀、庫位管理、上下架、出庫分揀到物料運輸，尤其倉儲類業務勞動強度大，而且容易出錯。通過計算機視覺用于分揀機器人的感知和地圖定位，利用機器學習和深度學習，實現分檢機器人的路徑規劃和避障。通過數學規劃等運籌優化算法和遺傳算法，實現倉庫上下架策略管理。通過多智能體算法蟻群算法用于多個分揀機器人的協調行動?；谌斯ぶ悄芗夹g實現貨架、商品、機器人的整體協調，能夠更快速的實現產品出入庫和高效的倉庫貨架規劃。在工廠倉儲中，各種類型的全自動流水線、自動分撥、倉儲和配送機器人已經開始慢慢應用，基于人工智能技術可以讓每一個物料都有最優路徑，最短時間送達。

生產運營管控：

目前工廠大量存在人工管控，即使相對來說流水線自動化程度比較高的企業同樣存在這樣的問題。甚至部門企業因為領導需求成立“數據科”，通過人工錄入的形式收集企業管理運營數據，然后以Excel進行匯總統計，管理本并不應該屬于勞動密集型崗位，但是因為黑盒工廠的存在，造成管理人員數量突增。完全可以通過數字化改造，通過數字驅動企業管理，尋找企業窩工、低效率、低質量的業務點，然后進行優化升級，提升客戶體驗、降低交付周期。

目前企業通過機器、軟件代替低端、重復性勞動的需求已逐步呈現出風起云涌之勢，但理想很豐滿，現實很骨感，由于種種技術、成本等條框的限制造成許多業務根本沒辦法擺脫人為干涉，只能極大限度的降低人工參與度，從而減少人數、降低因為人為引起的質量風險。而整個企業包含的業務鏈非常冗長，目前只能在質量檢測、倉儲等單點業務上進行升級優化，然后根據技術的發展與多項技術的不斷融合，逐漸由點到線拓撲式蔓延發展。