智能制造理论中涉及到的概念太多。每次给人讲的时候，我都感到头疼。刚才我把概念间的关系粗粗地整理了一下，希望有个相对完整的描述。整理的原则围绕着应用：怎么用、谁来用、何时用、什么场景下用。其中，考虑了三种可行性：技术可行性、经济可行性、现实可行性。所谓现实可行性，主要考虑到不能把人的能力考虑得太牛。

　　我们常把人机一体化智能系统与转变发展方式与经济转型联系在一起。但对一个企业来说，智能制造常常指的是技术层面的问题，转变发展方式与经济转型是企业战略方面的事情。从理论上说，转型升级就是对组织、流程、业务等要素的重构。

　　我们有时候把人机一体化智能系统简单地定义为“ICT技术在工业领域的深度应用”。所谓“深度应用”，主要是伴随转变发展方式与经济转型和重构。而不是单单是服务于现存业务。强调这些的背景是：基础技术提供的新机会在这里。这也是从技术方法角度定义人机一体化智能系统。还可以从企业的外部表现或结果、目标来定义，比如提升企业的快速响应能力。从业务角度看，提升快速响应能力的手段包括“协同、共享、重用”。其中，“共享、重用”针对的是资源的准备，而协同则是资源的使用。

　　从业务角度看，互联网的作用是提高协同能力；从经济学角度看，是提高了资源配置能力。故而，互联网可以在一定程度上促进“协同、共享、重用”。按照熊彼特的观点，创新就是企业家的资源配置。所以，人机一体化智能系统是企业家主导的、与技术紧密关联的创新活动——表现为“转变发展方式与经济转型”这种战略活动。其中，“共享、重用”涉及到资源的使用权限，需要有业务或者商业模式的创新来保证、需要由企业家推动。而“信息集成”则是从IT技术角度为“协同”奠定基础。当然，“协同”本身属于业务范畴，IT如何集成则是要符合OT技术的要求。特别地，协同过程先要规范成“业务流程”，才能标准化，进而实现智能化。事实上，流程本身就是一种知识。

　　协同的结果是快速响应。从实现的原理角度看，则表现为智能原理的应用。这样，“人机一体化智能系统”才与“智能”这个概念挂上钩。“智能”最基本的三个要素是“感知、决策、执行”的统一；也就是维纳当年提出的观点。这是人工智能的三个学派之一。但长期以来，这不是主流学派。因为主流学派关注的是复杂决策相关的方法和理论。互联网提升了“感知和执行”能力，故而促进了人机一体化智能系统。从某一种意义上说，人机一体化智能系统的思想，可以追溯到维纳、与自动化是同源的。但是，现在的条件与过去差别大了。在互联网的背景下，这个理论再次彰显生命力。

　　通过“共享和重用”，互联网帮助人们对更多的资源进行配置。配置过程就是决策过程。这使得资源配置优化的空间增大了，故而价值性增强。与此同时，优化配置的难度也因此而增大。故而，人们往往需要机器帮助人来配置资源。机器帮助人类决策，意味着人们控制复杂问题的能力增强了。这就会释放出工业创新的空间。比如“流水线上的个性化定制”，这就是工业4.0。而工业4.0又会带动数字化设计等一系列技术的进步，如数字化设计。

　　决策需要知识。这种知识可以来源于人脑：用人脑的知识操作Cyber空间、把人脑的知识（逻辑）直接写成机器代码、采用大数据记录的成功案例、让机器自己学习知识。总之，知识的来源或者使用方式在互联网、大数据的条件下发生了变化，有了更多的选项。其中，学术界指的“人工智能”侧重决策，而“新一代人工智能”侧重机器学习、尤其是深度学习——这种学习很适合那些不便编码的感性知识。

　　互联网能够带动大数据，大数据促进决策智能技术和人工智能，智能化彰显大数据和互联网的价值；进而促进大数据和互联网的应用。

　　我们一直强调，人机一体化智能系统要关注人机关系。换句话说，强调利用人的知识、弥补人的不足。这是从实现手段上说的。现实中，只有这样做有技术可行性。潜台词是反对过度强调机器学习、机器决策。我们反对把人机一体化智能系统理解为“机器换人”，原因是这约束了人们的视野、丢掉很多机会、还常常不具备经济性。

　　智能制造的瓶颈往往是经济可行性。经济可行性包括效益和成本两个部分。前面说的资源配置，是效益的来源之一。效益从何而来呢？在我看来，中长期是转变发展方式与经济转型带来的效益，短期内是管理上的水准提升带来的效益。

　　智能制造可以明显提升管理上的水准。互联网能轻松实现“扁平化”、“远程化”；大数据实现“透明化”、智能算法让人避免淹没在大数据的海洋中。由于历史的原因，人机一体化智能系统的机会往往在于管理与控制的融合；或者说“信息化”与“自动化”的“两化融合”。所谓的“历史原因”，就是指的这方面的机会比较多。

　　从管理入手，就要找到管理中的问题。这时候，精益管理、６西格玛、PDCA等方法就有用了。这一些方法，让我们先从OT角度发现价值，然后再从IT角度推进智能化、让价值落袋。这也是从技术经济可行性角度考虑的。所谓标准化、流程化、精益化是智能化的基础，就是这一个意思。

　　智能制造的另外一部分价值来源与成本的降低：“共享和重用”让成本降低；大数据让知识获取的成本降低；工业网络站点平台让管理和持续改进的成本降低。工业网络站点平台如何让持续改进的成本降低的？工业APP和数字孪生的思想解决了这样的一个问题。