如果说18世纪末的第一次工业革命让我们步入了机械化时代，那么福特汽车流水线的普及则在第二次工业革命中带我们进入了电气化时代。由电子计算机和互联网引领，我们进入了信息化时代。如今，大数据、云计算、区块链和人工智能等新一代信息技术的崛起，引领着第四次工业革命，带领我们进入智能化时代。人们的生活方式、工作方式，企业的生产方式，以及人与人、人与物、物与物之间的关系发生了巨大的变化，并对传统管理范式带来了许多挑战，作为上层建筑的管理须紧跟智能化时代的步伐进行变革。

从机械制造到智能制造系统

随着智能化时代的到来，工业生产也从机械制造向智能制造转型。智能制造系统，是新一代信息技术与制造业深度融合、具有较高智能化水平的系统。它并不是简单地追求无人化，而是努力实现机器与人的协同，即通过两者的合理配置，以较低的成本获得较高的效率和满足用户需求，企业家和管理者都应积极应对智能制造系统带来的变革。

1. 智能制造系统的体系和业态模式

智能制造是一个复杂的大系统，它通常由智能产品设计、智能装备与工艺、智能生产、智能服务以及智能营销五大部分组成。这些部分相互协作，形成一个完整的智能制造体系。

(1)智能产品设计系统，运用大数据分析和云计算技术，从多元化的数据源中提取客户的个性化需求，利用数字孪生技术和模拟仿真进行智能产品设计和性能检验 ;还可以通过互联网创客平台，利用巨大的外部资源进行众包、众创的创客设计。特斯拉就是以利用大数据和云计算技术来改进其汽车设计和客户体验而闻名。

(2)智能装备与工艺系统，如全球领先的机床制造商山崎马扎克(Yamazaki Mazak)，它推出了一个名为“iSMART 工厂”的智能制造解决方案，通过智能装备和机器人自动感知工况信息，自动调整优化加工参数，达到提升生产效率、减少重复劳动的效果。

(3)智能生产系统，如通用电气公司，他们开发了一种名为 Predix 的工业互联网平台，这个平台可以实时监控和分析工厂内的设备运行状态，从而实现预防性的维护和故障预测，大大减少了设备停机的时间和维修的成本。

(4)智能服务系统，如亚马逊，利用工业互联网和人工智能保证全球供应链的高效运作，来预测需求、优化库存，并提高交货效率。

(5)智能营销系统，如阿里巴巴、谷歌和字节跳动，通过大数据分析和智能推荐系统，搜集消费者的个性化需求信息，提高用户参与度和营销效果。

智能制造的业态模式通常以生态系统的方式组成，只有在相关的生态系统中智能制造才有活力，只有取得生态系统的主导权，智能制造才能蓬勃发展。智能制造的生态系统是多种多样的。例如，围绕智能产品及与其相关联的各方，如客户、终端、平台、第三方应用等构建产品生态系统;围绕制造产品的智能装备、智能生产线、智能车间、智能工厂、供应链及与其相关的软件和硬件基础产业构建制造生态系统;围绕客户、产品制造商、供应商构建全产业链生态系统;整合产品生产系统、制造生产系统、全产业链生态系统构建面向特定行业的智能制造产业生态系统。从传统观念看，所有生态系统都是跨界的，但又是相互关联、相互依存的，并且正是这种跨界融合赋予了各种生态系统无比旺盛的生命力。

智能制造是“系统的系统”，ChatGPT等通用模型的出现，大大简化和加速了智能制造过程。以大语言通用模型为基础，结合各种应用场景的工作特点，用少量参数进行再训练，对模型实现微调，即可生成所需的专用智能化模型。在ChatGPT-4等大模型基础上，采用嵌入方式可能比微调方式更方便、使用成本更低、工作效率更高。最近发展出来的插件系统就是一个很好的例子。通过插件使大模型与互联网搜索软件或其他专用软件相连接，可以使大模型摆脱数据时空对训练的限制，从而快捷地获得最新、最专业的数据，生成正确、适时的答案。

2. 智能制造系统的管理特点

(1)智能制造的网络化对传统的信息管理系统形成挑战。传统的信息管理系统是针对制造过程中各个子系统分别建立的，基本上各自为政，自成体系，互不隶属。智能制造系统通过互联网、物联网和工业互联网与外部各相关单位相连接，实现快速、高效的业务合作。物联网和工业互联网不只是联络通信的工具，同时又通过泛在感知、认知计算预测分析，对生产资源给予智能化赋能，使企业具有更强的竞争优势。

(2)智能制造的平台化对传统的金字塔形的垂直管理系统形成挑战。传统的管理系统一般都实行由各级职能部门形成的金字塔 形垂直管 理。在智能制造系统中，各职能部门通过数字化平台进行管理和信息交互。

(3)智能制造基于云计算对各部门传统的算力形成严重挑战。在传统制造系统中，各部门对算力要求不高，高配的电子计算机基本够用。智能制造系统中的各部门，特别是产品设计、试验、生产质量检测与控制、维修等活动，对算力的要求很高，不仅计算量很大，而且要高速、准确，因此必须应用云计算。

(4)智能制造的定制化生产对传统生产方式形成挑战。为了提高生产效率，降低生产成本，传统生产方式一般都采用成批生产或大量生产 , 由生产商到零售商再到消费者(B2B2C) 。在智能制造系统中，一切活动都是为了更好地满足客户需求。整个智能制造系统各部分活动的依据和目的，都源于客户的需求，可以建立自适应生产流程，实现按客户个性化需求(C2B)定制生产，真正做到客户第一。

我们以南京钢铁公司(以下简称“南钢”)为例，讨论智能制造系统的管理特点。南钢创建于1958年，是中国最具影响力的钢铁生产商之一。长期以来，他们生产的159种领先产品在解决关键产品问题上发挥了重要作用，为300多个大国重器和超级工程提供了不可或缺的高性能材料。自20世纪90年代开始，南京钢铁公司踏上了智能化转型的旅程。最初，他们陆续建设了与生产自动化控制系统相结合的销售、财务等信息化管理系统，逐步构建起了全面的数字化体系。

2003年，他们联手POSCO ICT开发了中国首个中厚板炼轧一体化MES系统，引入了韩国浦项的生产管控理念。2007年，南钢与我国台湾地区中冠公司合作，开发出了高效的ERP系统。到了2014年，南钢察觉到行业痛点，颠覆性地推出了JIT+C2M(准时化配送)个性化定制服务模式，打破了钢铁业只为下游提供标准产品的传统规则。他们开始向船厂客户提供定制尺寸与规格的产品，以满足客户的个性化需求。

在智能制造系统的推动下，南京钢铁的转型战略步步推进。他们在过去的几个五年规划期间，先是投入了大量资金来完成业务系统的全面数字化，并计划在未来继续加大投入力度。他们采取了“工业互联网+数据治理”的双轮驱动推进模式，通过工业互联网平台实现数据的统一采集，提升数据质量，打破数据“孤岛”，实现数据资产变现。南钢通过智能制造，深度实现了生产流程的优化。2020年，南钢自主集成了国内智能装备供应商，建立了全球首个专业加工高等级耐磨钢配件的JIT+C2M智能工厂。这个工厂实现了全工序智能协同和全球化定制配送，努力向全流程制造转变，解决了分散加工、离散制造带来的高成本和低效率问题，同时坚持绿色低碳生产。工厂的供应周期缩短了33%，加工成本下降20%，整体人效提升了10倍。

此外，南钢还自主研发了一批智能试验室、雷达检测、视觉标识、智能安全帽、混合现实点巡检系统等装备。在人才管理方面，南钢在钢铁行业创造了数字化人才序列，包括人才引进、成长、选拔和流动等多个环节，形成了一种“活水机制”。这一机制大大提高了公司的人力资源配置效率，并有效地推动了生产技术型人才(OT)向复合型人才的转变，即他们不仅需要具备生产技术能力，还需要具备信息技术(IT)和数据技术(DT)的能力。为了进一步提高效率，南钢在2021年启动了全面数据治理工作，构建了数据管理矩阵，成功地缩短了数据服务交付时间，提升了数据指标复用率，并节约了数据存储资源。2021年底，南钢建成了覆盖业务最广的智慧运营中心，实现了端到端的全面数据资产整合，完成了采购、生产、销售、研发等各业务环节全要素、全流程、全价值链的一体化智慧运营，从而进一步提升了效率，研发周期缩短了30%，加工成本下降了10%。

在科技革命蓬勃发展的浪潮中，人工智能技术已成为个人、组织和整个社会生存与发展的关键要素。通过对国内外众多智能化管理成功案例的考察和研究，我们发现智能化管理成功的秘诀，就是要针对人工智能技术引发的管理问题，在行动中采取以下五项关键管理措施。

(1)需要建立人工智能思维模式。人工智能思维，简单来说就是从大量数据中通过算法模型，进而对未知情况作出最佳预测的思维方法。它包括如下内容：以大数据为基础、以模型为核心、靠算力来实现，以及建立适合不同场景的业务模式。管理者掌握人工智能思维模式后，就能清晰地了解其与人类思维模式的不同之处，根据各自的长处，可以准确判断哪些工作应分配给人工智能去做，哪些工作应分配给人类去做。重要的是，企业必须形成一种新的文化，即人人都以开放的心态去拥抱新技术、新产品。

(2)在业务流程数据化中进行管理变革。数据是人工智能技术发展的基础。人工智能建立在对数据学习的基础之上，有效数据越多，人工智能学得的知识越多，作出的判断和决策越准确。随着互联网特别是移动互联网和工业互联网的发展，近几年出现了数据井喷现象。第六届数字中国峰会发布的《国家数据资源调查报告(2022)》显示，2022年全年，我国数据产量达到惊人的8.1ZB，同比增长22.7%，占全球总产量(77ZB)的10.5%，仅次于美国，位列世界第二。我国已有许多人工智能应用咨询公司，可为各行各业提供智能化解决方案。

在智能化过程中，第一步要做的是把现在由人类管理的业务流程数据化。数据化的目的是让计算机读懂现有的物理世界，读懂业务流程中的各项操作的过程、要求、检验的标准和方法，以及当发现不符合标准的情况时应采取的控制和纠偏措施。只有当人工智能读懂业务流程后，才能用其已经学习和积累的知识来完成分配给它的工作。

当前，智能机器人或其他人工智能机器一般很难独立完成全部业务流程，必须与人协作。在协作中，安全融合问题尤为重要，这将形成一个相互关联的数据链。这条数据链是动态的，必须实时地持续反馈到人工智能的应用平台，供人工智能再学习，从而使算法和模型更精准、实用。

(3)严格要求人工智能模型“避恶向善”， 推动管理的智能化创新。人工智能不像人类那样具有天生的性格。它的一切智能和行为，都是按人类设计的算法模型通过训练得到的。通过深度学习，人工智能机器人能够习得人类的各种知识和价值观，甚至在某些方面可能比人类更强大。但同时，它们也可能习得人性中的各种缺陷，如自利、贪婪、狂妄、自大、偏见、歧视，甚至某种控制和统治他人的欲望，即所谓的“接管”人类。这也引发了一些人的担心，认为“人工智能可能杀死人类”。人工智能技术的发展既有巨大的好处，也有巨大的风险。它可以创造一个繁荣的未来，但也亟须审慎监管。在深入研究人工智能技术安全性的同时，必须切实建立和加强政府及国际权威机构对超级人工智能项目的监管。

(4)要在管理中推动智能化创新。智能化的目标不仅仅是将现有的业务流程自动化，而且是要通过智能化改进，使业务流程所提供的产品或服务能够更好地满足每个客户的需求。

(5)管理者必须重视培养员工的人机融合技能，将人类与智能机器的能力相互融合，共同优化企业流程。一方面，员工需要明确人与人工智能的分工，让机器优势得到发挥，如24小时的机器监测、数据记录、发现问题、建议解决方案等，而人则专注于交际、创新、判断和最终决策。另一方面，我们要引导员工明确人机协作的目标，这不是为了替代人工，而是为了提高企业效益，改善客户服务，以及帮助员工摆脱烦琐工作，提升个人能力，适应新的岗位。同样，我们需要强调人在人机融合中的关键作用，因为尽管人工智能的能力日益增强，但人的创新、判断和执行能力依然是不可替代的。

智能化时代已经到来，智能制造系统并非短期内可以完全实现，需要企业家们持续投入和深度参与。面对未来，企业家们要积极拥抱这一变革，这将是未来企业保持竞争力的关键。正如管理学大师彼得·德鲁克所言，动荡时代最大的风险不是动荡本身，而是企图以昨天的逻辑来应对动荡。