“中國智造”何以到？*
——智能制造落地的基礎條件與中國戰(zhàn)略探析

張 梟

內容提要：智能制造是全球經濟的競爭焦點與我國數字經濟賦能實體產業(yè)的主攻方向，探究其落地條件與中國戰(zhàn)略至關重要。文章基于羅默報酬遞增生產函數與完全競爭市場假設可建構制造廠商智能化決策樹，分析發(fā)現：傳統(tǒng)制造智能化轉型面臨早期虧損最大化、中期市場容量不足、遠期壟斷危機三大難關，智造廠商必須降低AI成本、精選細分市場、構建全球壟斷、聯通新基建才能成功突圍。面對迥異于傳統(tǒng)制造的艱巨任務，“中國制造”需公私合作支撐AI攻堅、率先壟斷全球中低端消費市場、重點培育中國燈塔企業(yè)、實現云孤島互聯互通，勝利完成“中國智造”落地進程。

自Wright、Bourne在“Manufacturing Intelligence”(1)Paul,K.W.and David,A.B.,Manufacturing Intelligence,Massachusetts:Addison-Wesley Publishing Company,1987.中首創(chuàng)“智能制造”概念以來，短短33年間其已成為未來制造業(yè)發(fā)展方向與全球經濟競爭焦點，(2)Sharma,R.J.and Charbel,J.C.,Sustainable Manufacturing and Industry 4.0:What We Know and What We Don't,Journal of Enterprise Information Management,2020,(7),p.37.中國制造2025、美國AMP、德國工業(yè)4.0、日本新機器人戰(zhàn)略等產業(yè)政策密集出臺，競相爭奪國際主導權。中國電子信息產業(yè)發(fā)展研究院等數據顯示，2016—2018年我國共實施249個智能制造試點示范項目，初步建立208個數字化車間與智能工廠；(3)中國電子信息產業(yè)發(fā)展研究院：《2017—2018中國智能制造發(fā)展年度報告》，2018年。2020年我國智能制造裝備產值規(guī)模將達20 900億元，(4)中商產業(yè)研究院：《中國智能制造裝備行業(yè)市場前景研究報告(2021)》，2021年。智能制造業(yè)產業(yè)規(guī)模將達29 250億元，中國成為全球最大的智能制造市場。

然而，空前繁榮的中國智造也潛伏著數字化轉型緩慢、供應鏈風險加劇、投融資收效甚微等嚴峻危機。2016年中美工業(yè)機器人使用密度分別為68臺/萬、189臺/萬制造產業(yè)工人，2017年中美關鍵工序的數控化水平分別為45%、60%—70%，2018年中美企業(yè)上云率分別為30%、80%，2019年中國制造業(yè)500強中有9/10強的智能制造項目獲益狀況不及預期，(5)德勤：《德勤人工智能制造業(yè)應用調查》，2020年。2020年2/3的制造與工業(yè)企業(yè)仍未看到數字化投資對收入增長的促進作用，(6)埃森哲：《智能制造“新四化”白皮書》，2020年。中國智造投融資逐漸遇冷。(7)中國電子信息產業(yè)發(fā)展研究院：《2020年中國人工智能產業(yè)發(fā)展形勢展望》，2020年。2021年隨著國家十四五規(guī)劃實施，智能制造被列為我國數字經濟與實體產業(yè)深度融合的重點任務，在智能制造時代熱潮與多重困境中，聚焦智能制造落地條件、探究中國智造最優(yōu)路徑愈加重要。

一、概念界定與文獻綜述

(一)概念界定

智能制造(Smart Manufacturing)，又稱工業(yè)4.0、先進制造等，指基于新一代信息通信技術與先進制造技術深度融合，貫穿于設計、生產、管理、服務等制造活動的各個環(huán)節(jié)，具有自感知、自學習、自決策、自執(zhí)行、自適應等功能的新型高效生產方式。(8)中華人民共和國工業(yè)和信息化部：《智能制造發(fā)展規(guī)劃(2016—2020年)》，2016年。從市場靜態(tài)構成看，由于人工智能(AI)、大數據、物聯網(IoT)等新一代信息通信技術多掌控于AI科技巨頭手中，智能制造多由人工智能企業(yè)、消費者、制造廠商三方交易，其中人工智能企業(yè)、消費者為技術T、勞動L、資本K等要素供給方與制造產品需求方，而制造廠商為T、L、K等要素需求方與制造產品供給方(如圖1所示)。

圖1 智能制造市場靜態(tài)構成與循環(huán)流動

從市場循環(huán)流動看，人工智能企業(yè)中的狹義AI公司首先向制造廠商提供計算機視覺技術、工業(yè)機器人、數控機床等以組建柔性裝配、加工環(huán)節(jié)數字化、智能倉儲與輸送系統(tǒng)，提供ERP(企業(yè)資源計劃)、MES(制造執(zhí)行系統(tǒng))、MOM(制造運營管理)等以搭建制造企業(yè)管理軟件套件；物聯網企業(yè)提供嵌入式芯片、RFID傳感器、條碼組件與現場總線、工業(yè)以太網、NB-IoT等通信技術；大數據與云服務平臺提供IaaS、PaaS、SaaS等不同級別的工業(yè)大數據存儲與云計算服務；IBM、德勤等系統(tǒng)集成商則負責頂層設計、軟硬件一體化、系統(tǒng)集成等，以實現以上要素相互識別、實時交互。而消費者為制造廠商與人工智能企業(yè)提供適用于或可轉化為上述數字資產的新型勞動力與資本要素。生產模式智能化之后，制造廠商向消費者提供融合AI要素的相關產品，并從產品總價中提取AI服務費支付人工智能、物聯網、大數據與系統(tǒng)集成商。人工智能企業(yè)則以AI服務費支付消費者為其投入的勞動、資本要素。截至2019年，全球活躍AI企業(yè)共5386家，規(guī)模相對狹小，其與消費者的要素競爭關系遠超協同生產關系，智能制造中技術、數據要素與勞動力就業(yè)、傳統(tǒng)機器設備的替代關系尤為凸顯。

(二)文獻綜述

針對智能制造的落地條件全球學者展開較多討論并達成初步共識。首先在綜合因素研究中，孟凡生等基于中國新能源裝備制造企業(yè)SEM模型證實，技術創(chuàng)新、互聯互通、國家政策等對制造業(yè)智能化轉型具有正向顯著影響、部分中介作用與正向調節(jié)作用，(9)孟凡生、趙剛：《傳統(tǒng)制造向智能制造發(fā)展影響因素研究》，《科技進步與對策》2018年第1期。大致廓清智能制造落地基本條件。其次在具體變量研究中，王媛媛發(fā)現，芯片、新能源等關鍵要素投入與相關技術進步是智能制造產生的根本動力；(10)王媛媛：《基于技術-組織雙重創(chuàng)新的智能制造生產方式研究》，《山東社會科學》2020年第7期。董偉等利用大數據LDA主題分類模型得出，增加職業(yè)院校智能制造相對于機械制造與基礎技能課程的比重以加速勞動力數字化轉型，是智能制造落地的重要條件，(11)董偉、張美、王世斌、陶金虎：《智能制造行業(yè)技能人才需求與培養(yǎng)匹配分析研究》,《高等工程教育研究》2018年第6期。共同細化了技術創(chuàng)新的理論內涵。Kusiak(12)Kusiak,A.,Fundamentals of Smart Manufacturing:A Multi-Thread Perspective,Annual Reviews in Control,2019,47(1),pp.214-220.、李君等(13)李君、成雨、竇克勤、邱君降：《互聯網時代制造業(yè)轉型升級的新模式現狀與制約因素》，《中國科技論壇》2019年第4期。通過T檢驗與系統(tǒng)指標評估表明，加快開放平臺建設、提升數據流動自動化水平、增強跨部門跨業(yè)務集成運作能力，可為智造企業(yè)提供抵御自然或人為逆境的可持續(xù)發(fā)展動力，共同印證了互聯互通對智能制造落地的關鍵意義。李景海則從智能新時代和對應的制造業(yè)政策變革著眼，論證以新產業(yè)政策矩陣助力中國制造智能化轉型的必要性，進一步豐富了智能制造落地的國家政策條件研究。(14)李景海：《智能制造轉型的產業(yè)政策選擇》，《財經科學》2019年第3期。而針對中國智能制造發(fā)展戰(zhàn)略，我國學者基于以上理論并結合中、美(15)王媛媛：《美國推動先進制造業(yè)發(fā)展的政策、經驗及啟示》，《亞太經濟》2017年第6期。、德(16)王德顯：《德國工業(yè)4.0戰(zhàn)略對中國工業(yè)發(fā)展的啟示》，《稅務與經濟》2016年第1期。、日(17)王德顯、王躍生：《日本智能制造發(fā)展的教訓及對中國的啟示》，《稅務與經濟》2019年第1期。等國經驗教訓進行分析，但所得結論與前者基本無異。與三大基礎條件相匹配，加強教育科研、培養(yǎng)創(chuàng)新人才、加快新基建、強化政策支持等成為學術界公認的中國智能制造發(fā)展戰(zhàn)略。(18)史永樂、嚴良：《智能制造高質量發(fā)展的“技術能力”：框架及驗證——基于CPS理論與實踐的二維視野》，《經濟學家》2019年第9期。

然而在智能制造方興未艾的探索階段相關研究還有較大提升空間。首先，無論在孟凡生綜合因素研究還是在王媛媛等具體變量探析中，學者均主要立足于國家宏觀視野，基于智能制造市場初期的截面數據分析展現其落地條件的簡單組合，較難厘清未來制造業(yè)發(fā)展中眾多要素的輕重緩急與微觀廠商智能化轉型的動態(tài)機制。其次，中國戰(zhàn)略研究則尚未突破基本框架層面，強調以國家政策無差別地驅動技術創(chuàng)新、人才培養(yǎng)與互聯互通。但受越南、老撾、柬埔寨等新興低成本生產國擠壓，中國不再是勞動力成本最低的國度；與有效利用數字技術的美、德、日等發(fā)達國家相比，中國也不是高科技領域最強“玩家”，(19)Li,L.,China's Manufacturing Locus in 2025:With a Comparison of"Made-in-China 2025"and"Industry 4.0",Technological Forecasting and Social Change,2018,135(10),pp.66-74.在舊動能日漸難以為繼、新動能培育任重道遠的改革關鍵期，以上戰(zhàn)略可行性亟待增強。當下，從宏觀經濟視角轉向微觀企業(yè)視閾，高度重視制造廠商主動性與利益需求，回歸理性人假設與邊際分析經典方法，細致探析智能制造落地條件與中國智能制造科學發(fā)展戰(zhàn)略時不我待。

二、完全競爭市場智能制造落地模型

在強人工智能科技足以顛覆現有生產模式并能引發(fā)經濟指數式增長的完全競爭市場中，以制造廠商為產品供給側、以消費者為產品需求側、以人工智能企業(yè)與消費者為要素供給側可提出以下假設。

(一)理論假設

1.產品供給側：傳統(tǒng)勞動力就業(yè)邊際報酬遞減，智能制造邊際報酬遞增

若僅以傳統(tǒng)勞動力L作為可變要素，由馬爾薩斯邊際報酬遞減規(guī)律可推知，制造廠商總產量TPL必然表現出先上升后下降的特征；對TPL求導得MPL同樣符合此特征；對總成本TC(Q)求導得MC=w·?L/?Q+0=w·1/MPL，可知邊際成本MC先下降后上升；再由平均產量APL為TPL各點到坐標原點的直線斜率可知，APL變動趨勢與TPL亦基本相同，又因平均可變成本AVC=TVC/Q=w·L/Q=w·1/APL，故AVC與APL趨勢相反并先降后升；而平均成本AC=TC(Q)/Q=(TVC+TFC)/Q=AVC+TFC/Q，反比例函數TFC/Q始終遞減并趨近于0，故AC相對AVC略高并先降后升；再由AC、MC數學關系式AC′=?/?Q·AC=?/?Q(TC/Q)=(TC′·Q-TC)/Q2=1/Q(MC-AC)可知，若MC=AC則AC′為0，即MC曲線必然通過AC最低點，如圖2中acn、mc曲線所示。與微觀經濟學經典傳統(tǒng)一致，本研究僅關注MC曲線拐點右側即MC′>0的部分。

若僅以人工智能要素T作為可變要素，由羅默報酬遞增生產函數可推知，制造廠商將憑借技術、數據強烈的知識溢出效應打破邊際報酬遞減規(guī)律?，F實中，無論是基于Adam還是梯度下降方法神經網絡優(yōu)化均需強大的算力與數據支撐，AI早期成本極為高昂，但因信息能以極低成本批量復制并循環(huán)利用，首件完成后其邊際產量即指數型上升，例如SoftWear Automation推出的全自動縫紉機器人Sewbot售價數十萬美元/臺，但邊際產量高達22秒/件，進一步驗證智能制造邊際報酬遞增。據此令所有使用AI要素的制造廠商TPT完全相同并由0加速遞增，由MPT為TPT斜率可知MPT同樣由0遞增；對TC(Q)求導得MC=w·1/MPT，可知MC曲線減速遞減趨近于0；再由APT為TPT各點到坐標原點的直線斜率可知，APT大于0且加速遞增。回到成本方面，因AVC=w·1/APT，故AVC與APT變動趨勢相反并減速遞減；而AC=AVC+TFC/Q，TFC/Q遞減，故AC>0且AC′<0；因AC′=1/Q·(MC-AC)<0，故MC

2.產品需求側：傳統(tǒng)制造市場需求曲線水平，智能制造由水平轉向垂直

完全競爭市場中，產品需求曲線也隨制造廠商對L與T的不同選擇而大相徑庭。在以傳統(tǒng)勞動力為可變要素的傳統(tǒng)制造全周期，邊際報酬遞減規(guī)律使制造廠商產品供給始終稀缺，消費者則因預算有限且邊際效用遞減，單個消費者隨產品價格下降而擴大消費量，需求曲線向下傾斜，而由完全競爭理論可知該市場消費者數量龐大，對其加總后得由既定市場價格水平出發(fā)的水平線，如圖2中由P′出發(fā)的D曲線所示，制造廠商在每個銷售量水平上價格、平均收益、邊際收益都相等，即P=AR=MR，MR′=0。

而在以AI科技為可變要素的智能制造中，邊際報酬遞增規(guī)律使早期邊際成本格外高昂，智能制造廠商產品供應一度稀缺，市場需求曲線形狀必然與傳統(tǒng)制造重合，同樣表現為圖3中由P′出發(fā)的水平線D。但在長期內，非排他、非競用的機器學習算法、大數據中心、IaaS公有云等可演變?yōu)闃O致生產力，智造廠商產品也由稀缺變?yōu)檫^剩，“當跨過終點線后商品和服務幾乎免費”(23)〔美〕杰里米·里夫金：《零邊際成本社會：一個物聯網、合作共贏的新經濟時代》，北京：中信出版社，2014年，第69頁。。而在邊際效用遞減規(guī)律下消費者需求量將固定于效用曲線最高點，設其最優(yōu)需求量恒為1，則需求曲線為垂直于其消費者總數的直線，如圖3中由Qn出發(fā)的Dn曲線所示，價格P由智造廠商先行決定且P=AR=MR，再由消費者理性選擇供應商，(24)張梟：《“智能經濟”還有多遠？——中國AI落地的動能瓶頸與創(chuàng)新發(fā)展戰(zhàn)略探析》，《寧夏社會科學》2020年第5期。完全競爭市場中智能制造產品需求曲線最終由水平轉向垂直。不過，因物質產品非排他性、非競用性不可與信息服務匹敵，智能制造產品無法像谷歌、facebook一樣完全免費，(25)張梟：《有哪些“經濟”不可共享?——共享經濟平臺基礎條件與匹配行業(yè)探析》，《云南社會科學》2018第3期。在基尼系數≠0的全球社會，世界消費者將依據自身收入水平等選擇高中低端不同市場。

(二)模型陳述

在上述約束條件下，制造廠商將依據智能化各階段不同生產函數對應經濟利潤π的大小與可持續(xù)性，在智能制造、傳統(tǒng)制造與退出市場3大選項中做出理性決策。

1.智能化早期，制造廠商依據風險偏好判斷是否開始智能化

王國:① 以國王為國家元首的國家;② 借指管轄的范圍或某種境界;③ 借指某種特色或事物占主導地位的領域。

智能化轉型早期D曲線水平與傳統(tǒng)制造、智能制造廠商供給曲線迥異。如圖2所示，若拒絕智能化，則制造廠商利潤π=TR-TC，對其求導得利潤最大化一階條件MR=mc與二階條件MR′MC′，廠商均衡產量Q2轉變?yōu)槔麧欁钚』恻c，又因AC>MC，廠商必然遭遇最大虧損，直至AC與P′交點對應產量Q3才能收支相抵，故廠商必將削減產量直至退出市場或擴大生產以逼近+∞。而在智能化轉型前期AI成本曲線高企，AC與P′交點相對居后，智能制造廠商扭虧為盈往往遙遙無期。因此，風險厭惡者必然選擇在Q1處獲最大化利潤，并對智能制造避猶不及；僅有風險愛好者愿意涉足漫長虧損期并開啟智能化進程。

圖2 傳統(tǒng)制造廠商智能化早期動態(tài)均衡模型

2.智能化中期，制造廠商亟需廣闊消費市場支撐繼續(xù)智能化

與傳統(tǒng)制造廠商的固定均衡產量不同，單個智能制造廠商通過收支相抵點產量Q3后即迎來零虧損的暴利時期，其必將無限擴大生產以致社會總供給嚴重過剩，需求曲線隨之由水平轉向垂直，廠商獲得在對應D曲線上任選P值的定價權，而消費者因此獲得挑選廠商的權利，在效用最大化約束條件下同一產品中唯有價格最低者才能勝出，故智能化中期制造廠商僅能要求正常利潤AC，AC曲線與D曲線交點即為智能制造廠商新均衡點，P=AC成其新均衡準則。而由需求側假設可知，智能制造產品需求量受所在細分市場潛在消費者容量Q嚴格限制，從Q出發(fā)的垂線與AC曲線相交后即得其最低價格。圖2中若實際消費市場最大容量

3.智能化遠期，智能制造全球巨頭贏者通吃最終完成智能化

圖3 傳統(tǒng)制造廠商智能化遠期動態(tài)均衡模型

圖4 傳統(tǒng)制造廠商智能化決策樹

總之，作為人工智能與實體經濟深度融合的重要場景，智能制造憑借知識溢出效應建構起迥異于傳統(tǒng)制造的動態(tài)均衡模型?；趥鹘y(tǒng)制造廠商智能化決策樹(如圖4所示)分析發(fā)現，傳統(tǒng)廠商智能化轉型將遭遇早期虧損最大化、中期消費市場狹小、遠期贏者通吃危機三大關卡，若不能一一攻克，Raikov的宏偉預言“不管人們對數字化的態(tài)度如何，人工智能及其影響仍將繼續(xù)并極大地改造我們的生活”(26)Raikov,A.N.,Digital Economy and Artificial Intelligence:Status Quo and Challenges Thirty-First Gubernatorial Readings Tyumen,December 5th,2017,Politeia-Journal of Political Theory Political Philosophy and Sociology of Politics,2018,88(1),pp.172-195.，將不會在微觀制造企業(yè)甚至全球制造業(yè)中變?yōu)楝F實。

三、智能制造落地基礎條件

完全競爭市場傳統(tǒng)制造廠商智能化決策樹顯示，智能制造的運行機制與傳統(tǒng)工業(yè)經濟截然不同，唯有具備以下的獨特條件智能制造才能落地成功。

(一)首要條件：超人類的廉價智能科技

早期虧損最大化是掣肘傳統(tǒng)制造企業(yè)智能化轉型的首要障礙，為加速智造廠商早期虧損期終結AI要素降本必不可少。如圖1、圖2所示，傳統(tǒng)制造智能化的本質是T、L兩大要素供給方——AI企業(yè)與傳統(tǒng)勞動力的競爭，在AI要素報酬遞增規(guī)律下智造廠商始終處于AC曲線遞減的規(guī)模不經濟階段，唯有令AI要素價格大幅降低，MC、AC曲線隨之下移，Q3同步左移，智造廠商早期虧損與風險厭惡才能有效緩解，因此多措并舉降低AI要素相對于傳統(tǒng)勞動力的價格水平是激勵智能制造落地的重要砝碼。例如在2020年新冠疫情期間，聲勢浩大的“全民抗疫”使勞動力流動與聚焦受到嚴格限制，用工成本空前高漲，大量傳統(tǒng)制造企業(yè)終于開啟自動化、數字化、智能化轉型與投資進程，MES/MOM、工業(yè)軟件與BI(商業(yè)智能軟件)、智能物流等應用市場增長顯著，RPA(機器人流程自動化)、協同辦公、網絡視頻會議等更成為制造業(yè)爆款應用。顯然，新冠疫情爆發(fā)使工業(yè)機器人等智能科技要素獲得超越人類勞動力的相對成本優(yōu)勢，加速了我國制造業(yè)數字化轉型與智能制造建設進程。

(二)必要條件：大容量的全球細分市場

(三)關鍵條件：領導型的壟斷制造廠商

智能化遠期的贏者通吃危機則是傳統(tǒng)廠商智能化的最大顧慮，僅有占據絕對競爭優(yōu)勢的龍頭企業(yè)才能在智能制造中擁有一席之地。如圖3所示，在產能過剩狀態(tài)與P=AC均衡準則下，同一市場消費者必然選擇價格最低的制造廠商，以充分享用智能制造業(yè)知識溢出帶來的巨大社會福利，因此與大量中小型企業(yè)參與全球分工的傳統(tǒng)制造格局不同，智能制造中僅有極少數頭部企業(yè)能幸存于世。例如在MES國際市場中，以材料、電子制造自動化起家的霍尼韋爾、西門子，憑借全球領先的工業(yè)基礎能力，迅速崛起為工控界兩大超級巨頭，市值分別達到8045億美元、6435億美元，為中國規(guī)模最大的寶信軟件市值的10倍以上，2001年至今密集收購Elster等百余家MES廠商，成功壟斷絕大部分國際市場。正如Vishnevsky、Szalavetz研究所言，數字經濟和固定資本總額間存在良好相關性，發(fā)展中國家與發(fā)達國家之間的差異與其說是數字經濟發(fā)展水平，不如說是固定資本投資的差異；(27)Vishnevsky,V.P.,The Digital Economy in the Context of the Fourth Industrial Revolution:Opportunities and Limitations,Vestnik Sankt-Peterburgskogo Universiteta-Ekonomika-St Petersburg University Journal of Economic Studies,2019,35(4),pp.606-627.中小型制造廠商即便應用智能制造重大科技成果，也不能縮小其與燈塔企業(yè)在價值生成方面的顯著差距。(28)Szalavetz,A.,Digitalisation,Automation and Upgrading in Global Value Chains-Factory Economy Actors Versus Lead Companies,Post-Communist Economies,2019,31(5),pp.646-670.唯有充分利用傳統(tǒng)制造時代工業(yè)體系競爭優(yōu)勢，培育領導型的全球燈塔企業(yè)才能使智能制造勝利完成。

(四)保障條件：互聯互通的新型基礎設施

除此之外，智能制造還需要廣泛的合作伙伴網絡高效互聯以收獲技術進步帶來的好處，(29)Zeng,J.and Simpson,C.,A Process Model of Dynamic Capability Development:Evidence from the Chinese Manufacturing Sector,Management and Organization Review,2017,13(3),pp.643-673.互聯互通的新型基礎設施成為智能制造落地的重要基石。由圖1可知，只有通過RFID傳感器、嵌入式芯片、工業(yè)以太網、IoT物聯網等將智造廠商、AI企業(yè)與消費者緊密相連，智能制造落地模型坐標系才能存在，并為其他三大基礎條件的成立、鞏固提供云端支撐。例如定制西服外貿企業(yè)——紅領服飾，自2001年起投入資金數億元打造大數據平臺RCMTM，逐漸積累高達1億個版型數據，不僅可取代打版師傅為顧客自動設計版型，更能與人機協作、全球網絡系統(tǒng)互聯互通，逐步打破智能制造“云孤島”困境，有力驅動全供應鏈與生產線的信息化管控，使紅領西服定制、加工、配送總周期由3—6個月降為7個工作日，邊際產量由5套/日升為1200套/日，以IT/OT的高度融合塑造出超人類的廉價智能科技，加速智能化生產模式在紡織與服裝制造業(yè)的落地與成熟。

四、中國智能制造發(fā)展戰(zhàn)略建議

制造業(yè)智能化轉型浪潮中，曾盛行于傳統(tǒng)時代的國際價值鏈分工模式正被全球細分市場壟斷格局迅速取代，以廉價勞動力為核心的中國國家比較優(yōu)勢蕩然無存。(30)高柏、朱蘭：《從“世界工廠”到工業(yè)互聯網強國：打造智能制造時代的競爭優(yōu)勢》，《改革》2020年第6期。面對智能制造落地的獨特條件，我國亟須擺脫世界工廠傳統(tǒng)思維，全面重構中國智造發(fā)展戰(zhàn)略。

(一)公私合作推動技術與數據要素市場供給側改革，實現勞動力數字化轉型

全方位降低AI科技成本是智能制造落地的首要條件與成功轉型的重要籌碼，而由圖3可知，以人工智能企業(yè)為主體的AI要素供給方贏者通吃屬性異常強烈，在美國嚴控對華出口背景下，暫處全球第二梯隊的中國AI企業(yè)難以在市場機制中自主完成智能科技攻堅，中國制造因此亟需：(1)公私合作開展技術與數據要素市場供給側改革，強化國家戰(zhàn)略科技力量，加快科研院所改革，升級知識產權保護，提升CNN、RNN、增強學習算法以提高工業(yè)機器人精確性與魯棒性，在GPU、FPGA、ASIC、類腦芯片傳統(tǒng)架構之外研發(fā)量子計算芯片以促進算力指數型增長，選擇具有海量標準數據的應用場景為神經網絡優(yōu)化減輕數據獲取難度，推動智能制造AC曲線左移，直接降低AI成本。(2)開展勞動力要素供給側改革，通過科教改革、技術培訓將部分勞動力轉化為智能制造操作員、生產經理、物流、循環(huán)經濟、服務技術人員與創(chuàng)客等旁觀者，(31)Taylor,M.P.and Boxall,P.,Operator 4.0 or Maker 1.0?Exploring the Implications of Industrie 4.0 for Innovation,Safety and Quality of Work in Small Economies and Enterprises,Computers & Industrial Engineering,2020,139, pp.139；Mortensen,S.T.and Nygaard,K.K.,Outline of an Industry 4.0 Awareness Game,Procedia Manufacturing,2019,31,pp.309-315.減少傳統(tǒng)勞動力供應并引流至智能制造，拉動傳統(tǒng)制造AC曲線右移，相對降低AI成本，雙管齊下縮短智造廠商虧損期，驅動傳統(tǒng)制造廠商積極轉型。

(二)立足中低端消費國內大循環(huán)，循序漸進打通中高端制造國內國際雙循環(huán)

精選國際場景、擴大對外開放是打通智能制造國內國際雙循環(huán)的必要條件，而結合智能制造落地四大基礎條件可知：(1)我國家電、汽車組件、計算機通信設備等中低端消費制造業(yè)，在人口紅利、中低端制造等傳統(tǒng)動能驅動下已成功轉型為全球智能制造領軍者。(32)國家工業(yè)信息安全發(fā)展研究中心：《2020人工智能與制造業(yè)融合發(fā)展白皮書》，2020年。立足市場國內大循環(huán)，利用歐美產業(yè)空心化機遇，充分調動海爾等中國巨頭積極性，深度挖掘海量數據優(yōu)勢與工業(yè)基礎能力，加快訓練世界級頂尖數控機床與工業(yè)機器人，率先壟斷中低端消費全球市場，可為轉型提供穩(wěn)定現金流。(2)包括智能制造裝備在內的電氣機械與器材等中高端制造業(yè)則在積極追趕國內領軍者與國際競爭者，但在贏者通吃規(guī)律下中國中車、寶信軟件難以超越德國ICE、西門子等全球霸主，唯有通過財政轉移支付才可打通中高端制造國內國際雙循環(huán)，為中國智造開辟嶄新市場機會與可持續(xù)發(fā)展之路。(3)而橡膠和塑料制品、造紙包裝及印刷業(yè)則因生產高度柔性等，在現有AI水平下仍需繼續(xù)探索人工智能應用發(fā)展路徑?？傊?，轉變遺留于《中國制造2025》等傳統(tǒng)政策中的全球價值鏈分工模式，循序漸進提升全產業(yè)鏈自主控制能力，割據并拓展全球細分市場成智能制造落地的當務之急。

(三)重點推動中國制造巨頭打造全球燈塔企業(yè)，兼顧中小企業(yè)孵化新興巨頭

智能制造落地的關鍵條件是培育全球制造業(yè)龍頭企業(yè)，成功壟斷國際細分市場，但在當前我國僅15.8%的規(guī)模以上工業(yè)企業(yè)屬于大中型企業(yè)，而84.2%的規(guī)模以上工業(yè)企業(yè)屬于小型企業(yè)，年主營業(yè)務收入在2000萬元以下的小微企業(yè)則多達200余萬家，廣大小微企業(yè)構成中國制造業(yè)的主體根基，中國智造開局不利。結合圖3與智能制造落地關鍵條件可推知，中國制造業(yè)智能化轉型需重點扶持產量達到Q3的創(chuàng)新先鋒F2H2(富士康、福耀玻璃、華為和海爾)與制造巨頭C6&M7(中國中車、中國船舶重工、中國商用飛機、中國船舶工業(yè)、中國寶武鋼鐵、中國航天科技與吉利、長虹、比亞迪、蔚來汽車、TCL、美的、格力)打造全球燈塔企業(yè)；也需在新興產品市場中選擇性孵化有望達產Q3的小米、寒武紀、智車優(yōu)行等獨角獸企業(yè)U10與中小企業(yè)SME10；(33)吳珊、龔業(yè)明、張金隆：《中國智能制造百強評價及發(fā)展研究》，《管理學報》2020年第2期。而在產量僅為Q1、Q2的中小企業(yè)數字化賦能專項行動中，則需避免低水平同業(yè)競爭與各級地方重復建設，并將智能制造巨頭合理兼并與小微制造企業(yè)產業(yè)轉移視為中小企業(yè)智能化改造的科學舉措，在各個細分市場培育足以媲美霍尼韋爾、西門子、ICE等全球巨頭的中國智造中堅力量。

(四)打破消費互聯網與制造巨頭資源匹配模式,深度實現“云孤島”互聯互通

現代資源管理的復雜性與決策者眾多、個體標準多樣、約束條件多變、操作間相互依賴性密切相關，(34)Skobelev,P.,Towards Autonomous AI Systems for Resource Management:Applications in Industry and Lessons Learned,Advances in Practical Applications of Agents,Multi-Agent Systems,and Complexity:The Paams Collection,Cham:Springer,2018,pp.12-25.智能制造必然要求以物聯網、云計算、AI平臺等將市場主體緊密相連，而在我國新型基礎設施建設中，擺脫消費互聯網資源匹配模式、加速制造巨頭平臺化轉型(35)樸慶秀、孫新波、蘇鐘海、董凌云、張金?。骸吨圃炱髽I(yè)智能制造平臺化轉型過程機理研究》，《管理學報》2020年第6期。尤其重要。由圖3可知：(1)在人口紅利與中國長城防火墻保護下，阿里、騰訊、百度等信息搜索與推薦平臺無需與亞馬遜、facebook、谷歌直接較量，因而在中國AI領域獲遠超智能制造的巨大成就，并使資源匹配型消費互聯網成中國經濟的強勁動能，(36)張梟：《中國APP競爭力格局研究——基于“兩微一端”百佳評選數據庫主成分聚類分析》，《寧夏社會科學》2018年第5期;張梟：《互聯網經濟緣何“領跑全球”?——基于完全競爭市場互聯網經濟動態(tài)均衡模型》，《現代經濟探討》2018年第10期。但客觀上抑制了工業(yè)互聯網中智能傳感器普及、企業(yè)上云與智能數據分析和決策技術達國際一流水平。目前隨BAT分層壟斷格局奠定，消費互聯網濫用市場支配地位牟利危機日益嚴峻，(37)張梟：《互聯網經濟“下半場”的壟斷危機與管制對策——基于互聯網寡頭市場動態(tài)均衡模型》，《貴州社會科學》2020年第9期。唯有積極管制消費互聯網巨頭，引領其以海量數據賦能工業(yè)互聯網，才能眾志成城推動中國制造智能化轉型。(2)制造業(yè)巨頭則是智能制造與工業(yè)互聯網中堅力量，但受全球領先的低端制造與“互聯網+”動能驅動，中國海爾COSMOPlat、美的MeiCloud、富士康FiiBeacon、航天科工INDICS等翹楚平臺也側重資源匹配，嚴重依賴第三方采集數據和控制模塊，難以承擔中國智造數字孿生重任，與單一企業(yè)采集數量>2萬、覆蓋10余個行業(yè)全流程數據分析模型的西門子MindSphere平臺相去甚遠。中國制造巨頭互聯互通工程仍待加強。

五、結論與展望

第四次科技革命浪潮中全球制造業(yè)轉型勢在必行，但智能制造落地關卡重重。通過完全競爭市場智能制造落地模型分析發(fā)現：邊際報酬遞增規(guī)律已然顛覆傳統(tǒng)國際價值鏈分工的帕累托最優(yōu)均衡，塑造出贏者通吃的高風險AI場景。唯有同時具備超人類的廉價智能科技、大容量的全球細分市場、領導型的壟斷制造廠商、互聯互通的新基建智能制造才可成功落地。而面對四項獨特條件，中國制造需公私合作、循序漸進推動AI要素降本、打通國內國際雙循環(huán)、培育全球燈塔企業(yè)、實現“云孤島”互聯互通，勝利完成制造業(yè)智能化轉型。

在十四五規(guī)劃開局之年本研究具有以下理論與實踐意義：(1)理論方面，研究聚焦制造業(yè)智能化轉型熱點問題，嘗試以微觀模型展示智能制造落地的獨特機制與基礎條件，發(fā)現智能制造中全球細分市場壟斷新模式興起與國際價值鏈分工舊秩序覆滅的歷史變革，重構了未來制造業(yè)動態(tài)均衡理論基礎。(2)實踐方面，數理推導證實制造業(yè)數字化轉型的緊迫性與艱巨性，重點厘清技術進步、互聯互通、國家政策等基礎條件之間的邏輯關系，創(chuàng)造性地劃分出大中小型制造企業(yè)與政府機構在制造強國建設中的職責分工，可為2021年制造業(yè)設備升級、數字經濟反壟斷、IT/OT融合發(fā)展等重點任務提供了一定理論支撐。

因研究能力與篇幅所限本文還需在以下方面繼續(xù)深化：首先，本文以強人工智能時代與完全競爭市場等樂觀假設為基本前提擘畫智能制造未來圖景，較難涵蓋弱人工智能時代中壟斷競爭市場、寡頭市場、壟斷市場的制造業(yè)智能化轉型實踐，今后還需進行多元理論創(chuàng)新。其次，智能制造“云孤島”困境不僅阻礙智能制造落地，也使研究無法以優(yōu)質數據進行實證模型檢驗。在數字經濟時代大數據、云計算不僅是未來研究方向，更可助力“中國制造”在通向“中國智造”的時代紅海中踏浪前行。