工業制造作為國民經濟的重要支柱，在全球經濟和科技快速變革的背景下，正面臨著前所未有的挑戰與機遇。各主要經濟體和新興市場國家都在積極布局再工業化戰略，希望通過科技革命尋找經濟增長的新動能。數字化技術和智能技術的迅猛發展，促進了技術的交叉融合和深度滲透，讓智能制造成為再工業化的主旋律。
在此背景下，華為作為全球領先的ICT(信息與通信)基礎設施提供商，在智能制造領域的實踐不僅展示了公司的技術實力，也為整個制造業的數智化轉型提供了寶貴經驗。
12月3日，華為中國政企業務在重慶舉行了主題為“數智制造 一觸即達”的智能制造媒體溝通會。華為中國政企智能制造系統部總經理楊萍分享了華為在踐行制造業務數智化轉型及幫助客戶企業開展數智化轉型中的收獲和體驗。對于不少面對數智化轉型時“不敢轉、不愿轉、不能轉、不會轉、不善轉”的企業而言，具有重大的參考價值。
華為中國政企智能制造系統部總經理楊萍
智能化升級：制造企業的一道必答題
本世紀以來，全球經濟格局的重大調整迫使各國尋求創新的經濟發展戰略。特別是在經濟增長緩慢等背景下，作為實體經濟主體的制造業的轉型升級一直是全球各國關注的最重要的話題之一，探尋制造業轉型升級之路也是各國工業政策經久不衰的議題。
現階段，我國制造業承受著來自國內外雙重壓力。一方面，發達國家制造業依靠原始積累，率先進行數字化轉型升級，生產成本不斷降低，科技含量不斷提高，致使我國制造業國際競爭力相對較弱，在全球價值鏈中存在“低端鎖定”風險；另一方面，隨著國內勞動力和原材料成本優勢衰減“劉易斯拐點”的到來致使制造業原有的粗放式發展模式受到強烈沖擊。
此外，我國已轉向高質量發展階段，正處于轉變發展方式、優化經濟結構、轉換增長動力的攻關期，但制造業供給與市場需求適配性不高、產業鏈供應鏈穩定面臨挑戰、資源環境要素約束趨緊等問題凸顯。
在此背景下，智能制造發展程度直接關乎我國制造業質量水平，是制造強國建設的主攻方向。發展智能制造對于鞏固實體經濟根基、建成現代產業體系、實現新型工業化具有重要作用。
國務院發展研究中心“我國數字經濟發展與政策研究”課題組指出：“我國制造業企業所處發展階段參差不齊，其數字化轉型既包括處于較低發展階段的企業提高信息化水平，也包括處于較高發展階段的企業實現數字化、網絡化、智能化……缺乏權威的數據標準、數據安全問題有待解決、數據開放與共享水平有待提高、技術基礎與信息基礎設施相對薄弱、對就業將產生嚴峻挑戰等問題仍存在，阻礙著制造業數智化轉型進一步深入”。
解決上述問題的有效途徑之一，是推進“先智”帶“后智”。以華為為代表的數智化轉型的先行者，已經在實踐中總結出了一套行之有效的數智化轉型方法論，可以為其他企業就如何在數智化轉型路徑上有效“避坑”且“提速”提供有利參考。
華為：為什么要深耕制造？
華為中國政企業務很早就提出過“深耕制造，讓智造生根”的口號，楊萍提到，這一決策的背后是強烈的責任感和使命感。
作為全球領先的ICT(信息與通信)基礎設施和智能終端提供商，華為本身就是一家具有強研發屬性的制造企業。
華為業務范圍涵蓋5G、云服務、計算、存儲等to B業務，也涵蓋終端、車BU等to C業務。公司的廣泛業務范圍，在銷售、供應鏈和服務等方面構成了復雜的業務網絡，如果不積極引進新技術和新工具，要統籌好這樣龐大的產業鏈是不可想象的。
楊萍介紹到，華為從上世紀90年代就開啟了以信息化建設為主的業務管理變革，構建了IPD研發流程管理、ISC供應鏈管理等信息化系統。
而華為真正意義上的數字化轉型是從2014年起步的。
這一年，華為決定基于已有的聯接業務實施“破圈”行動，開始入局計算領域，產品線納入了服務器、存儲和其他IT設備，并提出了兩個“千億”目標，在ICT和終端兩個業務領域分別做到千億營收。為了更好地實現這一目標，同時防止公司因業務擴大而引發“熵增”問題，全面數字化轉型的需求呼之欲出。
華為首先在整個公司建立了全量、全要素聯接和實時反饋系統，將生產領域上百個品牌的600多萬臺裝備，以及裝備之間的幾十種通信做了全聯接，為接下來打通各個工廠間的生產數據奠定了基礎。
在此基礎上，華為啟動了數據治理相關工作，建立了數據治理頂層架構。該架構詳細定義了每項數據的業務對象模型（BOM），明確了BOM對應數據的責任范圍，并規定了數據在不同部門間的流通方式。這一系統確保了各行業、不同群體及各職能部門能夠通過統一的數據平臺進行有效溝通。
最后，華為還構建了綜合安全體系。為確保數據安全，公司實施了多層防護策略，讓外面的攻擊和威脅做到攻不進、看不到、拿不走、打不垮、毀不掉、可恢復以及可追溯。
由此，華為打造了第一個“T”，即數據治理和數據平臺的能力。
隨著人工智能技術特別是生成式人工智能技術的發展與突破，華為從2018年開始在整個集團啟動了人工智能升級戰略。提出要升級AI數據治理體系，要將AI模型跟數據工具鏈深度整合，要在傳統數據治理和數據平臺的基礎上，疊加一層AI安全治理和AI數據工具鏈，再基于華為云新型的AI算力平臺，構建企業新型的AI數據服務，打造了華為的第二個“T”，即AI模型和平臺的服務以及AI的治理和安全能力。
在伴隨新技術和工具開展自身數智化轉型的過程中，華為積極總結經驗，提煉數智化轉型的方法論，逐漸溢出為一項新業務。在實現自身迭代和進化的同時，華為也期待用自己的經驗和技術積累，在我國從制造大國向制造強國邁進的道路上出一份力。
通過為傳統制造企業提供數智化轉型所需的計算、人工智能、操作系統、數據庫、云、大模型等技術和資源，讓國內傳統制造企業在技術基礎軟件和硬件方面不受制于人，同時能夠擁有全球先進的技術基礎設施。這是華為深耕制造的根本原因。
華為：如何讓智造生根？
楊萍認為，數智化轉型只有開始，沒有結束，是一個持續的過程。相關企業必須堅持以戰略為根本、數據為基礎、智能化為方向的總原則，在實踐中不斷前行。
為了更好地推進制造企業的數智化轉型，華為一直在積極探索數字技術和智能技術在企業各方面、各場景的應用。并積極開拓生態，在研發、生產、供應、銷售、服務等各領域與各企業進行共創互補、相互賦能、相互協同，在國內已經服務超過了7500家制造客戶。
楊萍分享了華為在汽車、醫藥和機器人幾個行業的合作實踐。
在位于重慶渝北區的長安汽車數智工廠中，華為依托自身的數智化轉型經驗，基于“一云一網一平臺”的智慧工廠解決方案先進架構，助力長安汽車打通工程數據流-生產工藝流-商業信息流這“三個流”，賦能數智工廠構筑智造新能力。加速客戶實現業界領先的柔性制造能力，在適應市場快速變化的同時生產高品質智能汽車，構建企業核心競爭力。
在醫藥研發方面，華為針對藥企在藥物分子結構發現、臨床試驗及基因體征分析方面打造了一個盤古醫藥分子大模型，該模型已經訓練了超過17億醫藥分子數據，是最大的醫藥分子模型。能夠有效幫助醫藥企業客戶解決傳統醫藥研發周期長、成本高等頑疾。
基于華為自身的IPD流程經驗，華為有效幫助頭部機器人企業重塑了結構化研發流程，實現了研發質量與生產質量的協同管理。讓客戶降低研發成本的同時，極大提高了研發有效性。
楊萍提到，未來華為會持續深耕生態，聚焦于自己擅長的復雜硬件基礎設施和軟件基礎設施，攜手面向制造的萬千的伙伴，一起完成從底層到應用開發的整體解決方案的構建。
為了讓智造生根，華為也在積極推動數智化人才的培養。努力通過以應用為牽引，以技術為支撐，為制造行業的數智化轉型積累充足的人才儲備。面向制造業管理者、架構師、開發人員、運維人員、生態伙伴等8類人群，針對企業數智化轉型的3個不同階段（規劃階段、建設階段、運營階段），打造數智化管理、數智化應用、數智化技術3大人才培養體系。過去三年已經累計為制造企業、高校培養了超過2萬名數智化人才。
寫在最后
隨著新一輪科技革命和產業變革深入發展，智能制造成為全球制造業科技創新的制高點，發展智能制造也成為全球制造業變革的必然趨勢。對于傳統制造企業而言，這已經不再是一道選擇題，而是一道必答題。盡管轉型過程面臨諸多問題，但是國內傳統制造企業依舊處于一個相對利好的大環境中，既有國家不斷出臺的各項政策的支持和引導，也有諸如華為這樣的數智化轉型方案賦能商可以幫助企業更好、更快、更省地開啟數智化轉型之路。
相信隨著數智化技術賦能傳統制造業轉型升級，智能制造將有效促進產業和資源要素的深度融合，推動形成以科技為引領的新質生產力，有力支撐推進我國新型工業化高質量發展，促進數字經濟和實體經濟、實體經濟和資源要素深度融合，不斷壯大實體經濟根基，支撐引領我國現代化產業體系建設。
