十多年前，本人開始對創新理論感興趣。此后一直堅持熊彼特的觀點：新技術不是創新，取得經濟成功才是創新。這個評價對智能制造同樣合適。但現實中往往是：新技術一大堆，但卻用不好。由此可見，先進技術和經濟性的結合，并不是簡單的事情。

 “存在的就是合理的”，這種現象并不意外：優秀企業的管理和技術人員其實都是很聰明的且信息靈通：如果某項新技術很容易創造價值，根本等不到“智能制造”成為熱點、老早就會采用了。所以，過去沒采用往往意味著價值創造上存在問題。要解決智能制造在創造價值上的困難，就必須看得遠一點、更廣一點。要著眼于未來、著眼于系統，而不是著眼于現在、著眼于部門。其中，著眼于未來，就是著眼于勞動力成本的變化和市場對質量要求的提高；著眼于系統則是著眼于部門的協同、和用戶的協作。

 筆者發現：不論著眼于未來還是著眼于系統，智能制造都繞不開一個問題：知識管理。

 “知識管理”其實是一個很混亂的概念。在很多人看來，把文檔收集起來就是知識管理了。筆者則更關注業務活動中作為標準的知識。比如，產品標準、工藝參數、操作標準等。MES、ERP、PLM，本質上就是管理這種知識。這些知識往往具備以下的特點包括：

 1、直接對接生產、管理等業務活動。比如，生產某種產品時要有設計標準。

2、可用規范的數據結構來表示：比如，鋼材的成分。

3、知識之間具有結構關系：比如，工藝參數都與特定工序或設備對應。

 總之，這些知識的特點，是方便計算機信息系統的使用。只有做到上述幾點，信息系統的運作才能順暢。

 與之相反，著作、論文、專利等承載的知識往往是非結構化的，與應用過程的結合度低。人們看完一篇論文時，常會有這樣的感覺：懂了，但不知道怎么用。這些困難包括：模型缺少參數、應用對象不明確、應用條件不清楚等。這樣的知識就像瓷器上掉下來的碎片，不知道該粘帖在什么地方。

我現在所關心的是：智能制造時代的知識管理應該有什么不同？

 我想，智能制造時代的知識管理同樣也應該具備上述特點，而且是在這個基礎上的發展。發展到什么方向呢？這就要看智能制造本身有什么需求了。

智能制造最本質的特點，是通過數字化、網絡化的手段，更快、更科學地響應外部的變化。要實現這個目標，許多人做的事情要讓機器去做了。讓機器做人做的事，就要把人腦中的潛在、默會的知識挖掘出來、形成數字化的知識或模型。要認識智能化，還要意識到它與傳統自動化的區別。比如，智能化更側重對外部信息的應對，對代替白領的勞動同樣熱衷。這樣以來，需要管理的知識范圍要大得多了。

要推進智能化，不僅要發散，還要聚焦。在智能化階段，應該聚焦哪些知識呢？又如何與自動化的知識對接呢？在筆者看來，智能化階段關注的知識，應該以自動化管理的知識為基礎，是制定這些知識的知識。

前面已經談到，自動化階段的關鍵知識是相關的標準。但我們也知道，企業在運行過程中經常會遇到原有標準無法包含的內容：新產品開發時，需要生成新的產品標準和技術標準；新用戶到來時，需要選擇合適的標準去組織生產；生產、服務、設計、采購等過程出現超出標準的情況時，需要給出處理的方法。有些標準不合理，還需要人們去修正。從某種意義上說，這些工作都是在突破原有的標準，即“標準的突破”。

我們知道，“標準的突破”是有風險的。所以，權限一般只能賦予相當級別的領導和專家，以特事特辦的名義保持標準的權威性。但即便如此，也是存在眾多問題的：比如規范性不好、依賴于專家等。

我們知道，智能制造的目的之一，是幫助制造企業更好地走向“微笑曲線”的兩端：設計和服務。而“設計和服務”所針對的，不就是關于產品設計和使用的相關知識嗎？如果這些知識已經“標準化”了，人們做的事情的不就是“標準的突破”嗎？

智能化不是廢除標準，而是讓標準更加靈活地適應變化、讓“突破的標準”過程標準化。由此可見，智能制造需要管理的知識，是“產生標準”的知識、是“優化標準”的知識、是“突破標準”的知識。

有心人或許意識到：“優化標準”和“突破標準”的知識，往往就是精益生產的知識。很多專家認為：精益生產是智能制造的基礎，智能制造是精益生產的延續。所以，知識管理是從精益生產到智能制造的基礎條件。

在智能制造時代，知識管理需要上一個臺階：過去的知識管理，主要針對物質產品的生產；未來的知識管理，或許要針對知識產品的生產；過去管理的知識是標準本身，現在要管理的知識是產生標準的知識。

如前所述，標準的突破不是隨意的。越是復雜的技術體系，突破的風險就越大。所以，“標準的突破”必須規范起來。機器做事可以讓過程更加規范；但是，規范的做法未必科學——為了讓機器的做法科學合理，人必須把科學合理的方法提煉出來、變成數字化的知識，教會機器。

我曾反復強調的：數字化的力量在于真實和科學——我之所以強調，是因為現實中的許多事情是違反這一原則的。比如，有時人們不愿講出真實的想法，有時思路不清晰，有時則是轉化過程出現問題。這些都會帶來嚴重的負面影響，為智能制造的推進帶來風險。只有避免這些問題，做到基于科學和真實的數字化，智能制造才能做得比人更好。由此可見，要推進智能制造，文化必須先行，“賽先生”的課是必須補的。否則，“彎道超車”就容易掉到溝里去。

如果是這樣，智能制造時代需要什么樣的軟件來支撐呢？這是個值得思考的問題。