6月12-14日，為期三天的“2019全球新經濟年會”在上海長寧世貿展館舉辦。本次大會由上海市經濟和信息化委員會、上海市商務委員會、上海市長寧區人民政府指導，上海市長寧區青年聯合會、億歐公司聯合主辦。

在13日上午的“新 制造 未來”峰會上，星瀚資本楊歌發表了主題為“新經濟形勢， 智能制造 投資邏輯”的演講，與參會嘉賓分享了 智能制造的發展機遇及星瀚資本的投資邏輯 。以下為億歐總結的楊歌的核心觀點：

楊歌的核心觀點

1. 關于智能制造：

• 智能制造最基礎的是信息化程度。目前行業標準未建立，智能制造還有很長的路要走。

• 智能制造的重要特點：場景特異性，大量智能制造公司都為某一個場景服務，而非可泛化標準化的商品或資源，這導致整個市場百家爭鳴，沒有標準，很難形成大企業。這是目前來講，智能制造比較明顯的現象。

• 智能制造的重要特點：場景特異性導致智能制造要想形成大的項目，形成產業集群的協作成本非常高。?

2. 關于 人工智能 ：

• 人工智能是智能制造智能化非常重要的環節，人工智能分三個層次：基礎層、模塊層和應用層。硬件和基礎，被叫做基礎層。中間是模塊層，識別各類語音、語義、情緒等。

• 人工智能的應用是長產業鏈系統、由基礎層的成熟決定上層建筑、且短鏈條的人工智能最容易短期的實現。

3. 關于投資機遇

• 智能制造、人工智能與傳統行業結合的產業升級是未來投資機遇。

• 5G仍然是星瀚資本非常關注的方向，是物聯網進一步發展的非常重要的基礎，會通過速度，最終改變商業形態。

• 大量的邊緣計算會導致很多中心計算趨向于去中心化的計算，這也是一個很重要的趨勢。?

• 智能制造一個很重要的方向，就是智能制造的制造。智能投顧、智能安防、企業資源的人工智能化是我們非常關注的點。

• 數據、物聯網、人工智能結合的部分都是智能制造的機遇，現在都處于商業的上升期，這里面有大量的東西還可以摸索，智能制造也會用5-10年走出這個過程。?

楊歌演講全文：

大家好，很高興今年又來到這個舞臺，跟大家分享。我們星瀚資本，是億歐很好的合作伙伴。我今天簡單給大家分享一下，關于智能制造和人工智能，在投資行業里面的一些觀點。

簡單介紹一下我們公司，我們公司是很活躍的一家VC機構，我們投了很多企業，像鯤云科技等。 我們主要的投資理念是，把新生的行業，比如智能制造、人工智能和傳統行業進行結合，在這里面尋求機遇，把它結合起來之后，使得傳統產業進行產業升級 。

今天給大家分享的 主題內容是關于智能制造的關聯企業 ，我簡單做了一些總結。我們現在所面臨的行業，比如數據基礎、數據傳輸、算法智能、終端設備、數據互聯、數據計算等這些方塊代表大方向，信息化、產業互聯、5G、AI、智能設備、物聯網、邊緣計算等這些圓圈代表行業。另外，我簡單提一下關于云計算和邊緣計算目前的機遇。

智能制造是什么？發展機遇在哪里？

我分享第一點， 智能制造的基礎到底是什么？ 前兩年有很多智能制造的行業，比如零售、智能零售、無人零售等，這些行業缺乏智能制造的技術環境。對于 智能制造，最基礎的是產業的信息化程度 。如果你的產業信息化程度達不到數據化的程度，那這個行業的智能制造，我認為是一個偽命題。

我認為產業升級的定義分幾個階段：任何一個產業開始都是經驗化的，逐漸變成了標準化。產業里面要有產業協會，制定標準；標準制定完了以后有信息化，整個信息化是普及的。對供應鏈、產業平臺來講，是標準信息化的過程，大家都在用SAAS、ERP進行交互、交流。在這個過程中，逐漸形成數據體系，模塊化。

前兩年我們討論區塊鏈、數字經濟也好，為什么相對來講比較虛？因為它底層的可量化的經濟基礎是不標準的，在不標準的基礎上，我們做數字通證，這個是沒有意義的。所以從 一個產業的基礎來講，一定要從標準走向數據，走向模塊的過程，最后才能走向自動和智能制造，這是一個過程在里面。

這里很難做但很重要的一點，是數據基礎。數據今天不多講，現在大量數據是非標化的，我不講這一篇內容，大家看一下。我講一個很有意思的例子，上個月我從美國克利夫蘭診所回來，那個地方做醫療的智能化過程，我才發現 我們很多行業和真正的智能化還有很大差距的 。我們提了很多醫療智能化、器械智能化，始終推不動， 原因是什么呢？整個行業標準沒有建立起來 。各個公司的病例、數據基礎都不是標準的。

我在克利夫蘭診所（美國第二大的私人診所）發現，診所非常標準，有五千萬病人；15年以來，每個季度的病情和健康數據，是完全標準化的；你在這個過程中，每一個階段的體檢，以及你得了病以后的各類檢測，包括血、影像、醫生問診所有的東西都是標準化的。在這個標準情況下，醫療行業才能進入到智能化的水平上。所以我給大家做一個很直接，有沖擊感的例子，說明什么？說明智能化不是“說”出來的。我門的智能設備終端，無人零售的售貨機，看起來都是自動化，但這些多數屬表面工作。 是否能夠形成無人零售？最重要的不是表現的形態，而是背后的數據庫、供應鏈以及每個商業的體系是否標準，這是非常重要的。如果每個供應鏈、每個商品自己不能形成標準化和數據化，那在終端自然也不能形成自動化的過程。所以對數據的使用，對人工智能的使用，它的基礎大家要了解，只有行業高度的標準化、信息化和數據化，才能達到最終的智能化。

人工智能的應用層如何定義?

人工智能我們探討了很多，它有很多挑戰。我認為 人工智能是智能制造智能化非常重要的環節 。這里面有很多關于人工智能分類今天不細講了，我主要講一下關于人工智能的應用。 我們把人工智能的應用分三個層次：基礎層、模塊層和應用層。

目前來講，作為投資人和創業者，我們主要把目光定在基礎層和模塊層。作為大眾人群來講，很多人定義應用層，包括機器、自動駕駛、無人機等。那么這些行業被研究了很長時間卻沒有成功案例，原因是什么？是現在的基礎設施不夠完善， 基礎設施沒有發展完善，我們不能直接做上層建筑 ，應用層里面有很多不成熟的東西。所以，我們作為投資機構主要關注這些企業，比如傳感器企業，這類企業正在制定標準。

其實，這非常像1960年到1965年，所有人都感覺到計算機來了，并且都不知道計算機長什么樣，人們想象工業計算機的樣子，都想要做民營化。但那時底層發展結構不夠，真正發展起來的是英特爾這種做工業級、半工業級、大量底層的建設的企業。現在人工智能的發展非常像1960年到1965年的產業形象，大量硬件、基礎軟件基礎都是我們現在做的。這里的硬件和基礎，我們叫做基礎層。中間是模塊層，識別各類語音、語義、情緒都是我們的方向。

對于人工智能的應用，我們有幾個定義：第一，人 工智能是長產業鏈系統 。什么是長產業鏈系統呢？你做了一個事情，它想真正2C，是復雜的事情，它是2B2B2B的事情，這里面要想迅速進入市場，形成品牌，讓大家接受是非常難的事情，所以這是人工智能的一大特點。

第二， 基礎層的成熟決定上層建筑。所以我們更多的投資機遇是中下層。 尤其是這兩年產生了貿易戰之后會產生技術戰，此時很多技術，在中國來講是很好的發展機遇，因為我們自身有需求，這也是我們投資非常重要的方向。

第三， 短鏈條的人工智能最容易短期實現 。什么叫短鏈條呢？比如我要做一個機器人公司，你要做圖像、語音、語義這是長鏈條，這個事情不好做。而相對來講，人工智能能夠立竿見影。比如，剛才我在門口和一個項目連接，他們是智能安防公司，這是短鏈條的公司，用一個兩個算法可以直接應用的，這是短鏈條。 所以智能投顧、智能安防、企業資源的人工智能化是我們非常關注的點 。

智能制造如何普及？

然后是關于 智能制造的應用和普及問題 ，也是今天的重點。這里面推薦一本書，叫做《跨越鴻溝》，講的就是各種類型的智能化產品，前沿科技的產品，它是講在企業發展的過程中，遇到了什么問題。這本書里面講的99%的產品都無法跨越一個鴻溝，讓客戶真正接受它，大量的需求是需求，甚至是偽需求，什么產品能真正像IPhone一樣，直接進入到用戶群中，變成大眾的產品呢？里面講得很詳細，我就不贅述了。

回到整體，我認為硬件、軟件、到載體、商業模式過程中有非常多的層級，不是今天有5G，明天馬上就可以應用了，它是很長的過程，要逐漸從這個過程中，最終變成一種商業模式。所以，我們在這些方面要投入很多的精力，很長的時間，以及很復雜的供應鏈，這是我們關注的。

當下的智能制造我們看到了非常多的問題，里面畫圈的是我看到的問題。 包括場景的特異性，大量的智能制造公司都在為某一個場景做服務，而不是可泛化的標準化的商品或者資源，這導致整個市場百家爭鳴，沒有標準，很難形成大的企業，這是目前來講，智能制造很明顯的一個現狀 。從底層的識別，傳輸信號到中層的系統特異性到上層每個商品、產品、應用場景幾乎都是特異性的，總之這些所有的企業，在一起形成綜合性的企業，難度非常大，這是智能制造的特點。第二個問題是， 由于各個企業都是特異性的，所以智能制造要想形成大的項目，形成產業集群，它的協作成本是非常高的 。因為協作成本包括我跟你溝通，可能會發現連接后不一樣、產品形態不一樣、服務客群不一樣，這里面協作成本，履約成本是非常大的，現在這個問題是智能制造當前非常大的問題。

這里有一些分支簡單分享一下，比如關于5G。4G從開始出現的時候，推動了什么呢？推動了很多行業，其中有一個行業是視頻直播。為什么呢？速度快了以后，剛才講的金字塔一層一層從系統改變商業模式，改變行為習慣，最終變成新的方向，5G也會完成這個過程，會推動更多產業過來，但是這個需要時間，它會一步一步通過改變。

大家知道5G最明顯的一個表現就是速度，先改變傳輸速度，傳輸速度改變網絡關系，網絡關系改變產品形態，我們經常說投資投什么？不投形態投液態，投生態。所以產品形態改變社會關系，最終改變商業形態，這是一個過程，所以這個過程需要一段時間完成。盡管如此， 5G仍然是我們非常關注的方向，是物聯網進一步發展的非常重要的基礎，會通過速度，最終改變商業形態。

另外關于計算，三年前開始大量的邊緣計算。大家發現，計算這件事情不是把所有的數據傳到云端，然后在云端計算，不是說把一個地區的安裝錄像傳到云端綜合計算，而是先在邊緣安裝智能化的芯片，然后分析出它的特征點，提取之后把特征數據傳到云端，再進行分析計算。所以，以后大量的數據是要在邊緣進行計算，無論網絡數據傳輸多快，網絡數據傳輸越快，我們會發現大量的計算必須在邊緣完成，而少量的數據傳輸到云端。

另外一點，邊緣計算再往前走，會導致大量計算從中心計算變成去中心計算。以前我們傾向于所有數據一股腦堆在服務器里面，進行數據清洗、挖掘、分析、抽象、模型。以后不是這樣的，以后是先把大量的數據在終端邊緣先處理好，提取數據然后向云端輸送，這是去中心的基礎。 大量的邊緣計算會導致很多中心計算趨向于去中心化的計算，這也是一個很重要的趨勢 。

最后關于芯片的發展。這是傳統芯片的發展，由于時間問題講得稍微快一點。傳統芯片從剛才我說的1960年，到1969年，后來形成拐點產生爆發， 爆發的原因是什么呢？泛化過程，這個過程是非常重要的。

目前的智能制造，相對來講，跟傳統芯片很像。看看計算機1960年之前的過程，行業沒有形成標準化，我們預計無論芯片方向還是制造，還是智能設備，未來十年之內出現一個拐點，拐點就是當大家形成價值統一、標準統一以后形成泛化過程。整個智能制造會形成一個爆發，這是一個比較宏觀的觀點，當行業積累到一定程度，會形成一個爆發，這個時間我們認為還有10年左右。我們投資了這樣的公司，星瀚所投資的公司，比如鯤云科技。希望這些公司最終能夠在這個過程，形成泛化的標準企業，就是下一代的英特爾，下一代標化的企業。

最后是 關于智能制造。我認為一個很重要的方向，智能制造很重要的是“制造” 。大家經常關注的智能制造，都把目光關注在智能上，實際上我認為智能已經足夠智能了，無論從數據基礎、人工智能來講，還有包括傳輸協議，人工智能的應用過程已經很智能了。但是大家經常忽略了一點，就是制造這個事情，我認為現在中國的制造是比較基礎的，made in China主要是一些中端設備的制造，而高端裝備制造目前相對還有很大的距離。

智能制造到底未來是什么樣的呢？大家看了那么多電影， 知道智能制造一定要下沉到微納米結構里面，才可以形成大量的智能設備，所以這些方向都是非常關注。

這個背景圖是我五年前挖出來的背景圖，基于這個背景圖我在我家做了裝修，我希望完全還原這個東西，但在智能和制造結合的過程中，需要找的供應鏈太多了，并且需要找非常特殊的供應鏈。大量中國制造的供應鏈目前很難匹配高端制造的需求，這是我們面臨的瓶頸。所以即便你的模型設計，場景設計是非常智能化的。但是，每一個供應鏈的制造精度和制造智能度都很難達到標準，這是當前智能制造非常大的挑戰。

我在這里面做了一些總結，電子電路和芯片的使用是智能制造非常重要的點，毫無疑問，微納米材料和高端裝備制造也是智能制造很重要的點；然后物聯網的組件、系統搭建是智能制造的核心，以及接口、網絡安全這些都是智能制造形成一套體系所需要的東西；最后最難的一點是各類供應鏈，要能夠相互匹配、相互協作，這是智能制造很大的特點。

最后，我們把產業做了歸類，我們認為任何技術在發展過程中，是有一個過程的。從最開始的技術到產品，摸索完產品到商業模式，之后才會形成產業爆發。我們已經經歷了像互聯網數據，還沒有經歷互聯網人工智能。目前從人工智能、數據和物聯網角度來看，都處于爬坡期，還有很多標準需要建立。什么是智能制造呢？ 對于數據、物聯網、人工智能結合的部分都是智能制造的機遇，現在都處于商業的上升期，這里面有大量的東西還可以摸索 ，互聯網在這個階段用了多少年時間呢？用了15-20年時間，同樣智能制造也會用5-10年走出這個過程。

這是今天分享的內容，所有黃圓圈（圖片）里面都是有機會投資的產業，這些我們都希望能夠更多的投注，也希望更多的創業者跟我們合作。??

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。