导语：智能制造的本质就是基于数据要素和数字技术进行精准高效的供需匹配实现生产过程的个性 化定制
当前，全球经济格局正面临百年未有之巨变，人工智能、量子信息等先进技术不断突破并持续与产业融合，数字技术、金融资本开始从消费领域向实体经济全面渗透，新冠肺炎疫情的外生冲击也进一步加速了企业数字化、智能化转型的进程。在全球智能化浪潮全面推进的背景下，新一代“科 技 革命”、“产业革命”、“工业革命”的相关呼声日渐高涨，智能制造成为核心技术范式，并逐渐受到世界各国的重视。
与以往技术革命相比，智能制造技术在提高劳动生产率的同时，还能实现供需匹配上的“产消合一”，从而在一定程度上缓解供需矛盾和生产过剩。人类经济发展历史表明，每一次技术革命都伴随着把握住该轮技术革命浪潮的工业强国和一流企业的崛起，中国应当把握好本轮智能化浪潮的机遇，顺利实现从“制造大国”向“制造强国”的转变。
一、第六次技术革命浪潮下的智能制造
“智能制造”的概念最早由美国学者 Ｗｒｉｇｈｔ和 Ｂｏｕｒｎｅ在著作《智能制造》（ＭａｎｕｆａｃｔｕｒｉｎｇＩｎｔｅｌｌｉｇｅｎｃｅ）中提出，被定义为“利用集成知识工程、制造软件系统及机器人视觉等技术，在没有人工干预的条件下，智能机器人独自完成小批量生产的过程”，但其技术体系仍多局限于自动化范畴，尚未触及智能制造技术范式的本质。当前，传统产业正处于数字化、智能化的根本性变革中，智能制造技术的内涵仍在不断演变。相较于工业领域如火如荼地开展构建工业互联网、企业智能化转型的实践，学界对智能制造的相关研究尚处于起步阶段，对智能制造的定义尚未达成共识，并缺乏智能制造的全景式剖析。
布莱恩·阿瑟在《技术的本质》中指出，技术塑造了经济形态，“一项新技术的到来会引起经济中的价格和生产网络在各行各业伸展、重塑”。纵观历次工业革命，技术进步与经济发展紧密相关，将技术演化置于经济发展史中，合理划分技术革命阶段，是厘清智能制造概念和本质的前提。
（一）智能革命：第六次技术革命浪潮
随着数字化、智能化技术对实体经济的渗透、融合，新一轮“科技革命”、“产 业 革 命”、“工 业 革命”的相关呼声日渐高涨，例如，“工业４．０”在德国语境下被理解为第四次工业革命，德国学者乌尔里希·森德勒、克劳斯·施瓦布均就此展开过论述；克里斯·安德森将关注点放在创客运动，并称相关变革为“新工业革命”；杰里米·里夫金则以可再生能源作为区分，认为第三次工业革命才即将到来。无论何种表述，均认为呼之欲出的“工业革命”将助推产业从信息化向智能化跃升，其中，新熊彼特学派学者结合康德拉季耶夫长波提出的演化经济学理论，为划分工业革命和技术革命浪潮提供了合理的思路。
卡萝塔·佩蕾丝以技术革命作为划分康德拉季耶夫长波的节点，界定了五次技术革命浪潮，并以每次诱发技术革命浪潮的重大技术突破为起点，提出了从波峰到波峰来确定一次技术革命的思路，从而使每一次工业革命都能包括两次完整的“Ｖ”型长波。
从经济史的角度看，历次工业革命都会经历百年周期，而每一次技术革命浪潮会持续约半个世纪。第一、二次技术革命浪潮合称为“第一次工业革命”，第 三、四次技术革命浪潮合称为“第二次工业革命”。“第三次工业革命”由信息通讯技术引领的第五次技术革命浪潮和正在发生的第六次技术革命浪潮组成，随着当前智能化技术的持续推进和飞速发展，第六次技术革命浪潮的主要方向已逐渐清晰，即第六次技术革命是以智能制造为核心技术范式的智能革命，理由如下。
其一，科学技术的演化是推动第六次技术革命浪潮的最关键因素。佩蕾丝称第五次技术革命浪潮为“信息和远程通讯时代”，芯片为关键生产要素，并指出技术革命浪潮的兴起伴随着关键生产要素的突破和变迁。自１９７１年英特尔发明首台微处理器的半个世纪以来，集成电路芯片基于传统冯·诺依曼架构，在摩尔定律的作用下不断迭代升级，极大提高了贮存、加工和传输信息 的 效 率。但是近年来，摩尔定律正在逼近极限，若继续沿袭摩尔定律的技术轨迹，基于传统冯·诺依曼架构的芯片性能提升将面临瓶颈。与此同时，人工智能、大数据驱动的智能制造技术发展日新月异，机器学习、深度学习等代表性技术涉及海量数据，需要大量并行计算和负载。
显然，在后摩尔时代下，传统芯片制程已无法满足智能化所需的巨量算力，更多致力于突破摩尔定律、围绕非冯·诺依曼芯片架构的颠覆性技术创新集聚出现，例如光子芯片、类脑芯片、存算一体 ＡＩ芯片等，将为构建虚实融合的智能制造赛博系统提供足够的算力基础。因此，随着后摩尔时代的到来和关键生产要素———芯片的技术轨道跃迁，以智能化为特征的第六次技术革命浪潮得以涌现。
其二，新技术向经济系统扩散引致了先导产业、基础设施的智能化变革。在主导技术由ＩＣＴ 向人工智能、大数据、云计算等新一代数字技术转变过程中，第三次工业革命的技术特征由信息化、自动化向数字化、智能化转变。信息化、自动化仅能胜任已设定好的、标准化、流程化的事务，而智能化可以处理个性化的、异常的非系统性工程，更加强调机器的自主决策。在这一进程中，光纤电缆、因特网已无法满足智能化所需的强大算力，融合全产业的工业互联网、虚实结合的赛博物理系统（Ｃｙｂｅｒ－ＰｈｙｓｉｃａｌＳｙｓｔｅｍｓ，ＣＰＳ）等新型基础设施开始涌现，工业机器人、智能装备制造、３Ｄ 打印、虚拟现实成为先导产业。
其三，将智能革命划归为第六次技术革命浪潮，符合工业革命演化规律和马克思机器技术思想。虽然当前有关“第四次工业革命”的呼声日渐高涨，但本文认为，智能技术革命仍归属于第三次工业革命，信息化是智能化的基础，智能化则是在信息化基础上涌现的生产力高级形态。
首先，第一、二次工业革命都历经了百年周期，而第三次工业革命从１９７１年至今仅过了半个世纪，智能制造是第三次工业革命渗透到生产领域的新形式，可见第三次工业革命对经济社会的系统性改造并未彻底完成，在此情况下讨论第四次工业革命为时尚早。其次，马克思把工具机和发动机分离，指出只有工具机的革命才是工业革命的起点和标志，“机器的这一部分———工具机，是１８世纪工业革命的起点。
在今天，每当手工业或工场手工业生产过渡到机器生产时，工具机也还是起点。”马克思认为第一次工业革命的起点是作为工具机的纺织机的出现，而蒸汽机作为发动机，将第一次工业革命推向了高潮。与之相类比，无论是信息化还是智能化革命，工具机仍是以芯片为核心硬件驱动的计算机，所以均可归为第三次工业革命的范畴，而后摩尔时代芯片的算力升级，恰好为第六次技术革命浪潮的兴起提供了“发动机”。
其四，从经济背景看，信息化、智能化主导的第三次工业革命同属于数字经济的时代，数字经济发展的前半场是由信息化引领的消费互联网阶段，智能化技术浪潮推动数字经济从消费互联网向产业互联网过渡，也是数字技术与实体经济、各类产业深度融合的阶段。
（二）技术革命、产能过剩与经济周期性波动
迄今为止，历次技术革命通过将新型技术引入机器大生产，在一定程度上克服人力的限制，并通过迂回的生产方式深化了社会分工和协作体系，实现了生产效率的提升。诚然，先进的生产力无疑是保障人民丰富的物质生活资料的基础，但正如马克思所指出的，“随着大工业的产生，这种正确比例必然消失；由于自然规律的必然性，生产一定要经过繁荣、衰退、危机、停滞、新的繁荣等等周而复始的更替。”
自１８世纪第一次工业革命以来，市场经济开始循环往复地经历“技术革命→生产方式变革→生产效率提升→产能过剩→经济周期性波动”的规律，即生产效率的提升固然可以实现社会财富高速增长，但不停歇的机器化生产同时造成产能过剩，进而导致社会供需严重失衡与经济危机的爆发，几乎在同一时期，新的突破性技术在上一轮技术周期的危机中酝酿，当生产和消费的平衡得到暂时恢复后，新技术的发展引致新的动力部门、支柱产业和基础设施建设，从而推动经济新的繁荣。
１７７１年，全球第一个水力棉纺纱厂成立，标志着工具机对人类体力劳动的替代，棉纺业占工业增加值的份额从１７７０年的２．６％增长到１８０１年的１７％，随着生产效率的提高和英国工业迅速扩 大，英国国内市场无法消化快速膨胀的工业产品，１８２５年英国爆发了资本主义历史上第一次普遍性的生产过剩危机，经济周期开始进入下降波段，与此同时，新的技术突破正在酝酿。１８２９年，蒸汽动力机车“火箭号”试验成功，蒸汽机为生产提供了巨大的动力，铁路、汽船的大规模建设和应用使经济再次繁荣，但随后“高效机械化生产时代”造成了生产过剩和超额生产能力现象。
１８７３－１８７８年爆发的经济危机的破坏程度之深前所未有，成为资本主义从自由竞争阶段向垄断阶段过渡的分水岭。在同时期，新的技术突破蜂聚出现，１８７５年卡内基酸性转炉钢厂投入生产，１８８２年爱迪生在纽约建立第一座发电站，开启了钢铁和电力时代，并掀起了新一轮投资高潮，以西门子、通用电气为代表的巨型企业和卡特尔兴起，劳动生产率显著提升。此次技术革命浪潮的结构调整危机为１９２９—１９３３年大萧条。
１９０８年第一台 Ｔ 型车问世，开启了以石油、汽车和大规模生产为特征的第四次技术革命浪潮。流水线和大规模生产模式使工人节约了６２％－８８％的生产时间。但市场需求增长远不及标准化生产能力的扩大，基于石油、汽车、耐用消费品的福特主义大规模生产范式遇到的社会问题越来越多，例如１９７３年和１９７９年的欧佩克石油危机。
１９７１年英特尔生产出第一台微处理器，标志着信息时代的来临，研 究 发 现 美 国１９７７—２０００年间的经济增长主要来源于对信息技术的投资，并且１９９５—２００１年间信息技术对美国劳动生产率增长的贡献率高达４２％。与此同时，股市对互联网等高技术的狂热投资的“非理性繁荣”也酝酿了２００２年互联网泡沫危机。按照佩蕾丝的技术—经济范式理论，连续的浪潮之间存在重叠现象，２００８年金融危机之后，第五次技术革命浪潮进入拓展期，同时与第六次技术革命的导入期重叠，智能化浪潮就在此期间酝酿。
历次技术革命浪潮表明，技术创新提高了劳动生产率。毫无疑问，智能制造首先极大提高了生产效率。通过对不同国家的制造业行业进行分析，发现工业机器人会对全要素生产率产生积极且显著的影响。
在技术革命前期，伴随着劳动生产率的提高，产业结构在升级过程中创造投资和生产高潮，主导产品供不应求，使经济周期进入繁荣的上升波段。但是，按照技术革命发展规律，智能化浪潮也会带来相应的生产过剩，当新的产业部门相继建立，投资热潮逐渐冷却，主导产品供过于求时，就会出现供求失衡，经济进入衰退的下行波段。
二战之后，各国通常采用刺激消费的手段应对需求不足导致的经济危机，这并未从根本上解决资源配置不合理的问题。在马克思看来，无限制发展的生产能力与有限消费之间的矛盾是经济危机产生的根源。“是什么东西维持了生产的正确的或大致正确的比例呢？是支配供给并先于供给的需求；生产是紧随着消费的。大工业由于它所使用的工具的性质，不得不经常以愈来愈大的规模进行生产，它不能等待需求。生产走在需求前面，供给强制需求。”智能革命与以往技术革命不同，在聚焦于劳动生产率提升的同时，还可在一定程度上改善供需关系。即通过数字技术驱动社会生产突破时间、空间的局限，重构现有生产要素的配置效率，从而在一定程度上优化资源配置、化解供需矛盾、克服生产过剩，或可更科学、更平稳地度过康德拉季耶夫长波的波动周期。
（三）智能制造的本质：以“产消合一”改善供需关系
与以往技术革命浪潮相比，智能革命在处理供需关系上呈现出不同之处，数据作为新型生产要素发挥了首要作用。数据要素的独特之处在于，能够依托数字技术赋能，与其他传统生产要素进行融合、重构。在上一阶段的信息化浪潮中，囿于大数据容量、算法的复杂性、算力的支撑性，尚不足以支持数据在生产关系中的全面、深层渗透。随着科学技术的不断发展，在智能制造技术范式下，强大的算力能够支撑对海量数据的迭代模拟运算，甚至构建虚实融合的赛博空间。
数据要素也成为构建工业互联网的基石。工业互联网是在工业企业全面互联的基础上，以数据流动而带动形成的新工业发展业态。工业互联网是智能化时代最主要的新型基础设施，是智能制造技术应用的载体，同时智能制造也是工业互联网的核心技术，智能制造以工业互联网为基础支撑，应用于设计、生产、制造、管理、服务等诸多环节。工业互联网依托智能制造技术，能够突破时间和空间的限制，通过与组织内各层级业务活动及流程进行差异化动态匹配，形成信息的双向扩散，实现对各生产要素的调度和优化配置，从而促进传统工业制造体系再造，促进产业链协同发展。
由此，数据要素依托数字技术实现了供需两端的贯通，工业互联网为智能制造技术应用提供了载体，从而为组织生产由大规模定制转为个性化定制创造了条件。大规模定制出现于第五次技术革命浪潮，已意识到满足客户个性化需求的重要性，但尚未做到一单对一人，本质上仍是以供给主导需求。
随着数字技术的发展、数据成为活跃生产要素、工业互联网等基础设施的出现，实现真正意义上的个性化定制逐渐具备了可行性，企业组织生产转向了与消费者需求精准匹配的逻辑。供给端逐渐不受规模经济的约束，可根据需求端导入的信息进行个性化定制，仅靠在一条生产线上更换软件或者少量设备和工具，就可以制造出完全不同的产品，进一步解决了生产成本、产品多样性、产能和生产周期等多目标之间的冲突，能够更好地适应快速变动的市场环境和消费者个性化需求，维持供求两端的动态平衡。
在个性化定制的组织生产模式推动下，智能化时代的产消关系由以产定销（销售）向以消（消费）定 产、以需定产转变，个性化定制的理想状态即实现产消合一。阿尔文·托夫勒基于新信息技术浪潮提出了产消合一（Ｐｒｏｓｕｍｐｔｉｏｎ）的概念，认为产消合一是生产与消费呈现相互融合的状态。工业经济中的产消分离源于各部门在协调过程中存在时间差和信息失真，而在智能革命时代背景下，智能制造实现了人机协同互动、虚拟现实相耦合、供给需求相匹配，数字技术渗透融合于经济、社会体系后使其呈现供需均衡的状态，能有效应对复杂性和不确定性。
马克思在《哲学的贫困》中写到：“随着新生产力的获得，人们改变自己的生产方式，随着生产方式即保证自己生活的方式的改变，人们也就会改变自己的一切社会关系。”如果说数据是智能革命的新型生产力，个性化定制是智能时代的典型生产方式，那么产消合一不仅包括组织生产方式的转变，还是对整个生产体系甚至生产关系的重构。本文 认 为，智能制造的本质就是依托数字技术进行精准、高效的供需匹配，实现生产过程的个性化定制，最终以“产消合一”在一定程度上化解无限制发展的生产能力与有限消费之间的矛盾，以克服生产过剩，甚至熨平经济周期。
二、智能制造赋能“产消合一”的实现机制
在新一轮的智能革命浪潮下，企业或可通过技术创新的力量，以“产消合一”在一定程度上优化资源配置，克服供需匹配失衡。具体而言，随着数字经济时代的来临，数据成为新型生产要素，也是实现产消合一的要素基础，数据嵌入赋能传统生产要素全面释放数字生产力，数据在组织内部的深度渗透和在市场的自由流通，降低了信息不对称程度，实现供需的动态均衡。但是，数据要素本身不会自发地产生价值，需要通过数字技术融入生产过程才能真正转化为新型生产力，产消合一的具体技术机制是构建虚实融合的资源配置技术系统，形成工业数据在全生命周期的感知、传输、分析与科学决策的精准资源配置模式。在数据要素驱动和技术支持下，生产者和消费者、供给和需求的界限逐渐模糊，最终使企业在组织生产上以个性化定制模式实现供需两端价值共创。
（一）要素基础：数据打通信息壁垒
党的十九届四中全会明确提出要“健全劳动、资本、土地、知识、技术、管理、数据等生产要素由市场评价贡献、按贡献决定报酬的机制”，首次将数据纳入生产要素。大数据技术是开展智能革命的必要前提，数据是实现智能制造产消合一的基础要素。
首先，数据嵌入推动传统生产要素和生产资料的数字化，从而全面释放数据生产力。相较于其他生产要素，数据不仅本身成为生产要素，还可以与土地、资本等传统生产要素互相融合，充分利用要素间的协作性和联动性，发挥协同和倍增作用。嵌入式软件和传感器等设备将包括物力资源和人力资源在内的生产资料转化为数据形式，依托算力、算法使海量数据得以汇聚传输、分析应用，充分释放了数据的生产力价值。
其次，数据要素在组织内部深度渗透，实现供需动态均衡匹配。大数据分析可实现对产品的某一模块进行即时替换，对其他兼容性模块进行相应升级，以组合式创新来完成性能的添加与升级，从而使多个模块的排列变阵传递出不同的使用价值，以实时维持供求两端的动态均衡。此外，算法模型可在第一时间对生产要素配置进行调整和优化，从而有效避免劳动、资本、技术等要素配置的盲目性。
再次，数据的高速流动突破了生产者和消费者之间的时滞性，降低了信息不对称程度，提高了资源配置效率。一方面，数据具有天生的非竞用性，可以在市场自由流通、被不同主体同时使用而不发生损耗，由此降低了交易费用，便于市场各供给主体对需求变化做出快速调整。另一方面，数据自流动打破了数据流通的物理空间局限，最大程度消除了复杂系统的不确定性，形成以消费者需求为主导的高速交互、实时优化、自行组织的价值创造网络。
（二）技术支持：虚实融合实现精准资源配置
赛博物理系统是智能制造理论架构体系的核心，也是未来智能制造体系构建的主导方向。在理想状态下，产消合一的具体技术机制就是借助数字技术，构建物理空间与赛博空间相互映射、实时交互、高效协同的赛博物理系统，从而实现要素资源低成本的精准高效匹配。具体过程为通过嵌入式软件把生产资料转化为数据要素，形成以物料管理清单（ＢＯＭ）为核心的数据采集平台，实现全价值链的人、设备、物料相融合。同时依靠数字孪生技术具有的实时同步、忠实映射、高保真度的特性，对企业研发、生产、销售各环节进行虚拟仿真，在实时反馈迭代中提升智能制造系统的高效协同运作能力，从而构建工业数据在全生命周期的感知、传输、分析与科学决策的精准资源配置模式。
在研发设计阶段，利用智能聚类、神经网络、数据挖掘等技术，深度捕获、分析、反馈客户评价、服务商的协商调研、其他企业的信息交互、现役产品关键性能等海量数据，进而指导产品研发设计方向、甚至使客户亲自参与到产品的研发过程。在研发试验阶段，通过数字孪生技术重构产品研发过程的试错学习方式，在赛博空间反复进行大量不同方案的模拟测试，在模拟验证后选择最优的研发方案投入实际生产，极大缩短了研发周期，降低创新试错的财务成本、时间成本。
在生产阶段，在以 ＢＯＭ 为核心的信息流通模式下，通过嵌入式软件形成更精益的自动化数据链控制，数据的动态采集与分析模式使数据渗透到生产过程的全生命周期。继而根据供应商、销售数据的全流程节点的移动可视化，构建畅通的智能化物流信息链，企业得以及时调整优化生产、库存的节奏和规模；根据客户需求及时调整生产工序和工艺，实现制造柔性化、模块化，使车间的前瞻性管理成为可能。由此通过信息流转推动生产制造各环节高效协同，对资源进行有效的监督和配置，在信息实时共享与协同中化解生产过剩。
在销售阶段，利用机器学习技术从海量客户群体数据中模拟抽象出客户画像，更好地了解、预测并响应客户需求变化。进而基于数据算法模型，对订单参数进行全方位多维度的预测，从 销 售 预 测、计划管理、库存调配、订单履约和智慧物流等供应链过程进行设计，建立需求驱动的、以消费者为中心的智能供应链，以消定产、以消定研，直至产消合一。
此外，智能制造还强调跨领域、跨企业的资源协同配置。将单一企业的订单、设备、物料、人员等信息通过开放平台进行共享，一方面，这拓宽了创新研发的边界，改变企业内部、企业与企业及客户间的交互方式，为企业创新提供更多可供选择的思路和方案；另一方面，可无缝衔接多个公司之间的材料、能源和信息的资源配置，实现企业－企业、企业－个人等多种主体形态的社会化协作。
需要指出的是，赛博空间的构建过程仍面临诸多现实困难。智能制造具有强技术依赖性，在算力支撑上，海量数据和算法模型都需要算力作为基础支撑，赛博空间数据量的不断增加、更真实和精确的建模与交互对算力提出极高要求，但与此同时，随着后摩尔时代的来临，摩尔定律趋近极限，亟需基于芯片底层架构的颠覆性创新以突破算力提升瓶颈。在算法运行和模型搭建上，数字孪生的双向耦合技术对数据传递的连续性及收敛性提出了极高的要求，赛博空间内成倍放大的随机性、涌现性会给数学模型的搭建带来极高的挑战。
因此，赛博空间和实体空间完全同步的难度极大，目前的赛博物理系统离实现真正的智能化还有一定的距离。此外，赛博空间建设成本巨大，企业推进智能制造系统的前期需要投入大量资金等固定成本，实体产品也没有边际收益递增的规律，所以企业回本盈利的前景并不明朗，甚至有研究表明企业数字化投入对部分企业的发展产生阻碍作用。“传统产业不存在普适性的智能化转型策略，所以企业应充分考虑投入成本和转型效果的关系，根据现实条件审慎构建智能制造系统。
（三）实现方式：个性化定制缓解生产过剩
智能制造通过将机器、设备等设施群与先进的传感器、控制装置和工业软件相连，构建虚实融合的赛博物理系统，打通传统企业研、产、销割裂的模式，最终在组织生产上以个性化定制模式实现产消合一。
个性化定制的最主要特征就是以用户需求为中心，生产和消费的二元逻辑逐渐演变为“生产－消费”一元论，生产者和消费者、供给和需求的界限逐渐模糊，最终实现供消两端价值共创。进而实现从产品质量上，通过提高产品附加值，缓解因粗放型生产低质低档产品导致的生产过剩；从产品数量上，通过柔性化生产实现客户需求端与制造生产端的连接，避免生产制造中因对市场需求定位偏差引起的生产过剩。
供给端：从模块化生产到智能化制造平台。在企业生产端，目前的个性化定制主要分为两种模式，一类是以模块化生产快速响应订单需求变动，主要存在于机械电子、装备制造行业。另一类是以阿里巴巴犀牛智造、海尔卡奥斯为代表的智能化制造平台，利用大数据平台主动触及客户需求，实现按需开发，按需制造。
模块化生产即通过信息技术与制造环节的深度融合，可以将复杂系统分解为一系列相互关联、相互依存的模块和模块间的集合，产品的规格、材料、零部件等物理信息被剥离出来，形成可衔接的标准化界面，通过技术架构的去耦、重组，使客户根据自己的偏好对不同的功能模块进行组合，生产出差异化、个性化产品。模块化生产的主要特点是能够兼容各种模块的技术界面以及个性化产品的类型和功能等要素，这意味着化解了规模经济和产品差异化之间的矛盾，在多品种、小批量生产的同时保证与大批量生产同样的效率，目前在丰田、大众等汽车行业已形成较为成熟的模块化生产网络。
随着人工智能、大数据、云计算等数字技术向制造业逐渐渗透，传统制造企业相继转型为智能化制造平台，企业利用数字化手段，依托海量的消费大数据，主动形成客户画像，实现对消费者实时需求的追踪与了解，提高生产者与消费者的连接效率与连接深度，根据消费者的需求信息优化产品定位与产品功能，包含规格型号、标准架构和技术性能等信息。例如２０２０年成立的阿里旗下数字化智能化制造平台———犀牛智造，重构了传统的以产定销的生产模式，借助数字技术打通制造和销售环节，以整合、分析消费者需求数据为核心，在平台上实现各方高效协作与供需精准匹配，致力于具备“从５分钟生产２０００件相同产品，到５分钟生产２０００件不同产品”的能力，这正是从大规模定制转向个性化定制的智能化制造实践。
消费端：用户参与研发生产。传统商业模式下，消费者在交换活动中往往处于被动地位，是产品供给的接收者。智能制造范式下，消费者供需关系的主动性得到增强，具体表现为用户的个性化需求逐渐被重视，并能亲自参与到研发设计生产的全价值链环节，消费者逐渐成为具有消费者和生产者双重属性的“产消者”。
在产品研发环节，企业搭建完备的数字平台，数据在平台的自由流通打破了产消信息的隔阂，用户可以在线上随时为产品的研发和设计提供建议，数字化连接增强了消费者和生产者的双向互动，使原本处于总需求曲线长尾部分的消费者个性化需求有机会得到满足，同时也为企业的创新活动提供了指引和方向，生产者和消费者由传统的博弈关系转向价值共创、合作共赢。目前消费者参与研发的主要形式为开放式创新，例如，海尔２０１３年正式上线的 Ｈｏｐｅ开放创新平台，通过线上提供创新需求和技术方案，吸引用户对产品需求的交流与反馈，从而形成产品生产的可行性方案；小米成立“米粉”社 群，注重用户在产品研发设计过程中的参与感，既保证了用户粘性，又可通过线上互动迅速摸清消费者需求和偏好；戴尔建立了ＩｄｅａＳｔｏｒｍ 网络社区，吸引全球用户共同参与产品的设计和优化；宝洁公司成立 ＯｐｅｎＩｎｎｏｖａｔｉｏｎ网络社区，用户可以在社区中分享创意、市场经验和改进建议。
在产品生产环节，消费者依托企业线上平台主动介入生产流程和生产实践过程，获得个性化的产品供给，有助于降低企业的试错成本，强化供给效率，进一步破除低效、无效供给。例如，戴尔采用Ｃ２Ｂ模式，打造全生命周期的数字化场景体验，用户可以根据自己的需求，对电脑产品进行“由 内 到外”的个性化定制，不仅 可 以 自 由 选 择 ＣＰＵ、硬 盘、内存等硬件配置，也可以就笔记本的外壳色彩、图案、材质自由搭配，实现用户对生产活动的在线参与。类似模式也存在于香奈儿高级服装定制、耐克运动鞋个性定制、宜家家具定制、宝马汽车定制，等等。
三、“产消合一”的具体体现
产消合一不仅仅是技术或组织层面的概念，更是涉及改变整个产业体系，甚至社会生活的供需关系。优化资源配置是一个复杂、动态的系统过程，除科技革命提供技术支撑外，也要在社会层面打破旧的常识、规则，瓦解旧的经济形态，使技术进步、经济结构、社会制度相适应。产消合一使“生产－消费”、“供给－需求”逐渐融为一体，在微观、中观、宏观层面体现为产品价值链、企业、产业都呈现边界模糊、跨界融合的态势，具体表现为拉平产品价值链的“微笑曲线”、企业边界逐渐打破、制造业与服务业相互融合。
（一）拉平产品价值链的“微笑曲线”
波特在《竞争优势》中首次提出价值链，指的是不同主体参与同一产品生产过程的不同环节分工。宏碁集团董事长施振荣１９９２年提出微笑曲线，用以描述制造流程中各个环节的价值创造能力，并指出在研发—制造—营销的价值链条上，处于微笑曲线两端的产品研发及品牌营销是价值高端环节，而中部制造处于价值低端。智能制造是数字技术和制造业深度融合的产物，智能制造对大规模生产流水线进行深度的协同化智能改造，提升了生产过程中的信息化、智能化水平，将从根本上解决传统制造业产能利用率低、质量低下等问题，提升了制造环节的价值创造能力，使得制造环节在产品价值链上的战略地位将变得与研发和营销同等重要，推动价值链演进呈现“中部崛起”的新特征。由此，智能制造重塑微笑曲线呈现趋平的趋势，微笑曲线有可能变成“沉默曲线”甚至“悲伤曲线”。此外，智能制造同时使价值链两端产品研发和营销的价值提升，并推动产品制造与研发、营销全价值链高度融合，微笑曲线的理论解释力将逐渐失去存在的现实基础。
（二）数字技术打破企业边界
科斯在《企业的性质》中指出，企业之所以在依靠价格机制进行专业化交换的市场经济中出现，是因为企业内部组织生产的成本小于通过外部市场购买的交易成本。随着企业规模的扩大，当企业内部组织管理成本等于市场交易成本时，企业的边界得以确定。
科斯交易成本理论形成于传统工业时代，而在数字经济时代，智能制造推动生产关系所涉及的生产、分配、交换、消费等环节愈发地融为一体，基于数字技术而建立的数字化连接打破了组织内部和外部的边界，囿于历史的局限性，传统的企业边界理论或将失灵。与传统生产要素相比，数据穿透突破了时间和空间的限制，企业内部管理成本和市场交易成本均得以大幅降低。
在企业组织内部，嵌入式软件实时采集、分析企业运营各环节的动态数据，智能化数据深度理解机制支撑业务活动秒级处理，极大提高了组织内部的协同效率，降低组织管理成本；在外部市场，各方通过数据自流动消除复杂系统的不确定性，数据赋能交易各方的实时联通交互，极大缓解了信息不对称，降低了市场的交易成本。由此，随着企业内外部成本降低，企业边界日趋模糊，企业间的关系由单个企业的竞争转向对外部信息、资源开放利用以及企业间的协同共赢，企业开始打破组织边界，寻求跨界连接，在此过程中也推动了资源高效流通和精准配置。
一方面，企业组织结构突破了传统的科层制，企业形态向网络型、平台型等跨边界的柔性组织转变，甚至构建生态圈式的共生发展格局。例如，小米确定生态链布局计划，孵化出１００多个围绕小米产业链的智能硬件公司；海尔以“人单合一”构建开放并联的小微生态圈，与利益各方价值共创共享。另一方面，在交易效率改进的推动下，企业开始分离和外包非核心业务。随着智能化产品对性能的要求提高，企业开始与具有特定知识和技能的合作伙伴优势互补，外包或承包某一组件的生产任务，保证每一组件都由最佳供应商完成，从而更好地满足客户的个性化需求。
（三）制造业与服务业相互融合
智能制造产消合一的经济学本质，在产业层面直接表现为制造业和服务业的“两业融合”。与前几次技术革命率先渗透至工业部门不同，信息技术浪潮首先作用于以服务业为主导的第三产业，以阿里巴巴、京东为代表的电子商务，以腾讯为代表的社交网络，以抖音、快手为代表的短视频等消费互联网业态取得了巨大的成功。
２０１５年，中国服务业增加值占 ＧＤＰ比重突破５０％，并首次超过第一、第二产业的合计数。虽然服务业创造了广阔的就业市场，但是经济增长的核心在于劳动生产率的提高，服务业在提高劳动生产率方面贡献有限，产业部门的不均衡发展甚至会引发“鲍莫尔病”，必须改革传统工业生产方式和组织形式才能使中国经济维持长期稳定的增长。
智能制造不仅仅是建造智慧工厂、智能车间，更以其产消合一的本质特征打通了生产要素间的配置壁垒，建立起生产性服务业与制造业之间的良性支撑关系。通过交互式平台，消费者可以全程参与产品设计和品牌营销；通过在产品内嵌入智能模块，企业提取分析数据信息以提供多样化智能服务，如客户增值体验、产品优化方案等。制造企业由此沿产业链与服务业不断融合，打破了传统的封闭式制造流程和服务业态壁垒，业务重心从提供工业产品转向为用户提供个性化服务，收入模式从一次性出售产品转向通过提供持续服务获得收入。制造业与服务业呈现融合共生的发展态势，产业生态体系正在被加速重构，不能适应生产体系变化的企业会被市场淘汰，最终推进产业结构优化升级。
四、政策建议
在智能制造主导的第六次技术革命浪潮下，企业的智能化转型是必然之举。但是，智能制造对传统企业的影响属于熊彼特创新理论中对原有部门的“创造性破坏”，在使生产要素重新组合、构建全新生产函数的同时，也意味着大规模地淘汰旧的技术和生产体系。因此，面对智能化革命，企业在深刻认识到转型必要性的同时，也应进行恰当的顶层设计，实现智能化转型的平稳过渡。对于中国企业而言，应当重点围绕以下三个方面做出应对。
第一，企业应树立智能化变革的战略意识。当前企业智能化转型尚处于起步和探索阶段，企业应意识到智能制造是一个系统工程，着重做好顶层设计和分步实施，以避免陷入“不转型等死，转 型 找死”的智能化转型悖论。对传统企业而言，转型不意味着转行，智能化转型不必然代表摒弃建立在传统工业化体系之上的知识和能力，而是应依据现实条件分步平稳地进行智能化过渡。
第二，根据企业异质性，有针对性地推行智能化转型。数字企业与实体企业最大的差别在于，数字产品存在零边际成本、近乎无限供给的特征，即使企业在创业初期投入了高额成本，但当连接规模达到临界值后，将会呈现边际报酬递增的规律。然而，企业推进智能制造系统的前期需要投入大量资金等固定成本，实体产品也没有边际收益递增的规律，所以何时真正盈利的前景并不明朗。因此，智能制造在不同行业的表现有很强的异质性。企业应充分认识到，并不存在普适性的转型战略，应根据所属行业属性、规模体量、技术优势、地区差异、资源禀赋、产权属性等特征逐一渐次推行，例如在航空航天、汽车、高铁、电子等高端企业率先推行，逐步克服成熟于旧体系下的各项组织惯性对企业转型带来的阻滞力量。
第三，加大智能制造技术人才的内培外引力度。随着智能革命浪潮的逐步推进，未来中国对智能制造人才的需求会更为旺盛，对此企业应当主动应对。一方面，加强对组织内部员工的数字化技术培训，加速员工轮岗；另一方面，适时调整组织人员结构，培养、吸纳一批具有智能制造素养的人才队伍，尤其要注重引导数据分析人才对组织实际业务和工业流程的认识，这对于企业转型升级、强化核心优势是必不可少的。
与此同时，在企业智能化转型的过程中，政府政策对技术创新资源的集成能力、集聚效率和适应性效率具有积极作用，恰当的支持政策能够助力国家顺利实现技术经济范式的转变和赶超。本文从以下三点为政府提供政策建议。
第一，加强智能制造核心技术的攻关力度。智能制造要实现智能化生产、个性化定制、网络化协同，在巨量数据贯通上仍面临巨大挑战，需要复杂多元的算力、算法作为支撑。应聚焦高端芯片、工业软件、人工智能关键算法等关键领域，加大基础研究的财政投入力度，必要时依靠新型举国体制对关键技术重点进行研发突破与迭代应用。
第二，加快智能化基础设施建设进程。工业互联网平台建设周期长、技术融合协同程度高、投入成本巨大，单独依靠企业自身很难将积累的知识转化为专利和生产工艺。需要充分发挥政府的统筹协调功能，加快构建全国一体化大数据中心等新型基础设施，为工业互联网的建设提供算力保障。
第三，完善智能制造人才培育体系，引导劳动供给结构的转变。数据分析人才对工程机制缺乏了解，难以系统、完整地理解业务本质，这已成为智能制造落地过程中的一大难题。因此应探索跨学科协同培养的教育模式，通过深化产教融合、校企合作，培养跨学科领域的复合型人才。此外，还应紧跟新技术发展需求，建立相应培训机制，扶植培育利于传统制造业智能化发展的新型岗位，并通过在线工作或参与零工经济引导劳动力结构转型。
原文刊载于《北京师范大学学报》2022年第三期 作者：戚聿东，徐凯歌 转载略有修改