我们在智能制造上能做什么、应该做什么?董明珠给出了两个答案

简介:

从自身出发,董阿姨在2017智能制造大会主论坛的现场给出了不少经验之谈。

\

“叮~叮~叮~”随着第一声奏乐的响起,一组由5个机械臂组成的机器人乐队敲敲打打的出现在公众面前,现场演奏了一曲《歌唱祖国》。作为格力的产品、董阿姨的“手下”,它们成功的为董阿姨在2017世界智能制造大会主论坛的登场造足了势。

近年来,董阿姨十分乐意在公众面前展示自己的工业机器人产品,而后者也是格力在智能制造产业上的一个典型现象。作为经验人士,围绕“我们在智能制造能做什么、应该做什么”的问题,董阿姨在现场给了我们两个答案。

\

因为注重供给侧改革,我们有了过去5年的成果

创新是必须的,创造是未来。过去五年我们所取得的成果,就是因为我们注重了供给侧结构性的改革。”董阿姨在现场表示。

此前,关于什么是“供给侧改革”,董阿姨曾经从个人角度做出解释:

供给侧的改革,就是我们改造过去,挑战自己,创造未来。改造过去,改造什么?我们过去是依附型的,虽然是出口大国,但是没有自己的核心技术,就是一个跟随型的。

不仅仅是创新,供给侧改革还要加上创造。创新里面包含很多内容,比如我们可以是跟随型的,修改型的,或者在原有的基础上进行一些所谓的创造型的,但是这远远不同于真正原创的。

可以说,在对“供给侧改革”的解释上,董阿姨一语道出了国内产业发展上关于技术的“困境”与“尴尬”。

简单来讲,所谓的“供给侧改革”就是创新+创造。“过去我们是模仿,因为只要能够赚钱、能够生存我们就已经很满足了。但在这个新的时代,我们要成为创造者。只有成为创造者,才能让世界更美好。”董阿姨称。

值得庆幸的是,从当下的情况来看,现在不就是一个很好的时代?

以董阿姨很喜欢的工业机器人为例。据相关数据统计,我国已经连续多年成为全球工业机器人第一大市场,占全球工业机器人销量的30%。另外,我国也已经连续五年成为全球头号工业机器人应用市场,而今年中国机器人市场规模更是预计将突破60亿美元

与此同时,因为智能趋势的推动,大数据+制造、云+制造、AI+制造……更是成为了眼下智能制造行业的常见模式,更是未来必然的趋势。而依据董阿姨的定义来看,这不就是“供给侧改革”的一种表现形式?

\

以融合之势,实现人才与产业的双向交互

在演讲的最初,董阿姨就曾经对此次大会主题“聚·融·创·变”做一个解读。其中,在“”字的解读上,董明珠这样说:“我们还需要做一件伟大的事情,把我们优秀的人才和产业输送出去,走向世界。同时,也欢迎世界走进中国、走进江苏,更加欢迎走进南京。

这方面不仅仅指代的国内外在智能制造技术、产业上的一种融合,还有思想上的融合,就比如董阿姨所说,和世界的、先进的、有共同创造思维的人融为一体。我们可以看见,不仅仅是智能制造,这也是包括互联网、零售在内的所有行业的一个共同认知。

比如当前正呈快速增长之势的人工智能产业,在国内外设立研究室、引进国内外人才、举办国内外交流会议……这些举动已经是十分正常的布局手段。又比如董阿姨的格力,在全球已经拥有了10000多名技术开发人员、10个研究院以及70多个研究所。

当然,这里所讲的“融合”也并不是只有国内外相通才算,企业之间的差异化合作也是一个非常重要的途径,就像技术解决方案商与硬件制造商的一种合作。

针对这方面,董阿姨也以自身为例,“现在,我会遇到跟多好朋友,大家都说我们跟格力有合作,我听到就很高兴。我们一定要是共荣共享共创造,而不是一个企业去简单的、独立的发展。”她在现场说到。

从本质来讲,董阿姨这指代的不就是产业链的一种融合与完整?这也是当前智能制造行业亟待解决的问题。比如智能机器人,因为产业标注的尚不完善,制造工艺、制造用材的是否达标就成为了一个令人头疼的地方。

结语

在热烈的掌声中,董阿姨走下讲台结束了自己的又一次演讲。

令人印象深刻的是,董阿姨在最后又风趣了一把:“大会组委会交代我说不要做广告,我说,我为什么不做广告,格力本来就是最好的。”

在智能制造的大方向上,董阿姨从自身经验出发给了我们两个答案。但是,在小方向,我们还有更多细枝末节的问题需要去探讨、去解决。

为此,在本月28号,镁客网在深圳举办“M-Tech”AI助力中国智造产业论坛,为行业人士提供一个交流的平台。

报名链接:http://www.huodongxing.com/event/5415391081900


原文发布时间: 2017-12-07 20:28
本文作者: 韩璐
本文来自云栖社区合作伙伴镁客网,了解相关信息可以关注镁客网。
相关文章
|
4月前
|
缓存 安全 Java
Spring 框架核心原理与实践解析
本文详解 Spring 框架核心知识,包括 IOC(容器管理对象)与 DI(容器注入依赖),以及通过注解(如 @Service、@Autowired)声明 Bean 和注入依赖的方式。阐述了 Bean 的线程安全(默认单例可能有安全问题,需业务避免共享状态或设为 prototype)、作用域(@Scope 注解,常用 singleton、prototype 等)及完整生命周期(实例化、依赖注入、初始化、销毁等步骤)。 解析了循环依赖的解决机制(三级缓存)、AOP 的概念(公共逻辑抽为切面)、底层动态代理(JDK 与 Cglib 的区别)及项目应用(如日志记录)。介绍了事务的实现(基于 AOP
176 0
|
网络协议 程序员
TCP报文格式全解析:网络小白变高手的必读指南
**TCP报文格式详解摘要** 探索TCP,传输层的关键协议,提供可靠数据传输。报文含源/目的端口(标识应用),32位序号(跟踪字节顺序),确认序号(确认接收),4位首部长度,6位标志(URG, ACK, PSH, RST, SYN, FIN),窗口大小(流量控制),检验和(数据完整性),紧急指针(优先数据)及可变长选项(如MSS, 时间戳)。了解这些字段,能更好地理解TCP连接的建立、管理和数据交换。
1205 3
|
传感器 物联网 数据安全/隐私保护
低功耗蓝牙和 Wi-Fi 相比有什么优缺点
低功耗蓝牙(BLE)与Wi-Fi相比,功耗更低、成本更少,适用于短距离、小数据量传输,如智能手环等;但传输速度和距离不如Wi-Fi,适合对实时性和带宽要求不高的场景。
1041 4
|
机器学习/深度学习 传感器 自动驾驶
视觉BEV基本原理和方案解析
视觉BEV在高德高精地图地面要素识别、车道线拓扑构建、车端融合定位等业务场景中都扮演了重要角色。
|
Go
Golang语言数据类型分类及进制转换案例
这篇文章详细介绍了Go语言中数据类型的分类、进制转换的概念和实例,以及数字字面量语法,还涉及了原码、反码和补码的相关知识。
162 0
Golang语言数据类型分类及进制转换案例
PullToRefresh的简单使用
PullToRefresh的简单使用
335 1
|
Python
如何在Python 查找两个列表之间的差异?
如何在Python 查找两个列表之间的差异?
609 0
|
机器学习/深度学习 数据可视化 大数据
【钉钉杯大学生大数据挑战赛】初赛 A:银行卡电信诈骗危险预测 Baseline
本文介绍了参加"钉钉杯大学生大数据挑战赛"初赛A的银行卡电信诈骗危险预测项目的Baseline方案,包括问题分析、Python实现(含数据探索、模型训练调参、特征工程、模型评价和可视化)、以及代码下载链接。
339 0
|
数据可视化 Python
DataFrame 中的时间序列分析:处理日期和时间数据
【5月更文挑战第19天】在数据分析中,时间序列数据的处理至关重要。使用Pandas,我们可以将日期列转换为日期类型,便于进行时间序列操作,如提取年月日、计算时间间隔。通过`resample`处理不规则间隔,用`fillna`或`dropna`填补或删除缺失日期。结合`matplotlib`进行可视化,揭示数据趋势。正确处理日期和时间信息是准确分析的前提,帮助我们从时间序列数据中发现模式,为决策提供依据。
567 2
|
机器学习/深度学习 算法 数据挖掘
【机器学习】包裹式特征选择之递归特征添加法
【机器学习】包裹式特征选择之递归特征添加法
461 5