如何在从“制造”到“智造”的升级路径中用好工业大数据？如何弥补制造企业大数据运用能力的“鸿沟”？当前，阻隔科技成果顺利转化的“瓶颈”何在？这三个问题对于正在升级“智能制造”的中国企业而言，至关重要。思客在近日举办的第三届广东院士高峰年会上，专访了中国工程院院士、曙光信息产业股份有限公司董事长李国杰。身具科学家和企业家的双重身份，他对这些问题会怎么看？

    李国杰：当前的科技成果转化中，很多人想的都是做了技术以后推向市场，但这应该是占少数的。

    工业大数据：串联起从“制造”到“智造”的升级

    思客：当前，传统的制造业正在升级，您觉得工业大数据会给制造业升级带来什么新的机遇？

    李国杰：工业大数据对制造业升级有很大的推动作用，而且将来发展智能制造一个基础的条件就是工业大数据。现在我们讲智能制造的前提条件，不光是对用户需求的反馈，还有对产品、工作环境的反馈，都是通过数据的反馈来支撑智能决策。所以现在很多新的产品不再是原来那种死的产品，而是通过联网以后，跟周围环境都建立起了联系。

    举个案例，比如说制造飞机。飞机原来是靠工程师自己设计图纸，现在飞机制造中大量工作都跟大数据联在一起。一个飞机造完以后，在计算机里有一个数字的“孪生体”，飞机飞行过程的所有数据都会反映到这个“孪生体”上。这样，就不是等飞机出了问题以后再来找问题出在哪，而是在飞行过程中，根据数据实时分析，就可以发现哪些部件可能会出问题，哪些地方需要维修。这就是工业制造从传统制造到智能制造的升级路径，其中一个核心的技术就是工业大数据。

当下人才培养不利于填补企业间的“数字鸿沟”

    思客：您曾提出过数字鸿沟的问题，但当前对中小企业而言，培育自己的大数据能力仍有较多障碍，比如专门人才的招聘、工资成本，且运用大数据改造工业生产的周期长，在未来工业大数据的发展潮流中，企业、政府和社会应该如何协力破解这一难题？

    李国杰：我们平常讲数字鸿沟，是讲城乡、东西部、发达地区跟落后地区之间出现的数字技术发展差距，而现在，数字鸿沟也存在于行业之间。不管是中小企业，还是大企业，它现在想转型智能制造、运用大数据，这些机械加工、木材加工、塑料加工企业实际上并不懂计算机这一套控制程序。而原来学计算机的人，不管是学硬件还是学软件的，基本是不学工业制造的。这些年来，我们国家工业控制方面的人才明显减少。现在人才培养本来就少，培养模式又割裂，现在教育界又特别喜欢建立很多新的学科，把学科越分越细，这种培养方式满足不了企业的需要。

    现在的问题是，一要改进教育，把教育里面的一些鸿沟都填平。不要分学通讯的、学计算机的、学控制的、学机电的，要把它们打通，而不是分门别类的老理论，要用新的方式来培养人才。另外，企业里要找到真正熟悉本行业务的人。当下企业正需要既懂得信息服务，又懂具体业务的的人，用这些人来填补数字鸿沟，把信息跟工业结合起来。

科技成果的转化一定要有企业的“拉力”
 
    思客：无论是人工智能还是智能制造，科技成果转化都很重要。在这方面，曙光公司走出了自己的技术产业化之路，这些方面有怎样的经验和模式可以分享？以您的经历和观察来看，当前知识产权从申请到运用，需要跨越哪些障碍？

    李国杰：国家现在对知识产权转化非常关心，但不能只寄希望于让大学老师、科技部门的科研人员把成果直接转化到企业里产出来。实际上，科研跟生产是一个大的循环体系。它有两部分的工作，一部分工作就是我们投入一些经费、投入一些人来做研究，这些研究里面产生出来大量的公共的知识，这些知识就放在知识大海洋里去，其中一小部分是比较专有的、独创的东西，可能给企业做产品，形成专利，这些专利就可以输送到企业进行转化，但这是整个研究的一部分。研究的成果大部分还是发表论文，论文就是公开的，大家都知道的知识，所以现在大量科研工作是形成公共知识，少部分到企业里面去转化为产品。

    科技成果转化工作中，企业也很重要。企业最主要的是从市场上获得需求，再主动地到科研单位去找需要的技术，所以科技转化应该是需求拉动的过程。只有少量的情况是由科技人员将技术推广到市场。这里一个是“拉力”，一个是“推力”。

    当前的科技成果转化中，我们很多人想的都是“推”的部分，即做了技术以后推向市场，但这应该是占少数的，多数还应该是企业去找技术。可是这样的“拉力”不足，老是推科研人员去转化科技成果，这样效果不是很好。为什么呢？因为技术转向市场需求，最终形成产业，它是盲目的，做出来产品不一定有人要。科技成果的转化一定要有需求来拉动，看市场需要什么样的技术。

    无论是政府还是市场，都要重视企业的作用，企业要通过创新，找到技术、发展技术，它应该拉动这个技术发展的过程，拉动科技成果的转化，而不是被动地等着学校、政府给它什么技术。