2015年5月，中国正式印发中国制造2025计划，根据计划，预计到2025年，中国将从“制造大国”成为“制造强国”，而到2035年，中国的制造业将超越德国和日本等发达工业国家的制造业。

3年来，中国掀起了一波又一波的创业浪潮，从智能硬件到AR／VR到共享经济再到人工智能，无数人在创业泡沫的兴起与破灭中轮流经历着兴奋与彷徨。不过，在风口的起起落落中，中国制造2025始终都是时代的背景音。到现在，是时候分析并反思一下中国制造2025的成果与不足了，中国制造业在追赶与赶超方面，与国外先进国家相比，究竟处于什么状态？差距增加了还是缩小了？接下来的路如何才能走得更稳健？

对此，墨客星球近日专门采访了德国汉堡大学张建伟教授。

“目前全国各个地方的企业都在运用中国云存储云计算方面的优势，迈出了数字化的第一步，这是中国在迈向智能制造的第一步。”张建伟认为，中国2025其实已经开了一个好头，中国工业机器人装机量已经大幅度增长，但于此同时，在国产工业机器人与国外机器人的占比来看，国外工业机器人仍占据了较大的优势，国产工业机器人依然还有很长的路需要追赶。

而说到国产工业机器人落后的原因时，张建伟认为中国制造2025主要就是政府在强力推动，而在国外，张建伟则以德国举例表示，“在德国，企业或者行业协会对工业4.0的兴趣比较大。”张建伟认为，发挥企业以及行业协会的积极性更能保证项目的可持续性。不过，张建伟同样也认为在中国政府的推动其实也非常有价值，但问题在于如何才能将工作做得更有实效，避免低水平重复。

而对于目前的人工智能的所取得的成绩，张建伟给出了60分的评价。而接下来，人工智能想继续攀登高峰，张建伟仅仅靠深度学习可能是不够了，发展自上而下、可迁移、可进化的人工智能算法等可能是人工智能领域下一步的研发重点。

张建伟教授简历：张建伟，德国汉堡大学信息学科学系教授 ，多模态技术研究所所长 ，德国汉堡科学院院士 。 1986年清华大学计算机系学士毕业，1989年清华大学计算机系硕士毕业，1994年德国卡尔斯鲁厄大学计算机系博士毕业，主攻机器人方向。张教授长期从事工业4.0中的感知学习和规划、多传感信息处理与融合、智能机器人技术、多模式人机交互的研究与开发。

以下为采访原文：

1、中国2025其实源于德国的工业4.0，如今，中德之间差距是否在扩大？

中国2025在政府的强力推进下，取得了一些可喜的进展，比如企业上云。目前全国各个地方的企业都在运用中国云存储云计算方面的优势，迈出了数字化的第一步，这是中国在迈向智能制造的第一步。

然后在机器人的使用方面，也有一定的进展，在政府机器换人以及自动化设备更新的政策指导下，也有了一些推进。传统工业机器人的价格已经降的越来越低。

但有一个事实是，现在国产工业机器人在整个中国工业机器人领域内的占比却是在下降的（详见新松机器人曲道奎的演讲），虽然大家都在增长，但国外的机器人市场份额却增加了。所以，这对我们来说还是一个巨大的挑战，如何在高端制造和附加值比较高的智能制造的核心技术力里面取得更大的成就，其实还有很多很多的挑战。

2、国产下降的原因可能是什么？

中国2025更多的政府推动，而在德国，企业或者行业协会对工业4.0的兴趣比较大，如此，企业的积极性和可持续性都相对好一些。

而中国想要赶超，如果缺了政府这一环其实也不太现实。但政府下一步如何做得更好，更有实效，让各界实现跨界合作与共享，如何避免低水平重复，整个提高我们在智能制造核心技术方面的水平，这是一个我们要努力的。

3、中国是否可以通过发展基于视觉的控制技术，来补偿在精密加工领域的不足？

理论上来说，基于传感基于通讯的控制方案的确是给传统机电设备带来了一些补偿和革新的作用。但是这要分任务来看。

比如在一些精度并不是很高的机器人领域，用视觉技术来增加机器人关节在控制方面的精确性，是可以做的。但是，在精密加工领域，可能是不行的。

另外，基于视觉的控制方案在真正落地时也已经碰到了一个问题，即敏捷性还不够。希望未来智能芯片能够在这里起到更多的作用：将视觉信号更快地处理，更快地传输到驱动单元。未来，AI芯片一定能够深度与机器人控制融合，在这方面我期待中国能够创造出一些具有中国特色的方案。

也就是说，在部分应用方面中国的确是有弯道超车的机会的。但日本德国在高精度车床等高精加密设备方面的优势，还是值得中国长时间学习与积累的。不要操之过急，要持续投入。

4、对于中国现在的人工智能水平，您能给他们打多少分？

100分的话，可以打个60分。中国在以深度学习，大数据驱动为主流方法的人工智能方面发展得其实很快，在论文方面的增长数也很快，在感知智能方面也有着比较快的应用，尤其是人脸识别、语言识别、文字识别等。

但，真正能够解决关乎国计民生的医疗、制造、出行、教育等刚需的人工智能还非常稀缺。这可能需要人工智能与这些行业与硬件深度融合。

下一步，中国应该要在这里面作出最优实践来。

5、未来，人工智能怎么才能从60分做到90分？

目前主流的以大数据驱动的深度学习其实只是实现人工智能的几种方法之一，这叫做弱人工智能。

而强人工智能的实现则还需要很多研究，需要更多新的方法。比如自上而下的、基于知识的人工智能；比如基于全局优化的，基于贝叶斯的，基于多传感器融合的，基于进化算法、可迁移的、可泛化方法的人工智能等等，所有这些都是在深度学习之外，下一个值得关注的方向，是走向强人工智能的重要步骤。

6、您对2019年人工智能领域最大的期望是什么？

在感知智能已经成为人工智能主流之外，我们希望能看见基于多模态的学习，基于迁移学习的应用，基于深度增强学习的应用会有新的突破。