编者按：
《知行-工业基因的数字化演进》是一本关于工业企业数字化转型领域的新书，由郭朝晖老师所著。
AR 技术作为工业数字化转型的关键技术支撑，在推动数字化转型升级中发挥巨大作用，下文是 ALVA Systems 首席技术专家 郭俊玺读《知行》之感，结合 AR 技术在工业中的应用，阐述了对于数字化转型的认识与思考。
主要内容包括：本书在个人知识体系中如何定位、本文作者对本书内容的理解、书中理念实践的技术思考和建议的关注点。
明“数字化转型”之道理，知“数字化转型”之行止。
明理是要明白数字化转型的必要性、目标、路径和方法，了解数字化转型的政策、标准、案例和趋势。知行是要知道如何进行数字化转型的战略规划、业务设计、体系建设、关键任务和结果评估，以及如何解决数字化转型过程中遇到的问题和风险。
合“数字化转型”知识和行为为一。
知是要深入理解数字化转型的内涵、价值和意义，掌握数字化转型的核心原则、方法论和工具；行是要积极参与数字化转型的各个环节，运用数字技术和数据来创新业务模式、提升工作效率、优化客户体验。合一是要把知识和行为融为一体，不断反思、学习和进步，形成数字化的思维方式和行为习惯。
—— ALVA Systems
首席技术专家 郭俊玺
以上两点是阅读完本书之后自己的一点体会，开头时提到读书过程小有波折，这里简单介绍过程并谈谈本书在我个人知识体系中的定位。
拿到书后花了两天时间很快读完第一遍，过程中在很多点上也体会到作者的真知灼见（也有人认为只是简单的常识和道理）并深以为然，可是在之后的个人总结环节却感觉有点茫然和无从下手。
我到底应该怎样在自己的工作中去应用书中的内容呢？好像缺乏一个抓手和桥梁能够将书中的内容和自身的知识体系之间进行融会贯通，导致总结时无从下笔。放下冷却两天后的某个时间点突然想到这种情形和我之间学习工程管理的课程内容时有点类似，当时很多课程都是涉及到项目管理中的范围、时间、进度、质量、人力、风险等具象的内容，可是里面有一门叫做工程哲学的课程有点与众不同，讲的不是具体的技能而是抽象的道理。
想通这一点后顿时豁然开朗，这本书就是数字化转型的哲学。
科学是用来描述世界，技术是用来建构世界，而哲学却是用来解释世界，解答人总是要面对的为什么的问题，搞不清因果很多时候做事都不安心。
有了这个认识，我专门去找了一本牟宗三先生所著的《中国哲学十九讲》来读，里面着重介绍了中国的儒家、道家、佛家以及西方的哲学，分别从纵向和横向进行了讲解。
其中个人最欣赏道家的哲学观点，“无为天地之始，有为万物之母”，“有无合一谓之玄，玄之又玄，众妙之门”，“道生一，一生二，二生三，三生万物”，怎么理解呢？简单来说就是世界本质上是由简单的规则组合并运行后形成的。
这一点倒是和国外很有名但不是太受学术界欢迎的物理学家、数学家Stephen Wolfram（Mathematica数学软件的设计者）一直倡导的元胞自动机理念类似，因为计算等价性原理，各种不同学科的复杂系统本质上相同，都是由简单的规则所驱动，颇有点当下正在流行的语言大模型的意思。但是没有被广泛认同接受，估计是与如果认同会砸自己的饭碗有关。
扯远了，还是回到《知行》的书上来，在个人的知识体系中，我把它定位成有关数字化转型的哲学。
书中主要内容从数字转型的本源讲起，数字化技术的应用本质上是一种技术创新，而技术创新有其自身的逻辑，涉及技术创新的概念、机遇、用户需求、认知视野和管理机制；
技术创新的出发点是工业基因的进化，包括效率、质量、成本、标准、管理，进化目标的评估需要考虑到技术可行性和经济合理性；
技术创新中数字化技术的应用会改变人机关系，在此基础上深入发展会进一步影响到人人关系，中间过程包括机械化、自动化、信息化、数字化、网络化和智能化的过程演进；
演进的目标不完全是干掉人，而是在少人化的同时实现强人化，用数据技术和工业知识赋能于人，让人更高效的进行生产过程维护与改进创新工作，完成根因分析、数据建模、工业应用开发等任务；
数字化转型选择要做什么时需要考虑到时空视角、不同层级人员视角和事物过程的演进视角；
最后是在破旧立新过程中不可避免会遇到固有观念和文化的阻力，在做到知难而进的同时还要学会知难而变和知难而退，去除执念方能成就全新的工业文化。
下面结合书中内容和自己的工作谈谈数字化转型落地的技术支撑。
从人机关系的改变演进到人人关系的改变，进而产生新的企业动作模式。其间的自动化、信息化、数字化、网络化、智能化过程主要涉及三方面的技术，分别是工业互联网(IoT)、人工智能(AI)和增强现实(AR)。
IoT 是基础，实现由实体维和资源维构成的物理世界的数字化；AI是支撑后端，实现数智维的升维重构和降维解构；AR 是交付前端，让虚实融合技术赋能于人，三种技术合力支撑数字化转型的落地。其中有关 IoT 论述的书很多，包括本书所属的走向智能丛书系列中的前序书籍，这里不做展开，下面我们重点谈谈 AI 和 AR。
AI 对 AR 的助力，基于 AI 的识别算法，人机交互能够从图像用户界面 (GUI)过渡到语言用户界面（LUI），LUI(普通人能理解语言文本)不同于原来的DOS命令行(专业人员使用的精确指令)。
在信息获取方式上，信息 1.0 时代的人找数据(搜索引擎)、信息2.0时代的数据找人(信息流和用户画像)两种场景都需要提前准备好场景消费的数据，而由于一线场景的碎片化，事无巨细全部场景都准备好数据也不现实，这时配合时下流行生成式大语言模型(LLM)和既有的系统数据、知识数据能够为即时内容生成(AIGC)，实现类似相声表演中“现挂”的效果。AI 和 AR 都能为基于控制论的自动化和强人化带来助力。
AI 为自动化的感知(多模态编码交互)、决策(语言模型大脑)和执行(具身多模态机器人交互)；AR 为强人化的感知(见所未见，听所未听，触所未触)、决策(聊天室的主持人)和执行(减轻人的认知负荷-记忆力和注意力)。
同时 AR 辅助人为 AI 指引前进方向、确定最终目标。自动化意味着确定性，但当自动化的工作场景网络化到一定规模后由于计算的不可化简性必然会变得不确定而需要做出选择-定义下一步要发生什么，这时就需要强人化赋能的人的介入。
结合对书中介绍的数字化转型哲学的理解，在这里对数字化转型应用场景推广上补充一点自己的小视角。
一是技术创新的受益者应该从小众走向大众。事实上从1970年以来的五十年时间欧美国家的劳动生产力增长率幅度并没有象1970年之前100年那么大，尤其最近十年接近停滞，也是各种社会乱象背后的根源；虽然计算机、互联网、物联网等各种新技术轮番登场，但效果没有预期那么大，究其原因可能是这些技术最终的受益面不象以前的机械化、电气化那样全民普及；中国虽然有着后发优势，但这种趋势的影响只是延后而不是避免，“十三五”(2016-2020)时期，我国全员劳动生产率年均增长5.8%，“十四五”(2021-2025)时期，全员劳动生产率增长“高于GDP增长”，2021年是8.7%，2022年是4.2%，显示我们劳动生产力增长率的高峰期已过，下行的趋势已经十分明显。
二是技术的落地要与实践流程做深度结合。技术不是生产力的根本原因，仅仅掌握最新和最好的工具不会带你进入生产力的最佳境界—尽管社交媒体上的许多头条新闻都承诺了这一点，这种洞察有助于我们理解为什么计算机的引入并没有像人们预期的那样带来如此大而快的生产力繁荣。
优化流程是深度生产力实现的基础，它具有最大的杠杆作用，但需要基于新技术 IoT、AI、AR 来重新思考整个生产过程，这需要花费大量时间。新技术+使用未经优化的流程的生产力提高幅度有限，这就像给猪涂上口红一样，看起来很热闹，但我们的目的不是看热闹。
最后简而言之，作者在工业企业数字化转型这件事上是明白的。
*想要了解更多内容，欢迎点击：https://uao.so/wapt8b27b76
官方客服电话：400-125-9889
关于 ALVA Systems
ALVA Systems 是全球领先的异构计算技术软硬件提供商，与中国国家计量院一起设计了全球首款异构计算技术的基准测量工具、为 AMD、Intel、高通、ARM 改进其 CPU、GPU 的硬件设计以及底层驱动函数库以更好地适应异构计算。
近年 ALVA 将自身在异构计算领域的领先技术优势，应用工业物联网领域，先进的底层异构计算技术允许 ALVA 在低时延场景下，仍将为用户提供卓越高效能的 AR 使用体验。ALVA Systems 以技术创新引领市场需求，致力于成为您创新的源动力。