最近读了几篇金融界大佬关于数字化的文章。我的感觉是：作者思考得很深，从BIT谈起，逐渐进入了形而上的领域。但我还觉得，他的想法钻牛角尖了。
什么叫做“钻牛角尖”？在我看来，就是过度关注没太有用的东西，会让视野越来越窄。孔乙己把“茴字有四种写法”当学问，就是典型的“钻牛角尖”。那么，什么是大学问呢？我觉得，大学问想透以后，往往让人一通百通。当然，“钻牛角尖”可能是悟透之前的一个过程。
思考数字化问题，怎样才能不钻牛角尖。这需要找到能够体现“纲举目张”的观点。
我在清华时，看到报纸上有篇文章，谈为什么要搞政务网络化。文章引用了大领导的一句话：让数据多跑路群众少跑腿。当时，我们都觉得这句话好：清晰、形象又有操作性。这就是大道理。
对于数字化，我想模仿着给出类似的定义：数字化的目的，就是让计算机多干活。
从这个说法简单，但可以引出很多观点。比如，我们要想清楚一个道理：机器决策需要什么条件？
孙子说： “知己知彼百战不殆”。意思是说，科学决策的基础是充分获悉相关的信息。这个逻辑不仅适合人，也适合计算机。人与机器的决策方法可能有差异，但大的逻辑却是一样的。所以，对具体决策来说，机器需要的信息，就是人需要的信息。而数字化就要把人接受的各种信息，变成计算机可以处理的数字化信息。
人类决策时，需要知道对象特性(静态信息)，还需要对象的实时状态(动态信息)。这两类信息是什么呢？在工业系统中，前者用对象的模型描述，比如3D模型；后者是传感器信号，包括物联网的信息。两者加在一起，差不多就是人们常说的工业大数据。但是，两类信息只是对象本身的信息，获得这些信息只能做到“知己”。要做到“知彼”，还需要了解系统外部的信息。于是，互联网的作用就体现出来了！
人们常说，互联网和大数据推动了智能化，就是这个道理啊。过去的计算机，不能得到准确、及时、完整的信息，现在的计算机能够得到准确、技术、完整的信息。所以，过去推进数字化决策难，现在则变得容易。所以，数字化的机会，是摩尔定律带来的。2500年前，孙子就把这个逻辑讲清楚了。
我们再想一下：物理对象的属性和信息，加在一起是什么？是物理对象的数字化模型！计算机能够访问到这些数据，意味着什么？意味着数据位于Cyber空间。我们借助Cyber空间中的对象控制物理对象，又是什么呢？这就是所谓的CPS！所以，CPS的提出，是非常自然的。
怎样让机器多干活呢？从方法论的角度，还可以再深入一下。比如，机器决策需要知识。怎么办呢？我的办法就是：用人明白的道理，让计算机帮人做得更好。这其实就是工业知识软件化、就是把人的知识变成机器的知识！
这种做法就是我经常说到的“吴淑珍式的智能”吗？也就是说：智能化本质上是靠“及时准确完整的信息加上简单的决策”，而不是复杂的决策。我反对滥用人工智能(巴菲特式的智能)，就是这个道理。那么，人工智能算法的用处在什么地方呢？其实，人类接受到信息之后，需要有个“感知到认知”的过程。人看到某个图像，知道它是一头狼-这就是感知到认知的过程。人工智能的用处，就在于此。图像识别很重要，过于夸大就不对了。因为工业过程的认知，往往是通过“制定标准、对比标准”这种简单的办法来实现的。
工作都让机器做了，人做什么呢？人做知识的生产者。
人类“生产”出知识以后，进行数字化工作，交给机器去做，推进智能化。在我国，许多钢铁企业有数百人管质量，而美国的大河公司只有几个人。为什么会有这样大的差别呢？究其原因，就是因为我们从事的质量管理，是用自己的知识管具体的事。而美国人的质量管理，是制定规则，把具体的事交给机器去做了。打个比方：我们的质量管理人员是做法官的，每天判具体的案子；大河公司的质量管理人员是做议员(人大代表)的，负责制定法律，而法官是机器来做的。
总之，做大学问要讲大道理，大道理能让人一通百通。而所谓的“通了”，往往就是“简单了”。所以，我认为：那些整天用复杂的人工智能算法来忽悠工业人的专家，其实没有把大道理想通。
最后再谈两个想法：
1、要不要从BIT开始，思考数字化的问题呢？其实也是需要的。许多年前，莱布尼兹和冯诺依曼等人，就把这个逻辑想清楚了。但文章中考虑的问题，和大师的思考不是一个尺度、高度完全不同。
2、如何看待钻牛角尖。我觉得，年轻人一定要“曾经钻过”牛角尖。否则，思维就是肤浅的。不过，关键是要能从牛角尖中钻出来，这才是我们希望得到的东西。
作者：郭朝晖(工学博士，教授级高工。企业研发一线工作20年；优也科技信息公司首席科学家；东北大学、上海交大等多所院校兼职教授。国内知名智库、走向智能研究院的发起人之一。原宝钢研究院首席研究员)
