轴承视界郭朝辉，宝钢中央研究院首席研究员、教授级高工。浙江大学工业自动化博士。从事创新工作近20年，对CPS、物联网、嵌入式系统及自动化系统中数据的知识发现与应用有深入研究与实践经验。在工业4.0、工业互联网、工业大数据、中国制造业转型与创新的研究上有着丰富的经验，是国内早期人工智能的研究者，智能制造的实践者。
最近有人问我：企业数字化转型的本质困难是什么？
我想了想说：最本质的困难是中国企业对创新不习惯。
改革开放以来的40多年，中国的技术进一步主要是依靠引进和模仿。随着企业技术不断进步，可以跟随模仿、引进的技术越来越少。更重要的是：数字化转型的个性化很强，需要企业自己把问题想清楚。这就需要创新思维。
数字化转型的工作为什么是个性化很强？
一般来说，越大的系统个性化越强、越是难以标准化复制。比如，设备往往比控制回路更难标准化；产线往往比设备更难标准化；工厂往往比产线更难标准化。根据我的调研和观察，企业进行数字化转型的基本条件往往并不理想。比如设备陈旧、管理落后、自动化程度低等等。
许多企业进行数字化转型的时候，需要事先补齐短板——补短板本身并不是数字化问题。
这些补短板的工作往往需要投入甚至需要创新，比如开发新的设备、产品、工艺等等。这些事情就把很多企业卡住了。这些投入能不能取得效益就是个问题，往往与市场和用户相关；企业能不能用好这些技术，与自身的人员素质相关。所以这个过程充满不确定性。
我说中国企业往往并不习惯于创新，往往是不习惯于不确定性。比如，许多企业往往看到别人有了成功的案例才敢做，自己不会思考、不相信自己脑子里面的逻辑。面对这些不确定性，他们就会陷入彷徨犹豫的过程中不知所措。
我们注意到：上述问题涉及到很多层面：要有人懂工艺、懂设备、懂数字化、懂运营、懂管理，要对企业和行业有较深的理解，甚至需要比较清晰的战略。单纯谈技术往往并不能导致创新的成功，需要综合性的人才或团队。这是我国特别缺少的，也是一些技术专家的局限性所在，学院派专家就更不靠谱了。
怎么解决这些问题呢？
我看多数成功的案例还是一步步的走，尽可能的在每一步都能实现价值驱动、需求驱动。我在《知行》一书中推崇渐进路线，就是这么一种考虑。
创新总会遇到不确定性。对待不确定性的态度很重要：有些不确定性允许存在，有些则必须消除。比如，技术原理必须清楚，但允许在指标上存在不确定性；价值大小可以算不清，但价值创造的逻辑必须清楚。创新不仅要“知难而上”，还要懂得“知难而退”、“知难而变”。创新还有一个特点：价值驱动并不意味着直接价值驱动、当前价值驱动。企业需要有个把间接、长期价值进行转化的机制，才能真正获利。这些往往不是技术问题。很多技术专家并没有这一方面的经验，就不善于创新。
我研究创新多年，深知创新对创新者的风险很大，而创新的价值往往体现在技术扩散过程中。所以，建立示范工厂、示范车间还是非常有必要的。但是，中国当前的许多示范工厂实际上并不成功，只是采取了一些所谓的先进技术，并不能达到价值创造的目的。这样的示范，往往是树立了坏的榜样。
