但是，无人车间不是理论问题，而是实践问题，它的智能属于“弱人工智能”。与其参观无人车间感到“震撼”，不如研究他们是如何产生巨大的现金流来“供养”这条生产线的。

　　实际上，无人驾驶汽车以及“阿尔法狗”也应该归纳到这一类，属于简单系统的确定性问题，按既定规则“自主决策”并“精准执行”。

　　无人驾驶汽车不可能为路中间的一个障碍犹豫不决，也不会在省时和省钱之间去自主决策。

　　AlphaGo下围棋本质是一个执行程序。每个执行指令都是李世石下达的。执行目标清楚，执行的规则严密。AlphaGo利用“价值网络”去计算局面，用“策略网络”去投子。关键是这个问题一定有最优解。在系统科学中这划为确定性的简单系统。只不过AlphaGo学**能力和计算能力非常强。AlphaGo会计算棋局，但是它不会算计对手。指派李世石下棋这个行为和工厂里把一个工单派给工人的性质没有区别。

　　迄今为止，我们看到的和谈到的“智能制造”，绝大多数都是产能的智能化。家电无人车间也仅仅是往前迈了一小步。

　　如果用价值链去分析这类企业，你会发现他们产品的价值附加主要发生在产品的技术创新和市场创新。客户不会因为无人车间装配的产品比手工装配的多支付一百元。而你在网上定制化选购时，只要多一个选项就要多支付几百元。智能制造的目标是让企业获得更高的利润，获得更强的竞争力。我们应该从现象看到本质。

　　当前一场以“智能”为关键词的技术革命在蓬勃发展，势不可挡，前景不可估量。在执行层领域的智能设计、智能生产、智能市场的技术进步是显而易见的。这些新技术极大地提升了企业的生产力。与此同时，我们需要认识到，在执行层的“智能”都是附加在生产资源上的，无论怎样智能都不能改变它是生产资源的属性。

　　也许一些人会提出，这些智能生产资源确实会提高产品生产的效率和质量，降低产品的成本。站在企业系统层面，执行层局部的“效率、质量、成本”是中性的，企业整体的效益和持续发展才是追求的根本目标。