AI赋能烟草加工企业提高“得率”

【摘 要】 以G烟草企业为例，以烟草生产环节中的关键指标“得率”为核心，研究人工智能如何助力烟草企业高质量发展。研究发现：影响“得率”的主要因素是原烟的分级和运输，人工智能可以减少分级、运输中的原烟损耗；劳动资料没有集合在一起是技术应用的阻碍因素，例如研究机构有专利但是缺乏原烟分级的数据；人的工作转向监督、训练和使用人工智能。烟草企业“得率”提升可节省成本，随着人工智能技术的进步，预计未来可继续提升的空间更大。文章分析了不同技术路线人工智能的特点及其在烟草企业的应用场景，以期为相关企业提供借鉴。

【关键词】 高质量发展； 人工智能； 成本控制； 烟草行业

【中图分类号】 F234.3；F233 【文献标识码】 A 【文章编号】 1004-5937（2024）15-0053-05

一、引言

2024年政府工作报告指出，要深化大数据、人工智能等研发应用，开展“人工智能+”行动。习近平总书记在主持中共中央政治局第十一次集体学习时强调，“新质生产力是创新起主导作用，摆脱传统经济增长方式、生产力发展路径，具有高科技、高效能、高质量特征，符合新发展理念的先进生产力质态”。人工智能可以帮助企业实现高效能发展，生产资料的投入更集约。国家烟草专卖局提出到2025年，数字技术与烟草产业深度融合，数字经济与实体经济融合成效明显。我国烟草行业在促进经济发展、稳定社会就业、支持乡村振兴、发展民族工业、保障消费者利益等方面发挥了重要作用，做出了积极贡献。烟草行业需要全面激活数据要素驱动潜能，持续提升行业治理数字化、网络化、智能化水平[ 1 ]。

现有的人工智能相关研究[ 2-5 ]关注了成本管理、目标体系、平台营销、专卖、物流、财务会计、管理会计，还没有关注烟草行业的人工智能如何助力高效能生产。本文围绕“得率”这一核心指标展开研究。“得率”是烟草企业从烟农采购原烟后，加工所得的烟梗和片烟的重量占原烟重量的比例，一般在90%～95%之间。其中片烟部分约为60%～70%，25%～30%为烟梗。加工片烟、烟梗的环节是烟叶离开农田后，数据流第一次中断的环节。这段流程人工智能降低成本的空间最大，能够助力烟草企业高效能发展。

得率=（片烟重量+烟梗重量）/（采购的烟草重量-自然损耗重量）

人工智能是计算机完成原本需要人类智能才能完成的任务，是新质生产力。新质生产力是为新型劳动者利用新型劳动资料作用于新型劳动对象，构造新的分工和协作体系，创造社会新财富的能力[ 6 ]。本文分别从劳动者、劳动对象、劳动资料三个要素研究人工智能这一新质生产力是如何提高烟草企业的“得率”，降低成本，实现高效能发展的。应用人工智能后，G烟草企业的“得率”已经得到提升，未来可提升的空间更大。

本文的创新点体现在三方面：第一，从管理会计的角度关注了人工智能对烟草企业生产的影响（现有研究较多关注技术本身、技术对财务会计的影响）。第二，不仅关注了技术（劳动资料）及其能解决的问题（劳动对象），而且关注了应用技术时面临的经济问题（劳动者）。第三，使用了烟草行业的特定指标——“得率”展开研究。现有研究较多关注企业层面，没有聚焦具体的指标。本文的研究意义体现在两方面：第一，能够帮助烟草企业提升“得率”，降低成本，提高生产效能，进而促进烟草企业的高质量发展。第二，不仅分析了技术本身，而且分析了人工智能应用时的激励问题并提出解决方案。这能为其他企业使用人工智能技术提供借鉴。

二、劳动对象：影响“得率”的关键因素有哪些

劳动对象是指劳动过程中人们所加工、改造或服务的对象，既包括实体性劳动对象，又包括非实体性劳动对象。实体性劳动对象通常指原材料、零部件等，非实体性劳动对象则包括数据、知识或者某种服务对象等[ 7 ]。人工智能提升“得率”的劳动对象是影响“得率”的关键因素。

烟草企业从烟农采购原烟到生产可售卖的成品卷烟的流程如图1所示，共分为8个步骤，影响“得率”的是前5个步骤。（1）烟农从农田采摘烟叶后，把每片原烟按等级进行分选、装包，并根据烟草专卖局的要求把每一包原烟都贴上二维码。从事烟草种植的烟农以老年人居多。根据监管要求，烟农只能将原烟出售给烟草企业。（2）原烟按级别售卖给烟草企业。级别高的原烟价格更高，价格由监管部门制定。每一包原烟的包装物、二维码都受到政府监管，不得更换。（3）原烟被运输到烟草加工企业，包装和二维码持续受到监管。（4）烟草加工企业将采购的原烟拆包，根据原烟的价值将每片原烟二次分选。此时二维码和数据流中断。二次分选的要求较高。在分选过程中，产品设计、质量检查、生产监督三方共同监督分选过程。较高的要求导致只有少数员工能够胜任这一岗位。（5）二次分选后的原烟进入另一个生产车间的流水线。机器分离烟梗和片烟，分别装箱打上二维码。烟梗和片烟的重量占采购原烟的重量比例是“得率”。（6）装箱的原烟和片烟运输到仓库，进入两年的醇化期。（7）醇化后的原烟和片烟拆箱，进入流水线进一步加工，得到成品卷烟。加工过程中，每个批次中途不间断。（8）得到成品卷烟。每条成品卷烟带有特定条码，可以追溯信息。成品卷烟的售卖地点、数量、价格受到政府的管制。

烟草行业税收能够维持基层财政稳定性[ 8 ]，原烟采购、成品卷烟的生产和销售环节均需要缴税。烟草行业受到国家烟草专卖局的严密监管。原烟的生产、包装、采购价格，生产的各个环节，销售的数量、地点、价格都受到政府的管制。从控制的对象来看，在图1步骤1—5，控制的对象是每包原烟；在步骤5—6，控制的对象是每箱片烟或烟梗；在步骤7—8，控制的对象是每个生产批次。从数据流的角度来看，在步骤1—5，每一包原烟上的二维码能够保证数据可以追溯；在步骤5拆开原烟包装，并按片二次分拣定级后，数据流中断；在步骤5—6，每一箱片烟和烟梗上的二维码能够保证数据可以追溯；在步骤7—8，连续不断生产线上的数据采集装置保证每一生产批次的数据可以追溯。步骤6—8，企业已经采取高度自动化的加工方式，控制成本的空间较小，因此本文选择了步骤1—5作为研究对象，并选择了“得率”这一关键指标。

在步骤1—5中，每个步骤都可能影响“得率”。在图1步骤1，烟农将原烟分选定级时，会出现等级没有严格分类的情况。一是烟农没有足够的专业知识，会出现混级的情况；二是烟农收割原烟时的时间紧迫，烟农没有足够多的时间对原烟进行细致分选、定级；三是低等级的原烟混入高等级的分类，可以提高出售价格，进而增加收入。一般需求量大、价格较高的烟叶等级混级比较严重，且质量高的原烟混入质量低的原烟情况比较严重[ 9 ]。原烟混级除了会提高采购成本外，还会提高后续的管理成本。目前虽然可以根据二维码追溯信息，但是烟草企业并未对烟农实施奖惩来保证原烟的严格分类。在图1步骤3，原烟运输过程中的包装受到政府管制，不得对包装进行调整。这种严格的监管方式会造成包装不能适应原烟运输，造成损耗，降低“得率”。例如，北方的天气比较干燥，在运输过程中如果包装增加保湿功能可以减少原烟碎裂的情况。在图1步骤4，原烟的二次分选不涉及利益问题，但是要求较高，错误的二次分选会影响“得率”。在图1步骤5，原烟从二次分选车间到流水线之间的运输过程中，同样会产生烟草碎裂、掉落的情况，降低“得率”。总而言之，原烟的初次分选、二次分选，从农田到工厂之间的运输和包装及车间之间的运输是影响“得率”的关键因素，也是人工智能可以提升“得率”的因素，即劳动对象。

三、劳动资料：人工智能如何帮助企业提升“得率”

劳动资料是劳动者作用于劳动对象所使用的传导物或物的系统，在劳动资料中劳动工具具有关键作用[ 10 ]。人工智能的劳动资料是人工智能技术及其所需的其他生产要素。

目前数字技术较多，如专家系统、神经网络、遗传算法、RPA等，而集大成者、影响最大的是人工智能。人工智能是通过软硬件来实现与人类智能相媲美的智能体。目前的人工智能仅仅在某些方面的智力超过人类，属于弱人工智能；还没有任何一种人工智能可以在所有方面媲美人类，达到强人工智能的水平。根据机器模仿人类推理方式的不同，可以分为符号主义、联结主义[ 11 ]。

（一）第一代人工智能

符号主义是第一代人工智能采取的技术路线，采用从一般到特殊的演绎式推理。它主张人类思维的基本单元是符号，人类认知的过程是符号运算，是一种“自上而下”的模式[ 11 ]。符号主义人工智能的逻辑推理过程是可解释和错误可追溯的，其结果的可靠性、可解释性较强，例如战胜61位世界围棋顶尖高手的AlphaGo系统。符号主义导致第一代人工智能存在以下不足：第一，不存在一个无所不能的符号化人工智能系统，因此第一代人工智能仅仅应用于特定领域。第二，隐性知识无法用符号表达，因此难以处理隐性知识。

在图1的步骤1—5中，步骤4和步骤5采取第一代人工智能来提升“得率”。（1）在步骤4，二次分选主要依靠有经验的分选员。目前的技术可以直接检测原烟中尼古丁的纯度，辅助判断人工分选的结果是否合理。如果机器检测的结果与人工分类的结果不一致，需要由人工重新分选。该技术2020年投入使用，“得率”提升了2%。（2）在步骤4原烟经过二次分选后，由人工移动到隔壁的加工车间，并由人工投入流水线进入步骤5。在这一过程中，相对干燥的原烟会在运输的过程中碎裂、掉落，人工操作也容易出现流程错误的问题，影响流水线的生产效率。这两个因素影响“得率”。2023年，G烟草企业研发了自动搬运设备，车间的地面上嵌入了二维码矩阵，该设备可以通过识别二维码计算最优的搬运路线。在将原烟搬运到流水线时，可以自动启动程序将原烟从箱子中投入流水线。这一过程能够减少原烟碎片掉落、人工流程失误的问题。在该设备投入使用后，“得率”提升了1.4%。与技术配套，企业还投入了资金购买设备。因此，第一代人工智能的劳动资料包括技术和资本。

（二）第二代人工智能

联结主义是第二代人工智能采取的技术路线，采用的是由特殊到一般的归纳式推理，从大数据中发现隐藏的特征和规律，是一种“自下而上”的模式[ 11 ]。第二代人工智能有着良好的泛化能力和可移植性，可以自主获取知识，包括隐性知识。因此通用人工智能均是第二代人工智能。目前已经存在可以提升“得率”的第二代人工智能技术，但G烟草加工企业尚未应用第二代人工智能。

1.烟叶分级

人工智能在烟叶分级中可以发挥较大的作用，国家烟草专卖局明确提出要实施烟草智能分选。根据叶片在植株上的位置、产地、成色、品种等划分为42个类别。目前，烟叶等级划分主要依靠人工，准确率低、一致性差[ 12 ]。在初次分选中，平均合格率约为70%[ 13 ]；在二次分选中，最高约有20%达不到规定的等级[ 9 ]。因此，如果能够利用人工智能取代人工，可以更大幅度降低成本。这主要在两方面可以发挥作用。

（1）大数据监督原烟初次分选

在图1步骤1，烟农收割原烟后对每一片烟叶进行初次分选时，可以采取大数据监督分级的质量[ 14 ]。根据群体大概率事件原则，按照原烟上二维码传输的数据，可以每日了解采购的原烟及其分选情况，据此评估混级的高风险时段、农户。

（2）人工智能进行原烟分选

人工智能中的计算机视觉技术可以代替人工分选原烟。计算机视觉是指让计算机和系统能够从图像、视频和其他视觉输入中获取有意义的信息，并根据该信息采取行动或提供建议。这个过程会用到两种关键技术：机器学习（也被称为深度学习）和卷积神经网络。机器学习使用算法模型，让计算机能够自行学习视觉数据的上下文。经过预训练，计算机有能力通过自学分辨图像。卷积神经网络将图像分解为像素，并为像素指定标记或标签，机器识别标签后预测图像，直到预测接近事实。计算机视觉技术的重要应用领域之一是图片分类。

截至2024年4月30日，我国共有与烟草分选相关的人工智能发明专利111项，其中较早的是2011年。专利的申请主体既有烟草企业，也有大学等研究机构（如深圳大学、郑州大学），还有大数据和人工智能公司（如讯飞）。专利公开的文件并未披露人工智能技术中最关键的准确率，因此无从得知现有技术能否真正用于企业生产。

影响第二代人工智能准确率的因素有三方面：一是训练第二代人工智能的数据量是否足够。这里的数据是指已经分选的原烟图片。第二代人工智能的数据效率低，需要大量的数据对模型进行预训练才能提高准确率。二是数据的质量。如果预训练的原烟图片分选准确率不够高，也会影响训练的效率，造成数据的准确率低。三是人工能否对图片特定区域打标签。计算机利用机器学习和卷积神经网络技术对像素打标签的效率较低，在数据量不够的情况下，可以由人工根据经验在图片的特定区域上进行标注，提高训练效率。这一过程相当于把员工的经验转化为人工智能的算法。

2.运输与包装中的人工智能

在图1中的步骤3中，原烟运输过程中的包装受到政府管制，不得对包装进行调整。这种严格的监管方式会造成包装不能适应原烟运输，产生损耗，降低“得率”。目前采购原烟的业务员在不影响监管的情况下，会针对不同原烟的运输进行适当调整。例如，业务员在原有包装外面再加一层保湿的包装，以防止运输过程中过于干燥导致烟叶碎裂。业务员如何调整全凭经验，目前还没有相关的人工智能技术，但业务员可撰写经验，由人工智能进行文本分析，总结不同场景、不同特点的原烟处理方法，这样业务员的经验可以转移到人工智能的算法上。

3.配套的劳动资料

第二代人工智能本身是新质劳动资料。然而，第二代人工智能的数据效率较低，不仅需要大量数据对模型进行预训练，而且对算力和能源的要求较高。与第一代人工智能不同，第二代人工智能使用的是GPU（图形处理器），而不是传统的CPU（中央处理器）。此外，对烟叶进行分选的生产线、图像采集装置也需要投入资本加以配置。因此，第二代人工智能的生产资料包括技术、数据、算力、能源、资本。对于目前拥有处理烟草分级人工智能技术的主体来说，缺乏其他生产要素或许是导致其技术难以应用的主要原因。例如，高校等研究机构缺乏数据、烟草企业缺乏算力。

四、劳动者：劳动者在人工智能中的作用是什么

劳动者就是具有一定劳动技能和劳动经验的人，这是生产力中最活跃、具有能动性和创造性的要素[ 10 ]。劳动者是人工智能的监督者、第二代人工智能的训练者、人工智能的使用者。

（一）监督人工智能

第一代人工智能采取演绎推理的方式，属于必然推理，其结果准确。尽管如此，在生产的过程中，第一代人工智能仍然可能会出现意外而导致错误，需要人工监督。例如机器运输原烟的过程中可能会出现二维码模糊而识别错误，此时需要人工介入。第二代人工智能采取归纳推理的方式，其结果是或然推理，做不到完全准确，因此需要人工即劳动者对其分类的结果进行监督。例如，极为少见的原烟叶片没有办法被机器准确分类，需要人工分类。

（二）训练第二代人工智能

第二代人工智能采取归纳主义的方式，训练第二代人工智能的数据数量、质量直接影响模型的准确程度。在训练的过程中，人类的经验可以通过数据由人工智能掌握。因此，需要激励有经验的员工贡献其经验，方式包含两种：一是将员工对原烟分级的照片交给人工智能训练。这种方式的效率较低。二是让员工在原烟的照片上打标签，然后交给人工智能训练。对于图1步骤3，运输与包装中业务员撰写经验，将文本交给人工智能加以训练，这种方式的效率较高，对数据量的要求较低。

从知识的角度来看，这一过程是将员工的个人知识转化为企业的知识。第二代人工智能处理的是图片和文本，而不是逻辑本身，因此其中的知识由图片和文本承载。人工智能本身并不理解这一知识。这里的知识既包括可以直接表达的显性知识，也包括隐藏在文本中的隐性知识。然而，分享知识取决于员工个人的意愿[ 15 ]，如何激励员工分享知识呢？目前企业在开发新产品时，鼓励员工成立项目小组，根据成果对员工和项目组进行激励。这种方式更加灵活。在未来可以采取同样的方式鼓励烟草分级的员工贡献自己的知识。

（三）激励烟农接受人工智能

第二代人工智能可以做到原烟的分级，那么如何激励烟农接受人工智能技术呢？目前主要面临三方面的阻碍：（1）原烟的分级工作与原烟的收割紧密相连，这段时间的烟农工作繁重，不一定有时间兼顾使用人工智能技术。（2）从事农业生产的农民以老年人居多，老年人对新技术的接受能力较低。（3）原烟的采购价格由政府管制。原烟混级在一定程度上给了烟农实施机会主义的空间，以此增加收入。然而，在使用人工智能技术后烟农套利的空间消失。

目前烟草加工企业存在可以借鉴的经验。2002年，G企业推出“订单式生产”项目，对烟农的技术有一定的要求。G企业对“订单式生产”项目的烟草向监管部门申请提高了收购价格，以此增加烟农的收入，达到激励烟农的效果。因此可以借鉴“订单式生产”的项目经验，以提高采购价格等形式激励烟农。在激励额度方面，可以估算使用人工智能技术后减少的采购成本和管理成本，将节省成本获得的收益与烟农共享。

五、结论与建议

人工智能是计算机完成原本需要人类智能才能完成的任务，是新质生产力。本文从劳动者、劳动对象、劳动资料三个要素分析了人工智能如何帮助烟草企业提升“得率”、降低成本，进而高效能发展。

影响“得率”的因素是原烟的分级和运输，这也是劳动对象。采用符号主义的第一代人工智能本身属于劳动资料，与之适应的机器设备则需要资本；采用联结主义的第二代人工智能技术则需要数据、能源、算力和资本。目前，烟草企业尚未使用第二代人工智能，无法将所有的劳动要素集合在一起，例如高校、烟草企业都申请了原烟分级的专利，但是高校等研究机构缺乏数据，烟草企业缺乏算力。人类作为劳动者有三方面的作用：一是监督人工智能是否出错，例如原烟分级的人工智能无法将准确率提升到100%，需要人工监督。二是员工将其个人经验通过训练第二代人工智能的方式转移到企业，例如原烟分级、运输、包装等。三是烟农使用人工智能对原烟进行初次分级。

应用人工智能后，G烟草企业的“得率”已经得到提升，节省了成本；未来应用第二代人工智能可更大幅度提升“得率”，实现高效能发展。新质生产力的出现会导致原有生产关系的提升和变革。本文建议：（1）烟草企业应提高算力、收集数据，与高校、互联网企业合作应用人工智能技术，集合劳动要素。（2）激励烟草企业的员工和烟农使用人工智能技术。

【参考文献】

［1］ 李保江.推进烟草行业高效能治理的理论和实践思考［J］.中国烟草学报，202127（3）：97-103.

［2］ 孙飞超，胡志明，张晓俊.基于智慧企业的烟草工业一体化目标管理体系模型研究［J］.企业经济，2017，36（2）：61-65.

［3］ 章惠民.漳州烟草数据中心前置环境综合业务预警分析体系构建［J］.中国烟草学报，2019，25（2）：99-103.

［4］ 付桂彦，张喜军.烟草企业内部财务信息管理研究：基于红塔集团的案例［J］.财会通讯，2015（29）：48-50.

［5］ 刘梅玲，刘凯，黄虎，等.智能财务建设之新技术运用设计［J］.会计之友，2020（16）：141-149.

［6］ 孟捷，韩文龙.新质生产力论：一个历史唯物主义的阐释［J］.经济研究，2024，59（3）：29-33.

［7］ 黄群慧，盛方富.新质生产力系统：要素特质、结构承载与功能取向［J］.改革，2024（2）：15-24.

［8］ 侯欢.基层财政稳定性的法律路径思考：基于烟叶税法治化的视角［J］.地方财政研究，2018（6）：61-69.

［9］ 陈斌，徐玮杰，王超，等.商业烟叶收购等级质量与工业认可度比较研究［J］.中国烟草学报，2022，28（1）： 108-114.

［10］ 胡莹，方太坤.再论新质生产力的内涵特征与形成路径：以马克思生产力理论为视角［J］.浙江工商大学学报，2024（2）：39-51.

［11］ 魏斌.符号主义与联结主义人工智能的融合路径分析［J］.自然辩证法研究，2022，38（2）：23-29.

［12］ 鲁梦瑶，陈栋，周强，等.基于深度学习的烟叶等级分类及特征可视化［J］.烟草科技，2023，56（6）：92-100.

［13］ 张晓伟，张轲，陈丹，等.专分散收模式下烟叶工商交接C3F等级质量与其影响因素研究［J］.西南农业学报，2020，33（12）：2788-2792.

［14］ 李震，邵忠顺，付南亚，等.基于烤烟收购量的收购风险发生规律初探［J］.中国烟草科学，2012，33（3）：102-106.

［15］ 顾丽敏，李嘉.人工智能对企业知识管理的影响研究［J］.学海，2020（6）：39-44.