[導讀]本周，由天澤智云主辦的2019未來(lái)工業(yè)智能峰會(huì )成功舉行。

在主題演講中，中國工程院院士鄔賀銓全方位的匯總并解讀了人工智能應用于工業(yè)場(chǎng)景中的各種實(shí)際案例，涵蓋設計仿真、數字化排產(chǎn)、生產(chǎn)工藝優(yōu)化、個(gè)性化生產(chǎn)、質(zhì)量監控、預防性維護、供應鏈和銷(xiāo)售、客服中心、企業(yè)管理等多個(gè)環(huán)節。演講內容頗具參考價(jià)值，因此本文對有價(jià)值的信息進(jìn)行了詳細整理。

人工智能與工業(yè)互聯(lián)網(wǎng)的結合是大勢所趨，現在只是剛剛開(kāi)始。

本周，由天澤智云主辦的2019未來(lái)工業(yè)智能峰會(huì )成功舉行，我受邀擔任主持人。在主題演講中，中國工程院院士鄔賀銓全方位的匯總并解讀了人工智能應用于工業(yè)場(chǎng)景中的各種實(shí)際案例，涵蓋設計仿真、數字化排產(chǎn)、生產(chǎn)工藝優(yōu)化、個(gè)性化生產(chǎn)、質(zhì)量監控、預防性維護、供應鏈和銷(xiāo)售、客服中心、企業(yè)管理等多個(gè)環(huán)節。演講內容頗具參考價(jià)值，因此在本文中，我對有價(jià)值的信息進(jìn)行了詳細整理。

需要預先說(shuō)明的是，雖然人工智能AI和機器學(xué)習ML被認為是黑科技，但還缺乏事實(shí)證明這些技術(shù)可以有效復用，并使企業(yè)獲得確定性的投資回報。人工智能在工業(yè)領(lǐng)域，也還沒(méi)有產(chǎn)生可以量化的重大影響。

如果AI不能在工業(yè)落地，那么人工智能賦能生產(chǎn)力就只會(huì )是夢(mèng)想。

01 人工智能與工業(yè)互聯(lián)網(wǎng)的結合是大勢所趨

工業(yè)上也有IT技術(shù)，包括傳感器、執行器、監控與數據獲取系統SCADA、制造執行系統MES、可編程邏輯控制器PLC。工業(yè)上OT技術(shù)包括材料、機器、方法、測量、維護、管理、模型，這兩者需要結合，否則工業(yè)互聯(lián)網(wǎng)還是“兩張皮”。

人工智能AI與工業(yè)互聯(lián)網(wǎng)IIoT、大數據分析、云計算和信息物理系統的集成將使工業(yè)以靈活、高效和節能的方式運作。工業(yè)人工智能中需要融合數據技術(shù)（DT）、分析技術(shù)（AT）、平臺技術(shù)（PT）和運營(yíng)技術(shù)（OT）等技術(shù)。

工業(yè)領(lǐng)域主要以企業(yè)私有數據庫為主，規模有限，要實(shí)現人工智能與制造業(yè)的深度融合，就必須要在制造業(yè)領(lǐng)域加強數據獲取與整合，企業(yè)必須切實(shí)做到數字化轉型，大力發(fā)展工業(yè)互聯(lián)網(wǎng)。

02 人工智能技術(shù)的歸類(lèi)

人工智能技術(shù)怎么在工業(yè)上應用？先要明確AI的應用分類(lèi)。

人工智能我們可以分成感知、理解、行動(dòng)，具體又包含視覺(jué)分析、語(yǔ)音處理、知識表達、機器學(xué)習，其目的是為了提升效率、降低成本、改進(jìn)客戶(hù)體驗、促進(jìn)技術(shù)創(chuàng )新。

對于傳統的制造業(yè)企業(yè)來(lái)說(shuō)，如果想做到人工智能的融合落地，企業(yè)首先要收集數據，這就需要比較好的傳感器、物聯(lián)網(wǎng)等，但是大部分企業(yè)都不具備。

所以，人工智能與制造業(yè)的深度融合發(fā)展需要以大數據作為支撐，與消費環(huán)節相比，制造環(huán)節數據的可獲得性、可通用性更弱。制造業(yè)機器設備生成的數據通常較為復雜，有接近一半的數據是沒(méi)有相關(guān)性的。

傳統制造業(yè)不擅長(cháng)信息技術(shù)的研發(fā)，但有些信息技術(shù)領(lǐng)域的公司是愿意進(jìn)入傳統產(chǎn)業(yè)領(lǐng)域的，與制造企業(yè)共同為生產(chǎn)力賦能。

人工智能在工業(yè)的應用，包括質(zhì)量分析、裝備診斷、能源能效管理、采購管理、制造銷(xiāo)售等環(huán)節，都可以派上用場(chǎng)，下面依次來(lái)談。

03 機器學(xué)習在工業(yè)的應用實(shí)例

我們先說(shuō)一個(gè)綜合性的機器學(xué)習與分析過(guò)程的例子。

臺灣中鋼公司，他們引進(jìn)了IBM的Power AI解決方案，用于分析軋鋼過(guò)程中的缺陷。為了更好的將27噸的鋼坯，軋到0.5毫米的成品，預測和分析過(guò)程中的缺陷，他們收集了過(guò)去一年7000多批次的產(chǎn)品數據。經(jīng)過(guò)數據清洗，篩選出了可能影響產(chǎn)品質(zhì)量的特征數據，并且轉換成了可供機器學(xué)習使用的數據。

這些數據中，80%拿來(lái)做學(xué)習，20%拿來(lái)做檢驗。然后他們設計了4種數學(xué)模型，來(lái)看哪種模型更符合實(shí)際情況。最后他們根據模型分析一條產(chǎn)品線(xiàn)產(chǎn)生的2000多個(gè)數據，發(fā)現爐內壓力對缺陷影響最大。

最后中鋼公司在人力資源和鋼坯質(zhì)量方面，都得到了很好的改進(jìn)，成本大幅降低。

04 從機器人到智能機器人

現在我們很多地方會(huì )用到工業(yè)機器人，但是工業(yè)機器人買(mǎi)來(lái)了，工程師們還需要根據生產(chǎn)需求來(lái)編寫(xiě)程序，否則機器人是不能完成加工任務(wù)的。

現在一些公司正在研發(fā)帶有自主程序的機器人。比如左圖這個(gè)機器手臂，它并沒(méi)有預置程序，而是跟蹤人的手臂運動(dòng)，人怎么動(dòng)，它就怎么動(dòng)。右圖這個(gè)機器人也沒(méi)有預先編寫(xiě)程序，人怎么走，它就怎么走。在這個(gè)訓練的過(guò)程中，機器人自動(dòng)把編程完成了。

還有人正在嘗試，將工業(yè)機器人的大腦統一配置在云端，由云端來(lái)集中管理，而不是為工廠(chǎng)中大量機器人的每一臺都分別配備一個(gè)大腦。

05 AI在設計仿真中的應用

我們說(shuō)大數據是從數據到建模，而仿真是從模型到數據。

仿真中，我們要先做一個(gè)模型，然后再做仿真。建模的過(guò)程往往并不容易，需要跟企業(yè)的實(shí)際相符，需要專(zhuān)業(yè)人員做非常艱苦的工作?，F在仿真模型可以考慮用人工智能技術(shù)來(lái)做。

比如吉利，原本需要經(jīng)過(guò)很多次的汽車(chē)碰撞實(shí)驗，仿真時(shí)間很長(cháng)?，F在通過(guò)AI技術(shù)，仿真時(shí)間可以大大縮短，碰撞的車(chē)輛損耗也可以減少。

仿真如果用上VR、AR技術(shù)，就會(huì )更加直觀(guān)。浙江大學(xué)與某汽輪機廠(chǎng)合作，在網(wǎng)絡(luò )上進(jìn)行汽輪機的設計與仿真，使得整個(gè)過(guò)程更直觀(guān)、更直接。通過(guò)這套設計與仿真流程，大大節省了汽輪機產(chǎn)品設計的時(shí)間成本。

06 AI在數字化排產(chǎn)中的應用

工廠(chǎng)中排產(chǎn)過(guò)程是必不可少的。比如汽車(chē)企業(yè)的沖壓車(chē)間，排產(chǎn)的特性是小批次、多邊界、多約束。如果涉及到更換模具，時(shí)間長(cháng)、次數多，很多時(shí)候影響生產(chǎn)效率。而且人工考慮的約束條件常常是不完善的，所以導致排產(chǎn)效率較低。

上汽在傳統沖壓車(chē)間，將手工排產(chǎn)轉變成數字排產(chǎn)，減少了物料的存放，快速響應了生產(chǎn)需求，提高了生產(chǎn)效率，減少了能耗和物流成本。

07 AI在生產(chǎn)工藝優(yōu)化中的應用

在生產(chǎn)上，AI還可以應用于生產(chǎn)工藝的優(yōu)化。這里有三個(gè)實(shí)例。

蘇州協(xié)鑫是做光伏切片的，他們是全球最大的光伏切片供應商。光伏切片，切得越薄，成本越低，然而如果越薄，可靠性和成品率都會(huì )產(chǎn)生問(wèn)題，他們的痛點(diǎn)是怎么平衡切片厚度和成品率？根據蘇州協(xié)鑫積累的大量數據，利用工業(yè)大腦，他們從工藝的上千個(gè)參數中，找出60個(gè)關(guān)鍵指標。通過(guò)優(yōu)化流程，良品率提了升了1%。不要小看這1%，它意味著(zhù)每年的利潤增加一個(gè)億。

天合光能也是做光伏電池的，在全世界也是很有名的一家企業(yè)。利用AI技術(shù)他們進(jìn)行了業(yè)務(wù)流程的工藝優(yōu)化，找出了其中最關(guān)鍵的環(huán)節，成品率提升了7%。

杭州中策是做輪胎的，全世界排名第三，每年生產(chǎn)5000多萬(wàn)條輪胎。他們每天需要從全世界不同地區進(jìn)口一千多噸橡膠，質(zhì)量很難保證。他們也是借助于工業(yè)大腦，找出其中最關(guān)鍵的環(huán)節是粉凝膠環(huán)節，平均合格率提了3~5%，年增1000萬(wàn)利潤。

這幾個(gè)企業(yè)的AI應用之所以能夠成功，實(shí)際上得益于他們此前通過(guò)工業(yè)互聯(lián)網(wǎng)，積累了大量且有價(jià)值的生產(chǎn)數據。

08 AI在個(gè)性化生產(chǎn)中的應用

伴隨個(gè)性化生產(chǎn)，出現了一個(gè)很有意思的現象。90年代后期，歐美的汽車(chē)企業(yè)，從訂單到交付期限是20天，現在是40天，為什么現在反而比原來(lái)還長(cháng)呢？因為現在要求汽車(chē)的個(gè)性化定制。那么怎么做到個(gè)性化？

奧迪跟SAP合作，基于人工智能技術(shù)，把匈牙利的電動(dòng)汽車(chē)的流水線(xiàn)進(jìn)行了改造，做到不同車(chē)型的工序和大量零部件的廣泛協(xié)同。這種組合是幾何量級的數據，依靠人工根本不可能完成，他們最終通過(guò)人工智能將生產(chǎn)效率提升了20%。

中國青島的紅領(lǐng)，在西服制衣領(lǐng)域，他們有個(gè)性化的服裝數據庫，利用人工智能算法，優(yōu)化了整個(gè)生產(chǎn)過(guò)程。所以紅領(lǐng)的個(gè)性化生產(chǎn)只比批量生產(chǎn)的成本提高10%，但是回報翻番。

09 AI在生產(chǎn)質(zhì)量監控中的應用

AI在生產(chǎn)質(zhì)量監控中的應用案例也很多。

韓國的浦項鋼鐵公司，鋼板上要鍍鋅。鍍鋅鍍厚了沒(méi)好處，還多花成本。鍍得太薄了，又達不到質(zhì)量標準。怎么能準確掌握鍍層的指標呢？最終他們利用人工智能技術(shù)，浦項將原來(lái)人工控制鍍鋅，每平方米7克的重量，減少到每平方米0.5克。

普銳特公司與寶鋼合作，控制1580熱軋機上熱軋板的寬度。我們都知道鋼鐵越扎越薄，越薄就越長(cháng)。怎么控制這個(gè)過(guò)程中的張力和壓力，減少偏差？這個(gè)過(guò)程是一套比較復雜的數學(xué)模型，過(guò)去靠專(zhuān)家的人為經(jīng)驗，現在通過(guò)AI實(shí)現精軋機的動(dòng)態(tài)寬度控制，提高了成品率。

印度塔塔鋼鐵公司也是個(gè)大型的鋼鐵企業(yè)，他們利用人工智能發(fā)現汽車(chē)用帶鋼的表面缺陷。PCB板的生產(chǎn)過(guò)程現在很成熟，線(xiàn)條非常密集，依靠員工的檢測，很難知道不該連的線(xiàn)是不是連了，該連的線(xiàn)是不是沒(méi)連上。清華跟英業(yè)達合作，利用包含人工智能的機器視覺(jué)，發(fā)現人工無(wú)法檢測的PCB板故障，每年增加上億元的效益。

華星光電通過(guò)機器學(xué)習與快速訓練，對LED面板進(jìn)行檢驗。識別出哪些是合格的LED，節省了60%人力。

10 AI在預防性維護中的應用

我們都在講預防性維護，為什么呢？根據分析，82%的故障是隨機發(fā)生的，很難預先發(fā)現。而18%的故障是可以利用傳統方法預防的。如果我們拋開(kāi)傳統方法，能不能把82%的故障也實(shí)現預防？現在利用人工智能技術(shù)，這是有可能的。

清華大學(xué)跟金風(fēng)科技合作，提升風(fēng)機的效率。如果葉片對不準風(fēng)向，則發(fā)電效率大大下降。如果在北方地區，葉片結冰了，不但效率下降，整個(gè)風(fēng)機還有可能損壞。這種情況靠人工巡查是比較困難的，利用傳感器、大數據和人工智能算法，能夠很好地建立風(fēng)機設備的健康評估模型，整個(gè)維護成本可以降低50%。

數字孿生是個(gè)大家越來(lái)越熟悉的概念。右圖是機器人在網(wǎng)上的鏡像，也就是數字孿生，它掌握了左圖中實(shí)際運行產(chǎn)品的所有參數。一旦數字孿生發(fā)現正常運行的參數發(fā)生了變化，產(chǎn)生異常，就可以通過(guò)網(wǎng)絡(luò )的遠程控制進(jìn)行調整。

利用數字孿生可以實(shí)現預防性維護。GE公司管理的數字風(fēng)場(chǎng)，也是利用了這樣的技術(shù)，預先發(fā)現問(wèn)題，能夠提升20%的效率。

11 AI在供應鏈和銷(xiāo)售環(huán)節中的應用

制造企業(yè)的產(chǎn)品銷(xiāo)售很多是經(jīng)過(guò)代理商的，難以直接獲得最終用戶(hù)的情況。

聯(lián)想利用全球數據中心掌握的數據，根據國際市場(chǎng)狀況，與寶鋼合作建立了鋼鐵的銷(xiāo)量預測系統，預測精度是92.2%，庫存周轉期減少20%。

賣(mài)羽絨服的波司登，在全國有3000多家門(mén)店。門(mén)店的衣服到底是賣(mài)光了，還是有庫存，過(guò)去很難掌握?，F在他們也是利用了人工智能的管理技術(shù)，減少了存貨損失。

蒙牛利用AI，貫穿于從奶源、運輸、倉儲、生產(chǎn)、銷(xiāo)售的整套環(huán)節，建立了全流程可追溯的系統。產(chǎn)品周轉率提高30~40%，效率提高36%。

亞馬遜，大家都知道，他很早就利用了與用戶(hù)產(chǎn)品屬性相關(guān)聯(lián)的知識圖譜，既向用戶(hù)做個(gè)性化推薦，也向銷(xiāo)售商提供建議，令其增加了10~30%的附加利潤。

12 AI在客服中心的應用

客服中心也可以用到AI技術(shù)。菜鳥(niǎo)經(jīng)過(guò)統計分析，發(fā)現每個(gè)快遞員每天要送150到200個(gè)包裹，每遞送一個(gè)包裹要打一次電話(huà)。一個(gè)電話(huà)大概半分鐘到一分鐘，這樣統計下來(lái)，每天光打電話(huà)就要3個(gè)小時(shí)。

于是阿里設計了語(yǔ)音助手，幫助快遞員打電話(huà)。這個(gè)助手具備基本的人工智能，可以跟用戶(hù)約定送貨地點(diǎn)和時(shí)間，提高快遞員的工作效率。

印度的Infosys也是類(lèi)似的情況，他們原來(lái)的客服中心里有8000多個(gè)座機員，現在被人工智能“接線(xiàn)員”取代。日本的保險公司也采用了人工智能技術(shù)，相當于代替了34名保險經(jīng)紀人，每年節約110萬(wàn)美元的開(kāi)支。

13 AI在企業(yè)管理中的應用

華為的管理水平，一直是企業(yè)的樣板，但是華為仍然在不斷發(fā)現問(wèn)題解決問(wèn)題的過(guò)程中。華為開(kāi)發(fā)了很多手機，具有不同的品牌、不同的開(kāi)發(fā)團隊。這些手機型號之間的技術(shù)關(guān)聯(lián)性不大，沒(méi)有考慮手機代碼的可復用性，耗費研發(fā)人員大量的時(shí)間，影響了研發(fā)的效率。

華為本身的業(yè)務(wù)很多，還包括很多的合作方。最多的時(shí)候，華為的一個(gè)交付人員，在交付產(chǎn)品之前要打開(kāi)20多個(gè)IT系統，實(shí)際上很影響效率。另外，2014年華為的賬實(shí)一致率只有78%，也就是有600多億元的帳與貨是對不上的，要花大量的人力物力去核對。2016年華為進(jìn)行轉型，這個(gè)財務(wù)的轉型是孟晚舟女士牽頭做的，現在賬實(shí)一致率達到了98.62%，很多會(huì )計工作完成了由人到機器操作的轉變。

華為這么多的員工，每年的報銷(xiāo)量是120萬(wàn)單?，F在華為基本不是靠會(huì )計人員來(lái)做報銷(xiāo)，都是機器報銷(xiāo)。華為認為未來(lái)數字化轉型要瞄準5個(gè)方面的需要：客戶(hù)、消費者、合作伙伴、供應商、員工，做到實(shí)時(shí)的按需服務(wù)，通過(guò)將人工智能技術(shù)引入管理，來(lái)提升五方體驗和提高客戶(hù)滿(mǎn)意度。

14 僅有神經(jīng)網(wǎng)絡(luò )還不夠

神經(jīng)網(wǎng)絡(luò )是一種以輸入為導向的算法，優(yōu)質(zhì)的結果取決于接近無(wú)窮量的數據。實(shí)際上，工業(yè)企業(yè)長(cháng)期收集全面高質(zhì)量的數據，是很難做到的。數據模型往往因為參數和數據的復雜度，使得擬合過(guò)程失去的物理意義。尤其是經(jīng)過(guò)深度學(xué)習算法得出的結論，可能知其然，不知其所以然。通常這個(gè)結果缺乏透明性和可解釋性，這是工業(yè)企業(yè)不愿看到的。為了讓人工智能的結果具備可解釋性，需要實(shí)施神經(jīng)網(wǎng)絡(luò )的反向工程。

另外，機器學(xué)習根據大量統計數據得出結論，但在臨界點(diǎn)可能會(huì )發(fā)生誤判。所以只有神經(jīng)網(wǎng)絡(luò )，這是不夠的。

15 目前的人工智能=人工+機器智能

工業(yè)智能需要利用AI，但更需要創(chuàng )造“人”和“AI”協(xié)同工作的環(huán)境。

機器學(xué)習著(zhù)重于通過(guò)有限的輸入數據流，來(lái)了解環(huán)境，而人類(lèi)能夠同時(shí)洞悉各種不同的環(huán)境。

基于大數據導出的數學(xué)模型，未必就優(yōu)于制造業(yè)基于長(cháng)期積累，對建模對象客觀(guān)規律的理解所得到的模型。不見(jiàn)得一開(kāi)始機器模型就比人工的模型好。

在牽涉權衡利弊的復雜情況的時(shí)候，AI對沒(méi)有先例可循的非連續性變化束手無(wú)策。

群體學(xué)習是人類(lèi)與生俱來(lái)的交際能力，電腦是不具備的。AI很難跟對方，無(wú)論對方是人還是物，進(jìn)行深層次的交流。

人工智能還遠遠不能完全達到人的能力。日本曾經(jīng)研究過(guò)，某些連續的重復性工作崗位，不到一半能被AI取代，但有一半以上還是沒(méi)辦法用機器取代。

16 工業(yè)智能時(shí)代更需要重視信息安全

人工智能要在工業(yè)領(lǐng)域真正落地，工業(yè)企業(yè)必須切實(shí)做到數字化轉型，大力發(fā)展工業(yè)互聯(lián)網(wǎng)，此外還要注重信息安全等問(wèn)題。

工業(yè)互聯(lián)網(wǎng)有可能將企業(yè)的生產(chǎn)數據暴露到外部，盡管是內網(wǎng)，但還是躲不過(guò)病毒。工業(yè)互聯(lián)網(wǎng)中大量使用到傳感器和物聯(lián)網(wǎng)設備，目前防病毒能力還是比較弱的，有可能被木馬侵占，產(chǎn)生拒絕服務(wù)攻擊。

工業(yè)智能時(shí)代更需要重視網(wǎng)絡(luò )安全、軟件安全與數據可信。

一周以前，委內瑞拉大部分地區經(jīng)歷了長(cháng)達9小時(shí)的停電，到現在有部分地區還在停電。什么原因呢？委內瑞拉東南部的一個(gè)水電站，提供了他們全國電力供應的70%。這個(gè)水電站可能受到網(wǎng)絡(luò )攻擊了。

3月10日，埃航的飛機墜毀了。實(shí)際上不到5個(gè)月前，印尼獅航的飛機也墜海了。這兩架都是波音737 MAX8，機齡一個(gè)3個(gè)月，一個(gè)4個(gè)月，一個(gè)起飛6分鐘，一個(gè)起飛13分鐘。

獅航的故障已經(jīng)基本查明，737是波音的主力機型，737 MAX8采用了更省油的CFM大發(fā)動(dòng)機，這是GE與法國合資的公司生產(chǎn)的。發(fā)動(dòng)機大，雖然省油，但發(fā)動(dòng)機大，意味著(zhù)半徑大，裝在飛機翅膀底下，起落架高度不夠。所以一方面要把發(fā)動(dòng)機做扁，一方面要把發(fā)動(dòng)機盡量往飛機前面裝。安裝到飛機前端，發(fā)動(dòng)機頭部翹起來(lái)，飛機大迎角，受風(fēng)力比較大。波音已經(jīng)考慮到這個(gè)問(wèn)題，所以他們設計了把飛機從抬頭變成俯沖的失速配平系統。

波音在機頭旁邊裝了3個(gè)迎角傳感器，檢測飛機是否抬頭。結果迎角傳感器判斷錯誤，給出了錯誤的指令，自動(dòng)把飛機的頭往下壓。飛行員把機頭拉起來(lái)，系統繼續往下壓，人機大戰，飛行員打不過(guò)自動(dòng)化，結果發(fā)生飛機墜毀的悲劇。

實(shí)際上波音是工業(yè)互聯(lián)網(wǎng)的先驅?zhuān)ㄒ粼谏a(chǎn)飛機的過(guò)程中，用到8000多種軟件，1000種是外購的，7000種是自主開(kāi)發(fā)的。波音說(shuō)自己是軟件公司，非常重視大數據的收集與應用。但盡管如此，如果數據不準確，軟件有缺陷，自動(dòng)化也會(huì )失控。

17 工業(yè)人工智能的相關(guān)結論

人工智能推動(dòng)企業(yè)向智能制造和智能運營(yíng)發(fā)展，但人工智能需要跟大數據、移動(dòng)互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算協(xié)同，而且需要與企業(yè)的運營(yíng)技術(shù)緊密結合。

基于人工智能的智能制造的實(shí)現是個(gè)長(cháng)期的過(guò)程，現在僅僅是開(kāi)始。

目前的工業(yè)智能，實(shí)際上還是人工+機器智能。在人工智能時(shí)代，企業(yè)的工程師、工匠精神與經(jīng)驗，仍將發(fā)揮不可取代的作用。

安全不能完全交給機器去做，對工業(yè)的安全要有敬畏之心。

與其他領(lǐng)域相比，AI在制造業(yè)的應用會(huì )產(chǎn)生較大的效益。但目前我國AI的投資還主要在消費領(lǐng)域，在制造業(yè)的投資只占AI投資的1%，需要重視工業(yè)智能的研發(fā)與創(chuàng )新。

----寫(xiě)在最后----

調查顯示，人工智能在工業(yè)領(lǐng)域的滲透明顯較慢。

根據中國信通院2018年9月發(fā)布的報告，在各類(lèi)垂直行業(yè)中，人工智能滲透較高的領(lǐng)域包括醫療健康、金融、商業(yè)、教育和安防等。其中，醫療健康領(lǐng)域占比居前，達22%；金融和智能商業(yè)領(lǐng)域占比分別為14%和11%。但在制造業(yè)和工業(yè)領(lǐng)域，卻面臨著(zhù)融合不足的挑戰。

人工智能在工業(yè)落地之所以緩慢，一方面因為相比于數據算法的迭代，硬件升級創(chuàng )新相對周期較長(cháng)，從而導致滯后。另一方面，工業(yè)中應用人工智能要格外小心，因為工業(yè)中使用的人工智能與消費領(lǐng)域的人工智能有本質(zhì)區別。

工業(yè)人工智能是一門(mén)嚴謹的系統科學(xué)，它專(zhuān)注于開(kāi)發(fā)、驗證和部署各種不同的機器學(xué)習算法，以實(shí)現具備可持續性能的工業(yè)應用。因此人工智能應用于工業(yè)，必須根據制造業(yè)的具體場(chǎng)景進(jìn)行定制，簡(jiǎn)單照搬模板化的人工智能解決方案并不可行。

來(lái)源： 物聯(lián)網(wǎng)智庫