人工智能在制造業(yè)的融合應用是促進實體經(jīng)濟發(fā)展的重點方向，是制造業(yè)數(shù)字化、網(wǎng)絡(luò)化、智能化轉(zhuǎn)型發(fā)展的關(guān)鍵領(lǐng)域。發(fā)達國家政府和產(chǎn)業(yè)界均高度重視這一趨勢，紛紛采取行動推進基礎(chǔ)性研究與產(chǎn)業(yè)布局，傳統(tǒng)的制造業(yè)生產(chǎn)方式正在人工智能的驅(qū)動下進一步改變。

人工智能正在向制造業(yè)多個環(huán)節(jié)廣泛滲透

隨著人工智能技術(shù)在生活領(lǐng)域的快速傳播，越來越多來自不同領(lǐng)域的學者及科研人員開始嘗試將制造領(lǐng)域的專有知識注入人工智能模型中，并將其與制造業(yè)中的典型軟件、系統(tǒng)及平臺相集成，形成了一系列融合創(chuàng)新技術(shù)、產(chǎn)品與模式。產(chǎn)品研發(fā)方面，美國工業(yè)設(shè)計軟件巨頭歐特克推出的產(chǎn)品創(chuàng)新軟件平臺Fusion360和Netfabb3D打印軟件集成了人工智能和機器學習模塊，能夠理解設(shè)計師的需求并掌握造型、結(jié)構(gòu)、材料和加工制造等數(shù)字化設(shè)計生產(chǎn)要素的性能參數(shù)，在系統(tǒng)的智能化指引下，設(shè)計師只需要設(shè)置期望的尺寸、重量及材料等約束條件即可以由系統(tǒng)自主設(shè)計出成百上千種可選方案。

生產(chǎn)制造方面，日本NEC公司推出的機器視覺檢測系統(tǒng)可以逐一檢測生產(chǎn)線上的產(chǎn)品，從視覺上判別金屬、人工樹脂、塑膠等多種材質(zhì)產(chǎn)品的各類缺陷，從而快速偵測出不合格品并指導生產(chǎn)線進行分揀，在降低人工成本的同時提升出廠產(chǎn)品的合格率。

供應鏈運營方面，美國多聯(lián)式運輸公司C.H.Robinson針對卡車貨運的運營需求開發(fā)了用于預測價格的機器學習模型，模型既整合了不同路線貨運定價的歷史數(shù)據(jù)，又將天氣、交通以及社會經(jīng)濟挑戰(zhàn)等實時參數(shù)加入其中，為每一次貨運交易估算出公平的交易價格，在確保運輸任務規(guī)劃合理的前提下實現(xiàn)了企業(yè)利潤的最大化。

市場營銷方面，美國亞馬遜商城基于機器學習模型對用戶的購買習慣以及產(chǎn)品的屬性進行深度學習，形成了全面的知識圖譜，在此基礎(chǔ)上向用戶進行個性化推薦，也向銷售商提供相關(guān)的生產(chǎn)與營銷建議，這項技術(shù)的應用使亞馬遜增加了10%到30%的附加利潤。

產(chǎn)品服務方面，日本的小松機械在生產(chǎn)工程機械的同時推出了智能化工程服務項目，可實現(xiàn)由一隊無人機測繪三維地圖，然后指導智能機器人控制大型工業(yè)車輛作業(yè)，從而幫助用戶大幅提高施工效率和品質(zhì)。

售后運維方面，電梯廠商蒂森克虜伯公司與微軟合作，為其旗下24000名技術(shù)工人配備了集成人工智能技術(shù)的增強現(xiàn)實眼鏡，以便在安裝、檢修電梯設(shè)備的時候能夠智能化輔助識別現(xiàn)場并獲得技術(shù)支持。業(yè)務升級后，技術(shù)工人的工作效率得以大幅提升，以往需要2小時才能解決的問題通常20分鐘就能完成。

可以看到，當前人工智能技術(shù)向制造領(lǐng)域的滲透從廣度、深度來看均在快速推進，對制造業(yè)整體發(fā)展的支撐效應初顯。其主導企業(yè)既有小松機械、蒂森克虜伯這樣的傳統(tǒng)制造企業(yè)，也有谷歌、亞馬遜等具有人工智能技術(shù)優(yōu)勢的互聯(lián)網(wǎng)企業(yè)，還有歐特克、ABB等向人工智能領(lǐng)域轉(zhuǎn)型的工業(yè)軟硬件產(chǎn)品提供商，總體上呈現(xiàn)多領(lǐng)域融合、多行業(yè)合作的發(fā)展態(tài)勢。但是我們也可以看到，當前產(chǎn)業(yè)界對人工智能的融合應用大多數(shù)還處于探索階段，對部分環(huán)節(jié)的應用模式還存在較大爭議，多數(shù)企業(yè)仍處于觀望狀態(tài)。

人工智能向制造業(yè)的融合滲透仍面臨挑戰(zhàn)

盡管當前人工智能與制造業(yè)的融合發(fā)展已經(jīng)顯露出一些成效，但是從世界范圍看，該領(lǐng)域仍然較為前沿，在技術(shù)架構(gòu)、實施路徑、行業(yè)標準及產(chǎn)業(yè)生態(tài)等方面均存在一定的發(fā)展瓶頸。

首先是產(chǎn)業(yè)總體發(fā)展尚不成熟。作為一項基礎(chǔ)性、通用性的技術(shù)，人工智能在工業(yè)領(lǐng)域的應用實踐需要產(chǎn)業(yè)界多方合作開展大量的融合創(chuàng)新探索，對相關(guān)產(chǎn)品和解決方案的成本、可靠性等指標也有較高的要求。從已有的實踐案例中可以看到，當前人工智能在制造業(yè)的融合創(chuàng)新主要是由數(shù)據(jù)、知識密集型的制造企業(yè)與具備人工智能技術(shù)優(yōu)勢的互聯(lián)網(wǎng)企業(yè)或軟件企業(yè)強強聯(lián)合推進的，其開發(fā)成本、技術(shù)壁壘較高，應用覆蓋面也相對較窄，這使得人工智能技術(shù)暫時不具備在制造業(yè)大范圍推廣的條件。

其次是行業(yè)標準有待完善。工業(yè)領(lǐng)域的人工智能應用需要基于大樣本的數(shù)據(jù)集建模，這些數(shù)據(jù)通常是來自智能裝備及現(xiàn)場部署的獨立傳感器。然而，工業(yè)現(xiàn)場目前的數(shù)據(jù)通信標準之間通常不能兼容，無法滿足人工智能技術(shù)對優(yōu)化建模數(shù)據(jù)量的基本需求。以工業(yè)現(xiàn)場總線為例，目前工業(yè)界常見的通信協(xié)議有20余種，這些協(xié)議之間不能直接互聯(lián)互通，使得信息孤島的情況在工業(yè)界廣泛存在。

再次是產(chǎn)業(yè)發(fā)展保障體系有待健全。人工智能技術(shù)作為信息技術(shù)的一種，其自身就存在一定的安全風險，引入工業(yè)領(lǐng)域后，將與工業(yè)系統(tǒng)自身的功能風險疊加放大，這將直接危及到生命安全和國家安全。此外，在面對某些與倫理道德相關(guān)的抉擇問題時，人工智能系統(tǒng)的研發(fā)也缺乏相關(guān)的法律標準。例如，向人工智能視頻識別系統(tǒng)中輸入帶有欺騙特征的圖片，有可能會引起系統(tǒng)誤判而觸發(fā)一系列的危險動作；在工業(yè)事故中，人工智能應急管理系統(tǒng)在面對重大資產(chǎn)與人員安全無法兼顧時也沒有權(quán)威的處理標準。

推動人工智能與制造業(yè)融合發(fā)展的建議

作為一項極具發(fā)展前景的領(lǐng)域，人工智能與制造業(yè)的融合發(fā)展尚需政府和產(chǎn)業(yè)界多方發(fā)力。首先是要培育產(chǎn)業(yè)發(fā)展環(huán)境。政府和行業(yè)協(xié)會需要通過培育解決方案服務機構(gòu)、開展試點示范等方式，引導人工智能技術(shù)在ICT、互聯(lián)網(wǎng)等領(lǐng)域的應用成果向制造業(yè)輸出，尤其是在輕量化設(shè)計、節(jié)能降耗、工藝優(yōu)化、質(zhì)量提升、運行維護等當前人工智能已經(jīng)涉足的領(lǐng)域培養(yǎng)一批成熟的解決方案。與此同時，要針對系統(tǒng)開發(fā)、現(xiàn)場操作、管理規(guī)劃等不同層面的需求，分類型、分等級推進人工智能階梯形人才隊伍的培育工作，加強企業(yè)員工的再培訓，做好工業(yè)智能化變革下新舊動能的承接工作。其次是要加快制定行業(yè)標準。產(chǎn)業(yè)界需要通過組織聯(lián)盟等形式開展多方合作，面向各工業(yè)分類的人工智能應用對數(shù)據(jù)采集、應用部署等方面的需求，聯(lián)合制定機器設(shè)備、工控系統(tǒng)、工業(yè)互聯(lián)網(wǎng)平臺的標準化數(shù)據(jù)接口及應用參考架構(gòu)，確保支撐人工智能應用的工業(yè)數(shù)據(jù)能快速有效地得以應用。再次是要統(tǒng)籌協(xié)調(diào)構(gòu)建保障體系。面向人工智能技術(shù)在未來可能大范圍覆蓋的工業(yè)應用場景，由立法部門及行業(yè)協(xié)會共同研究制定應用規(guī)范、開發(fā)守則等涉及應用安全、倫理道德的行業(yè)標準，盡可能規(guī)避未來可能出現(xiàn)的相關(guān)風險。同時，政府需要加快建立工業(yè)智能公共評測服務平臺，加強對工業(yè)智能系統(tǒng)的安全測試服務，制定完善人工智能裝備、系統(tǒng)在工業(yè)生產(chǎn)應用場景中的安全操作規(guī)范守則。