人工智能具有顯著的溢出效應，能夠嵌入到更多的軟件和終端設備中，推動戰(zhàn)略性新興產(chǎn)業(yè)總體突破，正在成為推進供給側(cè)結(jié)構(gòu)性改革的新動能、振興實體經(jīng)濟的新機遇、建設制造強國和網(wǎng)絡強國的新引擎。習近平總書記在黨的十九大報告中指出，要“加快建設制造強國，加快發(fā)展先進制造業(yè)，推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”。在此背景下，我們需抓住此次產(chǎn)業(yè)變革機遇，促進工業(yè)智能發(fā)展，提升制造業(yè)智能化水平，推動人工智能和實體經(jīng)濟深度融合。
人工智能正步入應用拉動的快速增長階段
（一）人工智能快速發(fā)展
隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的興起，人機物互聯(lián)互通成為發(fā)展趨勢，數(shù)據(jù)量以及數(shù)據(jù)處理能力呈現(xiàn)爆炸性增長，人工智能不斷取得突破性進展。一是得益于社交媒體、移動設備和傳感器的大量普及，全球數(shù)據(jù)總量爆發(fā)性增長，這為以數(shù)據(jù)運算為核心的機器學習方法獲得了巨大的發(fā)展空間。二是數(shù)據(jù)處理技術加速演進、運算能力快速提升。以GPU為代表的新一代計算芯片能夠滿足高強度、高頻次、低功耗的處理需求，提升了機器學習算法的迭代速度，極大促進人工智能產(chǎn)業(yè)發(fā)展。三是開源推動人工智能普及化，谷歌、Facebook、IBM、Amazon、百度等巨頭扎堆開源旗下深度學習平臺，發(fā)揮生態(tài)力量實現(xiàn)人工智能數(shù)據(jù)、應用和場景的閉環(huán)。
（二）工業(yè)智能解決方案正在形成
工業(yè)互聯(lián)網(wǎng)帶來工業(yè)數(shù)據(jù)的爆發(fā)式增長，傳統(tǒng)數(shù)學統(tǒng)計與擬合方法難以滿足海量數(shù)據(jù)的深度挖掘，人工智能技術正成為工業(yè)軟件、工業(yè)互聯(lián)網(wǎng)平臺解決各領域診斷、預測與優(yōu)化問題的得力工具。
在設備層面，基于機器學習，通過工業(yè)物品特征值的識別，實現(xiàn)自動化的生產(chǎn)動作，如智能分揀機器人、智能檢測機器人。在產(chǎn)線層面，基于機器學習，通過工業(yè)系統(tǒng)特征值的識別，提供工業(yè)流程和生產(chǎn)參數(shù)優(yōu)化建議，如流程工業(yè)的生產(chǎn)工藝參數(shù)優(yōu)化，離散工業(yè)的機床斷刀保護等。在企業(yè)層面，基于知識圖譜，通過對工業(yè)問題的有效推理和仿真，實現(xiàn)智能業(yè)務決策和風險管理，如華為供應鏈風險管理系統(tǒng)、零部件選型系統(tǒng)。在行業(yè)層面，基于知識圖譜，通過對工業(yè)知識的有效索引和搜索，實現(xiàn)工業(yè)知識的沉淀和復用。
工業(yè)智能的部署目前體現(xiàn)幾個特點，一是云端部署，提供面向復雜場景的智能化應用，包括基于圖像識別的生產(chǎn)質(zhì)量檢測、設備預測性維護及健康管理、基于智能數(shù)據(jù)模型分析的工藝參數(shù)優(yōu)化等。二是邊緣部署，面向有限資源條件的輕量級算法，提升設備的處理和分析能力，實現(xiàn)人機協(xié)作、智能分撿、自主導航等。三是與工業(yè)互聯(lián)網(wǎng)平臺結(jié)合，包括在工業(yè)互聯(lián)網(wǎng)平臺中直接嵌入人工智能引擎和框架，以及在平臺中封裝機器學習算法，實現(xiàn)基于數(shù)據(jù)的分析建模優(yōu)化。
（三）人工智能在制造業(yè)應用價值初現(xiàn)端倪
人工智能在制造業(yè)的應用探索正形成三類典型應用模式。一是提高制造效率。例如日本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，在降低人工成本的同時提升出廠產(chǎn)品的合格率。華為、海爾合作的生產(chǎn)質(zhì)量測試床，通過機器學習方法解決空調(diào)噪聲檢測問題，使人力下降55%、成本下降 27%。二是優(yōu)化生產(chǎn)工藝。特別是流程行業(yè)中通過數(shù)據(jù)的機器學習，實現(xiàn)原料配比優(yōu)化(石化行業(yè)原油配比、鋼鐵礦石的配比、電力配煤摻燒等)、工藝參數(shù)優(yōu)化、裝備裝置健康管理等。如阿里“工業(yè)大腦”在中策橡膠中實現(xiàn)工藝參數(shù)優(yōu)化，使穩(wěn)定性提升10%，煉膠時間縮短10%，煉膠溫度降低6%。三是優(yōu)化供應鏈管理效率。例如美國多聯(lián)式運輸公司C.H. Robinson基于知識圖譜技術，結(jié)合天氣、交通以及社會經(jīng)濟挑戰(zhàn)等實時參數(shù)，基于模型優(yōu)化運輸路線提高企業(yè)利潤，實現(xiàn)智能業(yè)務決策和風險管理。四是提高售后運維價值。例如微軟Azure IoT平臺為Rolls-Royce發(fā)動機提供基于機器學習的海量數(shù)據(jù)分析和模型構(gòu)建，能夠在部件即將發(fā)生故障時準確預報異常，并提前介入主動幫助Rolls-Royce規(guī)劃解決方案。中國信息通信研究院2017年組織了工業(yè)大數(shù)據(jù)創(chuàng)新競賽，全國有1460個團隊利用機器學習方法解決風電設備故障預測和健康管理問題，取得了良好效果。