人工智能引领中国“智”造

以下文章来源于穹顶数据DOMEDATA ，作者Steven周

[

穹顶数据DOMEDATA .以数据为眼，带你了解数据之间有趣的联结、解读数据背后的意义。

](#)

人工智能引领中国“智”造

原创 Steven周 穹顶数据DOMEDATA 昨天

作者介绍：

Steven周电子科技大学管理科学与工程专业硕士，决策分析方向成都大数据产业技术研究院签约作者目前研究领域为工业4.0技术对未来社会可持续性的影响爱好阅读、写作、长跑和摄影导语****：

工业4.0是德国政府提出的一个高科技战略计划。该项目由德国联邦教育局及研究部和联邦经济技术部联合资助，投资预计达2亿欧元。旨在提升制造业的智能化水平，建立具有适应性、资源效率及人因工程学的智慧工厂。其技术基础是网络实体系统及物联网[1]。

工业4.0技术

工业4.0技术主要可以分为两大类：物理技术和数字技术。物理技术主要包括，增材制造(3D打印)，无人机以及先进机器人等技术。数字技术则是指现代信息和通信技术，例如人工智能，云计算，大数据，仿真和区块链等[2]。其中，人工智能技术的应用正从消费智能扩大到企业智能,带动并创造更强大的生产力。制造业具备大量数据累积，是人工智能应用的蓝海。2019年人工智能在边缘计算层与工业物联网相遇，成就人工智能工业落地元年。以人工智能赋能制造业的行动已在全球展开，亚太区是人工智能在工业领域应用潜力市场。其中，中国、日本、韩国在政策、研发能力、数据和人才四个维度都较其他亚太国家更具竞争力，被视作亚洲人工智能发展的领军国家。德勤的一项调研[3]发现制造企业生产经营过程中面临的最大痛点分别是：生产成本上升，生产线设计缺乏灵活性，以及不稳定的产品质量及良率。人工智能帮助企业提升自动化的效率和精确度，预测市场趋势并安排生产计划，以及提升质检效率。因此93%的受访企业认为这项技术将成为制造业增长和创新的关键技术，87%的企业已经或计划在两年内部署人工智能，83%的企业认为人工智能将在未来2-5年内对企业的生产和管理产生实际可见的影响。为了解人工智能在制造业领域的实际应用情况和趋势，调研从“中国制造业500强”中选取110家大中型企业，并对其高管进行问卷调查，遴选代表性企业进行深度访谈(图1)。其中近90%的企业代表来自电力电气设备制造，电子及通信设备制造，机械设备制造，化学原料及化学品制造，汽车及零配件制造等五个领域。

图1 受访企业所在领域分布图

技术趋势

在过去一百年里，五大趋势主导了全球技术的发展，依次为“电子工具”，“半导体”，“企业服务”，“电信”和“消费智能”。如今，“互联网+消费者”模式所创造的价值已经充分释放并趋于平缓；而第六个趋势已经显现——“企业智能”，企业自我主导、运用数字技术解决问题的智能化转型被视为未来技术发展趋势，成为下一阶段价值创造的主角(图2)。

图2 全球技术发展的六大趋势图

这一新技术趋势的本质在于利用对数据的分析和洞见以指导企业生产和管理。智能化浪潮将对各行业产生广泛影响,并大幅提高主要行业的生产力。从行业来看，传统市场规模较大的领域将继续领跑，2030年制造业，通信、传媒及服务，自然资源与材料将分别以16%，16%，14%占据前三名(图3)。其中，庞大的制造业企业已经开始加速数字化转型，推动智能管理，智能工厂，智能物流等全方位智能化，因而制造业也是其中增长速度最快的领域。

图3 2018-2025年全球人工智能市场规模各行业的分布

01

人工智能被制造业寄予厚望

制造企业生产经营过程中面临的最棘手问题分别是：生产成本上升生产线设计缺乏灵活性，以及不稳定的产品质量及良率。人工智能是在制造业智能转型过程中被寄予厚望的技术之一。过去10年，人工智能领域开发了大量优秀算法，为实际应用储备了大量的工具；近年来，人工智能开始大规模应用于金融和互联网等领域，起到了较好的示范效应。**人工智能主要可以为制造业解决三类问题：**一、帮助企业提升自动化效率和精确度，提高制造业智能化运营水平并降低运营成本；二、预测市场趋势并安排生产计划,按需生产，并使各个环节在满足需求的前提下保持最低库存；三、提升质检水平，提高产品良品率。这三点正是制造业的痛点所在(图4)。

图4 制造业生产系统最需要解决的问题

02

亚太地区人工智能发展

全球以人工智能赋能工业革命的运动已经开展，亚洲作为全球制造业基地，多个国家把发展人工智能作为国家战略，期望借助人工智能升级制造业，创造实体经济价值红利。中国是亚太地区人工智能的主要驱动力，特别是在政策支持和获取数据的途径方面占有优势。日本、韩国、印度和新加坡都宣布了国家人工智能战略，推动亚太区成为人工智能领域的领先者。中国、日本、韩国无论在政策、研发能力、数据和人才方面都更具有竞争力，被视作亚洲主要国家的领头羊，引领区域人工智能发展(图5)。

图5 亚太区国家人工智能资源质量评估

03

中国制造业应用市场规模预测

中国在人工智能应用领域表现突出，其中人工智能在中国制造业的市场规模有望在2025年超过20亿美元，从2019年开始每年保持40%以上的增长率(图6)。**人工智能在中国制造业应用的高增长主要受政策利好、资金充足和制造业应用潜力三方面驱动：**国家政策利好，人工智能领域发展空间开放。2017年，“人工智能”首次被写进政府工作报告，这也意味着推动人工智能领域的发展已经上升为一项国策。中国拥有更加开放的人工智能发展平台，对人工智能的发展持支持态度，这将给予人工智能领域的创业者和从业者更多的发展空间。尤其在制造业领域内，中国政府采取的是鼓励发展为主的策略，例如为中国的智能机器人及无人驾驶领域提供政策支持等。而在社会和制造型企业层面，大数据的使用也更加开放。人工智能为技术创新主要方向，国内资金充足。人工智能已经成为技术创新的主要方向，高科技及互联网巨头挑起人工智能的大梁，资本市场不愿错过这个超级风口。许多中国企业坐拥海量数据和充沛资金，人工智能无疑是一个良机。中国制造业为中国人工智能发展提供广阔平台。在制造业，低技术含量(第二产业、处理常规/可预测/可编程任务)的工人将首先面临被机器人替代。中国制造业主要由传统产业驱动、从业者技术要求较低，因此其劳动力可以被自动化的程度整体较高，重复性、规则性、可编程性较高的工作内容将在未来主要由智能化工业机器人完成。进一步运用机器人和传感器在产线运行、检测、运输、仓储等全过程源源不断产生数据流，为人工智能的计算提供大量的、相对规则的数据资料，助力机器学习进一步算法优化、提高预测准确度。数据的收集是数据分析、测试、机器学习的基础。当拥有足量的数据基础时，机器学习才能最大程度发挥其效用。图6 中国制造业的人工智能市场规模

AI的应用困境

人工智能在制造业的应用场景众多，大致可以分为智能生产、产品和服务、企业运营管理、供应链以及业务模式决策五个领域。智能生产相关场景应用是目前制造企业部署人工智能的首要选择，占比51%。其次为产品和服务相关场景，占比25%。但这个比例可能将在两年内发生明显变化，人工智能在工业领域的热点应用从智能生产领域向更加注重产品服务和供应链管理，未来的热点应用包括缩短产品设计周期、提升营销效率、资产与设备管理、客户需求洞察以及能源管理等。01

91%项目未能达到预期

中国制造业企业人工智能项目实施不在少数，不论是从企业获益角度，还是从预算及时间投入角度衡量，认为项目达到80-100%预期的企业占比仅为9%，这意味着91%的人工智能项目未能达到企业预期(图7) 。

图7 中国制造业企业人工智能项目实施达到预期的分布

人工智能项目结果与预期差距较大是全球普遍存在的现象。这种落差往往是由以下几方面的问题造成。既有经验及组织架构障碍：当人工智能技术的导入涉及到管理变革或流程优化操作时，由于员工已经熟悉原有工作流程，实施新流程是一个困难的过程,特别是企业往往无法完全投入所需的资金培训与时间。**另外，不了解如何进行相关的组织架构调整也是企业应用人工智能过程的挑战。**基础设施条件制约：实施人工智能项目对企业的基础设施有一定的要求。45%的企业认为基础设施影响较大，从而不得不推迟原有的人工智能计划；还有14%的企业认为基础设施问题影响严重，导致企业无法进行某些转型。**如企业首先要有能够采集关键变量的传感，要能够把实际有效量测数据收上来，才有机会分析哪些流程改进质量才能更好，生产效率才能更高。**数据采集方法及数据质量问题：当基础设施条件具备后，采集数据的方法，数据的质量、多样性以及规模直接决定了机器学习的发挥余地。目前国内大型制造企业的自动化设备和管理系统都已配备都齐全，但产生数据的利用率却一直不尽如人意一一耗费资源收集大量数据，而收集上来的数据却往往并非关键数据。缺乏工程经验：人工智能技术公司需要把假设的算法与理论落实到企业实际应用场景中，考验的不仅是项目团队的技术能力，也考验团队对制造工艺的理解，和算法与行业应用结合的经验，综合运用各种软硬件资源，建构出可行的人工智能应用场景方案。项目规模过大、过于复杂：人工智能适用于解决具体问题，通用型大项目往往涉及复杂的多种因素决策，超出目前人工智能的能力范围。02

半数企业不能接受预期和现实的落差

51%的受访者会选择已经有成功经验的项目，因此不太能接受预期和现实的落差；49%的受访者认为试错无法避免，并能够接受预期和现实的落差(图8)。创新带来的失败和代价是可以理解的，不要让挫折破坏企业实施人工智能的承诺，企业需要学会如何了解失败、控制失败，最终利用人工智能为企业带来长期回报。

图8 受访企业对人工智能项目结果的态度

AI的应用场景

人工智能在制造业的应用已不是纸上谈兵，而是将在不远的未来改变企业生产和管理的方式。83%的企业认为人工智能已经或将在未来五年内对企业产生实际可见的影响，其中27%的受访者认为人工智能项目已经为企业带来价值；56%的受访者认为人工智能将在未来2- 5年为企业带来回报(图9)。

图9 受访企业认为人工智能在未来产生影响的周期分布

01

企业的技术倾向

从技术倾向性来看，更多企业将投资于复合性技术体系，从而优化生产、成本、库存或质量控制等方面，或用于销量、价格预见性维护的预测。对单一技术类别，如视觉监测、机器人定位、专家系统等技术的投资热情相对较小。人工智能可以显著优化产品配置，以及制造商按订单生产产品所依赖的配置-定价-报价(CPQ)工作流程。西门子的销售、设计和安装铁路联锁控制系统采用了人工智能和机器学习，它们可以帮助西门子从10种潜在组合中找出最佳配置。这是机器学习所擅长的，即找出既能够满足客户需求、同时也是最有可能制造出来的产品的10种最佳配置。**很多受访企业都表示有意愿利用人工智能进行大数据分析，实现数据可视化和精细管理。**电气设备企业利用人工智能远程处理大数据，在故障发生前便能及时发现问题，从而更好的服务智能电网(图10)。

图10 人工智能技术应用倾向分布

02

布局工业AI平台

人工智能在工业市场的应用存在可扩展性问题。人工智能解决方案通常针对特定的应用程序和企业进行定制。**业界普遍认为，工业人工智能平台让企业以更低的成本应用人工智能，是人工智能在工业领域落地和普及的必要条件。**许多技术提供商正在搭建这样的平台，阿里云ET工业大脑即是工业Al应用平台，也是开发型平台。平台正试图降低行业AI使用门槛，通过可配置的方式做业务的编排。而平台的开发功能，允许合作伙伴或者工业终端用户自身进行行业模板构结、定制，在平台之上沉淀自身的行业数据模型，架构自己的算法模型。中国制造业正处于人工智能大规模落地应用爆发的前夕，领先企业已经开始布局以赢得先机。企业如果能从自身战略、应用场景、数据基础、团队组建、合作伙伴、验证及实施开展人工智能实际落地等方面发力，将会在未来的布局中拔得头筹。参考文献

[1] Liao等人，2017，Past present and future of Industry 4 0 a systematic literature review and research agenda proposal

[2] Bai等人，2020，Industry 4.0 technologies assessment: A sustainability perspective

[3] 2016，德勤，工业4.0与制造生态圈

[4] 2019，德勤，德勤人工智能制造业应用调查

[5] 2020，德勤，Industry 4.0 Challenges and solutions for the digital transformation and use of exponential technologies

喜欢本文？快点“在看”支持一下↓↓