“人工智能+制造”的机遇与挑战
传统制造企业在全面实施“人工智能+制造”有困难时可以优先发展人工智能质量检测、预测性运营与维护、供应链管理等相对成熟的“人工智能+制造”应用。
人工智能技术可能是继蒸汽机、电力、互联网科技之后推动新一轮产业革命浪潮的革命性技术。在大量的数据、更好的算法和更强的算力的共同推动下，人工智能的应用已经在很多行业落地，逐渐渗透并开始带来实际的价值。
根据壹行研（InnovaReserch）的研究，在全球范围内，人工智能在先进制造、自动驾驶、医疗、金融、安防、电网、家居、零售等数据基础较好的行业的应用场景正在不断建立起来。相关案例包括：人工智能在金融行业的智能风险控制、智能投资顾问、市场预测、信用评级等领域的应用；在医疗领域，人工智能算法被应用到新药研制、辅助诊疗、癌症检测等方面；谷歌、百度、特斯拉、奥迪等新兴科技企业和传统汽车企业巨头纷纷进入人工智能辅助的自动驾驶领域；在制造业，人工智能可以帮助制造企业建立产品的设计模型、优化生产流程和工艺、提升生产效率、降低成本、提升质量。
“人工智能+制造”助力中国制造业升级转型
“人工智能+制造”是将人工智能技术应用到制造业，在自动化、数字化、网络化的基础上，实现智能化。其核心在于机器和系统实现自适应、自感知、自决策、自学习，以及能够自动反馈与调整。人工智能、工业互联网等相关技术的融合应用能逐步实现对制造业各流程环节效率优化。其主要路径是由工业物联网采集各种生产、物流等数据，放到云计算资源中，通过深度学习算法处理后提供流程、工艺等方面的优化建议，甚至实现自主优化，以及在未来实现人类工人与智能机器融合的协同制造。
中国是制造大国，人工智能在制造领域的应用备受重视。2017年12月16日，工业和信息化部发布《促进新一代人工智能产业发展三年行动计划（2018—2020年）》（以下简称《行动计划》），提出鼓励新一代人工智能技术在工业领域各环节的探索应用，提升智能制造关键技术装备创新能力，培育推广智能制造新模式。《行动计划》还进一步提出了加快应用人工智能技术进行制造业改造升级的具体任务，为我国智能制造的深化发展提供有力的支撑。
目前，中国的制造业面临内部和外部多种压力。来自内部的影响包括劳动力成本上升、原材料成本上升、环境压力和市场饱和。外部压力一方面来自西方发达国家的贸易摩擦、关税壁垒、技术封锁、设备和关键零部件禁运等，另一方面来自印度、东南亚低成本新兴国家的竞争。在内部、外部压力越来越大的情况下，提升效率、保证质量、降低成本和节能环保等成为中国制造业升级转型的方向，而人工智能技术在制造业的应用将会助力中国制造业实现这些升级转型的目标。
“人工智能+制造”的机遇与挑战
“人工智能+制造”是中国制造业升级转型的一个重要途径。将人工智能技术用于制造业将有效提高生产效率；实现柔性化生产；提高产品质量，降低人为错误；持续工艺改善，提升成品率，并降低生产成本。未来几年，中国制造业转型升级的巨大需求可以为“人工智能+制造”市场的拓展提供极好的机遇。不过，“人工智能+制造”机遇与挑战并存。
一方面，近年来全球人工智能应用不断拓展，人工智能领域的资金投入迅速增长，人工智能的数据、算力和算法都取得很大的进步，技术可行性越来越高。大数据相关技术在数据输入、储存、清洗、整合等方面作出了贡献，帮助提升了人工智能深度学习等算法的性能。云计算的大规模并行和分布式计算能力带来了低成本、高效率的计算力。
物联网和通信技术的持续发展也为“人工智能+制造”的发展提供了重要的基础设施。在未来5G等无线互联技术的支持下，数据的传输与处理速度将进一步提升。同时，传感器、无线传感网络等技术的发展帮助“人工智能+制造”系统收集大量的制造流程、物流等数据，高质量的海量数据对人工智能数据训练至关重要。总体而言，上述技术的发展使得人工智能赖以学习的标记数据获得的成本在不断下降。
算力增长也为“人工智能+制造”的应用提供了条件。在过去10年间，芯片处理能力提升、云服务普及以及硬件价格下降使计算能力大幅提升。成本不断下降以及算力的提高为“人工智能+制造”的实施提供了保障。
另一方面，中国发展“人工智能+制造”还面临诸多挑战。这表现在以下几点：
首先，关键技术自主能力弱。在“人工智能+制造”所涉及的关键技术上，我国的自主能力还比较弱。相关技术包括半导体芯片、核心装备部件、相关软件、算法等。这些关键技术，尤其是芯片等基础技术，需要大量的人力、物力投入以及长期的技术积累和经验沉淀，短时间内难以突破。
其次，传统制造业的管理模式陈旧。传统制造企业的根基起源于工业时代的大规模、标准化生产，其管理模式仍然以金字塔、多层次、细分化为主。这种企业管理模式灵活性差，较难适应快速变动的制造任务和客户需求。未来，人工智能的实施需要人机协同、人机分工，组织管理也需要更灵活、更高效。为了适应这种变化，很多传统制造企业的管理模式需要改变。
再则，资本投入不足。虽然人工智能行业吸引很多资本涌入，但在“人工智能+制造”应用领域的资本投入比较少。这主要是由于传统制造业利润普遍不高，而传统制造企业的改造升级涉及大量的设备、软件和硬件更新与改造，需要长期、大量的资本投入，投资周期长，短期效益很难显现。因此，虽然“人工智能+制造”的概念深入人心，但真正拿出真金白银投入的相对较少。
最后，制造业细分领域众多，每个细分的行业标准不一。即使在同一制造业领域，企业情况也是千差万别的。因此，“人工智能+制造”项目实施面临的情况十分复杂，没有什么统一的标准可言。例如，在企业车间往往有大量不同厂牌的数字化机床和其他工业自动化产品，涉及很多不同的工业以太网和现场总线标准，厂家软硬件不兼容的情况非常普遍。由于数据格式不兼容，只是进行设备改造，将底层数据收集上来就要花费很多时间和精力，还需要对这些数据进行清洗和转化。对传统制造企业来说，相关标准缺少和复杂的生产线现状使得实施“人工智能+制造”困难重重。
从相对成熟的“人工智能+制造”场景入手
“人工智能+制造”实施投入大，传统制造企业实施相关项目的复杂程度较高。不过，壹行研（InnovaResearch）研究发现，在众多的“人工智能+制造”应用场景中有一些技术相对成熟，并有了相当数量的项目落地。这些相对成熟的“人工智能+制造”的应用主要包括以下几种。
●质量检测
电子制造、汽车等行业工序复杂，在线检测的环节比较多，需要对产品进行大量的、基于视觉识别的质量检测、缺陷检查等。传统的质量检测以人工为主，人工识别精度有限，检测速度慢、误差大、成本高，工人长时间工作容易疲劳，容易出现次品漏检现象。另外，工人经验很难量化，工人流动性高，经验难以积累，难以指导生产线优化，而培训工人的时间较长、花费较高。
使用工业相机或高清摄像头捕捉产品组件、电路模块等在生产和组装过程中的图像和视频，可以提供给人工智能软件进行分析判断。在开始时用人工检查员进行二次检查和确认，人工智能技术可对当前和历史数据进行智能分析与处理，而人工的判断可以反过来帮助人工智能完善算法，指导人工智能系统持续学习。该系统的检测准确率能随着经验积累而持续改善。
例如，腾讯云帮助福耀玻璃工业集团股份有限公司实现了质量检测工序替代80%的人力，并且不良品检出率为90%以上。该系统使用的视觉洞察（VisualInsights）技术，前端使用高清摄像头，后端使用人工智能算法。云端处理器通过训练不断识别合格和异常产品图像的差异，进行快速学习、训练，并完成人工智能算法的建模。
又如，日本NEC公司推出的机器视觉检测系统可以逐一检测生产线上的产品，从视觉上判别金属、人工树脂、塑胶等多种材质产品的各类缺陷，从而快速检测出不合格品并指导生产线进行分拣，在降低人工成本的同时提升出厂产品的合格率。
人工智能视觉检测可以最终实现无须人力的机器自主质检，且全天候无间断。目前，人工智能视觉检测过程用时已经可以做到比人工检测时间缩短80%，有效节约了检测的人工成本。另外，计算机视觉检测精准度高，可以检测到肉眼无法检测的微小瑕疵，且判断标准一致，保持了检测过程的一致性。
人工智能检测在电子、汽车等制造行业的质量控制环节应用越来越广泛。在有些案例中，使用人工智能结合物联网和大数据技术已经能够实现把产品质量的自动监控扩展到整个生产流程。这不仅能提高质量检测效率，还能指导工艺、流程等改善，提高整体良品率。
●预测性运营与维护
传统上，工厂流水线车间一直采用被动式维护，只是在设备产生故障之后，才采取一定的措施来修理，也有采用工人定期巡检的方式来发现问题。这些维护方式过度依靠人工，且效率低下。
基于人工智能的预测性运维系统可以利用机器学习、处理设备的历史数据和实时数据，搭建预警模式，提前更换即将损坏的部件，从而有效地避免机器故障的发生。企业可以借助人工智能运维系统来减少设备故障和由此带来的损失，提高设备利用效率。
例如，美国初创企业Uptake公司凭借大数据、人工智能等技术提供端到端服务，以工业设备故障预测分析、性能优化为主营业务。国内科技创新型企业智擎信息技术（北京）有限公司的故障预测解决方案也可以提前2～4天预判故障，从而降低运维成本和备品备件库存成本，提升设备可利用率和整体运转性能。此外，还有公司推出基于人工智能的轴承健康状态感知系统，利用深度学习方法对轴与轴承部件的状态参数进行大量的历史数据分析，判断轴承的运行寿命。这项技术使设备年平均大修次数降低67%，系统诊断及维护响应时间少于1小时，从而大大缩短了维护周期，提高了设备利用率。
●供应链管理
电子等制造行业的零部件供应商来自全球各地，供应链比较长，涉及的元器件种类和分销渠道的流通环节非常多，容易受到国际政治、天灾人祸等因素的影响。传统供应链管理的效率低、流通成本高、需求预测不准、供应响应不足、应对供应链波动的能力不足、厂商的库存管理成本比较高。
供应链管理落后可能带来巨大损失。例如，2018年上半年存储芯片、硅片、贴片电容（MLCC）全线短缺，价格疯涨，很多电子制造业OEM厂商付出几倍甚至几十倍的价格购买芯片，甚至因为元器件缺货造成一些厂商生产线停产。
使用机器学习深入研究供应管理环节，分析需求、计划和库存，建立实时、精准匹配的供需关系，通过掌握和预测需求动态变化能够有效地促进供应链调整优化。借助人工智能，可以帮助制造业企业实施多级库存、计划生产等库存动态调整，最终实现采购和补货的半自动甚至全自动化。
人工智能可以基于大数据进行需求预测，这些大数据不仅来自供应链内部的各个环节，还来自行业外的数据，如贸易促销、媒体活动、新产品发布、季节性变化，甚至气候数据预测等。一些公司还利用机器学习算法识别需求模式，其手段是将仓库、企业资源计划（ERP）系统与客户洞察的数据合并利用，使用人工智能算法进行有效分析和判断。
在供应链运营方面，美国多式联运运输公司罗宾逊全球物流（C.H.Robinson）针对卡车货运的运营需求开发了用于预测价格的机器学习模型。模型既整合了不同路线货运定价的历史数据，又将天气、交通以及社会经济突发因素等实时参数加入其中，为每一次货运交易估算出公平的交易价格，在确保运输任务规划合理的前提下实现企业利润的最大化。
用人工智能进行供应链管理和预测可以有效地减少预测误差、提高库存周转率，并能有效地优化库存分布。人工智能掌握和预测需求的动态变化，尤其适合于电子制造、汽车及相关零配件、食品饮料等市场需求变动较大、供应链体系复杂的行业。
综上所述，“人工智能+制造”是中国制造业转型升级的重要途径，其发展的机遇与挑战并存。传统制造企业在全面实施“人工智能+制造”有困难时可以优先发展人工智能质量检测、预测性运营与维护、供应链管理等相对成熟的“人工智能+制造”应用，实现“人工智能+制造”的单点突破。这些系统可以独立运作，带来实实在在的收益，也可以在未来并入“人工智能+制造”大系统。
厉俊，壹行研（InnovaResearch）创始人、总经理。壹行研是领先的、专注于新技术的行业研究公司，研究领域涵盖新材料、新能源、工业互联网和机器人、电动汽车和储能等。
作者：厉俊
本文来自《张江科技评论》
人工智能将重塑全球制造业价值链，改变制造业国际分工格局
新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，深刻改变人们的生产生活方式。制造业是人工智能创新技术的重要应用领域，人工智能与制造业的深度融合正在引发影响深远的产业变革。更好推动人工智能发展，充分发挥人工智能推动制造业转型升级的作用，对我国优化经济结构、提升国际竞争力至关重要。
通用技术特征明显多重影响已然显现
优化产业结构、提高生产效率、改变分工格局
近年来，人工智能技术和应用发展呈现出新的趋势。人工智能实现了从实验技术向产业化的转变，“深度学习+大数据”成为人工智能发展的主要技术路线，同时人工智能应用从服务业向制造业、农业拓展。这些都使人工智能表现出愈发明显的通用技术和基础技术特征，对制造业的影响日渐突显。
人工智能可优化制造业产业结构。一方面，人工智能将逐步淘汰某些制造业部门。人工智能会替代某些产品的功能，这类产品所属的行业则会随之不断萎缩直至消失。制造业中一些传统机械装备及与之配套的零部件制造可能面临市场萎缩的风险，不具有人工智能功能的传统电子信息产品也将面临巨大的升级压力。另一方面，人工智能将彻底改造某些行业。人工智能与传统制造产品融合，短期内体现为提供一些新的功能，但最终会彻底颠覆产品和产业的架构。例如，人工智能驱动的无人驾驶取代传统汽车后，交通系统、法律法规、汽车的销售和使用方式，以及以汽车为核心的商业生态系统都会发生革命性变化。未来，智能化将成为绝大多数产品的标准基础功能之一，几乎所有的制造业产品都将因其改变。同时，人工智能及相关行业将发展为新的支柱产业。作为一项通用目的技术，人工智能在各个产业、各个领域都有巨大的应用空间。许多新技术随着技术成熟和市场需求扩大，最后会演化为新的行业，人工智能及相关支持技术和衍生服务也必将发展成为一个规模庞大的产业体系。
人工智能将提高制造业生产效率。一是人工智能可提高制造业智能化水平，延长工厂开工时间。使用更多的智能机器人意味着工厂和车间可以实现更长的作业时间，企业不需要负担多余的加班费用就能够让工厂24小时开工运转，美国、日本、德国等国家都已经出现了不停工的“无人工厂”。二是人工智能可促进生产与需求的匹配，提高生产线的柔性。人工智能通过预测市场趋势，在整个产业链上科学安排生产计划，使各个环节在满足需求的前提下保持最低库存，甚至是“零库存”，同时提高需求与产品的匹配效率。三是人工智能可提升质检水平，提高产品良品率。人工智能在生产线各个环节全面实时监控，与传统方式相比，人工智能对生产过程的监控能大幅度提高企业对产品质量的监管和控制能力，降低产品不良率，提高生产效率。有的企业采用人工智能对产品生产过程进行全面质检，每年可增加上亿元利润。
人工智能发展会改变制造业国际分工格局。人工智能将重塑全球制造业价值链，形成一套新的国际分工体系，对传统的制造业国际分工产生重大影响。一方面，人工智能在传统价值链上增加新的环节，这一环节成为价值链上新的制高点，发达国家正在努力抢占这一制高点以强化其制造业对全球分工的主导。另一方面，人工智能也改变了传统价值链形态，发展中国家的劳动力成本优势将继续减弱。与其他发展中国家一样，我国制造业在与发达国家的竞争中，仍然具有劳动力成本优势，但人工智能的更多应用会削弱这一优势；同时，我国劳动力成本不断上涨，用工成本高企已经成为沿海发达地区制造业发展的瓶颈，而人工智能的应用则可以缓解这一压力。从这个角度看，我国加快人工智能在制造业的应用，会产生较为复杂的影响。
值得注意的是，人工智能对制造业的不同行业会产生不同影响。对家电、消费电子等劳动密集型行业来说，人工智能的作用主要体现在减少用工数量、提高产品质量；对生物医药、航空航天等技术创新驱动发展的行业来说，人工智能在数据挖掘、分析等方面的高效率将改变传统的技术研发模式；对冶金、化工等流程型行业来说，人工智能可帮助实现低成本的定制化生产；对服装、食品等行业来说，人工智能则可帮助企业准确预测市场趋势，形成快速响应能力。
抓住发展机遇增强制造业竞争力
充分利用优势、制定发展路线、围绕重点突破
一是充分利用综合优势，实施逆向整合战略。我国在制造环节实现人工智能应用场景优化及商业布局方面具有优势，应充分利用这些优势，进一步整合利用全球创新资源，尤其是人工智能基础技术、核心技术及关键零部件、装备领域方面的创新资源。要鼓励龙头制造企业以应用技术上的优势、庞大的国内市场和较强的资本力量为后盾，加强与国际领先企业在核心技术、关键技术方面的研发合作，尽可能地融入发达国家的当地创新网络，逐渐积累能力。应鼓励我国领先制造业企业通过在海外联合设立人工智能研发机构，加强科技合作与信息交流，充分利用国际技术、资本、人才等创新资源，提升核心技术和关键技术领域的研发能力。
二是编制制造业人工智能技术战略(路线)图，并定期修订，帮助各界及时、准确地把握人工智能技术及产业的发展趋势。要更为关注制定技术战略图及研判发展趋势的过程，在这一过程中，不仅要形成对人工智能技术发展趋势的共识，而且要形成学术界与产业界之间的知识交流与互动，推动有关方面围绕人工智能技术发展方向及可能的突破口进行深入交流和探讨，促进知识融合、扩展和深化，为技术创新与应用发展奠定基础。
三是加强人工智能对制造业转型升级的促进作用。在新一轮国际分工格局中，我国需慎重选择人工智能发展的重点领域和方向，着力打造特色，向高端环节发力。应该看到，制造业是我国国际竞争力较强的部门，应审慎把握人工智能的投资重点，牢牢抓住优势制造领域率先发展人工智能应用的战略先机。同时，也需要在图像、语音识别等领域切实发力。
四是重视人工智能发展中出现的法律与道德伦理等社会问题。随着人工智能发展，需要尽快建立适当有效的机制，准确评估人工智能发展带来的伦理道德、法律问题及社会影响。应建立相关机构，比如人工智能委员会，监管不断变化的科技实践，这一机构需包括具有广泛代表性的专家、从业人员、非政府代表等，同时建立明确的规则，确保决策过程的透明性，构建结构合理的责任体系。
智能制造对制造业就业的影响分析
图22013～2020年研发人员数量统计图
图32013～2020年专利申请和授权量统计图
二、智能制造对浙江制造业就业的影响
为了更好理解和分析智能制造对于浙江制造业的影响，在查阅相关政策文件，收集文献资料数据的基础上，针对省内制造业进行了问卷调查。问卷主要包括企业智能化应用情况、企业就业数据、企业科研投入、企业未来智能化应用规划四个方面。问卷采用线上发放和实地访谈的形式，其中线上通过邮箱、微信、qq等发放200份，回收189份；实地访谈企业管理层和企业员工50份，回收50份；针对中小企业访谈20份，回收20份。同时，调研分区域进行，既有科研投入大，智能制造应用广泛的城市，也有传统制造业集中的城市。通过对问卷数据和实地调研资料进行整理和总结分析，得出以下结论：
（一）智能化在制造业的应用存在区域差异。在杭州湾区域，智能化发展水平高，在制造业中智能化技术、数字化技术应用广泛，很多规模以上企业通过机器应用，一定程度上取代人工，缓解了原来的用工荒问题，节约了劳动力成本，为企业成本管控、改善管理、提高效益起到了很大的作用。通过调研也发现，中西部地区的企业对于智能技术应用较少，对于技术革新的诉求也比较低，主要还是在于中西部地区的企业用工数量不大和资金短缺。
（二）智能化对制造业的就业影响存在行业差异。在服装加工等劳动密集型的行业，智能化应用带来的就业冲击比较明显，通过机器加工可以明显减少劳动力就业，像实地调研的一家服装厂，通过引入先进的自动化裁剪设备，使得原来需要3人的裁剪工序只需要1人完成检验工作即可，人力成本大大减少，而且生产效率还极大提升，智能化带来的效益提升显而易见。但是，在汽车制造、信息通讯等行业，往往需要高技能人才，一些技能要求高的岗位并不能被机器替代，因此智能化对这些行业的就业冲击并不明显，替代效应不显著。
（三）智能化对制造业就业影响存在岗位差异。调研发现，自动化设备的使用主要是导致一些基础性工作岗位的就业替代。如加工、流水线生产岗位往往都是流程化操作、简单重复动作、技术知识要求低，就很容易被替代，就业量会大幅减少；而诸如数据分析、流程设计、程序优化等方面的工作岗位的需求反而增加，智能化对制造业就业既有替代又有创造。因此，智能技术在取代一些岗位的同时，也在创造一些新的岗位，需要企业和个体主动去适应。
（四）企业在对智能化的投入上存在差异。沿海发达区域的企业更热衷于智能化应用，规模越大的企业在智能制造上越是走在前列，并且更积极投身各种研发活动，在技术、创新上投入的资金比较多，同时这些企业也通过人工智能实现转型升级，在实现生产智能化的基础上，努力实现企业生产管理、信息化建设、组织流程优化，助推企业实现数智化转型，而转型升级后，企业内部流程更加优化，管理更加完善，产品成本更加节约，产品竞争优势也更加明显。当然智能化往往需要大量资金，要承受不低的试错成本，这也是一些小规模企业智能技术应用不广泛、诉求不高的主要原因。
（五）中小企业智能化发展中要结合自身特点进行。机器换人在很大程度上对于中小企业来说是机遇与挑战并存。机器换人并不是单纯的买几台自动化设备，应用智能化软件，而应该从中小企业自身的特点和企业转型升级相结合。中小企业往往资金相对缺乏、技术人才少、内部管理相对不完善，因此应先研究自身的需求和短板，针对性分步骤展开智能化发展，同时也要关注在机器换人后，加快相关的高级技术人才和管理人才的培养和引入，保证企业后续良性发展。
三、对策建议
智能技术、信息技术对于经济发展的影响是毋庸置疑，而就业更是关乎民生问题，因此需要通过相应措施平衡技术进步和就业之间的矛盾，一方面要努力推动科技进步，并以此助推产业升级转型，保证经济发展活力；另一方面又要减少技术进步对于就业的替代作用，发挥其对就业的创造作用，推动就业结构优化。
（一）注重高技能专门人才的培养，以适应就业需求。目前，“机器换人”主要发生在一些基础性岗位，而被替代和挤出的主要是一些技能水平低、无法适应新技术的劳动力。与此同时，通过“机器换人”缓解了用工问题，但也带了新的问题，就是高技能人才的缺乏，很对企业引入新机器和设备，但是缺少能使用设备的工人。而作为人才培养的主要场所———高校在人才培养中往往只能传授一些基础职业技能，不能保证一些专业技能要求高、实践要求高的岗位的需要。而要实现学校教学和岗位需求的对接就需要校企充分合作，联合培养，采用订单班、校外实践基地等形式将职业技能培训融入高校教学，实现人才联合培养，人才培养能很好地对接人才需求。开展各种形式的技能培训，增加关于新技术相关的技能提升培训，提高被替代的劳动力对新技术的认识和应用能力，使其能尽快适应工作需求。重视企业内部培训，通过内部培训实现员工在企业内部的转岗，满足企业内部用工需求，降低企业从外部招聘员工的成本。
（二）提高技术工人待遇，改观对职业工人的认知。一直以来，技术工人的待遇普遍比较低，大家对于技术工人的认知也高，因此职业教育普遍不受欢迎。因此，应提高技术工人待遇，宣传工匠精神，让大家提高对技术工人和职业技术人才的认可度，提高学习职业技能的积极性。
（三）支持创新研发，推动成果转变。技术进步，智能技术的应用能极大地提高劳动生产率，“机器换人”对就业有冲击但也会创造一些全新的就业岗位。产品创新能带来新的就业，因此要鼓励企业创新研发，加大对于企业创新的政策和资金支持，同时也要出台相关政策法规对企业创新研发进行有效监管。通过高新产业园建设，推动企业和高校之间的合作交流，校企共同研发，让科研成果更加适应市场需要，与此同时加快成果转化，推动成果落地。
（四）以技术促制造业转型升级，提高就业率。通过技术革新，推动制造业内部的转型升级，实现传统制造业向现代制造业转变。传统产业通过发展区域优势，加强品牌建设，提升产品核心竞争力。努力培育新兴产业，加强企业联合，促进先进制造业发展。
来源：新工业网
人工智能会展/标准/检测关注公众号质检协会人工智能专委会返回搜狐，查看更多