“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》
国际观察：人工智能赋能工业制造，一切刚刚开始
新华社德国汉诺威4月20日电（国际观察）人工智能赋能工业制造，一切刚刚开始
新华社记者郭爽李超杜哲宇
“工业4.0定义了过去十年的发展，生产线上各个组件开始被连接起来……如今，终于可以通过人工智能技术，使用在过去十年间收集的数据，这是人工智能在工业生产的最初应用。”正在举行的2023年德国汉诺威工业博览会上，展会主办方德意志会展公司董事会主席约亨·科克勒接受新华社记者采访时如是说。
从被誉为“世界工业晴雨表”之一的汉诺威工博会可以看出，过去几年更多作为新兴技术概念的人工智能技术，如今已经开始赋能工业生产。不过，多名业内专家强调，工业制造的人工智能时代“才刚刚开始”。
人工智能开始赋能工业制造
基于日趋成熟的物联网技术，大量数据得以被实时获取，大数据为机器学习提供了数据资源及算法支撑，而云计算则为人工智能提供了灵活的计算资源。这些技术的有机结合，为人工智能技术奠定基础，也推动其不断发展。
正如科克勒所说，大约十年前，汉诺威工博会上首次提出工业4.0概念，生产线上各个组件开始被连接起来，而这也是收集数据的前提。在收集多年数据后，人工智能开始使用这些数据，并在工业生产展开最初应用。
4月19日，在德国汉诺威工博会上，参观者与一款智能机器人握手。新华社记者任鹏飞摄
本届工博会上，记者可以明显感觉到，从为生产线设计的最新工具，到应用于产业链的解决方案，人工智能应用已贯穿于设计、生产、管理和服务等制造业的各个环节，其日益多样化的应用场景包括故障监测、预测性维护、智能分拣、设备健康管理、基于视觉的缺陷检测、智能决策、优化生产计划、需求预测等。
美国惠普企业公司首席技术专家托马斯·迈尔表示：“人工智能是我们许多产品的核心组成部分，例如服务器、存储系统或网络。此外，人工智能还帮助我们的客户优化这些系统的性能，并预见和预防可能发生的问题。多年来，在全球范围内，每秒都会从系统中收集数百万的传感器数据来训练人工智能技术，反过来又会用于支持用户进行操作和预测性维护。”
德国自动化领域知名企业费斯托公司技术专家塞巴斯蒂安·施罗夫说，人工智能技术已不仅仅是一种发展趋势，而是已经成为整个行业的标准。
生成式人工智能将加速数字化变革
目前大热的生成式人工智能技术已在本届工博会上出现少量应用。科克勒认为，工业4.0时代对人工智能的应用将走到新的一步，即生成式人工智能的使用。不少技术人员认为，该技术不仅将改变许多工业设计和制造流程，还可能颠覆整个行业。
这是4月18日在汉诺威工博会上拍摄的新松工业机器人。新华社记者任鹏飞摄
ASSIST软件公司首席产品官弗拉德·奥特罗科尔告诉记者，这一技术面世以来，人工智能话题更多进入公众关注焦点。尽管最近每年工博会都有人工智能的“身影”，但他认为，今年最特别之处就是生成式人工智能技术已开始与工业领域结合。
例如，贝克霍夫公司就在其“TwinCAT机器学习”控制器集成人工智能解决方案中使用了生成式人工智能技术。
汉诺威工博会上发布的一项调查数据显示，目前在工业领域，三分之一的德国大中型企业决策者认为，生成式人工智能技术将会加速其企业的数字化变革。
德国西韦舆论调查公司对德国1500名工业经理进行的一项调查显示，62%的受访者认为，生成式人工智能在工业中有多重好处，包括节约成本、提高效率和优化商业流程等。
制造业的人工智能时代刚刚开始
不少业界专家认为，人工智能将为工业发展提供更多动力，并加快创新进程。不过，目前展示的人工智能应用大多属于初步创新项目，人工智能大规模深度应用于整个工业制造还需时间。
4月18日，人们在德国汉诺威工业博览会上参观智能机械臂。新华社记者任鹏飞摄
“我们显然处于工业4.0发展的过程中，但人工智能才刚刚开始。”谷歌工业技术专家蒂诺·古德柳斯对新华社记者说。在他看来，人工智能与工业生产的大规模深度融合“还需要两年时间”。
魏德米勒公司技术专家托比亚斯·高克施特恩表示，将人工智能应用于工业制造，不仅需要人工智能科学家，还需要了解机器和制造的专家，只有各方合作，才能将人工智能应用推向新的时代。
多名专家指出，加强合作是人工智能未来发展的关键，另外，该技术在工业应用的未来在于数学、统计学和神经网络的结合。
【纠错】【责任编辑:赵阳】新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
作者：徐云峰
catalogs:13000076;contentid:7688970;publishdate:2021-06-11;author:黄童欣;file:1623414511328-aff718d9-3742-46b0-b08c-e56bdd1ed8c8;source:29;from:中华读书报;timestamp:2021-06-1120:28:23;[责任编辑:]