《人工智能与工业融合发展研究报告》: AI入局推动工业产业6大趋势变化（附PPT）
来源：旷视MEGVII
本文约1000字，建议阅读6分钟。
本文为你介绍《人工智能与工业融合发展研究报告（2020）》的主要内容。
7月6日，由旷视与中国信通院产业与规划研究所共同研究完成的《人工智能与工业融合发展研究报告（2020）》正式发布。
人工智能（ArtificialIntelligence,AI）作为引领未来的前沿性、战略性技术，已经成为新一轮科技革命和产业变革的重要驱动力量。今年爆发的新冠疫情对工业生产的影响已经显现，部分企业已加速应用智能工业机器人等新手段、新方式开展智能化生产，工业作为我国实体经济发展的重要支撑正面临巨大的转型考验。推动人工智能与工业融合发展，一方面有助于应对突发公共卫生事件的影响，另一方面有助于应对我国人口红利消失的影响，提升工业生产效率和产业竞争力，优化我国经济结构，实现经济高质量发展。
本次报告从人工智能前沿发展和工业产业应用趋势出发，在实地调研和系统研究的基础上，运用最新数据和实践案例，提出AI与工业融合的六方面核心结论，供政府部门、工业企业、AI企业、高校等AI与工业融合生态圈的相关利益方参考。
AI与工业的融合发展从相向而行到携手共进。只有优势互补、深度融合，利用AI为企业价值创造的各个核心活动赋能，帮助工业企业降本增效、提质创收，才能加快工业智能化升级的步伐。
计算机视觉技术成为推动AI与工业深度融合的“金刚钻”。计算机视觉技术相当于给机器装上一双眼睛，在AI各类技术中相对成熟，近年来在工业中应用的渗透率快速提升，未来将广泛为工业赋能，有望成为应用面最广的技术。
AI与千行百业的阶梯性融合是未来AI产业发展的主风口。工业子行业AI融合度指数（IAI）显示，各行业AI融合度差异明显，医药制造业、汽车制造业、计算机、通信和其他电子设备制造业AI应用部署与应用效果显著领先于其他行业。未来数据基础好、盈利能力强、创新接受度高的行业将率先完成与AI的深度融合，对其他行业形成示范效应，并吸引更多行业部署AI应用。
善于创新的企业将率先进入智能时代，对数字化、网络化阶段的竞争对手形成降维打击。AI在工业质检、仓储物流、设备运维、安全管理等场景的应用得到了广泛验证，投入产出效果明显。工业企业可以优先在这些领域开展积极探索，率先享受技术红利，加宽护城河。
在框架级算法开发能力的支持下，AI将像水电一样普及到工业企业。工业细分领域AI应用差异化特征显著，低成本、快速开发个性化算法是成功关键。只有构建深度学习框架级的场景化算法快速开发能力，充实算法库，才能以较低开发成本及时响应工业领域碎片化需求。
互信为基，共赢为台，数据为墩，AI为拱，生态伙伴共建智能化转型之桥，连接中国制造的昨天与明天。任何一次大的产业革命，都是一系列技术组合起来满足业务需求的结果，感知器、决策器和执行器的高效协同才能加快AI与工业深度融合。
以下为报告部分摘录（完整版欢迎点击阅读原文获取）：
编辑：王菁
校对：林亦霖
点击“阅读原文”获取ppt
人工智能与智能制造
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
国内曾有著名专家学者提出：智能制造就是人工智能加制造。这种观点会对推进智能制造带来思想混乱。为此，我们有必要澄清这两个概念的关系。
人工智能的两个经典学派
谈到智能制造，人们很容易联想到各种高级算法，如机器学习和逻辑推理。事实上，人工智能技术在最近十几年最重要的进展就是深度学习技术，这也是人工智能最近成为热点的原因。
人类发明计算机的初衷是帮助人们进行数据计算。由于人的很多思维过程都可以转化成计算问题，所以计算机往往被俗称为电脑。计算机可以计算很多问题，但只有一部分算法被称为人工智能算法。
一般来说，人工智能的算法往往有两个特点：一是普通的算法不容易解决，二是与人的思维接近。因此，算术、方程求解、排序等常见算法一般不被算作人工智能算法，只有涉及复杂逻辑推理和知识学习等问题时，才被称为人工智能算法。
计算机在解决逻辑推理问题时，往往先将其转化为搜索问题。人工智能关注的搜索问题往往会面临组合爆炸，计算机也难以求得最优解。下棋就是这种典型问题。但是，面对这类组合爆炸问题，人类往往有能力用有限的搜索找到相对较好的办法。这就是体现智能的地方。有人把智能算法的特点描述为能够从一个巨大的搜索空间中迅速找到比较好解的算法。因此，谷歌公司建立之初就定位为“做人工智能的公司”。
要把人的想法变成计算机代码，前提是必须能用计算机语言精确地表达出来。但是，人的很多认识恰恰是难以用语言表达清楚的。例如，我们很容易认出一个熟人，也很容易识别梨的味道，但这些认识不容易说出来。再如，棋手对“棋势”有一种直觉的认识，这种直觉能够帮助人们把注意力聚焦在个别重要的棋子上。但是，这种直觉同样难以用精确的语言来描述。这些一般被称为“默会知识”。
人类语言表达不清楚的东西，往往无法直接变成计算机代码。机器学习就是用来解决这个困难的。所谓机器学习，一般是用数学函数模拟人或动物的神经系统，通过数据不断修正这个模型，从而形成类似感性认识的知识。这样就避开了“默会”知识“难以编码”的困难。
然而，让计算机获得“感性认识”并不容易。例如，模型识别的错误比例往往太高。导致这类问题的原因很多，有数据的原因、模型的原因，也有训练算法的原因。随着计算机计算和存储能力的增强，积累的数据越来越多。在这样的背景下，出现了深度学习技术并在多个领域取得了巨大的成功。于是，人工智能成为近期的热点。
人们可以从很多角度认识人工智能，由此产生了很多的学派。其中，两个经典的主流学派分别是模拟逻辑推理的符号学派和模拟神经系统结构的连接学派。这两个学派的方法可以结合在一起进行应用。例如，阿尔法狗需要进行逻辑推理，但为了解决搜索中组合爆炸的问题，又需要模拟棋手的感性认识，而这种感性认识就是通过深度学习得到的。
自动化与人工智能的控制论学派
除了上述两个经典学派外，人工智能还有一个重要的学派被称为控制论学派。控制论是自动化和智能化的理论基础。多年以来，自动化学科比人工智能更成熟、应用范围更广和影响力也更大。因此，学术界谈论人工智能时，指的往往是上述两个学派，而不是控制论学派。但是，这个学派的思想恰恰是智能制造主要的理论基础。
20世纪40年代，控制论之父诺伯特?维纳(NorbertWiener)想到一个问题：机器和动物(或人)到底有什么区别?维纳认为，机器一般只能按既定的步骤和逻辑运行，而动物能通过信息感知到外部世界的变化，并根据新的信息进行决策、采取行动。例如，一只正在吃草的山羊突然看到了一只狼，它会马上停止吃草，奔跑逃命。自动化就是要把感知、决策和执行3个要素统一起来，这3个要素类似于动物的感觉器官、大脑和四肢的功能。这就是自动化的本质特征。事实上，自动化系统一般由传感器、控制器和控制对象构成，分别用于信息获得、决策和执行。
与人工智能的两个经典学派不同，控制论关心的是效果和作用，往往不在乎算法和逻辑是不是复杂。事实上，自动化用到的一些算法和逻辑可能相当简单。
最近几十年来，自动化应用的范围越来越广，但也有局限性。一般来说，自动化系统能够应对的都是“预料之中”的变化。当出现设备故障、生产异常等预料之外的问题时，还是需要人来处理。这是因为计算机处理问题都是有预案的，其灵活处理问题的能力远远不如人类。
智能制造的概念
智能制造技术是信息通信技术的发展带动的，是信息通信技术在工业的广泛、深入应用。德国的工业4.0和美国的工业互联网都属于智能制造的范畴。
从整体效果来看，智能制造能够加强企业快速响应变化的能力。市场或用户有了新的需求，能够尽快设计并制造出来以供应市场;供应链发生变化时，能尽量避免对生产经营产生的不利影响;生产设备或产品质量发生问题时，能尽快找到问题的根源和解决问题的办法。
从业务角度来看，推进智能制造的主要作用是要促进多方协同、资源共享和知识复用。通俗地讲，协同就是多方协作时“不掉链子”，不耽误彼此的工作;资源共享有利于低成本地获得优质资源;知识复用则可以提高研发和服务的效率，降低获得知识的成本。当企业中的物质、知识和人力资源都能用数字化描述时，互联网就容易促进协同、共享和复用。
计算机的运算能力很强但灵活处理问题的能力很弱。这是限制自动化技术广泛应用的重要原因。为了解决这类问题，先进的制造企业普遍采用了信息化技术。信息化系统能够为管理者收集信息、帮助管理者决策和管理企业的生产和经营。与自动化系统相比，信息系统把决策的工作交由人类完成。
在数字化、网络化时代，成千上万的设备可以实时、高速地采集数据并汇集到一起。人类可以得到更多的信息，但处理信息的能力受到了生理极限的约束。为了解决这个矛盾。美国通用公司发布的《工业互联网》白皮书就提出了解决办法。该白皮书指出，工业互联网有3个要素：智能的机器、高级算法和工作中的人。智能机器指的是可以实时接收和发送数据的机器。但是，人类并不直接处理这些数据。高级算法就像人的秘书一样，帮助人们处理实时数据，从海量数据中找出那些需要人类关注和处理的问题，交给“工作中的人”来处理。
另外，对于常见的问题，可以把专家处理问题的逻辑和方法变成计算机代码，让机器按照人类的想法进行决策。这就是人类知识的数字化。通过这种办法，可以进一步减少人类处理问题的负荷，提高决策的自动化水平——这其实就是智能化。
从某种意义上来说，智能化是自动化和信息化的融合。自动化和信息化融合的思想很早就有了，但在信息通信技术不够发达的时候，技术上很难实现。于是，机会留在了智能化的时代。
智能化对工业企业的意义非常巨大。从企业生态的层面来看，智能化能促进企业之间的分工细化并在企业间建立新的生态关系。“分工促进生产力的发展”是一条非常重要的经济规律。由于互联网能够提高企业之间的协同能力、降低分工的负面影响，这为促进分工的细化奠定了基础。总之，从企业间的关系来看，智能化能够促进社会资源的优化配置。从企业自身的层面来看，智能化能提升企业的管理能力。在我国很多企业中，“技术水平低”的本质往往是管理水平差。某些企业的管理问题所导致的成本损失会超过企业的利润。通过推进智能化，人类的很多决策工作可以交给机器去做，也可以在机器帮助下或“监督”下去做，通过提升企业的管理能力，大大减少因管理不善导致的问题。从现实效果来看，智能化往往能够有效地推动企业整体利益实现最大化。
智能化与人工智能
智能化是一场决策革命，即通过数字化的方法代替人决策、帮助人决策、“监督”人决策。对工业过程来说，决策所需的知识往往是工业人多年积累的结果。这些知识的逻辑往往是清晰的、能够被准确表达的。推进智能制造的时候，容易把这些知识转化成计算机的代码，但智能制造未必用到人工智能的典型算法。因此，“智能制造等于人工智能加制造”的观点是错误的。
但是，经典的人工智能技术确实能够促进智能制造技术的发展。在一些场景下，传感器采集到的信号并不容易转化成语义明确的信息。例如，摄像头可以采集到产品表面的图像信息，但不能把图像信息与质量缺陷的类型和级别对应起来。如果这类问题解决不了，质量管理的逻辑就难以自动地实现，智能化的进程就会受阻。
深度学习等典型的人工智能技术特别善于解决图像识别问题。事实上，图像识别是人工智能算法在工业界最典型也是最主要的应用领域。缺乏人工智能技术，智能制造的体系往往是不完整的。
从某种意义上来说，人工智能是技术问题也是学术问题，这也是学术界特别喜欢研究的问题。现实中，自动化往往只是技术问题，并不是学术问题，因为工程师一般喜欢用最简单的办法解决问题。推进智能化的过程不仅涉及技术问题，往往还涉及企业组织流程的重构、商业模式的创新。从这种意义上讲，智能化的问题往往可以看作企业的管理甚至战略问题。
郭朝晖，博士，教授级高级工程师，优也信息科技有限公司首席科学家，走向智能研究院首席研究员。
文/郭朝晖
本文来自《张江科技评论》
人工智能与制造业融合白皮书：人才缺口30万，复合人才稀缺
11月21日，在2020中国5G+工业互联网大会上，国家工业信息安全发展研究中心发布了《2020人工智能与制造业融合发展白皮书》（以下简称《白皮书》）。
该中心党委副书记吕坚表示，《白皮书》总结了人工智能与制造业融合的发展背景、发展现状，指出了目前融合存在的诸多难点，其中人才匮乏问题尤为严重。
澎湃新闻记者周頔摄
吕坚表示，人工智能与制造业融合需要掌握人工智能技术，还需对制造业各细分行业的生产特点、流程、工艺有深入理解，相关人才极其匮乏。目前我国人工智能人才缺口达30万，其中“人工智能+制造”复合型人才极其稀缺。人工智能相关职位平均年薪达到30-60万元，从业时间较长者可达百万，普通企业难以负担如此高昂的人力成本。
《白皮书》显示，人工智能价值难以被准确衡量也是制约与制造业融合的痛点之一。部分企业尤其是中小企业应用人工智能技术的动力不足，应用人工智能技术的风险、收益和成本难以准确核算，部分企业将人工智能的应用价值简单等同于机器换人，认为其应用成本过高，部分细分行业尚未探索出低成本、高价值的人工智能应用路径。
《白皮书》还预测了人工智能与制造业融合发展趋势，认为人工智能与制造业融合发展将向更深层次迈进，制造业智能化升级将呈现多技术融合的态势，提升安全保障能力将成为人工智能与制造业融合的重要发力方向。
人工智能与实体经济加速融合
核心产业规模超4000亿元，企业数量逾3000家——人工智能与实体经济加速融合
工信部日前公布的数据显示，我国智能产业规模持续壮大。据测算，我国人工智能核心产业规模超过4000亿元，企业数量超过3000家，初步形成覆盖基础层、技术层、应用层的完整产业链。
当前，人工智能与实体经济融合已取得积极进展，在重点行业建成了一批人工智能典型应用场景，形成了一批典型行业解决方案。工信部科技司副司长任爱光透露，工信部将充分发挥人工智能先导区作用，通过“揭榜挂帅”等手段，加速推动人工智能在制造、交通、医疗、教育、金融等领域融合应用，加快新技术、新产品示范推广。
初步形成完整产业链
“在系统布局和系统发展策略的指引下，我国人工智能产业初步形成了关键共性技术研发攻关、创新产品应用、新兴产业培育‘三位一体’的发展格局。”中国软件评测中心副主任杨春立表示。
人工智能产业规模快速增长。目前我国人工智能核心产业规模超过4000亿元，比2019年同期增长6倍多。
具有创新活力和国际竞争力的企业快速崛起。目前，我国人工智能核心企业数量超3000家，比2019年同期增加15%。无人机、语音识别、图像识别等领域涌现了一批领军企业和品牌，智能机器人、智能汽车、可穿戴设备、虚拟现实等新兴领域催生了一批龙头企业。
人工智能产业创新能力显著增强。面向视觉、语音、自然语言处理等领域的人工智能芯片、深度学习算法等关键技术加快迭代创新，一批智能芯片取得重要突破，智能终端、智能机器人等标志性产品的创新能力持续增强。
新型基础设施布局逐步完善。通过以建带用、以用促建，截至今年6月底，我国5G基站数达到185.4万个，培育大型工业互联网平台150家、连接工业设备超过7800万台（套）。全国建成多个算力中心、数据中心等公共服务平台，数量与质量不断提升。
“各地为支持人工智能产业发展，根据产业特点积极提供应用场景，加快技术创新速度。人工智能技术的应用给生产生活、社会管理带来深刻改变，制造、物流、商务、医疗、影视、零售、游戏、金融、文旅等各方面的智能化程度不断提高。”众诚智库高级副总裁柳絮说。
技术产品加速应用
“人工智能技术正以更大范围、更高效率、更加精准地优化生产和服务资源配置，有力推动各行各业数字化、智能化转型，催生新技术、新业态、新模式、新市场。”杨春立说。
比如，飞机核心部件尾翼的复材检测，以往需要几位老师傅数小时的协同工作，以及几十万元的对比检测样本成本。采用腾讯云和中国商飞打造的人工智能辅助检测系统后，检测过程仅需要一个普通检测人员几分钟的时间，检测成本也降至2元。
依托人工智能技术，京东云以“智能终端+弹性算力”模式，为江苏常州区域实现供需对接，将闲置产能及算力有效利用，在增加企业效益的同时，赋能区域生产产能“一网通享”。目前京东工业互联网平台已成功接入常州区域内600余家工厂的4万多台设备，并成功消化剩余产能3亿多元，实现区域内产业结构转型升级。
“基于人工智能技术，制造业数字化、绿色化协同转型发展步伐加快，数据驱动、人机协同、跨界融合、共创分享的智能经济快速形成，广泛渗透、高度综合、集成应用和效益倍增的发展范式初显。”杨春立说。
任爱光表示，人工智能与实体经济融合已经取得明显成效，表现之一是传统行业转型升级不断加速，培育成长出一批“传统行业+人工智能”的典型企业，推广应用一批智能化升级的典型案例，导出形成人工智能与实体经济融合的新模式、新方法。
比如，在智能制造领域，智能技术的应用极大提升了产品检测效率和设备利用效率。在智慧教育领域，多所学校基于云计算、大数据、人工智能等技术，搭建智慧教育云平台，借助智慧云课堂、智能测评、智能作业、移动课堂、个人空间等核心应用，形成学生、教师、家长和教育管理者一体化解决方案。在智慧医疗领域，智能技术有效减轻医护人员工作压力，提高医疗装备的诊断准确性与服务便捷性，目前，国内已获批40余张人工智能影像医疗器械3类证。
“新冠肺炎疫情加速了人工智能与医疗领域的融合发展。为了提升效率并减少人员接触，医疗服务需要更具弹性和拓展性，移动设备需求强烈，智能医疗设备、医疗机器人、远程医疗、移动医疗产业需求迅速显现。”柳絮说。
推进产业创新发展
人工智能是引领新一轮科技革命和产业变革的战略性技术。人工智能技术与实体经济融合，将推动产业变革，提升要素价值，促进服务创新，重构发展范式，催生智能经济形态。
任爱光介绍，工信部以促进人工智能与实体经济深度融合为主线，营造良好政策环境，大力加强人工智能技术创新攻关，加快人工智能产品落地应用，打造融通发展的产业生态。
据了解，工信部以人工智能创新任务“揭榜挂帅”为抓手，发现和培育优秀企业，产出一批优秀产品，构建起研发和应用“快车道”；批复建设了8个国家人工智能创新应用先导区建设，部省协同打造人工智能创新发展高地；建设了一批5G基站、工业互联网平台、算力中心等信息基础设施，支持建设并开放行业数据集，夯实产业发展基础。
不仅如此，“人工智能在产业升级、产品开发、服务创新等方面具有溢出带动性很强的‘头雁’效应，在与制造业融合过程中，催生了一批数据驱动、软件定义、平台支撑、服务增值、智能主导的智能制造新模式、新方法。”杨春立说。
“十四五”期间，人工智能的产业化和商品化进程将进一步加快。柳絮认为，人工智能生态体系化程度将大幅提升。与此同时，人工智能商品化的信息安全、个人隐私、道德伦理等挑战也将日益突出。
除了加速推动人工智能在重点领域的融合应用之外，任爱光表示，工信部还将持续改革优化政策环境，推动各行业智能化改造升级，不断降低成本，有效赋能中小企业，为人工智能技术提供“真金白银”的应用市场。（记者黄鑫）
（黄鑫）
【责任编辑：曹静】人工智能将从三方面推动制造业转型升级
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。
“人工智能+制造”的本质是“人机协同”
作者：李晓华、吴朋阳，中国社会科学院工业经济研究所、腾讯研究院
人工智能可以简单地理解为“像人类一样聪明的人造机器”。将这个聪明的“人造机器”应用到制造业，主要的作用就是使机器能够“达到甚至超过人类技工水平”，实现制造企业生产运营效率的提升。
“人工智能+制造”的“智能化”过程，与过去制造业追求“自动化”的过程有本质上的区别。“自动化”追求的是机器自动生产，本质是机器替代人，强调大规模的机器生产；而“智能化”追求的是机器的柔性生产，本质是“人机协同”，强调机器能够自主配合人的工作，自主适应环境变化。
“人工智能+制造”追求的不是简单粗暴的机器换人，而是将工业革命以来极度细化的工人流水线工作，拉回到“以人为本”的组织模式，让机器和人分别从事自己更擅长的事，机器承担更多重复、枯燥和危险的工作，人类承担更多创造性的工作。
制造业是一个高度复杂的产业，一件产品少则有数十种原料投入，多则由数百万零部件构成；生产同一个产品，不同企业具有不同的生产工艺、生产设备和零部件投入。由于生产工艺不同、设备接口不同、数据格式不同，不但会造成供应链上下游的数字化连接困难重重，而且每个企业的数字化改造都要另起炉灶，费时费力。通过建立一个遵循共同标准、通用性更强、即插即用的工业互联网平台，可以解决“人工智能+制造”过程中的上述问题。工业互联网平台为制造业提供通用的算力（工业云计算和边缘计算）、算据（工业大数据）和算法能力（工业人工智能），从而推动整个产业的转型升级。
目前“人工智能+制造”的典型方向主要有三类：一是智能生产，实现生产设备、价值链、供应链的数字化连接和高度协同，使生产系统具备敏捷感知、实时分析、自主决策、精准执行、学习提升等能力，全面提升生产效率。二是智能产品，通过云端连接或将训练好的人工智能系统封装到硬件中等方式，赋予产品智能化响应外界变化和用户需求的能力。三是智能服务，实时监测产品状态和响应用户需求，提供以租代售、按时计费、远程诊断、故障预测、远程维修、一体化解决方案等增值服务，实现制造企业从提供产品向提供“产品+服务”的转变。
总之，通过“人工智能+制造”实现高水平的人机协同，能够推动制造业的质量变革、效率变革、动力变革，为人类创造更美好的生活。