数字化转型②促进中国产业互联网与服务业深度融合对策
一、政府层面：完善服务业互联网营商环境
（一）完善互联网基础设施
从总体上看，中国产业互联网发展基础设施这相对完备，截至2019年，中国产业互联网企业累计服务近4000万家企业，在2019年中国互联网百强企业中，从事于互联网数据服务和互联网基础服务的企业数量分别是41家和10家，生产制造服务企业为13家，科创企业为24家，B2B电商企业为11家，牢固的企业架构和坚实的组织基础成为中国产业互联网发展的重要基石。但是仍存在部分传统产业和农村地区网络化程度低，数据中心建设不完备，存在数字资源难以共享的问题，这些问题的解决依赖于系统性布局，宽带移动互联网数据中心，以及电子证照、电子档案等平台设施建设，实现服务人民群众的普惠互联。
各地还应该根据自身发展特点，因地制宜的制定数字化方案，可以在数字化转型代表性较强的区域开展，先行先试，如雄安新区着重探索数字经济生产要素流通机制，这将选择侧重于构建数字经济新型生产关系，福建省就围绕“数字丝路”，智慧海洋等开展了区域特色试验，川渝地区则是侧重于数字产业集聚发展模式的探索，各地可在政府引导和产业融合背景下，构建综合创新试验载体，总结经验，打造第一批示范高地，引领和辐射其他地区的发展。
（二）加强服务业互联网人才培养
据2018年教育部门的测算，中国人工智能人才储备相对不足，人才缺口超过500万，每10个岗位中只有一个才能招聘到符合条件的专业人才。对此，应加紧人才的培养和引进，以储备充足的人才作为人工智能发展的后备力量。
首先，开展校企合作，加强人工智能相关学科建设，以“产学研一体”的方式建立人才培养输出机制，这样可以实现人才培养和产业创新落地的双赢局面；其次，建立健全高精尖技术人才支持政策和激励措施，加大人才引进力度，鼓励创新行为；再次，还可以从社会上通过开展人工智能竞赛的模式大力选拔人工智能人才，促进完整生态链的形成，加快人工智能与实体经济的融合。此外，还应该注重对复合人才的培养，加大对既精通工业生产流程或专业技术（如医疗），又懂信息技术的跨界融合人才的培养，从整个行业未来发展趋势出发，实现人工智能与实体经济深度融合发展。
（三）加快服务业互联网行业标准建设
加快包括顶层制度与法律规定在内的产业互联网标准的制定和推广应用，可以促进网络内各个个体之间信息对接、沟通和整合的畅通，还有助于夯实网络信息安全基础。在制定产业互联网标准体系框架时，应该由政府、企业和服务机构等各方共同参与制定，共同研究产业互联网的潜在风险，实现万物互联的安全信息共享和协同联动的信息安全机制。针对不同行业，互联网还应该制定有个性化的细化标准。同时还要加快这一系列制度与国际通行市场规则衔接，坚定向国际化、市场化、法制化的营商环境迈进。
（四）兼顾数据隐私保护与灵活监管
随着大数据收集范围的扩大，隐私泄露和网络安全等隐患越来越受到人们的重视日益凸显，要增强网络安全保护和防御能力，一方面，产业布局中要重视数据，生命各周期的监管与保护；但是另一方面监管也要留有余地，应该采用“包容审慎”的监管，放松事前审批，转而重视对事中事后的监管，这样不仅可以缓解现场审核等程序所耗费的人力，还可以为未来发展留出空间，鼓励各产业发挥网络效应，促进创新成果在生态中的分享，从而维护市场的健康发展。
二、传统服务业企业：结合自身优势和特点，拥抱互联网思维
（一）加快企业信息化、数字化进程
企业数据治理能力的增强可以从优化企业生产服务流程，降低生产经营成本，提高企业经营绩效，增强企业自主创新能力和核心竞争力等多个角度为企业释放强大增长潜能。传统服务业企业想要加速推动企业数字化转型，就应该加强数据资产管理能力，首先，要大量累积企业内部的数据和收集，引入外部数据，对数据的收集、传输、存储、清洗应用等各个环节做出系统性布局；其次，应不断拓展数据的应用范围，深度挖掘和释放数据价值，实现产品全生命周期数字化；与此同时，企业还应把智慧人才团队的培养与打造贯穿始终，加大对精通工业流程和互联网技术的跨界人才的培养，利用智慧人才红利实现可持续发展，不断提升产品质量和经营效益。
（二）加强新技术应用和创新
传统服务业企业在数字化转型过程中应该利用数据价值链创造价值。只有传统服务业与互联网产业深度融合，才能创造出有价值的大数据，这个过程中，企业应该积极利用新技术，引进人工智能，智能控制技术，互联网技术等，减少信息的不对称，将产业自动化升级为智能化，实现产业创新供应链，营销链，客户管理的全方面、一体化整合，用数据驱动价值链转型升级。
（三）以“标志化”和“深度化”场景应用引领数字化转型
“标志化”是以产业发展的瓶颈问题或关键节点为契机衍生出来的场景应用，可以作为传统服务业数字化转型的“适应器”，可以降低转型过程的数字成本，并且规避转型过程中可能存在的风险。例如京东数科打造的“数字农牧”就是通过农牧养殖“标志化”场景的打造，对农牧养殖业进行追踪、监督、管理，助推传统农业转型升级。“深度化”是通过将传统产业与数字技术进行深度结合，将数字化技术应用到具体细分的各个场景，“深度化”场景应用是数字化转型的助推器，可以实现数字技术与实体经济的融合共赢，加快传统产业转型，例如AI机器人产品在数据中心、轨道交通、物资运送等领域的广阔应用，就是“深度化”应用的一个代表。
（四）促进线上线下交互
传统服务业企业数字化转型的最终目标还是实现线上线下的融合共生，这种新的产业生态体系基于自由流动的数据资源，利用数字技术作为中介，借助多元数字科技平台，在共同价值导向下，将线上线下的品牌效应深度融合，互相渗透，在催生新的商业模式的同时，为优化产业结构提供良好的生态化环境，以更低的成本，更高的服务质量为消费者提供服务。
三、互联网企业：面向企业端服务延伸
（一）整合客户资源和数据资源，发挥规模效应
尽管互联网企业在传统企业数字化转型中发挥了重要作用，但是取得的突出成就主要还是集中在政府服务供给数字化方面，而未来将会有各行各业的企业加入到这个队伍中来，这就要求互联网企业对客户资源和数据资源进行整合，发挥规模效应，打造开放的“一站式”平台，引导区域行业园区等不同层次的整体开放资源，构建数字化技术即解决方案社区，为更多企业打通数据壁垒，实现网络资源的共享和服务效率的提升。
（二）向服务业垂直行业全面延伸，完善服务业领域布局
互联网企业应该从服务业垂直行业全面延伸，完善服务业领域的整体布局，成为培育企业技术中心、产业创新中心和创新服务综合体。以“产业+互联网+金融”的模式为例，金融和实体产业通过产业互联网形成双向连接，“科创中心+龙头企业+产业金融”的模式，使得产业链、创新链和资金链变得更加开放，财政股权投资，社会产业投资和银行信贷投资组成的金融系统更加稳定，同时借助第三方支付金融超市连接与银行相关的整个金融系统，产业可以用金融工具打造孵化和并购的资金池，为产业资源聚合和资产规模放大提供可能，从而串联整个生态圈，重塑产业结构。
（三）完善人工智能数据平台等关键平台建设
产业互联网生态系统建设中，关键的一环就是平台搭建，平台模式是数字化转型和落地的主要实现模式，也是网络化协同推进的重要途径，利用人工智能数据技术推动大型企业云平台的建设，一方面可以成为产业要素资源的连接台，作为产业数字化转型的“工具箱”，破解中国企业数字化转型的“不敢转、不会转、不愿转、不善转、不能转”难题，另一方面可以构建多层次多企业协同推进机制，大企业云平台的实现，使得小企业可以依托平台接入数字化智能系统，平台可以利用云接入其云处理等技术，共享所有数字资源和数据能力，分布在平台上的企业可以利用平台对企业自身的资源、业务、生产供应链等多个环节进行优化，实现生产能力、创新资源等的对接，推动内部系统纵向集成和供应链上下游企业的横向集成，实现“产学研”系统一体化，加速形成数字合力，共同创造价值，促进产业生产效率和质量产生质的飞跃。
（作者蒋媛媛系上海社会科学院应用经济研究所副研究员，杨江涛系上海社会科学院研究生院经济研究所硕士研究生。本文系国家社科重大课题《推动互联网、大数据、人工智能与实体经济深度融合研究》的阶段性成果）
促进人工智能与制造业深度融合发展的难点及政策建议
摘要：为加快实体经济复苏并抢占未来产业制高点，主要发达国家都在加强相关战略部署，促进人工智能与制造业深度融合。近年来，国内外在人工智能与制造业融合发展领域的实践取得可观成效，提升了制造业生产效率与经济效益、能够有效缓解人力成本上涨压力并弥补了人类劳动者的不足，提高生产柔性化程度从而实现低成本大规模定制，较为准确地预测市场与匹配供需，促进制造业服务化转型，增强制造业质量控制能力。进一步推进人工智能与制造业深度融合是一项复杂的系统工程，世界各国都面临人工智能标准化制定与实施、互联网技术攻克、信息安全保障、复合型人才培养储备等一系列共同的问题和挑战，而我国还需面对关键核心技术、融合发展创新模式及引领全球融合发展趋势的制造业企业等缺乏问题。对此，我国应通过多方协同发展促进人工智能与制造业深度融合。国家层面，高度重视人工智能与制造业的深度融合，进行科学规划，并建立以基础研究为重点的国家实验室产业层面，构建机器学习所需的工业大数据库，夯实大数据基础，推动人工智能与制造业深度融合的模式创新和业态创新企业层面，鼓励我国优势制造业企业进行逆向整合，掌握核心要素资源，加强与互联网和人工智能相关企业的战略联系在配套方面，调整制造业相关的高等教育和职业教育体系，以适应制造业步入人工智能时代的需要，同时评估和防范人工智能发展过程中可能引发的社会问题。
关键词：人工智能；制造业；深度融合；国家战略
本文是研究阐述党的十九大精神国家社科基金专项课题“推动新一代信息技术与制造业深度融合研究——基于新时代和新工业革命的视角”（编号18VSJ054）的成果。
人工智能是新一代信息技术的代表，被主要发达国家视为提升核心竞争力的战略性产业。近年来，我国在人工智能技术研发、商业开发方面飞速发展，成效逐渐显现。党的十九大报告提出“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”，［1］明确了促进人工智能与以制造业为主的实体经济部门深度融合的战略决策。此后出台的《促进新一代人工智能产业发展三年行动计划（2018—2020年）》，进一步强调以推进人工智能和制造业深度融合，加快制造强国和网络强国建设。随着一系列国家层面的战略、规划、政策的颁布和实施，人工智能与制造业融合发展的重点和方向逐渐清晰，支持政策的体系框架逐步完善。当前，人工智能和制造业融合发展在实践层面处于起步阶段，进一步推进人工智能和制造业深度融合是一项复杂的系统工程，世界各国在不断探索中都面临人工智能标准化制定与实施、互联网技术攻克、信息安全保障、复合型人才培养储备等一系列共同的问题和挑战，而我国还需面对缺乏关键核心技术、融合发展创新模式及引领全球融合发展趋势的制造业企业等问题。［2］因此，相比发达国家，我国实现人工智能与制造业深度融合发展的需求更加迫切。在全球传统制造业发展迈向人工智能时代的背景下，我国应搭乘国际人工智能高端科技发展的快车，提升制造业生产效率与经济效益，促进传统制造业转型升级，并向全球价值链中高端攀升，实现制造大国向制造强国和网络强国的根本转变。
一、人工智能发展趋势及我国优势
（一）人工智能逐渐呈现新的发展趋势
近年来，人工智能技术研发不断取得突破，且在具体的产业化、商业化项目中的应用也更加广泛。人工智能逐渐呈现新的发展趋势。第一，“深度学习”+“大数据”成为人工智能发展的主要技术路线。如，人造神经网络使机器人可以与人类一样学习和思考，使其能够处理更加复杂的任务。这一技术路线已成为大多数人工智能企业的主要研究方向，实现了人工智能的快速技术进步。第二，人工智能逐渐从仅限于实验技术研发阶段迈入技术研发与产业化发展同步进行阶段，在图像和语音识别、科学研究、预测分析等方面均已有成熟的商业化产品，催生多种新业态，并助推其迅速成长。第三，人工智能的应用领域逐渐从商业、服务业向制造业、农业拓展，使得人工智能的通用技术和基础技术特征进一步显现。［3］
（二）我国发展人工智能的突出优势
1.我国人工智能趋于多方位发展。人工智能作为新兴产业，拓展了很多新兴产业仅在某一领域或产业链的某一环节具有优势的片面式发展方式，趋于多方位发展。我国人工智能发展在很多方面和领域与发达国家的技术研发、产业化应用同步，甚至在部分领域实现了赶超。从技术研发角度看，在“深度学习”“深度神经网络”等领域，我国在全球知名期刊上发表论文的数量已经超过美国专利申请数量也仅次于美国位居全球第二百度在2015年开发的“深度学习”语音识别的准确率达到97%，被《麻省理工科技评论》（MITTechnoglyReview）评为2016年全球十大科技突破之一，［4］这是我国人工智能技术研发达到世界一流水平的重要标志。从投资、融资角度看，我国在人工智能领域的投资自2010年开始进入爆发期，最近两三年投资增长速度进一步加快，投资额仅次于美国，居全球第二，2017年我国人工智能初创企业融资额高达73亿美元，超过美国成为全球第一。［5］从产业发展角度看，近年来我国人工智能产业规模年均增速近40%，截至2017年末产值约达到150亿元［6］人工智能产业体系初具雏形，北京、上海、深圳、成都等城市人工智能产业聚集区已经形成百度、阿里巴巴、腾讯三巨头在人工智能领域快速发展，同时，中小企业和初创企业也通过细分领域实现创新产品和服务模式的快速成长，如，在机器视觉识别领域已有100多家成规模的自主品牌，300多家代理商，100多家专业机器视觉系统集成商。［7］
2.我国人工智能市场化应用优势明显。在众多人工智能核心技术研发领域，发达国家具有我国短期内难以超越的优势和资源，其人工智能的商业化运营主要是依靠技术进步推动的。我国虽然在核心技术研发方面的领先优势不足，但作为全球人口最多、移动通讯用户最多、手机应用下载和在线用户最多、制造业规模最大的国家，我国是全球最大的人工智能应用市场。为支撑人工智能应用市场需求，近年来，我国以率先实现商业运用为引领，实现了人工智能市场化应用的高速发展，尤其在实现人工智能应用的场景优化及其相应的商业布局方面走在世界前列。如，百度将语音技术、图片识别技术与O2O服务场景融合，用户只需要输入一段语音就能够预订电影票、酒店和景区门票阿里巴巴、京东等电商平台通过大数据挖掘为用户推送具有潜在购买欲望的产品腾讯以微信、QQ为平台向客户精准投放感兴趣的新闻和广告等等。
二、国内外人工智能与制造业融合发展的主要实践成效
制造业经过机械化、自动化、数字化等发展阶段，目前正在逐步进入人工智能时代。在制造业顺应时代潮流积极创新发展和转型升级的过程中存在一些障碍和短板，主要表现为传统制造业通过管理和技术革新提升效率和效益的方式难以克服“天花板效应”、人工成本不断攀升且人的不确定性增强、技术研发的高风险和长周期影响创新的积极性、企业柔性化程度难以满足个性化小批量市场需求、产品质量控制难度增大使真正意义上高质量发展难以实现等等。这些问题的存在是造成我国制造业难以进一步缩小与世界领先差距的主要原因。人工智能作为一个虚拟劳动投入，具有横跨多个学科的专业能力和执行力、敏捷性和适应性、重复工作和自我学习等方面的优势，形成比人类劳动者和制造业传统运营方式更强的竞争力。因此，从制造业和人工智能两方面考虑，短期内，制造业中部署人工智能的目标是通过精密的算法弥补人类专业能力和洞察力的不足和缺陷，突破制造业传统经营模式的局限，促进制造业的转型和升级。但在初始阶段，人工智能与制造业融合发展的实现路径一定是在某些特定行业、特定领域率先进行实践。一方面，人工智能在很多领域和层面的表现尚未达到人类劳动者的传统制造业投融资管理、技术研发、生产加工、组织协调、营销策划的要求，此时人工智能与制造业融合发展一定以发挥人工智能在特定领域和层面的优势为原则另一方面，制造业各部门面临转型升级的困境和短板不同，其价值链的形态也有区别。人工智能一定是在其自身具有比人类劳动者更大的竞争力，并且某个制造业部门在提升价值链迈向中高端水平或转型升级补齐短板过程中的需求恰好与人工智能所具有的优势相匹配时，就会率先实现人工智能与制造业的融合，并取得可观成效。
（一）提升制造业生产效率与经济效益
国际金融危机后，世界经济持续低迷，各国都在寻求提高生产效率带动实体经济复苏的方法，我国制造业更是面临全要素生产率下降甚至负增长的局面。［8］改革开放以来，我国依靠技术引进、管理变革实现了制造业部门效率和效益的显著提升，但随着制造业装备条件、技术和工艺水平、管理能力接近和达到世界领先水平，继续依靠传统手段进一步提高生产效率和经济效益的空间已经很小。近年来，以人工智能为代表的新一代信息技术在商业上的运用取得颠覆性的效果，极大提高了商业和服务业的效率和效益。随着人工智能在制造业应用条件的改善、应用场景的增多，人工智能逐渐成为一种全新的投入要素，改变生产函数，从而为制造业生产效率和经济效益创造新的上升空间。如，自2015年起，我国陆续在30个省（市、区）、82个行业中遴选了206项智能制造试点示范项目。根据工业和信息化部的统计，试点示范项目智能化改造前后对比，生产效率平均提高30%以上，最高提高两倍以上运营成本平均降低20%左右，最高降低60%，［9］试点示范项目效率提升和成本下降的幅度是通过传统手段难以达到的。
智能工业装备的使用是人工智能提高制造业生产效率和经济效益的重要途径。与自动化时代的工业装备比较，智能工业装备主要在三方面能够进一步促进企业效率和效益的提升。第一，大多数自动化装备以单机为工作单元，设备与设备之间协作较少智能化装备建立在工业互联网基础上，所有设备在统一平台上进行数据交换，接受统一指挥。第二，自动化设备只能执行事先预设的任务，完成固定不变的工作智能化设备由于安装各类传感器，能够自主调整、优化和修正，排除大多数故障，大大降低了对工程师的依赖，也减少了设备停机时间。第三，智能化装备拥有“学习”能力，随着数据量的积累能够辅助管理者，或者自主决定生产任务、调整生产计划，这是自动化设备不具有的功能。如，位于德国海德堡的ABB智能工厂主要生产微型断路器等电气产品，通过应用ABBAbility数字化解决方案，采用了7种智能机器人后，该工厂完全进入自主工作模式，机器人根据前序工段的情况进行自动调整，确保工厂始终处于最佳状态。互联网智能机器人的应用又将原本已经很高的生产效率进一步提升了3%，装配线的灵活性也极大地提高，同时产品种类比之前丰富了3倍。
（二）有效缓解人力成本上涨压力，弥补人类劳动者的不足
随着经济持续增长和人口老龄化的日益严重，劳动力供给逐渐减少，人口红利逐渐消失，劳动力成本不断上涨。我国尚处于工业化中后期，是成为工业化国家最艰难也是最困难的爬坡阶段，很多后发国家没有能够最终实现工业化进入发达国家行列都是在这一发展阶段没有实现根本转型。近几年，我国将人工智能作为一种新的投入要素，在很多岗位和领域替代了人类劳动者，大大降低了制造业的劳动力密度。如，美的是空调行业自动化和智能化水平较高的企业，在2011年，美的空调板块仅有机器人50台，工人数量高达5万人，而到2015年，机器人装机超过500台，用工数量下降到2.8万人。通过使用智能化机器人，企业不仅增加了产量，而且缩减了近一半的人类劳动者。
制造业产品质量水平与工人的技能水平、工作态度密切相关。企业的现场管理能力提升、质量检测级别提高能在一定程度上减少产品质量波动，但人的情绪、状态始终是无法被完全控制的，人类劳动的精细化程度和耐力水平也是有上限的。相比较而言，机器设备不存在情绪和疲劳等问题，且能够在极高精度水平下保持每次动作的一致性。从人类工业化历史看，新设备的出现，总是最先在人类最不愿意从事，或者人类没有能力胜任的岗位上替代人类劳动者，某种程度上，循序渐进的“机器换人”实际上提高了人类的福祉，只有在人类自身教育水平和素质提高的速度跟不上技术进步的需要时，“机器”才会危及人类就业。很多实证研究都发现，智能机器人密度与产品的质量和性能成正比，通过提高具有人工智能功能的工业机器人密度，可以有效提高产品生产品质和产业发展质量。
（三）提高生产的柔性化程度，实现低成本的大规模定制
第二次工业革命的一个显著特征是通过规模化、标准化、流水线的方式实现了低成本大规模生产，同时也造成了制造业的刚性越来越强。工业设备解决的是确定性问题，如果客户根据自己的需求订购一款产品则会产生额外成本。二十世纪末，戴尔等企业提出了大规模定制化生产，但这仅限于模块化程度很高的产品，所谓的“定制”也仅仅是有限的模块组合选择。而当前市场需求的一个重要变化是更加多样化和个性化，模块组合式定制模式已不能满足市场需求，能够在更低成本的条件下满足小批量、定制化的客户需求才能获得制造业的核心竞争力。传统制造企业柔性化程度较低主要是由于机器设备和流水线的刚性决定的，调整生产线需要花费时间和资金，面对巨额定制成本，很多企业无法为小批量定制化的产品安排合理的生产。人工智能的应用显著提高了制造企业的柔性化程度，满足低成本大规模定制的需求。如，日本工业机器人公司发那科与思科厂商合作，创建了发那科智能尖端连接和驱动系统（FIELD），这是一款依托先进机器学习技术的分析平台，捕捉并分析来自制造流程各个环节的数据，由此改进生产作业，减少工厂停机时间的人工智能系统。据估算，一家大型汽车制造商每分钟的停产成本高达2万美元。目前，FIELD系统已经在一家汽车制造商完成了为期18个月的“零停机”试点，在此期间，不仅节省了巨额的停产成本，而且多次改变生产计划满足客户定制需求，提高了企业生产的柔性化程度，实现了低成本的大规模定制生产。
（四）较为准确地预测市场与匹配供需
全球新科技革命和产业变革背景下，市场需求更新速度加快。人工智能可以实现对海量数据的实时跟踪，并且具有自我学习能力，能够从复杂的市场信息中挖掘有价值的内容，准确把握市场动向，并基于有效数据给出最优建议，同时通过工业物联网系统将指令传递到价值链各个领域、环节。人工智能在整个产业链上匹配最佳生产计划的准确性，已经超出了最优秀管理者和传统信息系统的极限。如，ABB北京低压工厂通过应用MES生产管理系统、机器人和无线终端，实现了从下单到交付整个价值链的全方位智能化升级。MES生产管理系统可对客户订单实时响应，基于客户需求自动对生产设备和加工参数进行配置，装配线在人工智能的支持下完成组装和测试，采用人机协同作业模式。客户需求和生产制造的无缝衔接，使企业能够较为准确的预测市场需求，并根据需求匹配产品供给，不仅提升了产品和服务质量，也缩短了产品交付周期，进一步提升了效率和收益。尤其对于规模经济比较突出的化工和冶金行业，预测市场和匹配供需的难度更大。人工智能的介入能够打通制造企业与客户之间的信息流，还能够通过大数据的采集、分析和预测，帮助制造企业在合理的成本范围内为客户提供定制化的制造。如，南京钢铁集团应用人工智能打造定制化业务平台，重构客户关系模式，并通过定制化业务平台，实现了准时制生产，定制钢材的准时配送率高达100%。同时，下游企业也因此获益，船厂的库存由原来的2个月减少到7～10天，库存资金占用大幅减少。即使在全球造船行业进入下行周期的不利环境下，南京钢铁及其下游船厂通过与人工智能融合依然实现了逆势增长，有效降低了成本、提高了效率。
（五）促进制造业服务化转型
制造业和服务业的融合是制造业发展的主要趋势，也是制造业转型升级的重要方向。人工智能的应用不仅能够大幅度降低制造业进入服务领域的成本，并且可以创造更多制造业与服务业融合的新方式和新业态。如，日本小松机械在生产工程机械的基础上推出了智能化工程服务项目，实现了由一队无人机测绘三维地图，并指导智能机器人控制大型工业车辆作业，帮助用户大幅提高施工效率和品质。运用人工智能技术的各种先进设备为制造企业的服务化转型提供了支撑，有效提高在维护服务环节的效率。如，德国电梯厂商蒂森克虏伯公司与微软合作，为其旗下2.4万名技术工人配备了集成人工智能技术的增强现实眼镜，在安装、检修电梯设备时，智能眼镜能够辅助工程人员识别现场使其获得技术支持，可有效提升精准度。业务升级后，技术工人的工作效率得以大幅提升，以往需要2小时才能解决的问题在增强现实眼镜的帮助下20分钟就能完成。
（六）提升制造业质量控制能力
质量控制一直是制造业现场管理的重要内容，在工业产品同质化趋势明显的情况下，国家之间、企业之间、品牌之间产品竞争的胜负与质量控制密切相关。人工智能可以提升质检水平，提高产品良品率。如，基于人工智能的机器视觉工具分辨率远超人类肉眼识别的水平，可以发现极为微小的产品缺陷。这样的人工智能系统不仅能迅速检测出缺陷，还能分析、识别出故障发生的根本原因，并基于此给出具体的解决方案，能够有效提高产品整体的质检通过率。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，快速侦测出不合格产品，并指导生产线进行分拣，不仅提升了质检效率、降低了人工成本，而且提升了出厂产品的合格率。人工智能能够在制造业生产线各个环节全面并实时监控生产全过程，与传统的在终端抽检方式比较，实现对产品全流程的质量监管。如，保利协鑫与阿里云合作建设的智能工厂，人工智能对产品生产过程中60个关键参数实时监控并搭建参数曲线，使晶硅切片良品率提高了1个百分点，这相当于每年为企业增加上亿元的利润。
三、我国人工智能与制造业深度融合的难点
无论从全球还是国内看，当前，人工智能以及其颠覆性技术的应用场景主要还是集中于商业领域，因受专用性限制和数据量规模约束，人工智能与制造业的融合场景主要是在非制造的研发、营销和售后服务环节。腾讯研究院发布的《2017年中美人工智能创投现状与趋势研究报告》对当前我国人工智能在各个行业的渗透进行了分析，研究表明，医疗、汽车、教育、金融等行业与人工智能融合的程度高于制造业。［10］而事实上，人工智能与制造业深度融合能够带来的效率和效益改进，促进经济增长和产业发展的效果要远远高于其他行业。根据ABB的研究分析，人工智能与制造业深度融合，能够带动我国GDP增长率提高1.4%。［11］埃森哲比较了人工智能对我国各个行业部门增加值增速的影响，预计到2035年，制造业因人工智能的应用其增加值增速可以提高2.0%左右，是所有产业部门中提高幅度最大的。［12］可见，真正实现以科技创新重塑我国实体经济，人工智能在制造业领域的大规模应用非常关键。而进一步促进人工智能与制造业深度融合发展。现阶段必须高度重视影响我国人工智能与制造业深度融合的主要难点问题。
（一）人工智能与制造业深度融合所需的制造环节数据难以开发利用
人工智能与制造业深度融合发展需以大数据为基础，而相对于消费环节，制造环节数据的可获得性、可通用性、可开发性明显更弱。消费者相关的数据，如对某类产品的喜好等，较容易搜集、整理和读取而制造业机器设备生成的数据通常较为复杂，多达40%的数据是没有相关性的。此外，相对于消费环节数据可由电子商务平台以较低成本获取，制造环节的数据需要安装大量高精度传感器，不仅前期投入需要巨额资金，后期的日常维护也会产生检修成本和人工成本等。而且即便是在数据获取之后，制造环节数据经过人工智能处理分析的结果被决策者认知的难度也很大。根据统计，制造业企业的数据中约有90%是“扁平的”，这些数据不能进行关联，也无法被人工智能系统读取和使用。［13］另外，信息安全难以保障、缺乏相应的互联网技术支撑等问题同样严重制约制造环节大数据的开发和利用，对人工智能与制造业深度融合产生不利影响。
（二）人工智能与制造业深度融合不能采用可复制的系统和整体解决方案
人工智能必须根据制造业部门的具体场景进行定制，简单照搬模版式的制造业商业化人工智能解决方案是不可行的，也不存在一个能够被绝大多数制造业部门接受的统一的人工智能系统。与商业环节的人工智能应用不同，不同制造业之间技术、流程差异巨大，对人工智能有不同需求，一个人工智能系统难以胜任所有制造业部门的需要。事实上，在制造业自动化、信息化升级时，制造业间的差异性就决定了不同制造部门会引进不同的自动化和信息化系统，最常见的方式是由行业领军企业自主开发或与信息化公司合作开发一套软硬件体系，再逐步扩散到整个行业，这与商业领域采用较为统一的信息平台进行信息化升级的方式有明显不同。
（三）缺乏人工智能核心技术及人工智能与制造业深度融合发展创新模式
虽然我国人工智能在商业应用领域的发展走在世界前列，但支撑人工智能与制造业深度融合发展的最关键和核心的技术仍然被发达国家控制，器件、生产装备也多为发达国家研发和生产。如，人工智能处理器市场几乎被国外公司垄断，其中，人脸识别人工智能处理器的产品市场以英伟达、英特尔、赛灵思公司的供应为主，而英伟达公司同时还是全球最先进无人驾驶处理器的供应商。相比较，我国人工智能企业产品在制造业很多领域的市场占有率非常低。如，在目前公布的39家进行人工智能芯片开发的中国企业中，绝大多数的研发面向安防和消费应用，只有一家在进行自动驾驶方向的研究。同时，智能制造、工业互联网、工业大数据的应用模式和解决方案主要源自美国、日本和欧洲的领先制造企业，而我国虽有全球最大规模制造业体系，但在人工智能和制造业深度融合模式上仍缺乏创新，尚未形成完善的人工智能与制造业深度融合的中国模式。
（四）缺乏能够引领全球人工智能与制造业深度融合发展趋势的制造业企业
我国人工智能与制造业融合仍有较大发展空间，需要影响力较大的制造业企业引领带动。我国制造业信息化始于20世纪90年代末，虽发展较快，但与发达国家跨国制造企业比较，在信息化的广度和深度上还有明显差距。实现人工智能和制造业深度融合的基础较为薄弱，且缺乏能够引领全球人工智能与制造业深度融合发展趋势的制造业企业。中国社会科学院工业经济研究所近年来对国内若干制造业企业的调研发现，超过90%企业的领导者对人工智能的理解是不准确的，在如何实现人工智能与制造业深度融合方面没有具体的计划和措施。
（五）人工智能与制造业深度融合所需的复合型人才严重缺乏
复合型人才严重缺乏是国际上人工智能与制造业深度融合发展存在的普遍问题。一直以来，人工智能高端人才通常集中于软件和互联网行业，而制造业部门负责信息化的人员对人工智能概念的理解、对技术的掌握总体上看还很不准确、不全面，难以支撑制造业企业智能化改造升级。从人才供给看，现阶段既了解制造业技术和发展规律，又掌握人工智能关键技术，还能够进行应用开发的复合型人才严重缺乏。虽然国内外一些高校已经开始设立人工智能专业或课程，但是针对制造业的人工智能教学内容还很少。
四、促进我国人工智能与制造业深度融合发展的政策建议
主要发达国家都根据自身特点，探寻人工智能与制造业深度融合的发展方向和有效措施。如，美国将下一代机器人作为人工智能与制造业深度融合的重要载体，旨在弥补美国发展实体经济最重要的短板——劳动力成本劣势德国“工业4.0”计划中包含构建嵌入式制造“智能生产”系统的内容，以形成“智能工厂—智能产品—智能数据”闭环，驱动生产系统走向智能化英国凭借人工智能在教育领域的优势培养储备复合型人才，重构制造业价值链，重点支持大数据开发、能效计算、卫星及航天等前沿产业领域，利用人工智能重构产业竞争优势日本重点围绕巩固“工业机器人”强国地位，一方面促进新一代工业机器人的商业运用，另一方面利用工业机器人的使用获得数据，形成工业大数据库。虽然各国选择的重点领域和方向有所不同，但总体看，发达国家促进人工智能与制造业深度融合无一不是在加强基础研究、大数据构建、形成应用场景以及加强复合型人才培养等方面进行探索和努力。因此，我国要在人工智能时代巩固和提升制造业在全球的竞争优势，就应根据当前我国制造业转型升级的发展需要，针对人工智能与制造业深度融合的难点，从以下多个方面加快补齐短板。
（一）编制制造业人工智能技术路线图
由行业主管部门主导，其他政府部门、产业界和学术界专家共同编制制造业人工智能技术路线图，可以帮助制造业企业及时、准确地把握人工智能技术、产业发展现状及未来发展趋势。在编制制造业人工智能技术路线图过程中，需要更为关注制定技术战略图及预测过程本身，因为在这一过程不仅可以形成对人工智能技术发展趋势的共识，更为重要的是可以形成学术界与产业界之间的知识互动，推动学术界与产业界之间、不同领域之间围绕人工智能技术和人工智能与制造业深度融合的发展方向及可能出现重大突破的领域进行深入交流和探讨，在知识互动过程中形成多学科知识融合、专业知识扩展，而这正是未来人工智能技术创新与应用发展的一个重要基础。制造业人工智能技术路线图制定完成后，需要定期和不定期根据技术和产业发展情况、趋势进行调整，从而更好地指导下一阶段的技术创新和产业化应用。
（二）组建以基础研究为重点的人工智能国家实验室
以官办研究机构为基础，联合领先互联网企业和制造企业组建人工智能国家实验室。人工智能国家实验室应聚焦于任务导向型、战略性前沿基础技术的研究，依靠跨学科、大协作和充沛资金支持开展人工智能领域的协同创新和战略性研究，加强在大数据智能、人机混合智能、群体智能、自主协同等方面的基础理论研究，并前瞻性布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。加强国家实验室与制造业企业的联系，建立理论研究与市场应用的对接渠道。
（三）构建制造环节的工业大数据库
电子商务是人工智能技术最初的应用领域之一，其中一个原因是消费环节已经形成大数据，使得机器学习有迹可循。相比较，工业领域主要以企业私有数据库为主，且数据规模有限、数据质量不高，严重制约人工智能在工业领域的“自主学习”。要实现人工智能与制造业深度融合，就必须在制造业领域加强数据获取和整合，以企业私有数据库为基础，打造全球领先和规模最大的制造业大数据库，并逐步形成自主标准体系，提高人工智能的安全性和稳定性。
（四）促进人工智能在制造业领域的应用研究和模式推广
鼓励支持企业层面建立人工智能与智能制造创新中心。创新中心聚焦于人工智能在制造业应用中共性技术的研发与推广。人工智能与智能制造创新中心可采取“公私合作”，运营经费来自于财政、政府的竞争性采购和市场。在治理机制方面，由技术专家、政府官员、企业家代表和学者共同组成专业委员会作为最高决策机构，创新中心最高管理者采取公开招聘的方式，通过专业委员会和管理社会化减少政府的行政干预，保证创新中心的高效运营和专业管理。
（五）鼓励制造业企业利用综合优势实施逆向整合
充分利用我国在制造环节人工智能应用场景优化及其相应商业布局方面所具有的显著优势，整合利用全球创新资源，尤其是整合利用人工智能基础技术、核心技术及关键零部件、装备领域方面的创新资源。具体看，鼓励国内优势制造企业以应用技术上的优势、庞大的国内市场、巨大的潜在利润空间与较强大的资本力量为后盾，加强与国际领先人工智能企业在核心技术、关键技术方面的研究开发合作。对于发达国家封锁、我国企业不能通过引进方式获得的人工智能关键核心技术与装备，可通过主动走出去的方式尽可能融入发达国家的本地创新网络，逐渐积累相关的核心技术能力。［14］鼓励我国领先制造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，以充分利用国际技术、资本、人才等创新资源，提升核心技术、关键技术领域的研发能力。鼓励有实力的本地企业“走出去”获取国际高端技术要素，兼并具有技术实力的外国中小技术公司，转移和消化吸收国际新兴技术。
（六）逐步形成适应人工智能与制造业深度融合发展的高等教育与职业培训体系
虽然在历史上从未造成由于技术进步导致的长期失业，但引起就业结构性变化是必然的。人工智能与制造业深度融合会对简单程序化、无需太多创造性思维的脑力劳动岗位形成冲击，同时在体力劳动岗位上加速机器对人的替代。而现有的大学专业设置和职业培训课程并不能适应新发展、新需求，未来人工智能与制造业大规模深度融合，制造业结构性失业风险较高。对此，应在短期内对人工智能与制造业深度融合直接形成冲击的相关学科进行调整，减少招生数量规模，同时扩大技能型和知识型职业教育的比重。［15］在大学教育中增设智能制造相关的课程和专业，合理设置学科、完善教材编制，尽快形成教学体系。各级教育支出向智能制造相关专业倾斜，同时改革技术教育体系，满足人工智能时代对技术人才的需求。
（七）评估和防范人工智能发展过程中引发的社会问题
在高科技产物替代人类承担很多生产活动的同时，也对人类社会的运行规则和法规制度产生冲击。不断有新的人工智能通过图灵测试，拟人机器人与真人的区别越来越小，人工智能伦理问题成为需要积极面对和解决的问题，这不仅涉及人工智能的使用安全，对人工智能技术、高科技产品、市场发展方向也至关重要。加强与发达国家的合作，共同应对人工智能可能造成的对传统法规体系和道德伦理的冲击和挑战。建立适当的机制，准确衡量人工智能发展带来的伦理道德、法律法规及社会影响，并且建立一个更加多元化的人工智能委员会，监管不断变化的科技实践，委员会要包括具有广泛代表性的专家、从业人员、非政府代表等，通过明确的规则确保人工智能机器决策过程的透明性和规范性，构建一个结构合理的责任体系，以此确保人工智能的使用安全，提升人工智能与制造业深度融合的稳定性。
参考文献
［1］决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利——在中国共产党第十九次全国代表大会上的报告［EB/OL］.［2018-10-18］.http://cpc.people.com.cn/n1/2017/1028/c64094-29613660.html.
［2］Bo-huLI，Bao-cunHOU，Wen-taoYU，Xiao-bingLU，Chun-weiYANG.Applicationsofartificialintelligenceinintelligentmanufacturing:areview［J］.FrontiersofInformationTechnology&ElectronicEngineering，2017(1):86-97.
［3］杨丹辉，邓洲.人工智能发展的重点领域和方向［J］.人民论坛，2018(2):22-24.
［4］百度语音识别系统入选MIT2016十大突破技术［EB/OL］.［2016-02-26］.中国信息产业网，http://paper.cnii.com.cn/dnis/index.jsp.
［5］美最新报告中国人工智能创企融资额首超美国位全球第一［EB/OL］.［2018-02-24］.驱动中国，http://www.qudong.com/2018/0224/468351.shtml.
［6］2017年中国人工智能产业数据报告［R］.中国信通院，2018.
［7］机器视觉行业投资分析报告［R］.广证恒生证券研究所，2017.
［8］江飞涛，武鹏，李晓萍.中国工业经济增长动力机制转换［J］.中国工业经济，2014(5):5-17.
［9］工信部将新遴选100个左右智能制造试点项目［EB/OL］.［2017-11-26］.央视网，http://news.cctv.com/2017/11/25/AR-TIDCprA8uk4cci7pq7agsz171125.shtml.
［10］腾讯研究院.2017年中美人工智能创投现状与趋势研究报告［R］.2017.http//www.cbdio.com/BigData/2017-08/25/content_5584021.htm.
［11］ABB.人工智能时代的制造业转型升级［R］.2018.http//cdf.cdrf.org.cn/qybg/5019.htm.
［12］埃森哲.人工智能助力中国经济增长［R］.2017.https//www.accenture.com/cn-zh/insight-ai-artificial-intelligence-future-growth.
［13］王珏，黄光灿.全球价值链下制造业嵌入式升级研究［J］.区域经济评论，2017(1):86-93.
［14］段炼.创新驱动导向的“供给创新”与供给侧结构性改革［J］.求是学刊，2017(11):46-51.
［15］刘伟.大数据思维视阈下的高等教育治理变革［J］.内蒙古社会科学汉文版，2017(1):146-150．