人工智能技術在各行業(ye) 已經展現出廣闊的應用前景，不僅(jin) 能帶來生產(chan) 效率的提升，還會(hui) 催生新的產(chan) 品、模式與(yu) 公司，推動整個(ge) 產(chan) 業(ye) 價(jia) 值鏈的重構。發展人工智能也已經成為(wei) 國家之間競爭(zheng) 的製高點之一。

從(cong) 國家發展的長遠角度來看，人工智能將對經濟、社會(hui) 、國防等多個(ge) 領域帶來深遠影響，成為(wei) 全球競合中的重要砝碼之一，是不可錯過的重要發展機遇。人工智能的爭(zheng) 奪是世界未來最主要、最重要的爭(zheng) 奪，將決(jue) 定世界的未來，也會(hui) 重新撰寫(xie) 和定義(yi) 中華民族5000年的曆史，在這個(ge) 爭(zheng) 奪中，中國沒有任何的空間和實踐可以猶豫和後退。

中國是世界上最大的製造業(ye) 大國，製造業(ye) 與(yu) 人工智能的結合是中國從(cong) 製造大國走向製造強國的重要一步，是中國直麵國內(nei) 國際挑戰的重要超車機遇。

本文分析中國製造業(ye) 和人工智能合作、滲透、交融和整合發展，討論中國走向智能製造的必要性和必然性，前瞻中國智能製造的內(nei) 涵和發展，提出“智能製造：中國製造業(ye) 和人工智能共享共贏的未來”的命題。

我們(men) 認為(wei) ，製造業(ye) 與(yu) 人工智能的結合是解決(jue) 中國人口老齡化，製造業(ye) 由於(yu) 裝備和軟硬件平台依賴進口所麵臨(lin) 的缺乏創新平台自動化自主程度較低、製造業(ye) 外移、製造業(ye) 仍然處於(yu) 價(jia) 值鏈低端， 勞動生產(chan) 率較低等問題的重要手段。特別在中美貿易摩擦挑戰下，製造業(ye) 亟待人工智能賦能。

人工智能等新技術為(wei) 製造業(ye) 的發展打開新天地，製造業(ye) 為(wei) 人工智能提供巨大的數據養(yang) 料和落地舞台。沿著數字化、網絡化、智能化的智能製造發展路徑，一個(ge) 包括設備企業(ye) 、軟件與(yu) 服務企業(ye) 、通信和解決(jue) 方案提供商、製造業(ye) 工廠在內(nei) 的全新產(chan) 業(ye) 即將出現。未來智能化的製造業(ye) 將是中國經濟和技術發展的重中之中。

短期內(nei) ，人工智能與(yu) 工業(ye) 機器人在製造業(ye) 落地迅速發展，人工智能協同機器人將解放大量重複、規則的人類勞動。

中長期內(nei) ，伴隨工業(ye) 互聯網的成熟，機器之間、工廠之間得以智能化互聯互通，區塊鏈技術的加入更使得製造業(ye) “全自動運行”成為(wei) 可能，“人工智能+機器人+區塊鏈”模式值得期待。長期看，製造業(ye) 與(yu) 服務業(ye) 將深度融合，標準化生產(chan) 與(yu) 個(ge) 性化定製並存，智能製造為(wei) 人們(men) 構築美好生活提供暢想空間。

製造業(ye) 和人工智能互補共贏

1、人工智能在製造業(ye) 發展前景無限

從(cong) 人工智能技術的發展路徑看，當前人工智能技術成熟或相對成熟的主流技術/算法包括：計算機視覺、深度學習(xi) 、自然語言處理、智能機器人、語音識別等， 這些都能在製造業(ye) 中得到廣泛和深度的發展。特別是深度學習(xi) 應用前景廣闊，幾乎涉及製造業(ye) 的所有細分行業(ye) 而受到廣泛重視。機器視覺、語音技術、機器學習(xi) 、區塊鏈等新興(xing) 技術助力下，人工智能賦能製造業(ye) 前景光明。

(1)深度學習(xi) /機器學習(xi) 是人工智能的關(guan) 鍵算法，主要是設計和分析機器學習(xi) 算法，使得計算機自動“學習(xi) ”——即自動分析和從(cong) 數據中獲取規則，並使用規則來預測未知數據，在製造業(ye) 的預測、經營和管理中有廣泛的應用，例如產(chan) 量和銷售管理，多產(chan) 品並進生產(chan) ，預測性維護等。

機器學習(xi) 通過與(yu) 語音識別、計算機視覺和機器人技術的協同，可以利用大量數據，訓練人工智能，開發在製造業(ye) 的深度功能並發展深層次應用。

該技術目前在學術界研究火熱，處於(yu) 快速發展中，在計算機領域的應用熱火朝天，在模式識別、自然語言處理、數據挖掘中均有突破性的發展，未來在工業(ye) 界特別在製造業(ye) 拓展實際應用、在商業(ye) 上實現落地，將會(hui) 有很大的應用前景。

(2)機器視覺。機器視覺可理解為(wei) 用計算機來模擬人的視覺功能，從(cong) 客觀事物的圖像中提取信息，進行處理並加以理解。

隨著工業(ye) 生產(chan) 複雜程度的不斷加深，越來越多的微加工生產(chan) 流程不斷湧現，隨之而來的是大量不可控製的磨損和消耗。為(wei) 了保證生產(chan) 精度，機器視覺被廣泛用於(yu) 加工件的尺寸測量與(yu) 定位、工序間自動化、檢測(打標識別、信息驗證、質量檢測等)等工序。

(3)語音技術。聲音和對話是人類習(xi) 慣的交流方式，語音識別/合成技術為(wei) 機器與(yu) 人的對話成為(wei) 現實。語音語義(yi) 技術過去兩(liang) 年在各行各業(ye) 快速落地，語音識別/合成、問答和會(hui) 話技術相繼成熟。

語音問答方麵，單句問答結合語音識別/合成以及自然語言處理技術，能夠對單個(ge) 問題進行分析並給出答案。隨著工業(ye) 互聯網和物聯網技術的發展，工業(ye) 場景下語音問答性能不斷提升，逐漸從(cong) 單一功能向全方位智能中樞轉變，主要應用為(wei) 物流業(ye) 中的語音揀選。

(4)區塊鏈。可追溯、高透明度，區塊鏈與(yu) 供應鏈高度契合。可追溯性和透明度是供應鏈至關(guan) 重要的基礎，區塊鏈作為(wei) “分布式賬本”，有十分明顯的公開、透明優(you) 勢，有助於(yu) 解決(jue) 供應鏈中的信息不對稱、不可追溯、曆史信息篡改等痼疾。

基於(yu) 區塊鏈的共享賬本，每一個(ge) 參與(yu) 者都可以實時驗證，確保各個(ge) 環節的活動都擁有同等的可視性，供應鏈中的欺詐與(yu) 錯誤得以減少，庫存管理改善，承運方成本有所降低，信息及時傳(chuan) 達、減少紙上作業(ye) 的延遲，最終得以提高消費者與(yu) 合作夥(huo) 伴的信任度。

(5)機器人技術。智能機器人技術覆蓋範圍較廣，包括計算機視覺、定位、語音識別等，目前智能機器人的某些關(guan) 鍵技術尚處於(yu) 研發階段，且部分零部件如操作係統、連接組件成本較高。

現階段出現的實體(ti) 智能機器人的產(chan) 品尚屬初級，未來的發展前景主要在各類應用領域，工業(ye) 機器人、特殊應用機器人、服務機器人、醫療機器人等發展前景巨大。

(6)大數據信息處理。工業(ye) 生產(chan) 中產(chan) 生的海量數據將與(yu) 工業(ye) 雲(yun) 平台相連，采用分布式架構進行分布式數據挖掘，提煉有效生產(chan) 改進信息，最終將用於(yu) 預測性維護等領域。它將依托雲(yun) 計算的分布式處理、分布式數據庫和雲(yun) 存儲(chu) 、虛擬化技術等。

(7)低延遲工業(ye) 級信息傳(chuan) 輸：傳(chuan) 統工業(ye) 級的通訊大多通過有線方式連接，隨著傳(chuan) 感器和分布式係統在工廠內(nei) 的分布越來越離散，信息傳(chuan) 輸將從(cong) 有線轉向無線，而且信息傳(chuan) 輸的效率需要低延遲、低丟(diu) 包率的特性，TSN網絡成為(wei) 新的要求。

2、中國製造業(ye) 為(wei) 中國人工智能發展提供最大的場景

(1)中國時候世界最大的製造業(ye) 大國。今天，中國是世界上最大的製造業(ye) 大國。 中國之前，全球尚未有任何一個(ge) 國家能在短短的40年內(nei) ，實現由農(nong) 業(ye) 經濟向信息經濟的躍遷。改革開放40年來，我國建立了門類齊全的現代工業(ye) 體(ti) 係，工業(ye) 經濟的實力迅速壯大並躍升為(wei) 世界第一製造大國，也是世界上唯一有完整的製造業(ye) 體(ti) 係、產(chan) 品、和產(chan) 業(ye) 鏈的大國。

世界銀行統計數據顯示，2017年中國製造業(ye) 增加值為(wei) 3.59萬(wan) 億(yi) 美元，占全世界的28.57%，是美國和德國製造業(ye) 增加值的總和，遙遙領先於(yu) 世界其它國家(圖1)，並在2016世界製造業(ye) 競爭(zheng) 力指數排名中(圖2)位居榜首。

另一方麵，製造業(ye) 在中國產(chan) 業(ye) 結構中地位至關(guan) 重要。2017年美國GDP中第二產(chan) 業(ye) 僅(jin) 占19%，而同期中國第二產(chan) 業(ye) 占據GDP的41%、製造業(ye) 增加值占GDP的29%。相較於(yu) 世界其他國家，中國製造業(ye) 在國民經濟中的地位和重要性都要高，也為(wei) 人工智能提供了更大的發展空間。

(2)中國製造業(ye) 產(chan) 業(ye) 結構特性適於(yu) 人工智能應用。在製造業(ye) ，低技術含量(第二產(chan) 業(ye) 、處理常規/可預測/可編程任務)的工人將首先麵臨(lin) 被人工智能替代。中國製造業(ye) 主要由傳(chuan) 統產(chan) 業(ye) 驅動、從(cong) 業(ye) 者技術要求較低，因此其勞動力可以被自動化的程度整體(ti) 較高，重複性、規則性、可編程性較高的工作內(nei) 容將在未來主要由人工智能協同智能化工業(ye) 機器人完成。

基於(yu) 產(chan) 業(ye) 結構和勞動力結構的不同，人工智能替代低技術工人對中國的影響將大於(yu) 美國。MGI(麥肯錫全球研究所)估計中國51%的工作(約3.94億(yi) 全職員工)可以自動化。由此，未來AI對中國經濟增長的驅動力將達1.3%左右，高於(yu) 世界平均水平。

(3)製造業(ye) 可源源不斷產(chan) 生比消費更為(wei) 豐(feng) 富的海量數據，為(wei) 人工智能發展提供豐(feng) 富的“生產(chan) 資料”。根據Monica Rogati 的數據科學需求層次，數據的收集是數據分析、測試、機器學習(xi) 的基礎。僅(jin) 當擁有足量的數據基礎時，機器學習(xi) 才能夠最大程度發揮其效用。

三大產(chan) 業(ye) 的數據產(chan) 生頻率有所不同，第一產(chan) 業(ye) 以一年若幹季為(wei) 周期，服務業(ye) 以月和日為(wei) 周期，製造業(ye) 可以在產(chan) 線運行、檢測、運輸、倉(cang) 儲(chu) 等全過程源源不斷產(chan) 生數據流，為(wei) AI時代的計算提供大量的、相對規則的數據資料，助力機器學習(xi) 進一步的算法優(you) 化、提高預測準確度。

(4)製造業(ye) 與(yu) 服務業(ye) 相融合、構築新的產(chan) 業(ye) 。今天，產(chan) 業(ye) 互聯網已經超越ToB、ToG範疇，未來將以獨特的C2B方式連接智能產(chan) 業(ye) ，幫助B端打通生產(chan) 製造、消費服務的價(jia) 值鏈，構築新的“服務產(chan) 業(ye) 、也服務於(yu) 人”的新型製造業(ye) 服務業(ye) 。

未來將不再有純粹的“製造業(ye) ”或純粹的“服務業(ye) ”，而是兩(liang) 者深度融合，製造業(ye) 將從(cong) 現在的標準化、規模化增添個(ge) 性化與(yu) 定製化的服務屬性。伴隨工業(ye) 智能化的進一步推進，最終有望實現定製化用戶個(ge) 性需求。

物聯網擁有“無界、無價(jia) 、無序”的本質，通過建立自驅動的非線性網絡，有望實現“用戶零距離、流程零簽字、體(ti) 驗零延誤”。高端智造的核心不止步於(yu) 生產(chan) 高端產(chan) 品，而可進一步延伸至為(wei) 用戶提供高端服務，滿足用戶的個(ge) 性化需求。依托智能化與(yu) 高效率的定製美好生活平台，或成為(wei) 全球產(chan) 業(ye) 的下一個(ge) 風口。

3、人工智能賦能中國製造業(ye) 克服挑戰

盡管中國是世界第一製造業(ye) 大國和“世界工廠”，但中國製造業(ye) 仍然處於(yu) 國際分工中價(jia) 值鏈相對低端的位置，麵臨(lin) 著生產(chan) 率增速下降、技術學習(xi) 難度加大，人口紅利消失，製造業(ye) 外移和國際環境的外部衝(chong) 擊的根本性挑戰。

隨著我國經濟發展逐漸步入工業(ye) 化後期，需求拉動對製造業(ye) 資源配置和效率提升的效應正不斷弱化;從(cong) 技術層麵看，我國傳(chuan) 統產(chan) 業(ye) 中的高端生產(chan) 裝備和核心零部件技術長期受製於(yu) 人，技術競爭(zheng) 力差距大;而新興(xing) 技術和產(chan) 業(ye) 領域全球競爭(zheng) 的製高點掌控不足;在全球產(chan) 業(ye) 結構調整中，我國製造業(ye) 增長更多依賴於(yu) 來自發達國家的製造業(ye) 轉移。

在此背景下，在新一輪“製造業(ye) +人工智能”的競爭(zheng) 中把握好機遇，以人工智能技術的連接、融合功能引發傳(chuan) 統製造業(ye) 產(chan) 業(ye) 形態的平台化、網絡化和深度服務化，對於(yu) 我國製造業(ye) 的轉型升級和提升國際競爭(zheng) 力有著重要意義(yi) 。

(1)人工智能提升製造業(ye) 勞動生產(chan) 率。從(cong) 國際比較視角看，中國的單位勞動產(chan) 出較低。2015年，世界平均單位勞動產(chan) 出為(wei) 18,487美元，中國是7,318美元，不及全球平均水平的40%。

伴隨中國產(chan) 業(ye) 結構升級、勞動素質提升及對外開放程度的提高，中國單位勞動產(chan) 出實現過兩(liang) 位數的增長，縮小了和發達國家的差距，但2010年至今中國單位勞動產(chan) 出增長速度下降到6-7%區間。以高新技術接力賦能增長、提高中國勞動生產(chan) 率時不我待。

(2) 人工智能幫助製造業(ye) 直麵人口老齡化的挑戰

中國正麵臨(lin) 人口老齡化的挑戰，就業(ye) 傾(qing) 向製造業(ye) 適齡人口未來快速減少。2011年中國出現“人口紅利”拐點，之後青年勞動力人口占比繼續下降， 已從(cong) 從(cong) 2011年的50%，下降到2016年的46%。

根據國務院《國家人口發展規劃(2016—2030年)》，14-45歲人口占比到2030年將下降到32%，適齡人口減少對未來製造業(ye) 的發展將產(chan) 生持續影響。同時，“90後”和“00後”以後的年輕人對從(cong) 事簡單重複勞動的意願較低，中國製造業(ye) 已經出現員工穩定性下降的趨勢。人工智能會(hui) 為(wei) 員工創造從(cong) 普通操作工人向操作機器人的工程師等行業(ye) 專(zhuan) 家發展的更大的成長空間，也為(wei) 企業(ye) 的持續發展創造動力。

數據來源：國家統計局，美國經濟分析局，作者

(3) 以人工智能推動製造業(ye) 裝備創新，減少製造業(ye) 自動化對美德日技術和設備的依賴。我國企業(ye) 運用的自動化設備及技術仍然依賴美德日企業(ye) 。雖然中國企業(ye) 在規模上超過美德日，但產(chan) 品設計和生產(chan) 所需的自動化裝備、方法論和軟硬件平台上，目前還主要依靠西門子、GE、三菱等美德日企業(ye) 。人工智能、大數據等新技術興(xing) 起，為(wei) 製造業(ye) 自主化的進一步升級提供了可能性。

工業(ye) 互聯網提供了大數據信息處理，機器視覺信息獲取，低延遲工業(ye) 級信息傳(chuan) 輸等功能，這些功能對生產(chan) 、運輸、檢測環節帶來新的生產(chan) 力，為(wei) 先進裝備的創新和發展提供了新的契機。

(4)以人工智能解決(jue) 中國製造業(ye) 因勞動成本上升等引起的產(chan) 業(ye) 向第三方發展中國家轉移的挑戰。近年來伴隨中國人力、土地、環保、社保等成本端的提升，以及中美貿易摩擦帶來的挑戰，中國低端製造業(ye) 出現向印度、越南等低成本國家的外遷趨勢。

以電子產(chan) 業(ye) 鏈為(wei) 例，近幾十年來，全球化的電子產(chan) 業(ye) 沿歐美→日本→韓國/中國台灣→中國內(nei) 地轉移，現在部分開始從(cong) 中國轉移至印度/越南等低成本國家。采用人工智能自動化、優(you) 化成本控製的企業(ye) 才能能在產(chan) 業(ye) 遷移的過程中勝出。

(5)人工智能賦能製造業(ye) 全麵提升企業(ye) 經營效益，提升價(jia) 值地位。中國製造業(ye) 普遍麵臨(lin) 利潤空間狹窄的挑戰。人工智能可以從(cong) 產(chan) 品、服務和生產(chan) 三個(ge) 維度幫助製造業(ye) 企業(ye) 實現升級，提升企業(ye) 營收和利潤。

產(chan) 品方麵：軟件賦能硬件的智能升級。通過內(nei) 置新操作係統或更新程序，將人工智能算法嵌入產(chan) 品中，如機械、汽車等，從(cong) 而幫助製造業(ye) 企業(ye) 生產(chan) 全新的智能化產(chan) 品。如騰訊人工智能開放平台對外提供計算機視覺，幫助製造業(ye) 企業(ye) 實現產(chan) 品升級。

服務方麵：提高營銷能力和售後服務水平。利用人工智能算法，幫助製造業(ye) 企業(ye) 優(you) 化營銷能力，提升售後服務水平。1)售前營銷，通過人工智能分析用戶畫像，判斷重點需求，從(cong) 而進行更實時、精準的廣告投放;2)售後服務，以物聯網、大數據和人工智能算法，對產(chan) 品進行實時監測、管理和風險預警。

生產(chan) 方麵：提升設備自動化生產(chan) 能力。將人工智能技術嵌入生產(chan) 過程，提升機器設備的自動化水平，實現在複雜情況下的自主生產(chan) ，從(cong) 而全麵提升生產(chan) 效率。通過機器學習(xi) 建立產(chan) 品的生產(chan) 模型，識別各製造環節參數，判斷其對最終產(chan) 品質量的影響，通過深度學習(xi) 自主判斷最佳參數，從(cong) 而實現完全機器自主的生產(chan) 。

智能製造業(ye) 的崛起

1、智能製造產(chan) 業(ye) 化基本特征

智能製造特征主要有四個(ge) 方麵：以智能工廠為(wei) 載體(ti) 、以生產(chan) 關(guan) 鍵製造環節智能化為(wei) 核心、以端到端數據流為(wei) 基礎、以全麵深度互聯為(wei) 支撐。其中生產(chan) 智能化、數據交流以及製造本體(ti) 深度互聯，正是工業(ye) 互聯網所要解決(jue) 的核心問題。

隨著多項技術的不斷成熟和實際應用，人工智能應用領域不斷拓展，製造業(ye) 企業(ye) 的商業(ye) 世界將會(hui) 被實質性地影響和改變， 並在以下三個(ge) 層麵得到實質性的提升：

(1)自動化達到新高度。隨著機器視覺、語音識別、自然語言理解等感知類技術不斷成熟，各行業(ye) 已嚐試將其引入標準化程度較高的業(ye) 務中，提升行業(ye) 的自動化水平。

例如自然語言理解技術在金融行業(ye) 被應用於(yu) 客服聊天機器人以應對簡單標準的客戶溝通，航空業(ye) 將客服機器人運用在預定機票、辦理登記手續、更換座位等服務中，成本大大低於(yu) 人工服務。

圖像識別和語音識別技術的發展提高了身份驗證的自動化程度和準確度，機器可以利用麵部和聲音進行身份驗證，效率遠高於(yu) 人工判斷或詢問驗證問題。Blue River Technology等領先農(nong) 業(ye) 技術公司將機器視覺應用到提升農(nong) 耕自動化的實踐中，用機器視覺來識別每一株植物，挑出符合要求的植株，向不符合的進行農(nong) 藥噴灑，導致害蟲減少高達90%，田地收成提高。

(2)智能分析與(yu) 決(jue) 策水平提升。人工智能的發展使數據挖掘和分析技術跳出了傳(chuan) 統分析技術的局限，並取得新的突破，大幅度提高了商業(ye) 智能的水平，在風險管理、營銷和服務等領域實現真正的“智能化”，具體(ti) 表現包括基於(yu) 社交媒體(ti) 生產(chan) 信用評分、財務數據分析與(yu) 評論、從(cong) 實時複雜交易模式中發現欺詐等。

(3)新的商業(ye) 模式與(yu) 新產(chan) 業(ye) 誕生。在需求端，傳(chuan) 統行業(ye) 逐漸意識到了人工智能的力量，開始將人工智能作為(wei) 下一個(ge) 增長點。在製造業(ye) 領域，風能發電設備巨頭金風科技應用人工智能技術，對全球風能市場大數據進行分析，對自身產(chan) 品故障和維修進行預測，實現了對運維模式和風場配置的優(you) 化，同時減少電量損耗，降低了運維成本。

在供給端，逐漸形成供給人工智能技術服務及產(chan) 品的新產(chan) 業(ye) ，市場中出現大量的計算機視覺、語音識別、雲(yun) 計算服務等提供商。基礎層、技術與(yu) 算法層與(yu) 應用層均有眾(zhong) 多供給企業(ye) 誕生，同時，橫跨各層次的綜合性巨頭與(yu) 機器人、無人駕駛等垂直領域解決(jue) 方案提供商實力凸顯。

2、智能製造業(ye) 催生新的未來智能產(chan) 業(ye)

在區塊鏈、機器視覺、語音技術、機器學習(xi) 等技術的助力下，製造業(ye) +人工智能將沿著“數字化”、“網絡化”、“智能化”三階段發展，造就一個(ge) 全新的產(chan) 業(ye) 。為(wei) 設備企業(ye) 、軟件與(yu) 服務企業(ye) 、通信與(yu) 解決(jue) 方案提供商、工廠生產(chan) 流程等都帶來新的結構性機會(hui) 。

(1)產(chan) 生新型的設備企業(ye) 。 人工智能等新興(xing) 技術在製造業(ye) 中的應用催生了多種新型硬件設備，如自動光學檢測、自動引導運輸車、激光打標機、協作器人等，為(wei) 硬件設備製造企業(ye) 帶來新的產(chan) 品細分市場：

例如，自動光學檢測(AOI)機器通過攝像頭自動掃描PCB，采集圖像，測試的焊點與(yu) 數據庫中的合格的參數進行比較，經過圖像處理，檢查缺陷，並通過顯示器或自動標誌把缺陷顯示/標示出來，供維修人員修整。

例如，自動導引運輸車(AGV)等倉(cang) 儲(chu) 機器人在行進過程中，通過機器視覺來判斷行進路線、物料位置、周圍環境等重要信息，可以跨流程、跨產(chan) 線、跨區域、跨部門運輸物料、半成品和產(chan) 品，實現生產(chan) 流程柔性化，在自動化物流係統中充分地體(ti) 現其自動性和柔性，實現高效、經濟、靈活的無人化生產(chan) 。

例如，激光打標機用激光在物料上做二維碼或條形碼的打標，同時在製造信息服務器以及各設備上通過物料地圖來定位每個(ge) 芯片的編號和流程。當電子元件檢測出現問題時(尤其是穩定性要求極高的應用端如汽車電子、航空航天、軍(jun) 用產(chan) 品等)，可以追溯該元件的整個(ge) 生產(chan) 流程，並同時排除周邊的芯片所製產(chan) 品已保證產(chan) 品穩定性和可靠性。

協作機器人在高速即時的工業(ye) 通信支持下，結合機器視覺、傳(chuan) 感器、先進伺服電機和安全控製係統，可以準確地判斷人的位置、動作和運動趨勢，感應操作人員的力度、速度、慣性、距離等信息，並針對其狀態調整機器人的狀態和運動。

(2)工業(ye) 軟件與(yu) 服務企業(ye) 開始展露。傳(chuan) 感器、工業(ye) 雲(yun) 、機器學習(xi) 、區塊鏈技術的彼此配合，需要成熟的軟件、算法與(yu) 服務企業(ye) 作為(wei) 支撐，布局數字雙胞胎、預測性維護、車貨匹配係統等應用的軟件服務公司將受益於(yu) AI與(yu) 製造業(ye) 的深度結合：

例如，數字雙胞胎在資產(chan) 的生命周期采用信息化的設計、規劃、生產(chan) 和管理，以近實時的速度傳(chuan) 輸數據，用以保證生產(chan) 的高效、安全和運營風險管理，具體(ti) 實例如DNV GL在其海上油氣勘采業(ye) 務中應用了數字雙胞胎模型。

例如，預測性維護實現機器學習(xi) 技術與(yu) 製造業(ye) 的結合，基於(yu) 被監測設備、物料、環境的信息，依據設備剩餘(yu) 使用壽命、物料良率等指標，可以預測昂貴的維修需求或嚴(yan) 重故障，並在發生嚴(yan) 重損壞之前啟動預防措施與(yu) 維護工作，從(cong) 而達到預測性維護降低企業(ye) 生產(chan) 成本的目的。

例如，區塊鏈與(yu) 供應鏈的結合頗受期待，行業(ye) 領先的區塊鏈服務供應商IBM的區塊鏈服務已經廣泛應用到食品安全、金融、廣告、政府、保險、物聯網等多個(ge) 行業(ye) ，與(yu) 沃爾瑪、馬士基、中國郵政儲(chu) 蓄銀行、聯合利華等行業(ye) 領先企業(ye) 建立合作關(guan) 係。

目前，區塊鏈在供應鏈中的應用主要在高價(jia) 值產(chan) 品(如鑽石)和大型物流(如海運)，未來有望向中型單次運輸量的行業(ye) 滲透，而擁有領先區塊鏈軟件及項目落地能力的企業(ye) 將優(you) 先得益。

例如，語音揀選是語音技術在工業(ye) 上的代表應用，作業(ye) 係統將任務指令轉化為(wei) 語音播報給操作員，並采用電子技術將操作員與(yu) 係統的信息交流轉化為(wei) 實際操作。語音揀選是現代化高效分銷物流過程中不可或缺的一部分，可顯著提高工作效率、減少錯誤，且在冷庫運輸、多項作業(ye) 合並等場景下優(you) 勢凸顯。

(3)通信和解決(jue) 方案提供商的新機遇

前述為(wei) 設備企業(ye) 、軟件與(yu) 服務企業(ye) 帶來發展動能的應用，無一不依托於(yu) 高速的工業(ye) 通信技術和高程度係統互通互聯。通信和解決(jue) 方案提供商扮演提供媒介的角色，其研發與(yu) 項目進展直接關(guan) 係到工業(ye) 互聯網與(yu) 製造業(ye) 智能化的落地速度。

如何運用時間敏感網絡(TSN)/ 5G等通信技術、傳(chuan) 感器、雲(yun) 平台的技術，打破過去工廠內(nei) 生產(chan) 係統(OT)和信息係統(IT)之間的壁壘孕育著巨大商機。

3、無所不包的工業(ye) 雲(yun) 服務

工業(ye) 雲(yun) 是人工智能未來發展的服務基礎，為(wei) 未來長遠人工智能的發展，工業(ye) 雲(yun) 具有5個(ge) 不同層麵的應用場景：

第一層: 及時發現問題

當打通了三個(ge) 維度的數據流、實現了數據的自由流動之後，就能夠通過從(cong) 雲(yun) 端監測到的異常數據，來及時發現問題，將損失的成本降到最低。例如，東(dong) 方國信基於(yu) 跨行業(ye) 跨領域能力打造Cloudiip平台，解決(jue) 工業(ye) 企業(ye) 設計、仿真、生產(chan) 、管理、運維問題。生產(chan) 過程中，根據傳(chuan) 感器數據對現場環境進行感知，避免極端情況發生。

第二層：預測問題發生(產(chan) 品預測性維護)

數據分析程度不斷加深，基於(yu) 設備機理模型和產(chan) 品數據挖掘，可以開展基於(yu) 規則的故障診斷、工藝參數優(you) 化、設備狀態趨勢預測等單點應用。預測性維護是指基於(yu) 被監測設備、物料、環境的信息，預測諸如設備剩餘(yu) 使用壽命、物料良率等指標。

預測性維護係統可以預測昂貴的維修需求或嚴(yan) 重故障，並在發生嚴(yan) 重損壞之前啟動預防措施。服務部門可以快速反應，更換特定零件，或者提前進行維護工作，從(cong) 而達到預測性維護降低企業(ye) 生產(chan) 成本的目的。

以半導體(ti) 生產(chan) 為(wei) 例，設備包括大量的零部件，通常在生產(chan) 廠商所存的零部件有限，如果由於(yu) 磨損導致生產(chan) 停止生產(chan) 公司往往要看零部件的交期才能恢複生產(chan) ，這個(ge) 時間有可能是一周或者一個(ge) 月甚至更久。如果可以預測到零部件的更換時間，通過安排及時的設備維護，生產(chan) 企業(ye) 隻需在預先安排的設備維護時間更換即可避免無法控製的產(chan) 能損失。

第三層: 產(chan) 品全生命周期優(you) 化(數字雙胞胎)

在實現單點優(you) 化的基礎上，下一步是實現從(cong) 產(chan) 品設計、生產(chan) 計劃到製造執行的全過程數字化，將產(chan) 品創新、製造效率和有效性水平提升至一個(ge) 新的高度。數字雙胞胎正是在虛擬空間中完成映射，從(cong) 而反映相對應的實體(ti) 裝備的全生命周期過程。

數字雙胞胎的核心在於(yu) MBE(Model based Enterprise：基於(yu) 模型的企業(ye) )方法，就是要在整個(ge) 企業(ye) 和供應鏈範圍內(nei) 建立一個(ge) 集成和協同化的環境，各業(ye) 務環節充分利用已有的單一數據源開展工作，從(cong) 而有效地縮短整個(ge) 產(chan) 品研製周期，改善生產(chan) 現場工作環境，提高產(chan) 品質量和生產(chan) 效率。按照生產(chan) 的不同環節，可以分為(wei) ：

CAD(Computer-Aided Design，計算機輔助設計)：主要用在產(chan) 品設計環節，對產(chan) 品和工程進行總體(ti) 設計、繪圖、分析和編寫(xie) 技術文檔等。CAD使傳(chuan) 統的產(chan) 品設計從(cong) 紙麵上到計算機中，通過參數的隨時設置和隨時改變，提高了產(chan) 品設計的效率。

CAE(Computer-Aided Engineering，計算機輔助工程)：主要被用在產(chan) 品的工業(ye) 設計環節，用來模仿產(chan) 品在各種物理場情況下的力學性能，即利用計算機求解複雜工程和產(chan) 品結構強度、剛度、屈曲穩定性、動力響應、熱傳(chuan) 導、三維多體(ti) 接觸、彈塑性等力學性能的分析計算以及結構性能的優(you) 化設計等問題的一種近似數值分析方法。

CAE的出現大量解放了人的腦力，已經成為(wei) 工程和產(chan) 品結構分析中(如航空、航天、機械、土木結構等領域)必不可少的數值計算工具，對於(yu) 分析繁雜的各類力學問題尤其見長。

CAM(Computer-Aided Manufacturing，計算機輔助製造)：模仿零部件和夾具在加工過程中的刀軌情況，利用計算機來進行生產(chan) 設備管理控製和操作的過程，把CAD設計好的東(dong) 西用於(yu) 生成驅動數字控製機床的計算機數控代碼。

它輸入信息是零件的工藝路線和工序內(nei) 容，輸出信息是刀具加工時的運動軌跡(刀位文件)和數控程序。CAM能夠大幅縮短產(chan) 品開發周期，減少操作失誤。

第四層：產(chan) 業(ye) 鏈協同：交互定製平台(C2M)

產(chan) 業(ye) 鏈協同是指跨企業(ye) 的製造能力、製造資源等對接。借助雲(yun) 應用，實現大型產(chan) 品設計製造的跨企業(ye) 管理，並且動態采集掌握設備運行狀態，運用大數據分析幫助產(chan) 業(ye) 鏈實現資源最優(you) 化配置。海爾集團的交互定製平台是產(chan) 業(ye) 鏈協同的一個(ge) 很好實例。通過交互平台，消費者可在線定製冰箱、洗衣機、空調等產(chan) 品。

當訂單提交後，互聯工廠將自動生產(chan) 定製化產(chan) 品，日日順物流將產(chan) 品配送至消費者家中。海爾集團領先市場推出定製家電是基於(yu) 領先的智能製造和電商物流能力。通過COSMOPlat，海爾互聯工廠能夠迅速對用戶的定製訂單做出響應。軟件層麵，海爾互聯工廠的核心係統是CosmoIM，它能夠通過信息化、數字化的手段將產(chan) 品和用戶訂單綁定，並解決(jue) 自動排產(chan) 、員工人單績效管理等現場生產(chan) 執行層麵的問題。

硬件層麵，在互聯工廠中可以看到海爾獨創的自動化運輸係統，它可以根據訂單執行情況，自動識別生產(chan) 線需要的物料並配送到位，確保交給用戶的產(chan) 品一定是正確的，實現用戶需求驅動下的柔性生產(chan) 。日日順物流可以將產(chan) 品準確、及時的從(cong) 工廠運輸到消費者家庭。

第五層：開放平台

互聯網化的最終形態是吸引第三方企業(ye) 在自己的平台上開發工業(ye) 應用。工信部在2018年提出的“百萬(wan) 工業(ye) APP培育”也是加快建設工業(ye) 互聯網平台體(ti) 係的一部分，其目的是以應用服務方式實現工業(ye) 知識的沉澱、傳(chuan) 播、複用和價(jia) 值創造，推動實體(ti) 經濟特別是製造業(ye) 向數據驅動型創新體(ti) 係和發展模式轉變。目前在工業(ye) 互聯網App走在最前麵的GE的Predix和西門子的MindSphere。

企業(ye) 發展智能製造的路徑

製造業(ye) 智能化實現路徑：在數字化、網絡化、智能化的相互遞進與(yu) 配合下，企業(ye) 轉型智能工廠、跨企業(ye) 價(jia) 值鏈延伸、全行業(ye) 生態構建與(yu) 優(you) 化配置將有望得以實現。首先，數字化。通過將種類繁多的工業(ye) 傳(chuan) 感器布置於(yu) 生產(chan) 與(yu) 流通的各個(ge) 部分，可以將工業(ye) 過程各主要參數製式數字化，產(chan) 生大量工業(ye) 數據，為(wei) 智能化奠定數據基礎。

其次，網絡化。工業(ye) 通信將傳(chuan) 感器采集到的工業(ye) 數據低延遲、低丟(diu) 包率地傳(chuan) 輸至雲(yun) 端。未來，通信協議標準化、無線通信技術應用將成為(wei) 趨勢。工業(ye) 雲(yun) 是工業(ye) 互聯網最核心的部分，進行海量數據的匯聚、提煉、模型計算等，實現資源優(you) 化與(yu) 預測。

最終，實現智能化。依托區塊鏈和圖像、語音、機器學習(xi) 等人工智能技術，製造業(ye) 企業(ye) 得以在網絡化的基礎上進一步實現智能化，如依托區塊鏈技術進行供應鏈管理、依托圖像技術進行自動光學檢測和倉(cang) 儲(chu) 機器人的使用、依托語音技術進行物流語音揀選、依托機器學習(xi) 進行預測性維護和車貨匹配等。

資料來源：工信部，作者

因此，企業(ye) 製造業(ye) 智能化轉型也可以分為(wei) 數字化、網絡化、智能化三步。在數字化、網絡化、智能化的相互遞進與(yu) 配合下，企業(ye) 轉型智能工廠、跨企業(ye) 價(jia) 值鏈延伸、全行業(ye) 生態構建與(yu) 優(you) 化配置將有望得以實現。

1、第一步：數字化——“感受”工業(ye) 過程，采集海量數據

(1)為(wei) 配合工業(ye) 智能化、實現智能製造，製造業(ye) 工廠在進行數字化、網絡化、智能化的軟硬件應用之前，更為(wei) 基礎的是在生產(chan) 流程上打通設計、生產(chan) 、檢測、搬運、倉(cang) 儲(chu) 、配送等主要環節，高效、科學的生產(chan) 流程設計蘊含著巨大的提質增效、降本減存的機會(hui) 。

(2)工業(ye) 傳(chuan) 感器：工業(ye) 數據的“采集感官”，多類別、廣應用為(wei) 智能化奠基

人工智能的基礎是大量的數據，而工業(ye) 傳(chuan) 感器是獲得多維工業(ye) 數據的感官。除了設備狀態信息以外，人工智能平台需要收集工作環境(如溫度濕度)、原材料的良率、輔料的使用情況等相關(guan) 信息，用以預測未來的趨勢。這就需要部署更多類別和數量的傳(chuan) 感器。

如今，使用數量較多的傳(chuan) 感器包括壓力、位移、加速度、角速度、溫度、濕度和氣體(ti) 傳(chuan) 感器等。現在的工業(ye) 傳(chuan) 感器可以提供監視輸出信號、為(wei) 預測設備故障作出數據支持，可以助於(yu) 確認庫存中可用的原材料，可代替指示表更精確地讀數以及在環境惡劣的情況下收集數據、亦可監測通過網關(guan) 和雲(yun) 的數據傳(chuan) 輸、維護數據安全等。

2、第二步：網絡化——高速傳(chuan) 輸、雲(yun) 端計算、互聯互通

(1)工業(ye) 通信：數據上雲(yun) 的“高速公路”，通信標準化、無線通信技術應用成趨勢

得到大量數據後，如何將數據傳(chuan) 輸至雲(yun) 端呢?這需要依托先進的工業(ye) 級通信技術。和過去在車間內(nei) 直接對數據進行簡單響應不同，企業(ye) 需要把不同車間，不同工廠，不同時間的數據匯聚到同一個(ge) 地方(雲(yun) 數據中心)，進行複雜的數據計算，以提煉出有用的數學模型。這就對工業(ye) 通信網絡架構提出新要求，推動標準化通信協議及5G等新的技術在車間裏的普及。

(2)工業(ye) 雲(yun) ：匯聚提煉海量數據，模型計算資源優(you) 化的場所

人工智能進行計算的場所——雲(yun) 平台。工業(ye) 互聯網最有意義(yi) 的部分是其雲(yun) 計算平台。工業(ye) 生產(chan) 中產(chan) 生的海量數據將與(yu) 工業(ye) 雲(yun) 平台相連，采用分布式架構進行分布式數據挖掘，提煉有效生產(chan) 改進信息，最終將用於(yu) 預測性維護等領域。

在雲(yun) 平台上首先打通數據流和物流，在雲(yun) 上匯聚工廠內(nei) 部的不同維度、產(chan) 品生命周期不同階段、供應鏈上下遊不同行為(wei) 主體(ti) 。其次可以通過運用大數據及人工智能技術進行分析，提煉數字分析模型。

製造業(ye) 智能化及工業(ye) 互聯網具有不同層麵的應用場景。首先，在企業(ye) 層麵主要是內(nei) 部的提質增效，降本減存，從(cong) 傳(chuan) 統製造進化為(wei) 智能工廠，以數據驅動智能生產(chan) 能力。其次，可實現跨企業(ye) 價(jia) 值鏈延伸，優(you) 化跨企業(ye) 的製造資源配置，打通企業(ye) 外部價(jia) 值鏈。

最後，有望實現全行業(ye) 生態構建，以數據驅動生態運營能力，匯聚協作企業(ye) 、產(chan) 品、用戶等產(chan) 業(ye) 鏈資源，不斷沉澱、複用、重構和輸出，實現製造行業(ye) 整體(ti) 的資源優(you) 化配置。

3、第三步：智能化——三個(ge) 維度的整體(ti) 智能化

資料來源：工信部，作者

(1)融合IT/OT，打通工廠內(nei) 部的數據流

過去傳(chuan) 統的製造業(ye) 工廠的內(nei) 部存在信息係統(IT)和生產(chan) 管理係統(OT)兩(liang) 個(ge) 相對獨立的子係統。IT係統生產(chan) 規劃，OT負責執行，不需要過多的互動。未來的智能工廠，需要打通設備，數據采集，企業(ye) IT係統，雲(yun) 平台等不同層的信息壁壘，實現從(cong) 車間到決(jue) 策層的縱向互聯。

(2)打通供應鏈各個(ge) 環節數據流

供應鏈各個(ge) 環節之間的物流會(hui) 產(chan) 生大量的數據。這些物流信息的收集能夠幫助物流行業(ye) 提升效率，降低成本。未來的智慧物流，通過智能化收集、集成、處理物流的采購、運輸、倉(cang) 儲(chu) 、包裝、裝卸搬運、流通、配送等各個(ge) 環節的信息，實現全麵分析，及時處理及自我調整。這需要涉及到將這些數據數字化並累積成足夠的數據庫，需要大量的基礎設施建設。

(3)產(chan) 品生命周期全過程數字化

工業(ye) 互聯網要實現產(chan) 品從(cong) 設計、製造到服務，再到報廢回收再利用整個(ge) 生命周期的互聯。未來的工廠會(hui) 以數字化方式為(wei) 物理對象創建虛擬模型，來模擬其在現實環境中的行為(wei) 。通過搭建整合製造流程的數字雙胞胎生產(chan) 係統，能實現從(cong) 產(chan) 品設計、生產(chan) 計劃到製造執行的全過程數字化，將產(chan) 品創新、製造效率和有效性水平提升至一個(ge) 新的高度。

結束語

在人工智能、工業(ye) 機器人、工業(ye) 互聯網、區塊鏈等多種技術賦能下，未來智能化的製造業(ye) 將值得暢想。短期人工智能與(yu) 工業(ye) 機器人的落地將解放大量重複、規則的人類勞動。工業(ye) 互聯網日益成熟，機器之間、工廠之間得以智能化互聯互通，區塊鏈技術的加入更使得製造業(ye) “全自動運行”成為(wei) 可能，“人工智能+機器人+區塊鏈”模式值得期待。

而伴隨製造業(ye) 與(yu) 服務業(ye) 將深度融合，標準化生產(chan) 與(yu) 個(ge) 性化定製並存，智能製造將為(wei) 人們(men) 構築美好生活。相信在數字化、網絡化、智能化的相互遞進與(yu) 配合下，企業(ye) 轉型智能工廠、跨企業(ye) 價(jia) 值鏈延伸、全行業(ye) 生態構建與(yu) 優(you) 化配置將有望得以實現，製造業(ye) 的深度智能化將不再僅(jin) 存在於(yu) 願景。

未來10-15年內(nei) ，50%的製造業(ye) 將會(hui) 被人工智能取代，中國的主導產(chan) 業(ye) 將發生天翻地覆的變化，並且麵臨(lin) 國內(nei) 外企業(ye) 的新一輪衝(chong) 擊。麵臨(lin) 人工智能時代全新的競爭(zheng) 環境，中國必須迎難而上，從(cong) 當下開始打造人工智能生態，為(wei) 未來全方位跟進時代浪潮打下深厚基礎。

新時代下，人工智能發展的規模之大、速度之快、在國際競合中地位之高，決(jue) 定了中國需要進一步改革開放，以改革政策帶來的製度創新的力量促進人工智能快速發展，占據技術製高點，並形成國際競爭(zheng) 力。

製造業(ye) +人工智能已成為(wei) 中美等國製造業(ye) 競爭(zheng) 的主賽道之一。美國擁有人工智能先發優(you) 勢、領先工業(ye) 製造商基礎以及資金優(you) 勢。中國需要在人工智能的成熟度和行業(ye) 整合上取得突破，這種背景下，能夠率先建立工業(ye) 互聯網技術基礎、並順利將其應用和大規模鋪設至智能工廠、先進製造裝備等領域的國家，無疑將在全球製造業(ye) 競爭(zheng) 中占據優(you) 勢地位。

2018年11月19日美國商務部發布題目為(wei) 《Review of Controls for Certain Emerging Technologies》的法規製定提案預告(Advance notice of proposed rulemaking，ANPRM)，如提案落實，眾(zhong) 多高新科技行業(ye) 將麵臨(lin) 美國出口與(yu) 技術封鎖，為(wei) 已經麵臨(lin) 人口結構、自動化自主程度較低、進口依賴的中國製造業(ye) 的進一步升級造成額外阻礙。曆史階段與(yu) 國際環境挑戰下，中國的製造業(ye) 亟待AI賦能。

但是，人工智能這輪變革是中國和世界第一次站在同一個(ge) 起點上，在人工智能的競爭(zheng) 中，中國第一次有了資本、人才和技術去把握未來。中國實現“彎道超車”有四大信心和條件，一是用戶基數與(yu) 市場潛力。

中國有近14億(yi) 用戶，形成了巨大而多樣化的市場，為(wei) 人工智能的發展應用提供了充足的空間。特別是中國今年來互聯網與(yu) 移動應用和商業(ye) 模式迅速發展，在很多領域已經超越了美國等發達市場的發展水平，結合巨大的用戶基數產(chan) 生了規模巨大而差異化的數據集，為(wei) 人工智能的應用提供了最佳基礎。二是技術差距逐漸縮小。

近年來中國在技術上發展迅速，國際頂級會(hui) 議論文中，出現中國作者名字的占三分之一以上。海外科技人員歸國創業(ye) 的熱潮明顯，人才回流現象加強。此外，中國在超級計算機方麵的潛力巨大，為(wei) 技術的發展提供了加速支持。2017年，超級計算機五百強榜單顯示中國已超過美國，成為(wei) 世界上擁有最快超級計算機、且數量最多的國家。三是創新能力的提升。

“中國創造”已成大勢所趨，時下流行的商業(ye) 模式中有諸多為(wei) 中國首創，例如共享單車、移動支付、直播、手機短視頻等，成為(wei) 海外市場研究與(yu) 效仿的對象。四是資本力量充裕。一方麵政府將創新提升至戰略層麵，高科技領域的政府引導基金可達到千億(yi) 、萬(wan) 億(yi) 的級別。另一方麵大量民間資本渴望找到成長性高的投資機會(hui) 。

據Pitchbook調查，2018中國人工智能領域的投融資已占到全球所有人工智能投融資總額的12%，且其占比仍保持迅速上升趨勢。基於(yu) 以上四方麵原因，中國有望在智能製造領域，百尺竿頭更進一步，從(cong) “世界領先”走向“世界第一”。

中國近年出台多項政策鼓勵智能製造及互聯網、新興(xing) 技術於(yu) 製造業(ye) 的應用結合，然而我們(men) 需要清醒認識到政策與(yu) 製度層麵、人才與(yu) 環境層麵仍存在落地困難。

未來，伴隨中國製造業(ye) 轉型升級意識的增強，人工智能、新興(xing) 技術與(yu) 製造業(ye) 應用進展的進一步推進，以及相關(guan) 行業(ye) 、企業(ye) 、政府三大層麵的政策引領作用的提升，一個(ge) 自動高效、互聯互通、具備前瞻預測能力的智能製造時代將早日到來。