人工智能与工厂

通过企业调查我们发现，不论是从企业获益角度，还是从预算及时间投入角度衡量， 91%的人工智能项目未能达到企业预期。人工智能项目结果与预期差距较大是全球普遍存在的现象。这种落差往往是由以下几方面的问题造成：

既有经验及组织架构障碍;

基础设施条件制约；

数据采集方法及数据质量问题；

缺乏工程经验；

项目规模过大、过于复杂。

83%的企业认为人工智能已经或将在未来五年内对企业产生实际可见的影响，其中27%的受访者认为人工智能项目已经为企业带来价值；56%的受访者认为人工智能将在未来2-5年为企业带来回报。

从技术倾向性来看，更多企业将投资于复合性技术体系，从而优化生产、成本、库存或质量控制等方面，或用于销量、价格预见性维护的预测。对单一技术类别，如视觉监测、机器人定位、专家系统等技术的投资热情相对较小。

业界普遍认为，工业人工智能平台让企业以更低的成本应用人工智能，是人工智能在工业领域的落地和普及的必要条件。

观点一【参考三】：

人工智能技术在智能制造领域已经实现了一定范围的应用。通过综合考虑 相关应用在产品生命周期所处位置以及对产品全面 质量管理关键要素的影响，从产品生命周期与 人、机、料、法、环等关键要素两个维度给出了人工智能在智能制造中的典型应用矩阵。

观点2【参考4】

从技术层面来看，当前人工智能主要有八大关键技术在制造业中有广泛应用，分别是深度学习，增强学习，模式识别，机器视觉，数据搜索，知识工程，自然语言理解和类脑交互决策。在这八大技术的支持下，制造业得以做到自感知、自适应、自学习、自决策。

另一方面，自2012年至今，基于算力、算法和数据驱动的人工智能兴起已经7年时间，人工智能逐渐进入了2.0时代。在这一阶段，伴随着智能芯片、云计算以及各种开源算法的发展，算法和计算力已经基本不存在堡垒，而数据则将成为主要驱动力，推动人工智能更迭。在此阶段，大量结构化、可靠的数据被采集、清洗、积累和变现。

在产业革新方面，潘云鹤院士提出，人工智能2.0将与工业进行深度融合，在 5 个层面上对制造业进行革命：

第一，生产的智能化。这包括两个方面，一是生产过程的智能化，在人工智能（例如机器视觉、机器人技术等）的辅助下，工厂中将实现包括部件的分拣、装配、焊接、搬运等完全的自动化和智能化，从而大大地解放劳动力。二是生产管理的智能化，通过对生产的优化，协同制造、柔性制造、员工管理、能源管理、安全管理、工厂优化等，极大程度上降低了生产损耗。这也是目前被谈得最多的智能制造的内容。

第二，企业经营的智能化。这包括对用工需求预测和分析，包括生产成本管理、财务管理、资产管理、情报管理、决策管理等。

第三，产品创新的智能化。包括智能产品的创新，AR/VR+产品、个性化定制等。

第四，供应链的智能化。包括供应链的风险管理，物流管理，零部件管理，供应链金融管理，供应链优化等。

第五，经济调节的智能化。包括产业的市场趋势分析、政策分析、优势的分析、竞争和合作的分析、产业画像、招商辅助决策、引才辅助决策，还包括区域经济分析、经济景气预警、经济协调的辅助决策。