0 引言

    當(dāng)前,，以智能化為核心的新一輪科技產(chǎn)業(yè)變革興起,，各國(guó)普遍推出以產(chǎn)業(yè)智能化為核心的新型制造業(yè)發(fā)展戰(zhàn)略。而隨著人工智能技術(shù)的發(fā)展日新月異,，與社會(huì)各領(lǐng)域不斷融合已經(jīng)成為大勢(shì)所趨,，正逐步改變現(xiàn)有產(chǎn)業(yè)形態(tài)、商業(yè)模式和生活方式,，成為助推工業(yè)智能化轉(zhuǎn)型升級(jí)的關(guān)鍵燃料^[1],。據(jù)Markets報(bào)告預(yù)計(jì)，到2025年人工智能制造市場(chǎng)規(guī)模將達(dá)172億美元,，預(yù)測(cè)期(2018-2025年)內(nèi)的年復(fù)合增長(zhǎng)率為49.5%,；而埃森哲預(yù)計(jì)2035年，人工智能將使制造業(yè)總增長(zhǎng)值(GVA)增長(zhǎng)近4萬(wàn)億美元,。工業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的主導(dǎo),，我國(guó)也積極搶抓以人工智能為驅(qū)動(dòng)的新一輪科技產(chǎn)業(yè)變革的機(jī)遇，工業(yè)智能自然成為了國(guó)家及業(yè)界高度重視的領(lǐng)域方向^[2],。本文總體包括技術(shù),、應(yīng)用、產(chǎn)業(yè)三部分,，以全面和深入的視角,，從算法層面剖析工業(yè)智能的技術(shù)本質(zhì),，通過(guò)建立一個(gè)相對(duì)完善的技術(shù)-應(yīng)用分析體系對(duì)行業(yè)應(yīng)用現(xiàn)狀特點(diǎn)進(jìn)行分析，其次闡述了產(chǎn)業(yè)影響,，最后對(duì)全文進(jìn)行了總結(jié),。

1 工業(yè)智能的技術(shù)內(nèi)涵

1.1 工業(yè)智能算法本質(zhì)

    人工智能算法是工業(yè)智能技術(shù)的核心，當(dāng)前主流人工智能算法包括數(shù)據(jù)科學(xué)(傳統(tǒng)機(jī)器學(xué)習(xí),、前沿機(jī)器學(xué)習(xí)),、知識(shí)工程（專(zhuān)家系統(tǒng),、知識(shí)圖譜）兩大方向,，本質(zhì)是解決分類(lèi)和回歸兩大問(wèn)題。簡(jiǎn)單來(lái)說(shuō),，分類(lèi)是對(duì)離散變量進(jìn)行定性輸出,，包括圖片/語(yǔ)音識(shí)別、機(jī)器問(wèn)答與信息檢索,、虹膜/指紋等生物特征識(shí)別等實(shí)際問(wèn)題,；回歸則是對(duì)連續(xù)變量進(jìn)行定量輸出，包括股票波動(dòng)預(yù)測(cè),、用戶(hù)需求預(yù)測(cè),、房?jī)r(jià)走勢(shì)分析等實(shí)際問(wèn)題，自動(dòng)駕駛,、AlphaGo等較為復(fù)雜的應(yīng)用則同時(shí)包含了分類(lèi)和回歸問(wèn)題,。

    因此，工業(yè)需求能否拆分為兩大問(wèn)題(或組合)是工業(yè)智能技術(shù)實(shí)施的必要性前提,。工業(yè)領(lǐng)域問(wèn)題包括傳統(tǒng)工業(yè)問(wèn)題(非數(shù)據(jù)技術(shù)可解問(wèn)題)及數(shù)據(jù)技術(shù)可解問(wèn)題(如圖1所示),，其中，傳統(tǒng)工業(yè)問(wèn)題如發(fā)動(dòng)機(jī)燃燒機(jī)理,、機(jī)床加工極限精度等工業(yè)基礎(chǔ)理論,、制造技術(shù)和工藝標(biāo)準(zhǔn)無(wú)法通過(guò)數(shù)據(jù)技術(shù)解決，更無(wú)法使用工業(yè)智能技術(shù)解決,；而數(shù)據(jù)技術(shù)可解問(wèn)題下的分類(lèi)與回歸問(wèn)題則是工業(yè)智能技術(shù)應(yīng)用范疇,，具體地，工業(yè)領(lǐng)域分類(lèi)問(wèn)題包括故障診斷,、產(chǎn)品質(zhì)量檢測(cè)等對(duì)工業(yè)領(lǐng)域圖像音頻,、文字等離散變量的定性輸出和類(lèi)別劃分；回歸問(wèn)題包括生產(chǎn)指標(biāo)軟測(cè)量,、工藝參數(shù)優(yōu)化等對(duì)工業(yè)領(lǐng)域連續(xù)變量進(jìn)行定量輸出,，以及一些同時(shí)涉及分類(lèi)與回歸方法的復(fù)雜工業(yè)問(wèn)題，如自動(dòng)駕駛機(jī)械等,。

1.2 工業(yè)智能算法-應(yīng)用分析體系

    我們認(rèn)為,，技術(shù)視角下，工業(yè)智能即是將工業(yè)(人工)智能算法作用在結(jié)構(gòu)/非結(jié)構(gòu)化數(shù)據(jù)和(或)工業(yè)機(jī)理/知識(shí)/經(jīng)驗(yàn)等工業(yè)智能使能要素中，通過(guò)對(duì)要素進(jìn)行分類(lèi),、回歸等本質(zhì)作用,，映射至設(shè)計(jì)、生產(chǎn),、管理服務(wù)等工業(yè)環(huán)節(jié)或場(chǎng)景下,，形成智能化應(yīng)用。

    目前來(lái)看,，專(zhuān)家系統(tǒng)主要作用在車(chē)間調(diào)度管理,、故障診斷、庫(kù)存管理等場(chǎng)景,；知識(shí)圖譜主要作用在用戶(hù)需求分析,、商業(yè)智能、供應(yīng)鏈管理等場(chǎng)景,；(傳統(tǒng))機(jī)器學(xué)習(xí)主要應(yīng)用場(chǎng)景有產(chǎn)品質(zhì)量檢測(cè),、工藝指標(biāo)軟測(cè)量、過(guò)程控制優(yōu)化等,；深度學(xué)習(xí)等前沿機(jī)器學(xué)習(xí)主要應(yīng)用場(chǎng)景有預(yù)測(cè)性維護(hù),、智能仿真、生產(chǎn)安全監(jiān)控等,；而無(wú)人駕駛機(jī)械,、智能化設(shè)計(jì)等復(fù)雜應(yīng)用通常需要多種技術(shù)組合進(jìn)行解決。

    通過(guò)梳理典型場(chǎng)景下的算法本質(zhì)特點(diǎn)與作用范圍^[3],，提出了一個(gè)工業(yè)智能的問(wèn)題分類(lèi)框架,，如圖2所示。

    構(gòu)造四象限橫縱坐標(biāo)軸,，橫軸是工業(yè)機(jī)理(經(jīng)驗(yàn))不確定度,，與當(dāng)前工業(yè)機(jī)理和專(zhuān)家經(jīng)驗(yàn)的研究積累相關(guān)；縱軸為計(jì)算的復(fù)雜度,，是計(jì)算機(jī)進(jìn)行數(shù)據(jù)計(jì)算的時(shí)間復(fù)雜度,。由此確定四類(lèi)算法的大致作用領(lǐng)域：專(zhuān)家系統(tǒng)和知識(shí)圖譜用于解決工業(yè)機(jī)理(經(jīng)驗(yàn))較為透明、確定的問(wèn)題,，其中專(zhuān)家系統(tǒng)能解決的問(wèn)題計(jì)算復(fù)雜度低,，知識(shí)圖譜則相對(duì)較高；而機(jī)器學(xué)習(xí)和深度學(xué)習(xí)通常解決機(jī)理,、經(jīng)驗(yàn)?zāi)：膯?wèn)題,，深度學(xué)習(xí)的計(jì)算復(fù)雜度更高。

1.3 工業(yè)智能技術(shù)發(fā)展趨勢(shì)

    一方面,，工業(yè)智能技術(shù)可解問(wèn)題的“厚度”增加,，更多工業(yè)場(chǎng)景與問(wèn)題轉(zhuǎn)化為工業(yè)智能可解問(wèn)題,，但本質(zhì)仍然是分類(lèi)/回歸問(wèn)題(圖1中的趨勢(shì)1)。通常包含兩個(gè)步驟,，一是工業(yè)機(jī)理/問(wèn)題數(shù)字化,，例如美國(guó)的材料自主研發(fā)系統(tǒng)ARES，將材料指標(biāo)參數(shù)化后通過(guò)隨機(jī)森林分類(lèi)決策確定當(dāng)前對(duì)應(yīng)的最佳參數(shù),；二是問(wèn)題定義,，即工業(yè)機(jī)理/問(wèn)題的連續(xù)/離散化，例如預(yù)測(cè)性維護(hù)存在兩種技術(shù)思維,，早期階段是基于狀態(tài)的維護(hù),，即將歷史數(shù)據(jù)看作數(shù)字信號(hào)，基于振動(dòng)數(shù)據(jù)數(shù)理分析來(lái)進(jìn)行故障判定,；工業(yè)智能階段是基于機(jī)器學(xué)習(xí)的維護(hù),，將歷史數(shù)據(jù),、故障結(jié)果看作一種模式,，通過(guò)模型訓(xùn)練、驗(yàn)證與部署來(lái)得到連續(xù)化(設(shè)備剩余時(shí)間)或離散化(是否可能發(fā)生故障)的輸出,。

    另一方面,，工業(yè)智能技術(shù)可解問(wèn)題的“寬度”增加，(圖1中的趨勢(shì)2),。當(dāng)前解決分類(lèi)和回歸問(wèn)題的根本手段終歸是通過(guò)暴力的擬合與計(jì)算,，未來(lái)人工智能或?qū)⒉辉倬窒抻谝揽繌?qiáng)大的算力解決問(wèn)題，而是以基于先驗(yàn)邏輯的知識(shí)工程和數(shù)據(jù)科學(xué)為基礎(chǔ),，與類(lèi)腦智能融合成通用智能,，擁有高等的認(rèn)知能力，變革算法的可解問(wèn)題類(lèi)型,。

2 典型行業(yè)應(yīng)用模式

    工業(yè)智能在不同行業(yè),、環(huán)節(jié)應(yīng)用部署和效果的差異性較大，流程行業(yè)中,，鋼鐵作為傳統(tǒng)行業(yè),，工業(yè)知識(shí)和經(jīng)驗(yàn)豐富，人工智能技術(shù)應(yīng)用較早,；少品種大批量離散行業(yè)中,，汽車(chē)是國(guó)民經(jīng)濟(jì)的支柱產(chǎn)業(yè)，大批新技術(shù)匯聚,，是智能化轉(zhuǎn)型升級(jí)的先行陣地,；多品種小批量離散行業(yè)中，航空作為高端裝備領(lǐng)域代表,，人工智能應(yīng)用空間較大,。綜上,，本文選取鋼鐵、汽車(chē),、航空作為三類(lèi)制造業(yè)的代表行業(yè),，希望通過(guò)研究垂直行業(yè)工業(yè)智能應(yīng)用現(xiàn)狀和特點(diǎn)，總結(jié)工業(yè)智能應(yīng)用基本情況與特點(diǎn),，為其他行業(yè)提供參考和指引,。

2.1 鋼鐵行業(yè)

2.1.1 行業(yè)特點(diǎn)與需求

    鋼鐵行業(yè)產(chǎn)業(yè)鏈較短，是典型流程型生產(chǎn),，多個(gè)環(huán)節(jié)存在人工智能應(yīng)用需求,。其中中游冶煉企業(yè)占據(jù)核心地位，且信息化,、自動(dòng)化水平較高,，智能化轉(zhuǎn)型基礎(chǔ)較好，成為了產(chǎn)業(yè)鏈優(yōu)化的關(guān)鍵,。

2.1.2 典型應(yīng)用

    鋼鐵行業(yè)工業(yè)智能主要應(yīng)用場(chǎng)景如圖3所示,，主要包括生產(chǎn)環(huán)節(jié)和商業(yè)環(huán)節(jié)。

    (1)生產(chǎn)環(huán)節(jié)

    形成了能耗智能管控,、設(shè)備維護(hù),、過(guò)程優(yōu)化和控制等多種應(yīng)用場(chǎng)景。如日本新日鐵開(kāi)發(fā)熱連軋精軋?jiān)O(shè)定專(zhuān)家系統(tǒng),，與數(shù)學(xué)模型結(jié)合,，對(duì)材料成分和各架軋機(jī)參數(shù)等進(jìn)行模擬計(jì)算。美國(guó)大河特種鋼鐵廠(chǎng)使用機(jī)器學(xué)習(xí)模型來(lái)確定維護(hù)關(guān)鍵機(jī)器和設(shè)備的最佳時(shí)間,，實(shí)現(xiàn)預(yù)測(cè)性維護(hù),。中鋼集團(tuán)利用深度學(xué)習(xí)，對(duì)近7 000+批次產(chǎn)品的工藝參數(shù)進(jìn)行數(shù)學(xué)建模和分析,，鋼坯質(zhì)量檢測(cè)效率提升90%,。

    (2)商業(yè)環(huán)節(jié)

    聚焦供應(yīng)鏈管理，基于采購(gòu),、庫(kù)存,、物流等領(lǐng)域特點(diǎn)形成典型應(yīng)用，包括庫(kù)存管理,、采購(gòu)管理,、物流優(yōu)化等。比如在供應(yīng)鏈風(fēng)險(xiǎn)管理場(chǎng)景,，大河鋼廠(chǎng)通過(guò)大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)模型打造“廢鋼指數(shù)”,，實(shí)現(xiàn)廢鋼采購(gòu)的需求預(yù)測(cè)，降低商業(yè)風(fēng)險(xiǎn),；在供應(yīng)鏈物流優(yōu)化場(chǎng)景,，大河鋼廠(chǎng)與人工智能咨詢(xún)公司Noodle.ai合作,，將出站運(yùn)輸?shù)某杀窘档阶畹停?yōu)化客戶(hù)交付窗口,，提高物流效率,。

    總體來(lái)看，鋼鐵行業(yè)的冶煉過(guò)程占據(jù)核心地位,，過(guò)程能耗大,、設(shè)備價(jià)值高、冶煉過(guò)程原理復(fù)雜但過(guò)程數(shù)據(jù)較為完善等特點(diǎn)使其成為了工業(yè)智能重點(diǎn)覆蓋的領(lǐng)域,。百年的冶煉操作使專(zhuān)家具備了豐富的經(jīng)驗(yàn),，成為了專(zhuān)家系統(tǒng)最先最廣泛應(yīng)用的領(lǐng)域。高爐煉鐵復(fù)雜的物理化學(xué)反應(yīng)使機(jī)器學(xué)習(xí)等黑箱型算法有了用武之地,，并向更加復(fù)雜的深度學(xué)習(xí)技術(shù)應(yīng)用演進(jìn)^[4],。

2.2 汽車(chē)行業(yè)

2.2.1 行業(yè)特點(diǎn)與需求

    以制造企業(yè)為核心，已形成以市場(chǎng)為導(dǎo)向的成熟生產(chǎn)模式,?；谝韵滤膫€(gè)方面原因，需要新興技術(shù)推動(dòng)改善產(chǎn)業(yè)鏈各環(huán)節(jié)內(nèi)容：(1)客戶(hù)需求逐漸成為汽車(chē)生產(chǎn)制造的關(guān)鍵指引,；(2)設(shè)計(jì)仿真環(huán)節(jié)直接決定生產(chǎn)的效率和結(jié)果,；(3)行業(yè)對(duì)生產(chǎn)的柔性化和供應(yīng)鏈的及時(shí)響應(yīng)要求逐步升高,；(4)產(chǎn)品智能化及服務(wù)更是重點(diǎn)領(lǐng)域,。

2.2.2 典型應(yīng)用

    汽車(chē)行業(yè)工業(yè)智能主要應(yīng)用場(chǎng)景如圖4所示。

    (1)產(chǎn)品環(huán)節(jié)

    主要圍繞產(chǎn)品設(shè)計(jì),、產(chǎn)品智能配套服務(wù),、無(wú)人化操控展開(kāi)。如奧地利科學(xué)研究院在仿真環(huán)節(jié)利用深度學(xué)習(xí)進(jìn)行風(fēng)洞實(shí)驗(yàn),，節(jié)省時(shí)間5萬(wàn)倍,；德國(guó)汽車(chē)研究所通過(guò)機(jī)器學(xué)習(xí)記錄分析產(chǎn)品消耗、磨損等數(shù)據(jù),，幫助客戶(hù)解決故障,，同時(shí)預(yù)測(cè)磨損；最為廣泛認(rèn)知的就是各大企業(yè)基于AI開(kāi)展無(wú)人駕駛汽車(chē)探索和研制,，搶占未來(lái)產(chǎn)品新市場(chǎng),。

    (2)生產(chǎn)環(huán)節(jié)

    形成了產(chǎn)品質(zhì)量檢測(cè)、制造過(guò)程優(yōu)化,、輔助診斷與控制等多種應(yīng)用場(chǎng)景,。如西門(mén)子、奧迪等基于語(yǔ)音識(shí)別,、圖像識(shí)別對(duì)車(chē)輛與鋼板進(jìn)行質(zhì)量監(jiān)測(cè),；奔馳寶馬等先進(jìn)車(chē)企和配套企業(yè)均已基于人工智能等技術(shù),，開(kāi)展全廠(chǎng)優(yōu)化探索，打造智能工廠(chǎng),。

    (3)商業(yè)環(huán)節(jié)

    聚焦供應(yīng)鏈管理優(yōu)化和用戶(hù)需求分析等方面應(yīng)用,。如上汽通過(guò)建立神經(jīng)網(wǎng)絡(luò)模型庫(kù)和學(xué)習(xí)優(yōu)化算法庫(kù)，實(shí)現(xiàn)包括智能流量預(yù)測(cè),、智能路徑規(guī)劃等解決方案,；汽車(chē)之家通過(guò)AI算法接收用戶(hù)反饋，并根據(jù)反饋深度挖掘用戶(hù)隱藏需求,，實(shí)現(xiàn)智能推薦“千人千面”的效果,。

    總體來(lái)看，汽車(chē)的研發(fā),、制造,、產(chǎn)品智能化與服務(wù)均為人工智能的應(yīng)用提供了大量場(chǎng)景，工業(yè)智能應(yīng)用的環(huán)節(jié)覆蓋最為全面廣泛,，產(chǎn)品設(shè)計(jì)仿真優(yōu)化將是充滿(mǎn)潛力的發(fā)展方向,。以機(jī)器學(xué)習(xí)算法為代表的視覺(jué)、語(yǔ)音,、數(shù)據(jù)挖掘類(lèi)應(yīng)用占據(jù)主要比重,，未來(lái)隨著領(lǐng)域經(jīng)驗(yàn)的增加和自動(dòng)駕駛的進(jìn)一步發(fā)展，專(zhuān)家系統(tǒng),、知識(shí)圖譜甚至類(lèi)腦智能技術(shù)應(yīng)用也將逐步深化,。

2.3 航空行業(yè)

2.3.1 行業(yè)特點(diǎn)與需求

    航空行業(yè)產(chǎn)業(yè)鏈條較長(zhǎng)，產(chǎn)品種類(lèi)少,、批量小,，按照訂單需求進(jìn)行設(shè)計(jì)生產(chǎn)，并提供后續(xù)服務(wù),。產(chǎn)品設(shè)計(jì)不僅決定整體性能,，而且決定了費(fèi)效比，當(dāng)前效率低,、周期長(zhǎng),、費(fèi)用高；生產(chǎn)制造分散且復(fù)雜,，影響因素較多,，耗費(fèi)大量人力物力；產(chǎn)品價(jià)值高,、零件數(shù)量多,、主尺度大、生命周期長(zhǎng),，以上情況均對(duì)工業(yè)智能的落地應(yīng)用提出迫切需求,。

2.3.2 典型應(yīng)用

    航空行業(yè)工業(yè)智能主要應(yīng)用場(chǎng)景如圖5所示,。

    (1)產(chǎn)品環(huán)節(jié)

    主要圍繞輔助診斷與預(yù)測(cè)、產(chǎn)品配置服務(wù)優(yōu)化,、智能設(shè)計(jì)等場(chǎng)景,。如美國(guó)NASA、日本宇宙航空研究開(kāi)發(fā)機(jī)構(gòu)等航空科研機(jī)構(gòu)針對(duì)實(shí)際飛船類(lèi)產(chǎn)品的調(diào)度控制,、監(jiān)測(cè)和故障診斷研制專(zhuān)家系統(tǒng),。美國(guó)聯(lián)合技術(shù)公司將機(jī)器學(xué)習(xí)引入設(shè)計(jì)過(guò)程，大幅提升產(chǎn)品性能和研發(fā)效率,?；萜瞻l(fā)動(dòng)機(jī)公司利用IBM的AI平臺(tái)實(shí)現(xiàn)預(yù)測(cè)性運(yùn)維，防止發(fā)動(dòng)機(jī)故障導(dǎo)致的飛機(jī)事故,。

    (2)生產(chǎn)環(huán)節(jié)

    主要有制造過(guò)程優(yōu)化,、智能檢測(cè)等。制造企業(yè)使用基于視覺(jué)的機(jī)器人,，完成面向大部件的裝配制造,。中國(guó)商飛通過(guò)AI進(jìn)行缺陷智能識(shí)別及判斷，減少人為因素造成的誤差,，提高檢測(cè)效率,，降低工作強(qiáng)度，最終實(shí)現(xiàn)超聲檢測(cè)和評(píng)價(jià)的自動(dòng)化,、智能化,。

    (3)商業(yè)環(huán)節(jié)

    主要圍繞風(fēng)險(xiǎn)分析、安全管理,、需求預(yù)測(cè),、運(yùn)營(yíng)優(yōu)化等方面展開(kāi)，如NASA正在基于AI識(shí)別商業(yè)航空事件數(shù)據(jù)中的異常運(yùn)行,，分析潛在的風(fēng)險(xiǎn)問(wèn)題。國(guó)內(nèi)公安三所,、東航等利用AI的視頻監(jiān)控,、流量預(yù)測(cè)、智能推薦等實(shí)現(xiàn)機(jī)場(chǎng)運(yùn)行的安全管理,、機(jī)場(chǎng)和各個(gè)運(yùn)營(yíng)方資源調(diào)配和優(yōu)化,、個(gè)性化推薦等服務(wù)。

    總體來(lái)看,，航空裝備產(chǎn)品的價(jià)值和商業(yè)化程度較高,，與鋼鐵、汽車(chē)行業(yè)相比,，產(chǎn)品和商業(yè)環(huán)節(jié)的應(yīng)用場(chǎng)景更多,。專(zhuān)家系統(tǒng),、機(jī)器學(xué)習(xí)等經(jīng)典人工智能技術(shù)應(yīng)用占據(jù)主要比重，深度學(xué)習(xí)等方法目前多是運(yùn)用在機(jī)場(chǎng)視頻監(jiān)測(cè)等通用性領(lǐng)域,，隨著數(shù)據(jù)與應(yīng)用需求的不斷提升,，前沿機(jī)器學(xué)習(xí)等人工智能方法將會(huì)與航空行業(yè)機(jī)理、知識(shí)進(jìn)一步融合,，萌生更多智能應(yīng)用^[5],。

3 產(chǎn)業(yè)發(fā)展與趨勢(shì)

    工業(yè)智能產(chǎn)業(yè)是支撐新型制造能力的主要技術(shù)和產(chǎn)品體系，主要體現(xiàn)在兩方面,，一是支撐傳統(tǒng)產(chǎn)業(yè)重點(diǎn)領(lǐng)域,，如工業(yè)裝備、工業(yè)自動(dòng)化和工業(yè)軟件的智能化升級(jí),；二是成為新興產(chǎn)業(yè)環(huán)節(jié),，如工業(yè)互聯(lián)網(wǎng)平臺(tái)的核心賦能手段。同時(shí),，AI芯片,、框架、算法與工業(yè)機(jī)理模型,、數(shù)據(jù)資源等基礎(chǔ)能力擴(kuò)展使能范圍,，成為了工業(yè)的新型基礎(chǔ)能力。

3.1 智能裝備

    裝備企業(yè),、ICT,、初創(chuàng)企業(yè)，甚至制造企業(yè)多類(lèi)主體同步發(fā)力,，未來(lái)“各司其職”“分庭抗禮”的局勢(shì)可能形成,。裝備企業(yè)憑借對(duì)領(lǐng)域知識(shí)的了解，立足自身需求,，基于第三方的技術(shù)支持豐富產(chǎn)品的強(qiáng)知識(shí)屬性智能化能力,，如發(fā)那科利用AI進(jìn)行機(jī)床位移補(bǔ)償和伺服參數(shù)優(yōu)化。ICT等其他競(jìng)爭(zhēng)者在視覺(jué),、數(shù)據(jù)服務(wù)等行業(yè)知識(shí)屬性較弱的領(lǐng)域具備技術(shù)競(jìng)爭(zhēng)優(yōu)勢(shì),，如梅卡曼得等初創(chuàng)企業(yè)推出基于3D視覺(jué)與深度學(xué)習(xí)的智能機(jī)器人視覺(jué)組件。

3.2 工業(yè)智能自動(dòng)化

    人工智能擴(kuò)展了工業(yè)自動(dòng)化的使能邊界,，但自動(dòng)化企業(yè)仍可能是未來(lái)主導(dǎo),。一方面，其具備數(shù)據(jù)互聯(lián)互通的核心優(yōu)勢(shì),，熟悉生產(chǎn)控制和工藝流程,，通過(guò)平臺(tái)打通不同層級(jí)數(shù)據(jù)；而且是工控網(wǎng)絡(luò)協(xié)議的主導(dǎo)者，能直接獲取現(xiàn)場(chǎng)數(shù)據(jù)采集設(shè)備的數(shù)據(jù),。另一方面,，工業(yè)自動(dòng)化企業(yè)也在基于AI不斷豐富產(chǎn)品功能，維持市場(chǎng)地位,，如康耐視推出基于深度學(xué)習(xí)的圖像分析功能,，解決復(fù)雜的缺陷問(wèn)題；西門(mén)子為PLC增加AI芯片,，加速圖像等各類(lèi)數(shù)據(jù)處理過(guò)程,。

3.3 工業(yè)智能軟件

    未來(lái)有望形成通用專(zhuān)用兩路并行的局面。傳統(tǒng)軟件企業(yè)優(yōu)勢(shì)較大,，通過(guò)不同（自研或引進(jìn)）方式融合人工智能技術(shù)形成研發(fā)設(shè)計(jì),、生產(chǎn)管控等通用支撐，如歐特克為軟件疊加AI功能,，形成生成式的智能設(shè)計(jì),；ICT、制造,、初創(chuàng)企業(yè)則聚焦細(xì)分領(lǐng)域及功能,，以創(chuàng)新技術(shù)形成面向特定行業(yè)和場(chǎng)景的單點(diǎn)優(yōu)勢(shì)，如德國(guó)初創(chuàng)企業(yè)KONUX面向設(shè)備運(yùn)維推出了預(yù)測(cè)性維護(hù)軟件系統(tǒng),。

3.4 工業(yè)互聯(lián)網(wǎng)平臺(tái)

    未來(lái)工具集成與知識(shí)匯聚兩類(lèi)平臺(tái)將協(xié)同發(fā)揮作用,。一是通過(guò)疊加AI工具，為廣大中小企業(yè)提供智能計(jì)算與應(yīng)用開(kāi)發(fā),，比如微軟,、阿里等。二是積極積累工業(yè)機(jī)理模型,，為領(lǐng)域巨頭提供智能化解決方案,，具體包含兩類(lèi)：(1)深耕于某類(lèi)行業(yè)，通過(guò)不斷評(píng)估修正該行業(yè)的數(shù)據(jù)模型,，提高該行業(yè)服務(wù)競(jìng)爭(zhēng)力,，如Uptake積累大量的設(shè)備資產(chǎn)模型，聚焦設(shè)備預(yù)測(cè)性維護(hù)領(lǐng)域,；(2)制造企業(yè)在日常生產(chǎn)中將自身經(jīng)驗(yàn)知識(shí)進(jìn)行提煉和封裝,，如海爾COSMOPlat。

4 結(jié)論

    本文剖析了工業(yè)智能的算法本質(zhì),，基于所提算法-應(yīng)用映射體系對(duì)垂直行業(yè)的特點(diǎn)需求和應(yīng)用模式進(jìn)行了分析總結(jié)，同時(shí)對(duì)產(chǎn)業(yè)發(fā)展與趨勢(shì)進(jìn)行了展望,?？傊珹I能解決工業(yè)問(wèn)題的邊界是有限的，但其適用范圍寬廣,，對(duì)產(chǎn)業(yè)產(chǎn)生的影響將是深遠(yuǎn)的,，需要用體系化的方法去應(yīng)對(duì)這次挑戰(zhàn)和機(jī)遇。同時(shí),，由于AI技術(shù)和工業(yè)制造的不斷發(fā)展,，仍需對(duì)工業(yè)智能相關(guān)技術(shù)、應(yīng)用及產(chǎn)業(yè)的最新進(jìn)展進(jìn)行跟蹤分析,，并在后續(xù)提出具有針對(duì)性的發(fā)展策略,。

參考文獻(xiàn)

[1] 蔡自興.人工智能產(chǎn)業(yè)化的歷史、現(xiàn)狀與發(fā)展趨勢(shì)[J].冶金自動(dòng)化,，2019,，43(2)：1-5.

[2] 孫曉彬.人工智能技術(shù)在工業(yè)生產(chǎn)中的應(yīng)用探究[J].現(xiàn)代商貿(mào)工業(yè)，2019,，40(23)：200.

[3] 王哲,，安暉.借鑒日本經(jīng)驗(yàn)推動(dòng)人工智能與制造業(yè)深度融合[J].機(jī)器人產(chǎn)業(yè)，2019(4)：11-14.

[4] 劉鴻.常用人工智能技術(shù)在鋼鐵領(lǐng)域中的應(yīng)用概述[J].冶金自動(dòng)化,，2019,，43(4)：24-28.

[5] 袁成.人工智能在航空領(lǐng)域應(yīng)用正向深度和廣度擴(kuò)展[N].中國(guó)航空?qǐng)?bào)，2019-08-13(005).

作者信息:

李亞寧1,，詹童杰2,，劉  迎1，尹揚(yáng)鵬1,，婁照輝1,，楊艷冉1

(1.中國(guó)信息通信研究院 信息化與工業(yè)化融合研究所，北京100191,；

2.湖南大學(xué) 電氣與信息工程學(xué)院,，湖南 長(zhǎng)沙410012)