人工智能具有顯著的溢出效應，能夠嵌入到更多的軟件和終端設備中，推動戰略性新興產業總體突破，正在成為推進供給側結構性改革的新動能、振興實體經濟的新機遇、建設制造強國和網絡強國的新引擎。習近平總書記在黨的十九大報告中指出，要“加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合”。在此背景下，我們需抓住此次產業變革機遇，促進工業智能發展，提升制造業智能化水平，推動人工智能和實體經濟深度融合。

　　一、人工智能正步入應用拉動的快速增長階段

　　（一）人工智能快速發展

　　隨著互聯網、移動互聯網、物聯網的興起，人機物互聯互通成為發展趨勢，數據量以及數據處理能力呈現爆炸性增長，人工智能不斷取得突破性進展。一是得益于社交媒體、移動設備和傳感器的大量普及，全球數據總量爆發性增長，這為以數據運算為核心的機器學習方法獲得了巨大的發展空間。二是數據處理技術加速演進、運算能力快速提升。以GPU為代表的新一代計算芯片能夠滿足高強度、高頻次、低功耗的處理需求，提升了機器學習算法的迭代速度，極大促進人工智能產業發展。三是開源推動人工智能普及化，谷歌、Facebook、IBM、Amazon、百度等巨頭扎堆開源旗下深度學習平臺，發揮生態力量實現人工智能數據、應用和場景的閉環。

　　（二）工業智能解決方案正在形成

　　工業互聯網帶來工業數據的爆發式增長，傳統數學統計與擬合方法難以滿足海量數據的深度挖掘，人工智能技術正成為工業軟件、工業互聯網平臺解決各領域診斷、預測與優化問題的得力工具。

　　在設備層面，基于機器學習，通過工業物品特征值的識別，實現自動化的生產動作，如智能分揀機器人、智能檢測機器人。在產線層面，基于機器學習，通過工業系統特征值的識別，提供工業流程和生產參數優化建議，如流程工業的生產工藝參數優化，離散工業的機床斷刀保護等。在企業層面，基于知識圖譜，通過對工業問題的有效推理和仿真，實現智能業務決策和風險管理，如華為供應鏈風險管理系統、零部件選型系統。在行業層面，基于知識圖譜，通過對工業知識的有效索引和搜索，實現工業知識的沉淀和復用。

　　工業智能的部署目前體現幾個特點，一是云端部署，提供面向復雜場景的智能化應用，包括基于圖像識別的生產質量檢測、設備預測性維護及健康管理、基于智能數據模型分析的工藝參數優化等。二是邊緣部署，面向有限資源條件的輕量級算法，提升設備的處理和分析能力，實現人機協作、智能分撿、自主導航等。三是與工業互聯網平臺結合，包括在工業互聯網平臺中直接嵌入人工智能引擎和框架，以及在平臺中封裝機器學習算法，實現基于數據的分析建模優化。

　　（三）人工智能在制造業應用價值初現端倪

　　人工智能在制造業的應用探索正形成三類典型應用模式。一是提高制造效率。例如日本NEC公司推出的機器視覺檢測系統可以逐一檢測生產線上的產品，在降低人工成本的同時提升出廠產品的合格率。華為、海爾合作的生產質量測試床，通過機器學習方法解決空調噪聲檢測問題，使人力下降55%、成本下降 27%。二是優化生產工藝。特別是流程行業中通過數據的機器學習，實現原料配比優化(石化行業原油配比、鋼鐵礦石的配比、電力配煤摻燒等)、工藝參數優化、裝備裝置健康管理等。如阿里“工業大腦”在中策橡膠中實現工藝參數優化，使穩定性提升10%，煉膠時間縮短10%，煉膠溫度降低6%。三是優化供應鏈管理效率。例如美國多聯式運輸公司C.H. Robinson基于知識圖譜技術，結合天氣、交通以及社會經濟挑戰等實時參數，基于模型優化運輸路線提高企業利潤，實現智能業務決策和風險管理。四是提高售后運維價值。例如微軟Azure IoT平臺為Rolls-Royce發動機提供基于機器學習的海量數據分析和模型構建，能夠在部件即將發生故障時準確預報異常，并提前介入主動幫助Rolls-Royce規劃解決方案。中國信息通信研究院2017年組織了工業大數據創新競賽，全國有1460個團隊利用機器學習方法解決風電設備故障預測和健康管理問題，取得了良好效果。

　　二、把握好人工智能與制造業融合發展的趨勢和挑戰

　　2017年政府加大對人工智能與制造業融合的政策引導。一方面，7月印發《新一代人工智能發展規劃》，在培育智能經濟的工作中明確提出推動人工智能與制造業融合，12月印發《促進新一代人工智能產業發展三年行動計劃(2018-2020年)》，把“智能制造深化發展”作為四大目標之一。同時上海、北京、浙江、安徽、貴州、江西等省市結合自身產業發展實際和比較優勢，發布專門針對人工智能的相關實施意見，鼓勵和支持人工智能與制造業融合發展的政策體系不斷完善。另一方面，加強產業指導，由相關部委指導成立中國人工智能產業發展聯盟、建立人工智能領域重點實驗室，牽引和指導相關技術標準、技術研發、實驗驗證、應用推廣等工作全面展開。

　　盡管當前人工智能與制造業的融合發展已經顯露出一些成效，但該領域仍然較為前沿，我國在技術架構、實施路徑、行業標準及產業生態等方面均存在一定的發展瓶頸。技術方面看，一是現有人工智能的計算架構還無法滿足工業實時性所帶來的計算要求。二是現有人工智能算法和框架對算法輸出可靠性的考慮不夠，不能滿足制造業高可靠性的要求。三是目前以神經網絡和深度學習主流算法還不能提供工業智能所需要的明確語義解釋。產業方面看，一是工業人工智能主要是由數據、知識密集型的部分領先制造企業與具備人工智能技術優勢的ICT企業強強聯合推進的，尚不具備在制造業大范圍推廣的條件。二是行業應用基礎較弱。我國制造業自動化數字化網絡化水平參差不齊，產業界還缺乏成熟可推廣的標桿應用。三是產業發展保障體系有待健全。如工業智能的標準化、工業智能的安全保障體系、工業智能應用中面臨的倫理和規律挑戰等。

　　三、以融合創新為主線，協同推進人工智能與制造業發展

　　立足當前工業大數據產業融合發展變革的關鍵時點與歷史性機遇，有效聚合各領域企業、高校與科研機構并形成合力，以融合創新為主線，共同推進關鍵技術和產品的創新、部署與應用，推動深化開源開放的創新模式，以應用引領產業鏈整體性突破，實現向價值鏈高端水平躍升。

　　把握好人工智能與制造業融合發展的關鍵路徑，做好頂層設計。依托國家新一代人工智能發展規劃制定與制造業融合發展的行動指南，確定產業突破方向。面向工業設備自動控制、工業產線柔性自組織、設備預測性維護等人工智能應用場景，結合模式識別、智能語音處理、自然語言理解、人機交互技術，開發專用芯片，提升工業互聯網設備側、邊緣側和工業互聯網平臺的智能化水平。推動人工智能在制造業領域專用算法的開發，發展新型工業軟件，推動物理、化學、機械、控制多學科知識與大數據、機器學習、人工智能等智能化分析技術的有機融合，鼓勵軟件企業、互聯網企業面向工藝優化、車間調度、物流管理等典型應用場景開發專用算法，提高工業軟件智能化水平。

　　培育產業發展環境，逐步形成多向貫通、利益共享的產業生態體系。綜合運用規劃、政策等手段，引導企業組建產業聯盟，并以其為主體，制定統一的技術標準、協商共識性的演進路線，實現各環節企業間的協同共進，加速技術研發，并配套以相應的成果轉化機制，引導人工智能技術在ICT、互聯網等領域的應用成果向制造業輸出。建立中國的開源化發展體系，培育、組織和支持在工業大數據等重點領域的開源社區建設，鼓勵和支持開源化軟件、產品和服務的研發及推廣應用。同時開展分類型、分等級推進人工智能階梯形人才隊伍的培育工作，加強企業員工的再培訓，做好工業智能化變革下新舊動能的承接工作。

　　完善資本市場支撐環境，實現產業發展與金融資本之間的良性互動。引導整合社會各類資金，通過創投模式培育發展人工智能與傳統產業融合創新催生的大量新技術、新業態、新模式，既要壯“大”，培育在工業智能產業中具有國際影響力的領袖企業，又要扶“小”，扶持初創、中小企業發展和應用工業智能。進一步建設相對寬松的融資環境，鼓勵商業銀行、股票發行機構等加大對有能力提供行業解決方案的人工智能企業的支持力度，適當降低準入門檻。

　　統籌協調構建保障體系，為工業智能提供一個安全可靠的發展環境。加強制度建設，面向人工智能技術在未來可能大范圍覆蓋的工業應用場景，由立法部門及行業協會共同研究制定應用規范、開發守則等涉及到應用安全、倫理道德的行業標準，盡可能規避未來可能出現的相關風險。加強能力建設，建立工業智能公共評測服務平臺，開展工業智能產品和解決方案檢驗測試、風險評估、認定驗證，制定并完善相關裝備、軟件和平臺在工業生產應用場景中的安全操作規范守則。