AI助力中國智造

賽迪（上海）先進制造業(yè)研究院、百度AI產(chǎn)業(yè)研究中心

AI技術(shù)在制造業(yè)的應(yīng)用需落在工業(yè)智能產(chǎn)品或具體工業(yè)痛點的解決方案上。相比較“錦上添花”的工業(yè)智能產(chǎn)品，“雪中送炭”的技術(shù)更容易被制造業(yè)接受。

賽迪（上海）先進制造業(yè)研究院和百度AI產(chǎn)業(yè)研究中心深入九大行業(yè)，面對面訪談?wù){(diào)研數(shù)十家企業(yè)，得出以下核心觀點：

解決痛點：AI技術(shù)在制造業(yè)的應(yīng)用需落在工業(yè)智能產(chǎn)品或具體工業(yè)痛點的解決方案上，相比較“錦上添花”的工業(yè)智能產(chǎn)品，“雪中送炭”的技術(shù)更容易被制造業(yè)接受。

需求導向：工業(yè)AI產(chǎn)品的研發(fā)應(yīng)從制造業(yè)企業(yè)的實際需求出發(fā)，通過AI技術(shù)滿足制造業(yè)全生命周期中的不同需求。

安全保障：核心數(shù)據(jù)安全依舊是工業(yè)企業(yè)最為關(guān)心的因素，由于工業(yè)核心數(shù)據(jù)是制造業(yè)企業(yè)最為關(guān)鍵的資產(chǎn)，數(shù)據(jù)上云或者數(shù)據(jù)外傳都會嚴重威脅到企業(yè)核心數(shù)據(jù)的安全，因此，中大型企業(yè)更愿意選擇本地化或上私有云。

數(shù)據(jù)挖掘：AI技術(shù)的必要條件是工業(yè)大數(shù)據(jù)的完整收集及分析，大部分工業(yè)企業(yè)仍未完成信息化、數(shù)字化，導致數(shù)據(jù)量不足、數(shù)據(jù)結(jié)構(gòu)不統(tǒng)一，增加了AI技術(shù)應(yīng)用難度。

云邊協(xié)同：在云端與邊緣側(cè)共同發(fā)力，云邊結(jié)合打造行業(yè)的工業(yè)大腦。將豐富的云端業(yè)務(wù)能力延伸到邊緣節(jié)點，實現(xiàn)傳感器、設(shè)備、應(yīng)用集成、圖像處理的協(xié)同。

算法建模：目前人工智能算法框架以國外企業(yè)提供的開源框架為主，以GitHub為代表的開源社區(qū)大多由境外公司提供服務(wù)，具有中國自主知識產(chǎn)權(quán)的深度學習框架，有助于在工業(yè)信息化領(lǐng)域保障產(chǎn)業(yè)鏈安全

商業(yè)模式：工業(yè)的發(fā)展進程正在從企業(yè)產(chǎn)品牽引用戶需求變?yōu)橛脩粜枨笠I(lǐng)企業(yè)生產(chǎn)，智能制造對于工業(yè)領(lǐng)域附加值的提升也應(yīng)該逐步從生產(chǎn)制造環(huán)節(jié)的降本增效，轉(zhuǎn)向提供高附加值衍生服務(wù)，即“智能制造”生產(chǎn)的“智能產(chǎn)品”提供的“智能服務(wù)”。

制造業(yè)發(fā)展現(xiàn)狀分析

政策鼓勵和扶持，企業(yè)智能化改造備受重視

發(fā)達國家相繼提出先進制造業(yè)發(fā)展戰(zhàn)略。例如，美國提出先進制造業(yè)國家戰(zhàn)略計劃，德國提出工業(yè)4.0戰(zhàn)略實施建議，法國提出“新工業(yè)法國”戰(zhàn)略，日本提出制造業(yè)白皮書。新時代背景下，新一代信息技術(shù)與先進制造技術(shù)的深度融合，是我國從制造大國向制造強國轉(zhuǎn)變的核心路徑，制造強國戰(zhàn)略及“1+X”政策體系相繼出臺，構(gòu)建完整的智能制造發(fā)展政策支撐體系。在宏觀經(jīng)濟下行壓力下，智能制造及信息化相關(guān)技術(shù)的發(fā)展持續(xù)獲得國家政策扶持，社會資本也逐漸流向智能制造相關(guān)產(chǎn)業(yè)。

各地出臺相關(guān)政策文件鼓勵企業(yè)智能化改造?！稄V東省深化“互聯(lián)網(wǎng)+先進制造業(yè)”發(fā)展工業(yè)互聯(lián)網(wǎng)的實施方案》《江蘇省智能制造示范區(qū)培育實施方案（試行）》《山東省智能制造“1+N”帶動提升行動實施方案（2018-2020年）》等相關(guān)政策文件相繼出臺。

人口紅利降低，勞動力成本提升，精益生產(chǎn)迫在眉睫

2018年中國國內(nèi)生產(chǎn)總值（GDP）達到90萬億元，其中制造業(yè)為26.5萬億元，占中國GDP的比例為29.4%，工業(yè)增加值為30.5萬億元，制造業(yè)是中國經(jīng)濟發(fā)展的第一大支柱。預計到2025年，中國工業(yè)增加值將達到45萬億元。

工業(yè)發(fā)展是支撐國家其他產(chǎn)業(yè)發(fā)展的先決條件，而制造業(yè)則是促進國家工業(yè)發(fā)展的重要力量，在國民經(jīng)濟發(fā)展中具有不可替代的主導作用。制造業(yè)體量大、增速穩(wěn)、前景廣，是中國經(jīng)濟社會發(fā)展的驅(qū)動核心。

市場環(huán)境不容制造業(yè)發(fā)展走舊路。人口老齡化和勞動成本上升，使得依賴低人力成本的勞動密集型產(chǎn)業(yè)在全球市場的優(yōu)勢逐漸喪失。面對內(nèi)需降低、部分核心技術(shù)依賴進口等問題，以精益生產(chǎn)為目標的制造業(yè)智能化改造將引領(lǐng)一批自主品牌邁向全球產(chǎn)業(yè)鏈中高端。

制造業(yè)信息化改造逐步深入，企業(yè)逐漸夯實AI落地基礎(chǔ)

截至2018年底，全國制造業(yè)重點領(lǐng)域骨干企業(yè)數(shù)字化研發(fā)工具普及率為68.9%，關(guān)鍵工序數(shù)控化率為49.2%，傳統(tǒng)行業(yè)IT投入強度相對較低，關(guān)鍵工序數(shù)控化率仍有較大提升空間。其中，關(guān)鍵工序為總時差等于零的工序;骨干企業(yè)數(shù)字化研發(fā)工具普及率、關(guān)鍵工序數(shù)控化率為工信部衡量制造業(yè)企業(yè)兩化融合能力、智能化水平的考核指標;R&D指科學研究與試驗發(fā)展投入占主營業(yè)務(wù)收入的比例。

人工智能助力工業(yè)領(lǐng)域信息技術(shù)新革命

人工智能五大核心技術(shù)：機器學習/深度學習、計算機視覺、自然語言處理、知識圖譜、語音技術(shù)。工業(yè)人工智能以系統(tǒng)化的方法和規(guī)則為工業(yè)應(yīng)用提供解決方案、科研成果與工業(yè)應(yīng)用，具有快速性、系統(tǒng)性、可傳承性等特點。

工業(yè)人工智能為工業(yè)帶來的改變包含兩個方面：一是不同的人使用同樣的工具可以得到近似的效果，二是邁向智能制造標準化的方向。

另外，人工智能技術(shù)還能賦能工業(yè)場景，提高生產(chǎn)效率，改善質(zhì)量穩(wěn)定性，降低能耗成本、提升設(shè)備穩(wěn)定性，提高危險工業(yè)場景的安全性。

工業(yè)AI也有其局限性，比如無法突破人類已有的認知，將解決問題的“機會性”向工業(yè)場景的“確定性”逼近。

AI在工業(yè)制造各個環(huán)節(jié)的落地應(yīng)用

環(huán)節(jié)一：產(chǎn)品設(shè)計

產(chǎn)品設(shè)計是生產(chǎn)全生命周期中的首要環(huán)節(jié)和智能制造的實施規(guī)劃。

應(yīng)用一：人工智能助力產(chǎn)品設(shè)計

1.預測市場需求

需求點：基于銷售數(shù)據(jù)建立用戶畫像模型，預測產(chǎn)品銷售情況。

解決方案：通過智能終端獲取用戶數(shù)據(jù)，通過用戶數(shù)據(jù)建立用戶畫像;通過建模參數(shù)優(yōu)化給出預測的營銷支撐數(shù)據(jù)，判斷客戶購買意愿;針對不同客群優(yōu)化銷售營銷策略。

難點及風險：用戶數(shù)據(jù)標準化程度低、客戶行為分析難度較高;用戶數(shù)據(jù)多涉及個人隱私及商業(yè)機密，數(shù)據(jù)獲取困難。

2.智能設(shè)計軟件

需求點：為設(shè)計師提供滿足相關(guān)標準設(shè)計參數(shù)建議的智能助手。

解決方案：根據(jù)國標及行業(yè)標準，建立標準件參數(shù)庫;以成熟產(chǎn)品的設(shè)計參數(shù)建立數(shù)據(jù)庫，對不同類型產(chǎn)品參數(shù)進行分類;以分類后的參數(shù)庫作為訓練樣本對深度學習算法進行訓練;在用戶開啟智能功能時，為非標準件提供參數(shù)建議。

難點及風險：國標及行業(yè)標準數(shù)據(jù)冗雜，機器學習樣本分類難度大;應(yīng)用效果難以保證，技術(shù)推廣前期市場接受度較低。

應(yīng)用二：基于知識圖譜的智能設(shè)計模塊

設(shè)計周期的長短逐漸成為產(chǎn)品占領(lǐng)市場的核心競爭力，基于知識圖譜的智能設(shè)計模塊能夠避免因設(shè)計失誤而造成的設(shè)計方案反復修改，有效縮短產(chǎn)品設(shè)計周期，提升產(chǎn)品的市場競爭力。

當前，CAD軟件的主要功能是使設(shè)計的步驟自動化。CAD軟件用于創(chuàng)建零件的計算機模型，將它們裝配在一起以及對零件和裝配體的性能進行建模，以使其符合設(shè)計規(guī)范。設(shè)計過程的分析步驟是迭代的，由專家執(zhí)行的設(shè)計評審確定其是否需要更改。使用基于AI的工具，可以直接執(zhí)行專家決策，而無需進行單獨的設(shè)計審查和綜合，因為AI工具中已經(jīng)包含了專家的知識和經(jīng)驗。

AI賦能后的CAD具備以下基本特征：

一是產(chǎn)品組件以結(jié)構(gòu)化圖層形式儲存，組件之間的關(guān)系以面向?qū)ο蟮母袷綄崿F(xiàn)。

二是產(chǎn)品結(jié)構(gòu)也以結(jié)構(gòu)化圖層形式儲存，產(chǎn)品結(jié)構(gòu)內(nèi)組件或零件之間，基于國標或歷史數(shù)據(jù)推薦方法鏈接。

三是在數(shù)據(jù)庫中更新組件或零件十分便捷，易于在AI邏輯框架中添加基于知識的新規(guī)則和決策程序。

環(huán)節(jié)二：生產(chǎn)制造

生產(chǎn)制造是制造業(yè)全生命周期中最重要環(huán)節(jié)，該環(huán)節(jié)的工業(yè)場景最豐富，智能化改造需求最多。

應(yīng)用一：機器視覺—讓質(zhì)檢線擁有會思考的眼睛

1.3C-產(chǎn)品顯示屏智能質(zhì)檢

需求點：顯示屏是手機關(guān)鍵零部件，質(zhì)量問題直接影響產(chǎn)品體驗。顯示屏表面微小缺陷難以察覺，人工觀察難度大、成本高。并且，顯示屏涉及復雜物理原理，缺陷成因難以依靠機理模型確定。

解決方案：在屏幕質(zhì)檢環(huán)節(jié)增加工業(yè)相機，作為質(zhì)檢人員輔助工具，以減輕質(zhì)檢人員工作量，降低檢測失誤率;利用AI算法對已有故障屏幕進行多角度拍照，以圖像作為訓練樣本，對屏幕故障模式進行機器學習。

難點及風險：一方面，顯示屏集成電路部分難以拍照，只能通過通電后屏幕顯示情況進行分析。另一方面，對于新出現(xiàn)的缺陷類型，人工智能難以識別。

2.汽車領(lǐng)域

需求點：裝配線表面質(zhì)量及漏油情況檢測;基于機器視覺的出廠檢驗。

解決方案：裝配線零部件標識和外觀檢驗;視覺輔助檢測車門、車窗雨刷和轉(zhuǎn)向燈功能;視覺輔助檢測車身外觀質(zhì)量。

3.冶金領(lǐng)域

需求點：鋼材表面缺陷識別。

解決方案：選擇恰當工藝環(huán)節(jié)，增加激光光源和工業(yè)CCD相機，對板帶材表面連續(xù)拍照，保存圖像數(shù)據(jù);對已有的缺陷類型進行全方位拍照，對缺陷類型和大小進行標定。

4.紡織領(lǐng)域

需求點：基于機器視覺的面料及瑕疵的智能識別。

解決方案：采用深度學習算法，針對復雜面料環(huán)境進行瑕疵標定;采用工業(yè)CCD相機持續(xù)拍攝織物流水線，對布匹信息及瑕疵種類大小進行智能檢測。

應(yīng)用二：由內(nèi)到外、無處不在的智能工業(yè)質(zhì)檢

1.家電—空調(diào)噪音在線檢測

需求點：空調(diào)噪音在生產(chǎn)線上淹沒于工廠內(nèi)嘈雜的設(shè)備噪音之中，需要在下線后在安靜的環(huán)境內(nèi)單獨檢測。采用基于聲紋識別技術(shù)的智能質(zhì)檢方案，可以實現(xiàn)空調(diào)噪音在線質(zhì)檢，縮短產(chǎn)品生產(chǎn)周期，為產(chǎn)品上市贏得先機。

解決方案：采集工廠內(nèi)的噪音數(shù)據(jù)，建立噪音庫;在生產(chǎn)線上增設(shè)音頻采集設(shè)備，通過聲紋識別技術(shù)識別設(shè)備噪音，將噪音作為背景音從采集到的音頻中剔除;對剔除背景音的聲音數(shù)據(jù)進行分析，實現(xiàn)空調(diào)噪音的在線質(zhì)檢。

2.冶金—鋼鐵產(chǎn)品質(zhì)量管控

需求點：長期以來，鋼鐵產(chǎn)品的內(nèi)部缺陷、強度硬度等內(nèi)在質(zhì)量只能依靠離線實驗方法進行檢測，在線檢測方法所依賴的機理模型均存在較大的偏差?；谌斯ぶ悄芩惴?，可以降低檢測結(jié)果對機理模型的依賴，提高準確性。

解決方案：結(jié)合現(xiàn)場已有的工業(yè)儀表，增加超聲或X射線檢測設(shè)備，并通過信息技術(shù)實現(xiàn)檢測數(shù)據(jù)的實時采集與處理;對產(chǎn)品取樣后，進行材料學實驗檢測，結(jié)合超聲和射線成像數(shù)據(jù)，對質(zhì)量波動的數(shù)據(jù)進行標定。

應(yīng)用三：未來已來—人工智能賦予機器人智慧大腦

1.協(xié)作機器人

需求點：柔性制造提升加工精度、人機協(xié)同;降低用工成本、多級并聯(lián)提高生產(chǎn)效率。

解決方案：通過人工智能模塊加載，實現(xiàn)人機協(xié)同和多機協(xié)作;通過算法訓練，對機器加工力度、精度等提供校準、糾錯等輔助功能。

難點及風險;低級人工智能階段，AI技術(shù)應(yīng)用達不到實現(xiàn)人機互動、人機協(xié)同的條件。

2.焊接機器人

需求點：提高焊接效率，減小焊縫間隙，保持表面平整。

解決方案：人工智能可以針對焊接精度進行算法補償，針對焊接定位誤差、焊接面積誤差等進行輔助修正，以提高精度。

難點及風險：AI智能技術(shù)更多起到焊接工藝補償?shù)妮o助功能，在控制算法、視覺算法等方面有待提升;焊接知識無法通過模塊化處理，算法模型難以進行訓練。

3.制孔機器人

需求點：基于智能算法的制孔精度和制孔定位誤差補償;基于人工智能技術(shù)的面板基孔自動預設(shè);基于控制算法實現(xiàn)定位精度動態(tài)補償。

難點及風險：目前主機廠商大多存在工件的數(shù)字模型不完整的突出問題，工件的數(shù)據(jù)模型完整度不夠。

應(yīng)用四：能源優(yōu)化管理 助力企業(yè)降本

1.3C-液晶面板工廠廠務(wù)智能優(yōu)化

需求點：液晶面板的制造需要在恒溫、恒壓、恒濕的無塵環(huán)境，需要潔凈的壓縮空氣不斷從無塵室中噴出，而制造壓縮空氣的大型機臺需要使用冷卻水。廠務(wù)站房里的空壓機和冰機的耗電量占廠務(wù)系統(tǒng)的60%以上。

解決方案：根據(jù)廠務(wù)運轉(zhuǎn)機理和歷史運行數(shù)據(jù)對廠務(wù)系統(tǒng)進行建模，輸入可調(diào)參數(shù)，輸出廠務(wù)運行狀態(tài)，用深度學習算法擬合輸入與輸出的關(guān)系;把依靠人的觀察和經(jīng)驗調(diào)節(jié)變?yōu)橄到y(tǒng)智能建議調(diào)節(jié);把滯后的應(yīng)激式調(diào)節(jié)變?yōu)榍罢暗念A測性調(diào)節(jié);把設(shè)備定期維護變?yōu)閷崟r監(jiān)測設(shè)備狀態(tài)和預測性維護報警。

2.冶金—智能管網(wǎng)平衡系統(tǒng)

需求點：高爐煤氣是高爐煉鐵過程中的重要副產(chǎn)物，管道回收后可輸送至下游生產(chǎn)車間充當主要能源介質(zhì)。然而在生產(chǎn)過程中，高爐產(chǎn)氣波動不可預知，且下游用戶用氣節(jié)拍不協(xié)同，導致產(chǎn)氣與用氣不平衡。

解決方案：實時監(jiān)測管網(wǎng)壓力及各設(shè)備產(chǎn)氣和用氣波動;利用機器學習算法建立高爐煤氣產(chǎn)生的預測模型，對未來煤氣產(chǎn)生量進行預測;結(jié)合預測數(shù)據(jù)和煤氣管道壓力監(jiān)測數(shù)據(jù)，保障關(guān)鍵用氣工序節(jié)拍穩(wěn)定，對異常用氣操作進行監(jiān)測和預警。

環(huán)節(jié)三：物流環(huán)節(jié)

物流環(huán)節(jié)連接智能制造生產(chǎn)全生命周期各環(huán)節(jié)，是智能工廠必不可少的應(yīng)用場景。

應(yīng)用一：智能物流—倉庫與消費者高效連接的“路由器”

運輸路線智能規(guī)劃需求點：精細化工、食品飲料等產(chǎn)品多具有時效性，需保證在保質(zhì)期內(nèi)送至用戶指定位置。同時，企業(yè)運輸成本居高不下，已成為各行業(yè)痛點。

解決方案：一是智慧物流?？紤]車輛啟用成本、單公里成本、油價、階梯費等綜合運輸成本優(yōu)化，提供最優(yōu)路徑。二是云計算支持。為企業(yè)提供持續(xù)的云技術(shù)支持，確保運輸路線的實時最優(yōu)調(diào)整。

難點及風險：運輸成本計算方案復雜，受眾多因素影響，需以歷史數(shù)據(jù)作為人工智能學習重點;以化工原材料物流、食品運輸、電子商務(wù)等為基礎(chǔ)的智慧物流供應(yīng)商較多，市場競爭較為激烈。

應(yīng)用二：啤酒智能物流優(yōu)化

應(yīng)用目標：從工廠至零售全流程智能規(guī)劃，降低啤酒廠商物流成本。

用戶主要需求：啤酒倉儲物流涉及倉庫布置、配送方式、物流外包、信息化建設(shè)和流程再造等環(huán)節(jié);啤酒多為玻璃瓶包裝，運輸難度大。

解決方案：與專業(yè)物流團隊合作，為其提供基于人工智能的倉儲布置及物流方案優(yōu)化;與線上銷售平臺合作，為其提供信息化、智能化改造過程中的算法支持。

難點及風險：倉儲及物流涉及環(huán)節(jié)較多，需要同時與多家運營商溝通方案細節(jié);物流成本影響因素較多，智能優(yōu)化效果存在不明顯的可能。

環(huán)節(jié)四：營銷與銷售

營銷與銷售是生產(chǎn)全生命周期中協(xié)同客戶需求的環(huán)節(jié)，是大數(shù)據(jù)和人工智能的結(jié)合應(yīng)用。

典型應(yīng)用：大數(shù)據(jù)+人工智能實現(xiàn)精準營銷。

1.精準產(chǎn)品推薦：基于AI的聚類和解釋消費者數(shù)據(jù)以及個人資料信息和人口統(tǒng)計信息獲得用戶數(shù)據(jù)，圍繞高相關(guān)性和個性化服務(wù)，向既有用戶和潛在客戶推薦新款產(chǎn)品。

2.產(chǎn)品智能定價：根據(jù)供需關(guān)系，產(chǎn)品價格是影響其銷量的關(guān)鍵因素，基于對歷史同期數(shù)據(jù)和消費者其他消費習慣的分析能夠準確確定產(chǎn)品的最優(yōu)定位，以實現(xiàn)銷售利潤的最大化。

3.廣告精準投放：根據(jù)智能終端所采集的用戶數(shù)據(jù)，分析用戶觀看廣告的時間及地點，對比既有客戶的數(shù)據(jù)，對潛在客戶進行廣告精準投放。

4.促銷時機決策：以歷史同期銷售價格、銷量數(shù)據(jù)及銷售地點數(shù)據(jù)為學習樣本，根據(jù)人工智能算法，找到商場最佳促銷時機

環(huán)節(jié)五：產(chǎn)品使用

產(chǎn)品使用是制造業(yè)全生命周期的最終環(huán)節(jié)，其核心是產(chǎn)品數(shù)字化、智能化。

應(yīng)用一：人工智能助力設(shè)備遠程運維，實現(xiàn)降本提效

1.設(shè)備遠程運維

需求點：生產(chǎn)設(shè)備故障不能及時維護造成產(chǎn)品質(zhì)量問題。

解決方案：利用“邊緣計算”設(shè)計理念，在運行過程中將設(shè)備產(chǎn)生的有效數(shù)據(jù)進行篩選、存儲和標定;利用人工智能算法提高設(shè)備穩(wěn)定性，實現(xiàn)產(chǎn)品質(zhì)量提升。

難點及風險：某些企業(yè)設(shè)備數(shù)字化程度有限，智能化改造需要投入大量精力實現(xiàn)生產(chǎn)設(shè)備數(shù)字化監(jiān)測;經(jīng)濟效益難以核算，難以獲得制造業(yè)企業(yè)通力支持。

2.電力巡檢

需求點：降低人力巡檢成本，提高巡檢效率。

解決方案：無人機、巡檢機器人等智能裝備對電力設(shè)備運行狀況、運行參數(shù)進行記錄存檔;智能算法分析數(shù)據(jù)，提升巡檢效率和隱患識別率

難點及風險：巡檢環(huán)境復雜多變，對巡檢設(shè)備及AI技術(shù)要求高。

應(yīng)用二：基于磨損數(shù)據(jù)的軋輥狀態(tài)智能預測。

應(yīng)用目標：支撐軋輥廠技術(shù)服務(wù)新模式：精準預測軋輥服役周期

用戶主要需求：智慧服務(wù)將成為傳統(tǒng)企業(yè)的數(shù)字化轉(zhuǎn)型之路;某軋輥企業(yè)擬采用按軋制里程銷售軋輥的新模式，代替軋輥的一次性銷售;軋輥磨損數(shù)據(jù)有利于軋輥廠制定換輥策略，同時有利于軋制工藝補償。

解決方案：與鋼鐵企業(yè)合作，獲取軋輥全生命周期的磨損數(shù)據(jù);利用歷史數(shù)據(jù)預測軋輥當前軋制里程的磨損狀況。

難點及風險：軋輥磨損基本遵循力學基本規(guī)律，預測模型需充分考慮力學基本原理;磨損數(shù)據(jù)能反映企業(yè)產(chǎn)品質(zhì)量問題，軋輥企業(yè)和鋼鐵企業(yè)對數(shù)據(jù)的流通都有所保留。

應(yīng)用三：智能空調(diào)

應(yīng)用目標：自行感知決策;全屋智能。

主要需求：自動感知室內(nèi)空氣狀況，決策并執(zhí)行調(diào)節(jié)室內(nèi)空氣各項指標;不同品牌智能家居產(chǎn)品的互聯(lián)互通。

解決方案：為智能空調(diào)制造企業(yè)提供技術(shù)解決方案，實時準確感知、調(diào)節(jié)室內(nèi)空氣情況;與各智能家居制造企業(yè)積極尋求合作，整合各企業(yè)智能家居形成全屋智能解決方案。

難點與風險：技術(shù)上兼容各品牌智能家電較困難;尋求合作過程艱難。

環(huán)節(jié)六：安全管理

安全管理環(huán)節(jié)監(jiān)控生產(chǎn)全生命周期，智能化管控一切人、事、物。

應(yīng)用一：廠區(qū)人員跟蹤定位

應(yīng)用目標：入廠人員自動識別;人員位置實時監(jiān)控。

用戶主要需求：化工企業(yè)廠區(qū)龐大，廠房內(nèi)危險區(qū)域較多;廠房修建期間，工人進出廠區(qū)較為頻繁;生產(chǎn)安全和數(shù)據(jù)安全均存在潛在隱患。

解決方案：硬件，增加攝像頭，確保廠區(qū)內(nèi)無視野死角;算法，通過圖像技術(shù)進行人臉和危險動作識別;邊緣智能，采用邊緣智能方法增加計算效率。

難點及風險：需要硬件較多，要求人員識別準確率較高，需與硬件提供商深度合作，共同開發(fā)廠區(qū)監(jiān)控系統(tǒng);用戶對技術(shù)成熟度要求較為嚴格，需在項目初期以聯(lián)開發(fā)為主，重點培訓企業(yè)內(nèi)部IT人員熟悉人工智能技術(shù)。

應(yīng)用二：人工智能助力優(yōu)化產(chǎn)品溯源能力，加強生產(chǎn)安全管理。

應(yīng)用目標：基于大數(shù)據(jù)分析的質(zhì)量控制;基于農(nóng)業(yè)物聯(lián)網(wǎng)的產(chǎn)品溯源。

用戶主要需求：食品安全重要性強;食品制作定制化、精細化程度低;食品生產(chǎn)量大，溯源困難。

解決方案：無人機拍攝谷物、動物圖像，記錄生長情況;根據(jù)原材料生長情況制定收獲計劃;基于溯源數(shù)據(jù)的智能分析，實現(xiàn)食品等級劃分，制定銷售計劃。

難點及風險：技術(shù)難度大，需要投放大量傳感器，和較多工程師進行監(jiān)測;溯源涉及環(huán)節(jié)較多，需要較多行業(yè)進行聯(lián)合研發(fā)。

總結(jié)與展望

總結(jié)一：需求導向、痛點聚焦是AI賦能制造業(yè)的關(guān)鍵所在

AI技術(shù)在制造業(yè)的應(yīng)用需落在工業(yè)智能產(chǎn)品或具體工業(yè)痛點的解決方案上。相比較“錦上添花”的工業(yè)智能產(chǎn)品，“雪中送炭”的技術(shù)更容易被制造業(yè)接受。

總結(jié)二：安全性將成為企業(yè)智能化升級決策的重要依據(jù)

工業(yè)核心數(shù)據(jù)、關(guān)鍵技術(shù)專利等數(shù)字化資產(chǎn)對于企業(yè)的價值正在加速提升;如何降低數(shù)據(jù)安全隱患，提升系統(tǒng)安全和數(shù)據(jù)安全成為了企業(yè)進行數(shù)字化改造升級中愈加重要的參考指標;增加廠區(qū)生產(chǎn)安全、過程安全迫在眉睫。

總結(jié)三：根治行業(yè)、深耕場景，打造自主工業(yè)AI算法平臺

不同工業(yè)行業(yè)有各自獨特的知識領(lǐng)域和機理形成的行業(yè)門檻。人工智能與制造業(yè)深度融合的路徑就是不斷地將飛速發(fā)展的信息技術(shù)與工業(yè)場景的應(yīng)用端相結(jié)合。而作為先進信息技術(shù)與底層智能應(yīng)用之間的橋梁，工業(yè)AI算法平臺面向工業(yè)場景，為底層應(yīng)用提供便捷的開發(fā)服務(wù)。

總結(jié)四：云邊協(xié)同，打造工業(yè)智能應(yīng)用產(chǎn)品

在云端與邊緣側(cè)共同發(fā)力，云邊結(jié)合打造行業(yè)的工業(yè)大腦，將豐富的云端業(yè)務(wù)能力延伸到邊緣節(jié)點，實現(xiàn)傳感器、設(shè)備、應(yīng)用集成、圖像處理的協(xié)同，算法升級由云端完成。

總結(jié)五：工業(yè)企業(yè)附加值提升關(guān)鍵點將由設(shè)備價值挖掘轉(zhuǎn)向用戶價值挖掘

工業(yè)的發(fā)展進程正在從企業(yè)產(chǎn)品牽引用戶需求變?yōu)橛脩粜枨笠I(lǐng)企業(yè)生產(chǎn)。智能制造對于工業(yè)領(lǐng)域附加值的提升也應(yīng)該逐步從生產(chǎn)制造環(huán)節(jié)的降本增效，轉(zhuǎn)向提供高附加值衍生服務(wù)，即“智能制造”生產(chǎn)的“智能產(chǎn)品”提供的“智能服務(wù)”，重點聚焦工業(yè)質(zhì)檢和遠程運維等場景。