制造業(yè)應(yīng)用人工智能可以提高制造業(yè)的生產(chǎn)效率，推動制造業(yè)高質(zhì)量發(fā)展和競爭力提升，促進國民經(jīng)濟的持續(xù)穩(wěn)定增長。近年來，制造業(yè)人工智能的場景化應(yīng)用落地不斷推進，但在落地過程中遇到一些難點。本文對于制造企業(yè)應(yīng)用人工智能的場景化落地的現(xiàn)狀和難點進行分析，提出制造業(yè)人工智能的場景應(yīng)用落地的建議。
制造業(yè)人工智能的場景應(yīng)用落地的現(xiàn)狀
人工智能在中國制造業(yè)應(yīng)用市場規(guī)模逐年增加，但是目前總量不高。根據(jù)德勤數(shù)據(jù)，2023年人工智能在中國制造業(yè)應(yīng)用市場規(guī)�？偭績H為56億元。 根據(jù)頭豹研究院數(shù)據(jù)，2022年中國人工智能行業(yè)市場規(guī)模為3,716億元，預(yù)計2027年將達15,372億元。與此相比，制造行業(yè)人工智能應(yīng)用市場規(guī)模目前總量不高。
圖1 數(shù)據(jù)來源：德勤
人工智能在制造業(yè)領(lǐng)域的應(yīng)用普及率目前較低。根據(jù)凱捷統(tǒng)計數(shù)據(jù)顯示，截至2023年，歐洲頂級制造企業(yè)的人工智能應(yīng)用普及率超過30%，日本制造企業(yè)人工智能應(yīng)用普及率接近30%，美國制造企業(yè)為28%，而中國制造企業(yè)的人工智能應(yīng)用普及率尚不足11%，需要通過更多的場景應(yīng)用落地提高應(yīng)用普及率。
人工智能在制造業(yè)的現(xiàn)有落地場景、技術(shù)應(yīng)用的現(xiàn)狀有進步但需要優(yōu)化。人工智能在制造業(yè)的應(yīng)用貫穿于設(shè)計、生產(chǎn)、管理和服務(wù)等各個環(huán)節(jié)，以下是一些常見的落地場景及技術(shù)應(yīng)用現(xiàn)狀：
制造業(yè)人工智能的場景應(yīng)用落地的難點
1.制造業(yè)智能化基礎(chǔ)和智能化需求差異大，難以采用統(tǒng)一的人工智能解決方案，影響規(guī)模化的場景應(yīng)用落地
不同應(yīng)用場景的智能化基礎(chǔ)存在較大差異，有些具備了較為完善的數(shù)字化基礎(chǔ)，有些信息基礎(chǔ)設(shè)施落后。根據(jù)工信部數(shù)據(jù)統(tǒng)計顯示，目前我國32%的制造企業(yè)達到了智能制造能力成熟度一級水平，21%的企業(yè)達到了二級，12%的企業(yè)達到三級，四級及以上是成熟度最高等級，其企業(yè)占比達4%，其他31%企業(yè)都尚未達到最低的一級成熟度的水平。同時，不同的應(yīng)用場景有不同的智能化需求，對人工智能包括算力、算法、數(shù)據(jù)的需求和配置也不同。應(yīng)用場景智能化基礎(chǔ)不同和智能化需求不同，決定了其應(yīng)用人工智能起點不同，場景化落地的條件和實施方式也會隨之不同，制造業(yè)人工智能場景應(yīng)用解決方案需要進行定制化開發(fā)，以適應(yīng)特定的生產(chǎn)流程、設(shè)備配置、數(shù)據(jù)格式等，導(dǎo)致難以復(fù)制推廣統(tǒng)一的人工智能解決方案實施規(guī)�；膱鼍奥涞亍�
2.場景應(yīng)用要求的高度實時性、可靠性和準確性，增加了場景應(yīng)用落地的難度
制造業(yè)場景應(yīng)用對高度實時性、可靠性和準確性的要求，源于制造業(yè)生產(chǎn)流程的連續(xù)性和設(shè)備的精密性以及對產(chǎn)品質(zhì)量和安全性的嚴格標(biāo)準。制造業(yè)生產(chǎn)需要實時控制和響應(yīng)，以確保生產(chǎn)流程的連續(xù)性和穩(wěn)定性。目前有些通用計算架構(gòu)較難滿足制造業(yè)實時性的計算要求，端側(cè)推理需求迫切。電商平臺的推薦系統(tǒng)達到60%-70%的準確率算是比較高的精準度，而制造業(yè)部分核心環(huán)節(jié)對推薦參數(shù)的準確性要求非常高，一旦參數(shù)出現(xiàn)問題，將對生產(chǎn)、制造等環(huán)節(jié)產(chǎn)生巨大影響。制造企業(yè)不敢輕易應(yīng)用人工智能技術(shù)于具體的生產(chǎn)場景和生產(chǎn)流程，擔(dān)心應(yīng)用人工智能導(dǎo)致生產(chǎn)流程停頓、生產(chǎn)過程出問題、產(chǎn)品質(zhì)量出問題。場景應(yīng)用要求的高度實時性、可靠性和準確性，增加了場景應(yīng)用落地的難度。
3.制造業(yè)人工智能應(yīng)用場景的多樣性增加了應(yīng)用落地成本，企業(yè)擔(dān)心應(yīng)用落地的成本效益，影響了場景應(yīng)用落地
一是應(yīng)用場景的多樣性增加了應(yīng)用落地成本，影響了場景應(yīng)用的落地。以大模型為例，很多企業(yè)參與場景應(yīng)用落地基本采用“一個場景一個模型”的小作坊模式，需要針對每個場景獨立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等開發(fā)環(huán)節(jié)，導(dǎo)致周期長、成本高。場景應(yīng)用解決方案需要進行定制化開發(fā)，以適應(yīng)特定的生產(chǎn)流程、設(shè)備配置等，這增加了軟件開發(fā)和硬件設(shè)備的成本，這些因素影響了場景應(yīng)用的落地。
二是技術(shù)人員成本、算力成本、維護和運營成本支出較高等因素，制約了制造業(yè)人工智能的應(yīng)用落地。在技術(shù)人員成本方面，傳統(tǒng)制造業(yè)企業(yè)缺乏對人工智能技術(shù)精通的技術(shù)人員，從外部招聘面臨高昂的人力成本。算力成本除了硬件設(shè)備的購置和維護費用，硬件設(shè)備和軟件系統(tǒng)需要定期升級或更換，會產(chǎn)生較高的成本，電力消耗也是算力成本的重要組成部分。在維護和運營成本方面，硬件設(shè)備的維護、軟件系統(tǒng)的維護、技術(shù)支持服務(wù)、數(shù)據(jù)的維護和處理、故障診斷和修復(fù)等都需要投入大量成本，影響制造業(yè)人工智能的應(yīng)用落地。
制造業(yè)人工智能的場景應(yīng)用落地的建議
1.對于制造企業(yè)：提高場景應(yīng)用解決方案的通用性，促進場景應(yīng)用規(guī)�；涞�
一是補強智能化基礎(chǔ)薄弱的應(yīng)用場景的基礎(chǔ)設(shè)施建設(shè)，搭建基本的網(wǎng)絡(luò)設(shè)施和硬件設(shè)備，為人工智能解決方案的實施打下基礎(chǔ)；二是了解不同制造場景的智能化需求，對各個制造環(huán)節(jié)和場景的智能化需求有深入的理解和洞察，將不同場景下的需求進行歸納和總結(jié)，提煉出核心功能和需求，基于這些核心功能和需求設(shè)計人工智能解決方案，提高解決方案的通用性和可擴展性。三是提高人工智能解決方案實施的通用性。定義通用的接口標(biāo)準和協(xié)議，使不同模塊、系統(tǒng)之間能夠無縫對接和交互，提高人工智能解決方案的通用性。
2.對于管理機構(gòu)：及時制訂細分應(yīng)用場景的具體操作指南，指導(dǎo)場景應(yīng)用落地
一是對制造業(yè)不同細分行業(yè)的細分場景進行深入調(diào)研，了解具體生產(chǎn)流程、痛點及需求。對目前典型應(yīng)用場景分類的基礎(chǔ)上進行下沉，對更加細分的應(yīng)用場景進行識別，歸納和提煉出各細分場景的人工智能解決方案，針對每個分類制定具體的操作指南。二是根據(jù)細分應(yīng)用場景特點，在操作指南里推薦適合的機器學(xué)習(xí)或深度學(xué)習(xí)算法，提供模型訓(xùn)練的具體步驟和參數(shù)調(diào)優(yōu)方法，提高模型性能。提供人工智能模型的部署方案，包括硬件要求、軟件環(huán)境配置等。有了應(yīng)用場景分類的系統(tǒng)設(shè)計和具體的操作指南，可以更加具體地指導(dǎo)場景應(yīng)用的落地。
3.對于產(chǎn)業(yè)鏈：通過生態(tài)合作降低場景應(yīng)用落地成本，提高場景應(yīng)用落地效率
一是通過產(chǎn)業(yè)鏈的生態(tài)合作產(chǎn)出性價比高的人工智能硬件和軟件，減少投入成本。在模型方面通過減小模型大小，降低計算資源和存儲需求從而降低成本。二是通過生態(tài)合作研發(fā)更先進、更高效的人工智能算法和模型，降低應(yīng)用場景對數(shù)據(jù)處理、分析和決策的需求，減少計算資源和數(shù)據(jù)處理的成本。通過生態(tài)合作建立數(shù)據(jù)共享機制，促進不同應(yīng)用場景的數(shù)據(jù)共享，提高數(shù)據(jù)資源的利用率，有效解決應(yīng)用場景的多樣化導(dǎo)致的數(shù)據(jù)處理難度，提高數(shù)據(jù)處理的效率和準確性，降低數(shù)據(jù)處理成本，提高場景應(yīng)用落地的效率。
4.對于電信運營商：通過提供穩(wěn)定高速的網(wǎng)絡(luò)、豐富的存儲資源和安全的數(shù)據(jù)服務(wù)，推進場景應(yīng)用穩(wěn)步落地
對于電信運營商來說，需要提供高速穩(wěn)定的網(wǎng)絡(luò)連接，確保制造企業(yè)能夠?qū)崟r傳輸和處理大量的數(shù)據(jù)，為人工智能應(yīng)用提供堅實的網(wǎng)絡(luò)基礎(chǔ)。搭建云計算平臺，為制造業(yè)提供強大的計算能力和存儲資源，支持人工智能模型的訓(xùn)練和部署。為制造業(yè)應(yīng)用人工智能提供安全高效的數(shù)據(jù)服務(wù)。如提供數(shù)據(jù)采集、分析服務(wù)，幫助企業(yè)打破數(shù)據(jù)壁壘，實現(xiàn)數(shù)據(jù)匯聚和綜合利用，推進場景應(yīng)用穩(wěn)步落地。
本文作者
占安居
戰(zhàn)略發(fā)展研究所
一級分析師
碩士研究生，副研究員。主要從事行業(yè)研究、市場研究、產(chǎn)業(yè)生態(tài)研究等工作。
廖文凱
戰(zhàn)略發(fā)展研究所
副主任分析師
碩士研究生，戰(zhàn)略發(fā)展研究所產(chǎn)數(shù)發(fā)展研究中心，主要從事信息化規(guī)劃咨詢與產(chǎn)業(yè)經(jīng)濟研究。
馬戰(zhàn)凱
戰(zhàn)略發(fā)展研究所
一級分析師
復(fù)旦大學(xué)MBA碩士，長期從事通信產(chǎn)業(yè)市場研究、商業(yè)模式研究等工作，近年來專注人工智能、人形機器人、工業(yè)軟件、數(shù)字化轉(zhuǎn)型等領(lǐng)域研究，有著非常豐富的實戰(zhàn)經(jīng)驗和研究積累。
田雨
戰(zhàn)略發(fā)展研究所
助理分析師
具有數(shù)字生活、數(shù)字政府等領(lǐng)域豐富研究經(jīng)驗，近年專注于數(shù)據(jù)跨境等數(shù)據(jù)要素相關(guān)研究。
崔航
戰(zhàn)略發(fā)展研究所
一級分析師
北京郵電大學(xué)工商管理碩士，現(xiàn)就職于中國電信研究院。主要從事數(shù)字產(chǎn)業(yè)、互聯(lián)網(wǎng)行業(yè)等戰(zhàn)略規(guī)劃研究。近期專注于工業(yè)互聯(lián)網(wǎng)、大數(shù)據(jù)、物聯(lián)網(wǎng)等領(lǐng)域研究。
