制造業(yè)人工智能的場(chǎng)景應用落地現狀、難點(diǎn)和建議

制造業(yè)應用人工智能可以提高制造業(yè)的生產(chǎn)效率，推動(dòng)制造業(yè)高質(zhì)量發(fā)展和競爭力提升，促進(jìn)國民經(jīng)濟的持續穩定增長(cháng)。近年來(lái)，制造業(yè)人工智能的場(chǎng)景化應用落地不斷推進(jìn)，但在落地過(guò)程中遇到一些難點(diǎn)。本文對于制造企業(yè)應用人工智能的場(chǎng)景化落地的現狀和難點(diǎn)進(jìn)行分析，提出制造業(yè)人工智能的場(chǎng)景應用落地的建議。

人工智能在中國制造業(yè)應用市場(chǎng)規模逐年增加，但是目前總量不高。根據德勤數據，2023年人工智能在中國制造業(yè)應用市場(chǎng)規�？偭�?jì)H為56億元。 根據頭豹研究院數據，2022年中國人工智能行業(yè)市場(chǎng)規模為3,716億元，預計2027年將達15,372億元。與此相比，制造行業(yè)人工智能應用市場(chǎng)規模目前總量不高。

圖1 數據來(lái)源：德勤

人工智能在制造業(yè)領(lǐng)域的應用普及率目前較低。根據凱捷統計數據顯示，截至2023年，歐洲頂級制造企業(yè)的人工智能應用普及率超過(guò)30%，日本制造企業(yè)人工智能應用普及率接近30%，美國制造企業(yè)為28%，而中國制造企業(yè)的人工智能應用普及率尚不足11%，需要通過(guò)更多的場(chǎng)景應用落地提高應用普及率。

人工智能在制造業(yè)的現有落地場(chǎng)景、技術(shù)應用的現狀有進(jìn)步但需要優(yōu)化。人工智能在制造業(yè)的應用貫穿于設計、生產(chǎn)、管理和服務(wù)等各個(gè)環(huán)節，以下是一些常見(jiàn)的落地場(chǎng)景及技術(shù)應用現狀：

不同應用場(chǎng)景的智能化基礎存在較大差異，有些具備了較為完善的數字化基礎，有些信息基礎設施落后。根據工信部數據統計顯示，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(shí)，不同的應用場(chǎng)景有不同的智能化需求，對人工智能包括算力、算法、數據的需求和配置也不同。應用場(chǎng)景智能化基礎不同和智能化需求不同，決定了其應用人工智能起點(diǎn)不同，場(chǎng)景化落地的條件和實(shí)施方式也會(huì )隨之不同，制造業(yè)人工智能場(chǎng)景應用解決方案需要進(jìn)行定制化開(kāi)發(fā)，以適應特定的生產(chǎn)流程、設備配置、數據格式等，導致難以復制推廣統一的人工智能解決方案實(shí)施規�；�的場(chǎng)景落地。

制造業(yè)場(chǎng)景應用對高度實(shí)時(shí)性、可靠性和準確性的要求，源于制造業(yè)生產(chǎn)流程的連續性和設備的精密性以及對產(chǎn)品質(zhì)量和安全性的嚴格標準。制造業(yè)生產(chǎn)需要實(shí)時(shí)控制和響應，以確保生產(chǎn)流程的連續性和穩定性。目前有些通用計算架構較難滿(mǎn)足制造業(yè)實(shí)時(shí)性的計算要求，端側推理需求迫切。電商平臺的推薦系統達到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)節對推薦參數的準確性要求非常高，一旦參數出現問(wèn)題，將對生產(chǎn)、制造等環(huán)節產(chǎn)生巨大影響。制造企業(yè)不敢輕易應用人工智能技術(shù)于具體的生產(chǎn)場(chǎng)景和生產(chǎn)流程，擔心應用人工智能導致生產(chǎn)流程停頓、生產(chǎn)過(guò)程出問(wèn)題、產(chǎn)品質(zhì)量出問(wèn)題。場(chǎng)景應用要求的高度實(shí)時(shí)性、可靠性和準確性，增加了場(chǎng)景應用落地的難度。

一是應用場(chǎng)景的多樣性增加了應用落地成本，影響了場(chǎng)景應用的落地。以大模型為例，很多企業(yè)參與場(chǎng)景應用落地基本采用“一個(gè)場(chǎng)景一個(gè)模型”的小作坊模式，需要針對每個(gè)場(chǎng)景獨立地完成模型選擇、數據處理、模型優(yōu)化、模型迭代等開(kāi)發(fā)環(huán)節，導致周期長(cháng)、成本高。場(chǎng)景應用解決方案需要進(jìn)行定制化開(kāi)發(fā)，以適應特定的生產(chǎn)流程、設備配置等，這增加了軟件開(kāi)發(fā)和硬件設備的成本，這些因素影響了場(chǎng)景應用的落地。

二是技術(shù)人員成本、算力成本、維護和運營(yíng)成本支出較高等因素，制約了制造業(yè)人工智能的應用落地。在技術(shù)人員成本方面，傳統制造業(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備的購置和維護費用，硬件設備和軟件系統需要定期升級或更換，會(huì )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(yíng)成本方面，硬件設備的維護、軟件系統的維護、技術(shù)支持服務(wù)、數據的維護和處理、故障診斷和修復等都需要投入大量成本，影響制造業(yè)人工智能的應用落地。

一是補強智能化基礎薄弱的應用場(chǎng)景的基礎設施建設，搭建基本的網(wǎng)絡(luò )設施和硬件設備，為人工智能解決方案的實(shí)施打下基礎；二是了解不同制造場(chǎng)景的智能化需求，對各個(gè)制造環(huán)節和場(chǎng)景的智能化需求有深入的理解和洞察，將不同場(chǎng)景下的需求進(jìn)行歸納和總結，提煉出核心功能和需求，基于這些核心功能和需求設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(shí)施的通用性。定義通用的接口標準和協(xié)議，使不同模塊、系統之間能夠無(wú)縫對接和交互，提高人工智能解決方案的通用性。

一是對制造業(yè)不同細分行業(yè)的細分場(chǎng)景進(jìn)行深入調研，了解具體生產(chǎn)流程、痛點(diǎn)及需求。對目前典型應用場(chǎng)景分類(lèi)的基礎上進(jìn)行下沉，對更加細分的應用場(chǎng)景進(jìn)行識別，歸納和提煉出各細分場(chǎng)景的人工智能解決方案，針對每個(gè)分類(lèi)制定具體的操作指南。二是根據細分應用場(chǎng)景特點(diǎn)，在操作指南里推薦適合的機器學(xué)習或深度學(xué)習算法，提供模型訓練的具體步驟和參數調優(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。有了應用場(chǎng)景分類(lèi)的系統設計和具體的操作指南，可以更加具體地指導場(chǎng)景應用的落地。

一是通過(guò)產(chǎn)業(yè)鏈的生態(tài)合作產(chǎn)出性?xún)r(jià)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(guò)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(guò)生態(tài)合作研發(fā)更先進(jìn)、更高效的人工智能算法和模型，降低應用場(chǎng)景對數據處理、分析和決策的需求，減少計算資源和數據處理的成本。通過(guò)生態(tài)合作建立數據共享機制，促進(jìn)不同應用場(chǎng)景的數據共享，提高數據資源的利用率，有效解決應用場(chǎng)景的多樣化導致的數據處理難度，提高數據處理的效率和準確性，降低數據處理成本，提高場(chǎng)景應用落地的效率。

對于電信運營(yíng)商來(lái)說(shuō)，需要提供高速穩定的網(wǎng)絡(luò )連接，確保制造企業(yè)能夠實(shí)時(shí)傳輸和處理大量的數據，為人工智能應用提供堅實(shí)的網(wǎng)絡(luò )基礎。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練和部署。為制造業(yè)應用人工智能提供安全高效的數據服務(wù)。如提供數據采集、分析服務(wù)，幫助企業(yè)打破數據壁壘，實(shí)現數據匯聚和綜合利用，推進(jìn)場(chǎng)景應用穩步落地。