推动人工智能与工业制造深度融合，加速传统产业数字化转型

推动人工智能与工业制造深度融合，加速传统产业数字化转型

• 来源:网络
• 更新日期:2020-07-16

摘要：工业作为我国实体经济发展的重要支撑，正面临巨大的转型升级考验。推动人工智能与工业融合发展，一方面有助于应对我国人口红利消失的影响，提升工业生产效率和产业竞争力，优化我国

工业作为我国实体经济发展的重要支撑，正面临巨大的转型升级考验。推动人工智能与工业融合发展，一方面有助于应对我国人口红利消失的影响，提升工业生产效率和产业竞争力，优化我国经济结构，提升产业竞争力，实现高质量发展，另一方面也有助于应对突发公共卫生事件对生产制造的影响，增强我国经济韧性。

全国政协委员、交通运输部科学研究院副院长王先进提交关于推动人工智能与工业制造深度融合的思考建议，从人工智能与实体经济的深度融合发展的角度建言献策，以加快我国智能经济形态的构建，引领传统产业进行数字化转型。

AI与工业深入融合是现代工业发展必由之路

“人工智能作为引领未来的前瞻性、战略性技术，已经成为新一轮科技革命和产业变革的重要驱动力量。”在王先进看来，近年来，我国不断加快构建工业互联网，多层次系统化平台体系初步形成，应用持续深化，从局部突破走向垂直深耕，“总体上来看，人工智能与工业的融合成效初显，但与美德日等先进国家还存在明显差距，并且人工智能与工业领域细分子行业融合度差异较大。”

他认为，我国工业正处在智能化升级的重要阶段，以复杂机械装备仿真设计、制造工艺优化、产品质量（瑕疵）检测、智能仓储物流、能耗管控、安全管理等应用场景为切入点，推动人工智能与工业深度融合，既是现代工业发展的必然趋势，也为人工智能带来更为广阔发展的空间。

人工智能与生产制造融合，对生产质量与效率的提高是显而易见的。以德国海德堡的ABB公司智能工厂为例，该工厂部署了7种智能机器人，能够根据前序工段特点自动调整工作模式，确保工厂始终处于最佳状态，最终使工厂生产效率提升了3%，产品种类也增加了3倍。

同时，基于AI的智能在线检测技术还能提高产品检测速度及质量，减少因漏检、误检所引起的损失。如旷视为某摄像头模组企业提供的智能质检解决方案实现了产品的在线实时检测，能够及时发现产品划伤、折痕、油污、破损等缺陷，缺陷检测率同比提高90%，降低85%以上人工成本，整体维护成本降低10%。

人工智能关键基础共性技术亟待突破

但在实际操作中，人工智能与工业深度融合的问题和挑战也仍然面临不少的问题和挑战，主要表现在：人工智能关键基础共性技术亟待突破、成功应用案例示范效应不明显、企业人工智能技术应用缺乏风险分担机制、产业链上下游各环节缺乏协同、工业企业数字化基础依然薄弱。

“比如说，在人工智能关键基础共性技术层面，我国缺乏完善的主流框架的人工智能基础平台，大部分人工智能企业依托谷歌、脸书等国际巨头开发框架开发中下游应用，对外部基础技术依赖度高。”他分析认为，“AI+工业”的组合，在诸多工业细分领域也没有适合切入的应用场景，而现有成功案例多集中在超大型企业，对中小企业缺乏示范推广效应，“更为致命的是，智能化改造项目平均需要约3.5年时间，投资超过9000万元，这无疑加大了工业企业的经营风险。”

从产业链及行业的角度来看，产业链上下游协同不顺畅、端到端解决方案能力不足、生产系统数字化率低、工业企业数据不规范等问题，也进一步制约着人工智能与工业的深度融合。

对此，王先进表示，人工智能在工业细分领域的应用差异化特征显著，只有通过搭建通用型人工智能操作深度学习开发框架，实现场景化算法的快速构建，才能快速响应企业差异化需求，降低人工智能应用开发成本和部署成本。因此，构建深度学习框架级开发能力，也成为人工智能与工业加速融合的必要条件。

值得庆幸的是，在一批国内优秀的人工智能企业的不懈努力下，以MegEngine（天元）、PaddlePaddle（飞桨）、Jittor（计图）、MindSpore等代表的国产深度学习框架的开源，也为我国人工智能与工业加速融合提供了弯道超车的机会。“如旷视于今年3月正式发布新一代AI生产力平台Brain++，并开源其核心框架天元(MegEngine)，其中天元也是国内唯一自主研发并全员使用的深度学习框架，可针对不同垂直领域的碎片化需求定制丰富的算法组合，以更少的人力和更短的时间开发出各种新算法，为产业智能解决方案规模化落地提供技术保障。”

四大核心关键点加速“AI+工业”深度融合

如何推动人工智能与工业的深度融合？王先进在建议中认为可以从以下四大核心关键点入手：

支持自主框架，夯实核心技术能力

在基础技术研发方面，要继续支持以旷视、百度、华为等重点企业进一步提升自主研发人工智能开发框架以及芯片的应用广度和深度，减少对国外开源框架和GPU芯片的依赖，同时在工业领域推广应用自主研发的深度学习框架和芯片，提高工业生产安全性。

同时，还应加快推动国内人工智能行业标准体系建设，探索成立开源基金，这不但能够积极引导国际人工智能标准发展方向，不断提升我国人工智能技术标准化水平和国际影响力，还能加快构建自主开源生态。

推进融合应用，提升实体经济效率

在推进人工智能应用示范方面，重点针对智能产品与装备、智能工厂与产线、智能管理与服务、智能供应链与物流、智能监控与决策等领域梳理需求，定项支持加速解决方案落地，遴选典型案例示范推广。同时，打造深度融合标志性产品、平台和解决方案。

在政策扶持方面，鼓励人工智能“应用先导区”和“创新发展试验区”对人工智能创新应用的支持，探索设立地方专项资金支持工业人工智能创新应用。建议相关部门能够为典型行业、典型企业提供专项资金支持，加速行业示范人工智能应用项目的落地，同时加大对已落地案例的推广，更好地发挥成功示范效应。

鼓励产业协同，打造产业生态体系

支持人工智能产业联盟和人工智能与工业融合发展相关联盟、工作委员会，积极开展行业和跨行业交流合作，推动产业链上下游协同和跨行业协同创新。同时鼓励产业园区搭建跨行业交流平台，推动工业互联网平台集成商与人工智能技术提供商加强合作，加强工业企业与人工智能企业交流合作，实现工业互联网平台与人工智能应用集成。

破除行业壁垒，打造融合发展环境

要优化数据治理规则，推动行业间数据流通，建立可执行度高的数据监管条例，为人工智能应用研发和应用提供充分的数据资源和环境支持。构建智能化信息基础设施，加快建设下一代互联网、5G通信网、工业互联网、超算中心等信息基础设施，形成适应智能经济、智能社会需要的基础设施体系，降低行业融合成本。推进智能制造标准体系建设建设，优先针对智能工业机器人、工业物联网发展和应用需求，推动相关接口标准化。

原文来源：互联网，由智能制造共享创新中心重新编辑整理发布，转载请注明出处。