人工智能正在向制造业多个环节广泛渗透
随着人工智能技术在生活领域的快速传播，越来越多来自不同领域的学者及科研人员开始尝试将制造领域的专有知识注入人工智能模型中，并将其与制造业中的典型软件、系统及平台相集成，形成了一系列融合创新技术、产品与模式。产品研发方面，美国工业设计软件巨头欧特克推出的产品创新软件平台Fusion360和Netfabb 3D打印软件集成了人工智能和机器学习模块，能够理解设计师的需求并掌握造型、结构、材料和加工制造等数字化设计生产要素的性能参数，在系统的智能化指引下，设计师只需要设置期望的尺寸、重量及材料等约束条件即可以由系统自主设计出成百上千种可选方案。化工泵
生产制造方面，日本NEC公司推出的机器视觉检测系统可以逐一检测生产线上的产品，从视觉上判别金属、人工树脂、塑胶等多种材质产品的各类缺陷，从而快速侦测出不合格品并指导生产线进行分拣，在降低人工成本的同时提升出厂产品的合格率。多级泵
供应链运营方面，美国多联式运输公司C.H. Robinson针对卡车货运的运营需求开发了用于预测价格的机器学习模型，模型既整合了不同路线货运定价的历史数据，又将天气、交通以及社会经济挑战等实时参数加入其中，为每一次货运交易估算出公平的交易价格，在确保运输任务规划合理的前提下实现了企业利润的最大化。隔膜泵
市场营销方面，美国亚马逊商城基于机器学习模型对用户的购买习惯以及产品的属性进行深度学习，形成了全面的知识图谱，在此基础上向用户进行个性化推荐，也向销售商提供相关的生产与营销建议，这项技术的应用使亚马逊增加了10%到30%的附加利润。
产品服务方面，日本的小松机械在生产工程机械的同时推出了智能化工程服务项目，可实现由一队无人机测绘三维地图，然后指导智能机器人控制大型工业车辆作业，从而帮助用户大幅提高施工效率和品质。油桶泵
售后运维方面，电梯厂商蒂森克虏伯公司与微软合作，为其旗下24000名技术工人配备了集成人工智能技术的增强现实眼镜，以便在安装、检修电梯设备的时候能够智能化辅助识别现场并获得技术支持。业务升级后，技术工人的工作效率得以大幅提升，以往需要2小时才能解决的问题通常20分钟就能完成。
可以看到，当前人工智能技术向制造领域的渗透从广度、深度来看均在快速推进，对制造业整体发展的支撑效应初显。其主导企业既有小松机械、蒂森克虏伯这样的传统制造企业，也有谷歌、亚马逊等具有人工智能技术优势的互联网企业，还有欧特克、ABB等向人工智能领域转型的工业软硬件产品提供商，总体上呈现多领域融合、多行业合作的发展态势。但是我们也可以看到，当前产业界对人工智能的融合应用大多数还处于探索阶段，对部分环节的应用模式还存在较大争议，多数企业仍处于观望状态。
人工智能向制造业的融合渗透仍面临挑战
尽管当前人工智能与制造业的融合发展已经显露出一些成效，但是从世界范围看，该领域仍然较为前沿，在技术架构、实施路径、行业标准及产业生态等方面均存在一定的发展瓶颈。
首先是产业总体发展尚不成熟。作为一项基础性、通用性的技术，人工智能在工业领域的应用实践需要产业界多方合作开展大量的融合创新探索，对相关产品和解决方案的成本、可靠性等指标也有较高的要求。从已有的实践案例中可以看到，当前人工智能在制造业的融合创新主要是由数据、知识密集型的制造企业与具备人工智能技术优势的互联网企业或软件企业强强联合推进的，其开发成本、技术壁垒较高，应用覆盖面也相对较窄，这使得人工智能技术暂时不具备在制造业大范围推广的条件。
其次是行业标准有待完善。工业领域的人工智能应用需要基于大样本的数据集建模，这些数据通常是来自智能装备及现场部署的独立传感器。然而，工业现场目前的数据通信标准之间通常不能兼容，无法满足人工智能技术对优化建模数据量的基本需求。以工业现场总线为例，目前工业界常见的通信协议有20余种，这些协议之间不能直接互联互通，使得信息孤岛的情况在工业界广泛存在。
再次是产业发展保障体系有待健全。人工智能技术作为信息技术的一种，其自身就存在一定的安全风险，引入工业领域后，将与工业系统自身的功能风险叠加放大，这将直接危及到生命安全和国家安全。此外，在面对某些与伦理道德相关的抉择问题时，人工智能系统的研发也缺乏相关的法律标准。例如，向人工智能视频识别系统中输入带有欺骗特征的图片，有可能会引起系统误判而触发一系列的危险动作；在工业事故中，人工智能应急管理系统在面对重大资产与人员安全无法兼顾时也没有权威的处理标准。
推动人工智能与制造业融合发展的建议
作为一项极具发展前景的领域，人工智能与制造业的融合发展尚需政府和产业界多方发力。首先是要培育产业发展环境。政府和行业协会需要通过培育解决方案服务机构、开展试点示范等方式，引导人工智能技术在ICT、互联网等领域的应用成果向制造业输出，尤其是在轻量化设计、节能降耗、工艺优化、质量提升、运行维护等当前人工智能已经涉足的领域培养一批成熟的解决方案。与此同时，要针对系统开发、现场操作、管理规划等不同层面的需求，分类型、分等级推进人工智能阶梯形人才队伍的培育工作，加强企业员工的再培训，做好工业智能化变革下新旧动能的承接工作。其次是要加快制定行业标准。产业界需要通过组织联盟等形式开展多方合作，面向各工业分类的人工智能应用对数据采集、应用部署等方面的需求，联合制定机器设备、工控系统、工业互联网平台的标准化数据接口及应用参考架构，确保支撑人工智能应用的工业数据能快速有效地得以应用。再次是要统筹协调构建保障体系。面向人工智能技术在未来可能大范围覆盖的工业应用场景，由立法部门及行业协会共同研究制定应用规范、开发守则等涉及应用安全、伦理道德的行业标准，尽可能规避未来可能出现的相关风险。同时，政府需要加快建立工业智能公共评测服务平台，加强对工业智能系统的安全测试服务，制定完善人工智能装备、系统在工业生产应用场景中的安全操作规范守则。