“人工智能-制造”產(chǎn)業(yè)發(fā)展研究報(bào)告

“人工智能+制造”產(chǎn)業(yè)發(fā)展研究報(bào)告——概念、趨勢(shì)與互聯(lián)網(wǎng)賦能機(jī)會(huì)2018年6月目錄“人工智能+制造”的概念互聯(lián)網(wǎng)助力01020405“人工智能+制造”“人工智能+制造”的現(xiàn)狀“人工智能+制造”政策借鑒加快推進(jìn)“人工智能+制造”對(duì)策建議“人工智能+制造”的影響0306“人工智能+制造”的概念01什么是人工智能什么是“人工智能+制造”人工智能如何“+”制造為什么要研究“人工智能+制造”？工業(yè)困局發(fā)達(dá)國(guó)家：產(chǎn)業(yè)空心化，賺了利潤(rùn)但丟了就業(yè)，且貿(mào)易逆差?英國(guó)：高價(jià)值制造、人工智能?發(fā)展計(jì)劃?

美國(guó)：先進(jìn)制造、工業(yè)互聯(lián)網(wǎng)、?

發(fā)展中國(guó)家：產(chǎn)業(yè)低值化，賺了收入和就業(yè)，但丟了利潤(rùn)和環(huán)境制造業(yè)回流算據(jù)：大數(shù)據(jù)?

算力：云+邊緣計(jì)算?

算法：深度神經(jīng)網(wǎng)絡(luò)信息技術(shù)的發(fā)展，對(duì)各行各業(yè)效率提升提供了可能?

德國(guó)：工業(yè)4.0信息革命

??

日本：機(jī)器人新戰(zhàn)略、工業(yè)價(jià)值鏈、社會(huì)5.0?

中國(guó)：中國(guó)制造2025、新一代人工智能規(guī)劃……概念三問(wèn)問(wèn)題1：什么是人工智能？本田的人行機(jī)器人ASIMO波士頓動(dòng)力的自主機(jī)器狗DeepMind的圍棋阿法狗DeepMind模擬老鼠網(wǎng)格細(xì)胞的定位與導(dǎo)航歷史：理論+專家系統(tǒng)符號(hào)主義（邏輯）聯(lián)結(jié)主義（仿生）行為主義（控制）當(dāng)前：大數(shù)據(jù)+深度學(xué)習(xí)ImageNet大賽2014：Google-22層2015：MS-152層?

深度神經(jīng)網(wǎng)絡(luò)算法突破算力飛躍?

大規(guī)模、無(wú)監(jiān)督、多層次?

非結(jié)構(gòu)數(shù)據(jù)處理突破（圖像、語(yǔ)音）2016：商湯-1207層錯(cuò)誤率：6.7%->3.6%->3.1%?

CPU->GPU->TPU，計(jì)算速度和效率大幅提升?

云+邊緣計(jì)算，低成本、海量計(jì)算資源TPU速度=15-30倍GPUGPU速度=1-3倍CPU?

光刻等技術(shù)進(jìn)一步發(fā)展，芯片越來(lái)越小，端處理能力持續(xù)提高?

互聯(lián)網(wǎng)50億連接，積累了海量數(shù)據(jù)（主要是人）算據(jù)激增?

物聯(lián)網(wǎng)500億連接，開(kāi)啟更大規(guī)模數(shù)據(jù)的來(lái)源：年增長(zhǎng)率47%2017年超10EB/月機(jī)器、政府、生物、環(huán)境……數(shù)據(jù)來(lái)源：上圖-Surveyofneuralnetworksinautonomousdriving，GustavvonZitzewitz，2017.7；中圖-GoogleCloud官網(wǎng)；下圖-GlobalMobileDataTrafficForecastUpdate,2016–2021WhitePaper，Cisco未來(lái)：小數(shù)據(jù)+大任務(wù)當(dāng)前：“大數(shù)據(jù)、小任務(wù)”未來(lái)：“小數(shù)據(jù)、大任務(wù)”?

海量數(shù)據(jù)?

少量數(shù)據(jù)?

局部、特定問(wèn)題（如計(jì)算下棋落?

全局問(wèn)題獨(dú)立閉環(huán)（如像人一樣子的位置）到場(chǎng)-落座-下棋-離場(chǎng)）?

“暴力”計(jì)算?

“精確”計(jì)算問(wèn)題2：什么是“人工智能+制造”？“人工智能+制造”簡(jiǎn)史歷史：專家系統(tǒng)輔助制造?

20世紀(jì)60-80年代，根據(jù)“知識(shí)庫(kù)”和“if-then”邏輯推理構(gòu)建的“專家系統(tǒng)”，在礦藏勘測(cè)、污染物處理、太空艙任務(wù)控制等方面得到初步應(yīng)用?

專家系統(tǒng)實(shí)際上只是一定程度上實(shí)現(xiàn)了這些環(huán)節(jié)和流程的分析和自動(dòng)化，對(duì)于錯(cuò)綜復(fù)雜的現(xiàn)實(shí)問(wèn)題只能提供有限的輔助參考當(dāng)前：深度學(xué)習(xí)優(yōu)化制造?

人工智能及相關(guān)技術(shù)融合應(yīng)用，逐步實(shí)現(xiàn)對(duì)制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。主要由工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)數(shù)據(jù)，放到云計(jì)算資源中，通過(guò)深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化未來(lái)：人機(jī)融合協(xié)同制造?

機(jī)器和人將重新磨合成新的相互配合、補(bǔ)充、協(xié)同工作的平衡關(guān)系。未來(lái)智能制造將以人為中心，統(tǒng)籌協(xié)調(diào)人、信息系統(tǒng)、和物理系統(tǒng)的綜合集成大系統(tǒng)，即“人-信息-物理系統(tǒng)”（human-cyber-physicalsystems,HCPS）問(wèn)題3：人工智能如何“+”制造？“人工智能+制造”魔方體系模型技術(shù)范式?

數(shù)字化：可編程?

網(wǎng)絡(luò)化：可協(xié)同?

智能化：可自主生產(chǎn)組織?

工廠：生產(chǎn)單元自主?

企業(yè)：企業(yè)各部門協(xié)同?

生態(tài)：供應(yīng)鏈+客群連接價(jià)值形態(tài)?

產(chǎn)品：人性化功能?

制造：人機(jī)協(xié)同生產(chǎn)?

服務(wù)：個(gè)性化服務(wù)“人工智能+制造”的現(xiàn)狀02產(chǎn)業(yè)規(guī)模典型案例面臨挑戰(zhàn)產(chǎn)業(yè)結(jié)構(gòu)：從單一鏈到嵌套網(wǎng)單一鏈物體<->數(shù)字體?

物體與數(shù)字體映射，一個(gè)變另一個(gè)也變物流<->信息流?

多個(gè)物體的變化形成物流，對(duì)應(yīng)的數(shù)字體變化匯聚為信息流，通過(guò)洞察信息流通盤管理整個(gè)物流制造業(yè)<->信息業(yè)?

兩個(gè)產(chǎn)業(yè)融合，形成新的產(chǎn)品、生產(chǎn)組織方式、滿足新的需求?

AI+實(shí)質(zhì)是兩化融合的高階嵌套網(wǎng)產(chǎn)業(yè)結(jié)構(gòu)：六大典型領(lǐng)域智能工廠應(yīng)用/解決方案應(yīng)用平臺(tái)基礎(chǔ)DCSPLCMESERP……制造云（公有）制造業(yè)大數(shù)據(jù)及商制造業(yè)人工智能（算法）業(yè)分析工業(yè)機(jī)器人制造業(yè)物聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模：1千億到7千億，連接/平臺(tái)貢獻(xiàn)大整體規(guī)模?

2016年約為1.2千億美元?

2025年將超過(guò)7.2千億美元?

復(fù)合年均增長(zhǎng)率預(yù)計(jì)可超過(guò)25%具體組成?

連接：工業(yè)物聯(lián)網(wǎng)4.7%->14%，增長(zhǎng)近10%?

平臺(tái)：制造云、大數(shù)據(jù)和人工智能24%->36%，增長(zhǎng)12%。在互聯(lián)網(wǎng)領(lǐng)域發(fā)展成熟的平臺(tái)生態(tài)模式，將成為制造業(yè)智能化轉(zhuǎn)型升級(jí)的重要選擇數(shù)據(jù)來(lái)源：MarketsandMarkets的IndustrialRobotics、IIoT、ArtificialIntelligenceinManufacturing、SmartFactory，以及IDC的publiccloudservices、BigDataandBusinessAnalytics等研究報(bào)告數(shù)據(jù)整合分析六大細(xì)分領(lǐng)域特點(diǎn)領(lǐng)域典型技術(shù)/產(chǎn)品典型適用行業(yè)傳統(tǒng)機(jī)器人仍然占據(jù)市場(chǎng)主體金屬和機(jī)械行業(yè)應(yīng)用增速最顯著；工業(yè)機(jī)器人協(xié)作機(jī)器人將會(huì)呈現(xiàn)高速增長(zhǎng)包裝、物料處理和自動(dòng)化機(jī)械工具等較多制造業(yè)物聯(lián)網(wǎng)廣義包括基礎(chǔ)-平臺(tái)-應(yīng)用-方案各子行業(yè)、全流程都將廣泛適用具體分為托管服務(wù)和專業(yè)服務(wù)制造云IaaS/PaaS是未來(lái)主要增長(zhǎng)離散型由于環(huán)境分散、過(guò)程復(fù)雜，更需要資產(chǎn)型制造（如機(jī)器裝備，資產(chǎn)跟蹤和管理）品牌型制造（如快消品，實(shí)時(shí)精準(zhǔn)營(yíng)銷）制造業(yè)大數(shù)據(jù)及商業(yè)分析非關(guān)系型數(shù)據(jù)存儲(chǔ)和認(rèn)知軟件平臺(tái)增長(zhǎng)最強(qiáng)勁其他：內(nèi)容分析、搜索系統(tǒng)、IT和商業(yè)服務(wù)等技術(shù)型制造（如電子產(chǎn)品，供應(yīng)鏈監(jiān)測(cè)和管理）制造業(yè)技術(shù)：計(jì)算機(jī)視覺(jué)目前占比最大主要應(yīng)用于工序復(fù)雜的行業(yè)人工智能產(chǎn)品：預(yù)測(cè)性維護(hù)和機(jī)械檢查目前占比最大目前汽車行業(yè)人工智能技術(shù)應(yīng)用最多分布式控制系統(tǒng)（DCS）目前占最比最大。結(jié)合大汽車行業(yè)將占全球智能工廠市場(chǎng)最高份額，因智能工廠應(yīng)用/解決方案數(shù)據(jù)和人工智能可有效實(shí)現(xiàn)預(yù)測(cè)性防護(hù)和優(yōu)化新一代電動(dòng)和智能汽車規(guī)模發(fā)展制造執(zhí)行系統(tǒng)（MES）預(yù)計(jì)未來(lái)增速最快。生產(chǎn)執(zhí)石油天然氣工廠對(duì)安全性和可靠性需求日益增行操作和管理，能夠有效縮時(shí)、提產(chǎn)加，因此采用智能工廠預(yù)計(jì)會(huì)最高案例1—研發(fā)設(shè)計(jì)，大幅降低不確定性成本基于卷積神經(jīng)網(wǎng)絡(luò)的新藥研發(fā)（Atomwise）【痛點(diǎn)】：研發(fā)慢+貴——————【啟示】——————研發(fā)設(shè)計(jì)環(huán)節(jié)，人工智能可基于海量數(shù)據(jù)建模分析，將原本高不確定性、高成本的實(shí)物研發(fā)、轉(zhuǎn)變?yōu)榈统杀靖咝实臄?shù)字化自動(dòng)研發(fā)?新藥研發(fā)=各種不同化合物組合與測(cè)試?

10-15年+5-10億美元=一款新藥研發(fā)成功【方案】：超級(jí)計(jì)算機(jī)（IBM藍(lán)色基因）+獨(dú)家算法（AtomNet）對(duì)于制藥、化工、材料等研發(fā)周期長(zhǎng)、成本高、潛在數(shù)據(jù)豐富的行業(yè)，作用尤其明顯?

學(xué)習(xí)：分析學(xué)習(xí)已有數(shù)據(jù)庫(kù)配體有效結(jié)合蛋白質(zhì)?

發(fā)現(xiàn)：數(shù)字化模擬藥品研發(fā)過(guò)程，對(duì)基本的化學(xué)基團(tuán)（如氫鍵、單鍵碳等）組合發(fā)掘新的有機(jī)化合物?

測(cè)試：分析化合物的成效關(guān)系?

評(píng)估：新藥結(jié)構(gòu)組成和風(fēng)險(xiǎn)鑰匙開(kāi)門鎖【效果】：快+便宜（相比傳統(tǒng)技術(shù)*）?

節(jié)省一半早期藥物篩選實(shí)驗(yàn)的數(shù)量?

大大提高結(jié)果成功率*DOCK和Autodock-smina案例2—生產(chǎn)制造，柔性生產(chǎn)滿足個(gè)性需求基于個(gè)人數(shù)據(jù)分析的批量定制（adidas）【痛點(diǎn)】：同質(zhì)競(jìng)爭(zhēng)->價(jià)格戰(zhàn)->低利潤(rùn)?

傳統(tǒng)生產(chǎn)=標(biāo)準(zhǔn)化+大批量=同質(zhì)競(jìng)爭(zhēng)?

競(jìng)爭(zhēng)差異化=個(gè)性化需求定制=高成本——————【啟示】——————生產(chǎn)制造環(huán)節(jié)，人工智能可針對(duì)消費(fèi)者個(gè)性化需求數(shù)據(jù)，在保持與大規(guī)模生產(chǎn)同等、甚至更低成本的同時(shí)，提高生產(chǎn)的柔性生產(chǎn)制造系統(tǒng)越柔性，越能快速響應(yīng)市場(chǎng)需求等關(guān)鍵因素的變化，尤其適合服飾、工藝品等與消費(fèi)者體征或品味等需求相關(guān)性強(qiáng)的行業(yè)【方案】：迅捷工廠（SpeedFactory）*?

技術(shù)：3D打印+機(jī)器人手臂+電腦針織?

需求：依靠云端收集顧客足型和運(yùn)動(dòng)數(shù)據(jù)?

生產(chǎn)：按照顧客的喜好選擇配料和設(shè)計(jì)，并在庫(kù)卡機(jī)器人手臂、電腦針織和人工輔助的共同協(xié)作下完成定制【效果】：快+個(gè)性化?

節(jié)省時(shí)間：18個(gè)月->1周，完成生產(chǎn)上架?

成本不變，實(shí)現(xiàn)小規(guī)模、個(gè)性化定制*2015年底在德國(guó)安斯巴赫（Ansbach）開(kāi)設(shè)首家案例3—質(zhì)量管控，快速質(zhì)檢并保障質(zhì)量基于視覺(jué)識(shí)別的質(zhì)量檢測(cè)（IBM）【痛點(diǎn)】：人工速度慢、誤差多、成本高?

傳統(tǒng)質(zhì)檢=人工為主=精度有限=次品漏檢?

人工經(jīng)驗(yàn)難量化，難以指導(dǎo)產(chǎn)線優(yōu)化——————【啟示】——————質(zhì)量管控環(huán)節(jié)，人工智能結(jié)合物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，能夠?qū)崿F(xiàn)對(duì)產(chǎn)品質(zhì)量的自動(dòng)檢測(cè)擴(kuò)展到生產(chǎn)的全流程，從而不僅提高質(zhì)檢效率，甚至能指導(dǎo)工藝、流程等改善，提高整體良品率【方案】：視覺(jué)洞察（VisualInsights）*?

技術(shù)：前臺(tái)高清攝像頭+后臺(tái)Watson算法尤其適合材料、零配件、精密儀器等產(chǎn)量大、部件復(fù)雜、工藝要求高的行業(yè)?

建模：Watson中央學(xué)習(xí)服務(wù)器通過(guò)訓(xùn)練不斷識(shí)別合格和異常產(chǎn)品圖像差異從而建模?

分析判斷：攝像頭捕捉產(chǎn)品組件在生產(chǎn)和組裝過(guò)程中的圖像，提供給Watson進(jìn)行分析?

檢查：人工檢查員進(jìn)行二次檢查和確認(rèn)【效果】：快+高質(zhì)量+成本節(jié)約?

質(zhì)檢時(shí)間縮短80%、產(chǎn)品質(zhì)量缺陷減少7%-10%、節(jié)約重復(fù)性人工成本*基于IBM物聯(lián)網(wǎng)和人工智能平臺(tái)（Watson）能力案例4—供應(yīng)管理，精準(zhǔn)掌握供需變化提效能基于需求感知的庫(kù)存動(dòng)態(tài)調(diào)整（Tools

Group）【痛點(diǎn)】：供應(yīng)鏈效率低、成本高——————【啟示】——————供應(yīng)管理環(huán)節(jié)，人工智能在于建立更實(shí)時(shí)、精準(zhǔn)匹配的供需關(guān)系。即通過(guò)掌握和預(yù)測(cè)需求動(dòng)態(tài)變化，以進(jìn)行更有效的供應(yīng)鏈調(diào)整優(yōu)化?

技術(shù)有限->需求預(yù)測(cè)不準(zhǔn)->供應(yīng)響應(yīng)不足?

導(dǎo)致：庫(kù)存管理成本提高+最終用戶體驗(yàn)差【方案】：端-端供應(yīng)鏈優(yōu)化組件SO99+*更適合于快消、零配件等市場(chǎng)需求變動(dòng)較大、?

組件組成：需求、計(jì)劃和庫(kù)存供應(yīng)鏈較復(fù)雜的行業(yè)?

需求預(yù)測(cè)：基于貿(mào)易促銷和媒體活動(dòng)預(yù)測(cè)；基于新產(chǎn)品介紹預(yù)測(cè)；基于社交聆聽(tīng)預(yù)測(cè)；基于極端或復(fù)雜的季節(jié)性預(yù)測(cè)；基于氣候數(shù)據(jù)預(yù)測(cè)?

供應(yīng)優(yōu)化：多級(jí)庫(kù)存、計(jì)劃生產(chǎn)等動(dòng)態(tài)調(diào)整，最終實(shí)現(xiàn)采購(gòu)和補(bǔ)貨的半自動(dòng)甚至全自動(dòng)化【效果】：快+精準(zhǔn)?

有效減少50%的預(yù)測(cè)誤差、提高20%的庫(kù)存性能，并能有效優(yōu)化庫(kù)存分布*將機(jī)器學(xué)習(xí)引入供應(yīng)鏈管理開(kāi)發(fā)新軟件案例5—運(yùn)營(yíng)維護(hù)，提前預(yù)測(cè)和解決故障風(fēng)險(xiǎn)基于運(yùn)營(yíng)數(shù)據(jù)分析的預(yù)測(cè)性維護(hù)（Microsoft）【痛點(diǎn)】：故障事后處理，高成本——————【啟示】——————運(yùn)營(yíng)維護(hù)環(huán)節(jié)，人工智能在于對(duì)設(shè)備或產(chǎn)品的運(yùn)行狀態(tài)建立模型，找到與其運(yùn)行狀態(tài)強(qiáng)相關(guān)的先行指標(biāo)，通過(guò)這些指標(biāo)的變化、能夠提前預(yù)測(cè)設(shè)備故障的風(fēng)險(xiǎn)，從而預(yù)防故障的發(fā)生?

有限狀態(tài)指標(biāo)+缺乏預(yù)測(cè)模型->設(shè)備故障后處理->停機(jī)停產(chǎn)維修->高成本【方案】：預(yù)測(cè)性維護(hù)*對(duì)于設(shè)備或產(chǎn)品故障成本高的行業(yè)意義重大，比如裝備、精密儀器等?

技術(shù)：物聯(lián)網(wǎng)+云計(jì)算+機(jī)器學(xué)習(xí)?

步驟：確定預(yù)測(cè)目標(biāo)和結(jié)果、明確數(shù)據(jù)源、獲取及整合數(shù)據(jù)、建模、測(cè)試和迭代、現(xiàn)場(chǎng)操作驗(yàn)證、融入運(yùn)營(yíng)?

功能：設(shè)備或產(chǎn)品運(yùn)營(yíng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和健康預(yù)警【效果】：全天候+節(jié)約?

如電梯制造服務(wù)商thyssenkrupp，借此減少50%電梯停運(yùn)時(shí)間、節(jié)約15%維護(hù)費(fèi)用*Microsoft將其搭載在物聯(lián)網(wǎng)平臺(tái)上作為服務(wù)項(xiàng)面臨挑戰(zhàn)：四個(gè)主要方面①技術(shù)有缺口③管理模式舊?

缺關(guān)鍵自主技術(shù)（如芯片、核心裝備部件、?

工業(yè)時(shí)代的大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)，造成制造企業(yè)管理仍然以金字塔、多層次、細(xì)分化為主軟件/算法等）?

導(dǎo)致產(chǎn)業(yè)受制（如美國(guó)最新針對(duì)中國(guó)制造2025貿(mào)易戰(zhàn)）?

這種模式，組織末梢人員任務(wù)單一、彈性弱，難適應(yīng)快速變動(dòng)的市場(chǎng)?

但關(guān)鍵技術(shù)、尤其是基礎(chǔ)技術(shù)需要長(zhǎng)期大量投入研發(fā)，短時(shí)難突破?

而人工智能的普及，更可能需要新的人機(jī)協(xié)同分工機(jī)制設(shè)計(jì)②標(biāo)準(zhǔn)難落地④資本投入少?

政府和機(jī)構(gòu)已牽頭在建各種標(biāo)準(zhǔn)?

但不同線條的標(biāo)準(zhǔn)間仍存差異?

更重要的是，當(dāng)前制造業(yè)設(shè)備很多來(lái)自國(guó)外廠商，多廠家軟硬件不兼容的情況多見(jiàn)，頂層設(shè)計(jì)的標(biāo)準(zhǔn)與復(fù)雜的現(xiàn)狀一時(shí)難以匹配落地?

近年來(lái)制造業(yè)普遍利潤(rùn)不高，投資回報(bào)率相對(duì)其他高新領(lǐng)域低，商業(yè)資本的關(guān)注度走低?

而制造業(yè)的改造升級(jí)，又需要長(zhǎng)期大量的資本投入，短期效益可能很難顯現(xiàn)，資本投入就更偏謹(jǐn)慎“人工智能+制造”的影響03整體產(chǎn)業(yè)影響分類產(chǎn)業(yè)影響人工智能+對(duì)制造業(yè)影響的四個(gè)角度①提高生產(chǎn)效率③優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)?

增效：柔性生產(chǎn)、全天候生產(chǎn)?

淘汰：大部分傳統(tǒng)“非智能”產(chǎn)品，尤其是電子制品?

提質(zhì)：降低人為錯(cuò)誤、持續(xù)工藝改善，提升成品率?

改造：部分產(chǎn)品被逐漸“注智”，變成新產(chǎn)業(yè)，如自動(dòng)駕駛汽車?

降本：重復(fù)性、危險(xiǎn)性工作機(jī)器替人；生產(chǎn)廢料、時(shí)間等成本節(jié)約?

孕育：新的智能產(chǎn)業(yè)，如算法公司②改變就業(yè)市場(chǎng)④重構(gòu)國(guó)際分工?

結(jié)構(gòu)性失業(yè)：50%*的現(xiàn)有工作可能被替?

削弱傳統(tǒng)勞動(dòng)力比較優(yōu)勢(shì)代，制造業(yè)就業(yè)人口縮減?

工業(yè)強(qiáng)國(guó)向下游、工業(yè)大國(guó)向上游，爭(zhēng)奪?

創(chuàng)造新職業(yè)/崗位：針對(duì)機(jī)器的開(kāi)發(fā)、管更多價(jià)值空間理、維護(hù)等崗位增加?

地理上的國(guó)家國(guó)際分工，可能進(jìn)一步形成?

人機(jī)賽跑的拐點(diǎn)？就業(yè)數(shù)量絕對(duì)減少的拐新跨國(guó)平臺(tái)間的競(jìng)爭(zhēng)與合作點(diǎn)可能到來(lái)***李開(kāi)復(fù)：50%的工作將被AI取代，第48屆世界經(jīng)濟(jì)論壇年會(huì)發(fā)言，新浪財(cái)經(jīng)，2018年05月05日；**布林約爾松《與機(jī)器賽跑》，東西文庫(kù)，2013年01月20日人工智能+對(duì)不同制造業(yè)的影響差異比較行業(yè)類型特征典型行業(yè)發(fā)展瓶頸人工智能作用減少人工降低人工造成的品質(zhì)不穩(wěn)定勞動(dòng)密集型低勞動(dòng)力成本為核心競(jìng)爭(zhēng)力加工組裝（家電、電子產(chǎn)品…）人工成本不斷提高工人不穩(wěn)定性影響品質(zhì)資本密集型材料（冶金、化工…）柔性化程度低不能滿足定制需求實(shí)現(xiàn)低成本定制化固定成本占比高生產(chǎn)技術(shù)引領(lǐng)型依靠技術(shù)進(jìn)步獲得競(jìng)爭(zhēng)力高新技術(shù)研發(fā)的風(fēng)險(xiǎn)、不可

提高技術(shù)研發(fā)成功率（生物醫(yī)藥、航空航天…）控和長(zhǎng)周期縮短研發(fā)周期市場(chǎng)變動(dòng)型快消品（服裝、食品…）準(zhǔn)確預(yù)測(cè)和快速響應(yīng)產(chǎn)品生命周期短難以準(zhǔn)確預(yù)測(cè)市場(chǎng)走向市場(chǎng)互聯(lián)網(wǎng)助力“人工智能+制造”04互聯(lián)網(wǎng)助力的基礎(chǔ)互聯(lián)網(wǎng)助力的模式互聯(lián)網(wǎng)助力的實(shí)踐互聯(lián)網(wǎng)助力的五大基石連接安全用戶->產(chǎn)品信息->物理?

海量用戶連接，可擴(kuò)展為用戶和產(chǎn)品/企業(yè)的連接?

多年信息安全經(jīng)驗(yàn)，將成為企業(yè)生產(chǎn)經(jīng)營(yíng)物理安全的保障云數(shù)據(jù)算法需求->生產(chǎn)公有->私有通用->專用?

基于海量用戶連接洞察趨勢(shì)，能幫助企業(yè)生產(chǎn)貼近需求?

海量數(shù)據(jù)推動(dòng)云計(jì)算建設(shè)領(lǐng)先，能有效轉(zhuǎn)化為對(duì)企業(yè)的服務(wù)?

數(shù)據(jù)挖掘推動(dòng)智能算法領(lǐng)先，能為企業(yè)直接調(diào)用和轉(zhuǎn)化互聯(lián)網(wǎng)助力的三種典型模式智能+產(chǎn)品智能+服務(wù)智能+生產(chǎn)?

由軟到硬?

由硬到軟???由外到內(nèi)?

算法嵌入產(chǎn)品?

人工智能成產(chǎn)品功能?

賣產(chǎn)品轉(zhuǎn)向賣服務(wù)?

銷售變成智能運(yùn)營(yíng)從供需到生產(chǎn)從通用深入專用智能模式1：智能+產(chǎn)品智能+芯片從應(yīng)用需求出發(fā)??

主導(dǎo)設(shè)計(jì)和開(kāi)發(fā)更高性能的人工智能芯片?

為產(chǎn)業(yè)提供更有效的算力支持Google自主打造的張量處理單元（TPU），專為大規(guī)模機(jī)器學(xué)習(xí)定制?

將算法API化對(duì)外開(kāi)放?

供企業(yè)調(diào)用并二次開(kāi)發(fā)?

借助生態(tài)推動(dòng)智能產(chǎn)品落地智能+組件智能+產(chǎn)品百度針對(duì)無(wú)人駕駛推出阿波羅開(kāi)放平臺(tái)計(jì)劃（Apollo）?

基于自身人工智能技術(shù)/應(yīng)用?

直接生產(chǎn)相應(yīng)軟硬件一體化的人工智能產(chǎn)品?

將此產(chǎn)品作為平臺(tái)進(jìn)一步發(fā)展Amazon智能音箱echo，內(nèi)嵌其人工智能語(yǔ)音助手alexa，語(yǔ)音對(duì)話就能夠控制操作模式2：智能+服務(wù)C端（用戶）：功能即服務(wù)B端（企業(yè)）：洞察即服務(wù)?

狹義：產(chǎn)品附加智能功能。比如在安全方?

借助人工智能算法能夠比較完整地勾勒出面，通過(guò)臉部、聲紋等識(shí)別解鎖；用戶的畫(huà)像和需求特征?

廣義：產(chǎn)品可提供的所有智能應(yīng)用。需智能產(chǎn)品變成一個(gè)開(kāi)放平臺(tái)，使得各種開(kāi)發(fā)方可開(kāi)發(fā)和提供豐富的應(yīng)用?

一是售前營(yíng)銷：實(shí)現(xiàn)更實(shí)時(shí)、精準(zhǔn)的廣告信息傳遞?

二是售后維護(hù)：對(duì)制造業(yè)產(chǎn)品的實(shí)時(shí)監(jiān)測(cè)、管理和風(fēng)險(xiǎn)預(yù)警例：Google專門為制造企業(yè)開(kāi)發(fā)了制造商中心解決方案，為制造商的產(chǎn)品提供在Google全網(wǎng)的精準(zhǔn)廣告展示，有效幫助制造商提升在線轉(zhuǎn)化率模式3：智能+生產(chǎn)橫向通用平臺(tái)：基礎(chǔ)設(shè)施縱向垂直應(yīng)用：場(chǎng)景應(yīng)用?

用云計(jì)算構(gòu)建工業(yè)云平臺(tái)，在此基礎(chǔ)上提供人?

針對(duì)具體制造企業(yè)的某一生產(chǎn)環(huán)節(jié)，利用軟、硬件人工智能工具，提升該環(huán)節(jié)的生產(chǎn)效能。主要應(yīng)用在：工智能算法能力?

方式一：自建，如阿里巴巴的ET工業(yè)大腦，自建并主導(dǎo)IaaS和PaaS層，在SaaS層引入工業(yè)軟件等合作服務(wù)商；方式二：合建，如騰訊與三一重工合作構(gòu)建“根云”工業(yè)互聯(lián)網(wǎng)平臺(tái)?

一是工藝優(yōu)化：即通過(guò)機(jī)器學(xué)習(xí)建立產(chǎn)品的健康模型，識(shí)別各制造環(huán)節(jié)參數(shù)對(duì)最終產(chǎn)品質(zhì)量的影響，最終找到最佳生產(chǎn)工藝參數(shù)?

二是智能質(zhì)檢：即借助機(jī)器視覺(jué)識(shí)別，快速掃描產(chǎn)品質(zhì)量，提高質(zhì)檢效率例：三一重工的設(shè)備畫(huà)像和操作優(yōu)化騰訊實(shí)踐：“智慧+工業(yè)”典型案例研發(fā)設(shè)計(jì)生產(chǎn)制造質(zhì)量管控供應(yīng)管理運(yùn)營(yíng)維護(hù)工業(yè)平臺(tái)②智能質(zhì)檢①工藝優(yōu)化③預(yù)測(cè)性維保④工業(yè)互聯(lián)網(wǎng)平臺(tái)騰訊案例1：工藝優(yōu)化

-億緯鋰能新型鋰電能源領(lǐng)先企業(yè)工藝+->良品率+->成本-

/競(jìng)爭(zhēng)力+?

數(shù)字化上云：把產(chǎn)線上重要工序運(yùn)行參數(shù)，實(shí)時(shí)接入工業(yè)物聯(lián)網(wǎng)平臺(tái)?

參數(shù)學(xué)習(xí)建模：利用深度學(xué)習(xí)篩選出電池質(zhì)量的關(guān)鍵參數(shù)?

實(shí)時(shí)計(jì)算與優(yōu)化建議：對(duì)各批次電池質(zhì)量進(jìn)行實(shí)時(shí)計(jì)算，及提供預(yù)警和建議-83%（極耳焊接工序不良率）-1260萬(wàn)成熟產(chǎn)品（18650鋰電池）（年節(jié)約成本）+2%+1.5%新產(chǎn)品（21700鋰電池）（標(biāo)準(zhǔn)化良率）（產(chǎn)能）騰訊案例2：智能質(zhì)檢

-華星光電面板制造的龍頭企業(yè)工序多->人多->人工質(zhì)檢不穩(wěn)定、成本高?

圖像識(shí)別與訓(xùn)練：采用圖像識(shí)別技術(shù)，對(duì)華星光電生產(chǎn)線上產(chǎn)生的面板海量圖片進(jìn)行快速學(xué)習(xí)及訓(xùn)練?

建模：形成高準(zhǔn)確度、能自主學(xué)習(xí)的新模型?

自主質(zhì)檢：實(shí)現(xiàn)全天候無(wú)間斷、機(jī)器自主精準(zhǔn)判片88.9%

+1%

-60%15ms/圖（質(zhì)檢掃描效率）（分類識(shí)別準(zhǔn)確率）（預(yù)測(cè)綜合性良率）（預(yù)測(cè)人力）騰訊案例3：預(yù)測(cè)性維保

-三一重工全球知名機(jī)械裝備企業(yè)設(shè)備故障+設(shè)備租賃逾期->企業(yè)損失大?

基于云的設(shè)備互聯(lián)：三一重工通過(guò)騰訊云把分布在全球各地的40萬(wàn)臺(tái)設(shè)備接入平臺(tái)?

設(shè)備數(shù)據(jù)采集與監(jiān)控：實(shí)時(shí)采集1萬(wàn)多個(gè)運(yùn)行參數(shù)，遠(yuǎn)程監(jiān)控和管理設(shè)備群的運(yùn)行?

建模與預(yù)測(cè)：對(duì)設(shè)備參數(shù)學(xué)習(xí)建模，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)異常預(yù)警建議-10%->-10億6.5h+85%（租賃設(shè)備逾期率）（不良資產(chǎn)）（異常預(yù)測(cè)提前時(shí)間）（預(yù)測(cè)準(zhǔn)確率）騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺(tái)

-木星云騰訊云+華龍訊達(dá)（工業(yè)應(yīng)用軟件高新企業(yè)）工業(yè)軟硬件廠家多->標(biāo)準(zhǔn)不統(tǒng)一->通用難木星云工業(yè)互聯(lián)網(wǎng)平臺(tái)連接數(shù)據(jù)計(jì)算管理??各智能設(shè)備連接入云，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)融合、識(shí)別、清洗、分類和處理?利用物聯(lián)平臺(tái)數(shù)據(jù)進(jìn)行3D建模，實(shí)現(xiàn)可視化生產(chǎn)??機(jī)器學(xué)習(xí)數(shù)據(jù)構(gòu)建健康度模

?

企業(yè)微信作為移動(dòng)端型仿真，實(shí)現(xiàn)狀態(tài)預(yù)測(cè)預(yù)警辦公審理協(xié)作平臺(tái)，實(shí)現(xiàn)遠(yuǎn)程在線處理??生產(chǎn)直觀、可控系統(tǒng)健康掃描從月降為天百萬(wàn)級(jí)系統(tǒng)，ms級(jí)處理?分鐘級(jí)監(jiān)測(cè)管理時(shí)間、成本、浪費(fèi)顯著降低

?

無(wú)效空轉(zhuǎn)降低60%騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺(tái)

-木星云（續(xù)）木星云工業(yè)互聯(lián)網(wǎng)平臺(tái)?

完成實(shí)時(shí)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、文件數(shù)據(jù)等的分類分層；達(dá)到數(shù)據(jù)的統(tǒng)一入口、統(tǒng)一管理、統(tǒng)一出口及應(yīng)用；通過(guò)數(shù)字虛擬仿真實(shí)現(xiàn)生產(chǎn)全程的智能管理生產(chǎn)前：虛擬預(yù)演生產(chǎn)中：監(jiān)控診斷生產(chǎn)后：評(píng)估優(yōu)化提升全程優(yōu)化能力提升資源配置能力提升制造管控能力系統(tǒng)級(jí)CPS-人機(jī)料法環(huán)全要素?cái)?shù)據(jù)建?！叭斯ぶ悄?制造”政策借鑒05頂層設(shè)計(jì)與戰(zhàn)略指引構(gòu)建智能制造平臺(tái)推動(dòng)技術(shù)標(biāo)準(zhǔn)制定支持共性技術(shù)研發(fā)重視中小企業(yè)發(fā)展完善人才保障體系頂層設(shè)計(jì)與戰(zhàn)略指引國(guó)家主要戰(zhàn)略重點(diǎn)領(lǐng)域核心目標(biāo)?

先進(jìn)傳感與控制?

信息與數(shù)字制造?

下一代機(jī)器人?

先進(jìn)制造?

人工智能?

制造業(yè)回流與復(fù)興?

工業(yè)4.0?

物理信息系統(tǒng)（CPS）?

制造業(yè)競(jìng)爭(zhēng)力強(qiáng)化?

機(jī)器人?

機(jī)器人?

工業(yè)價(jià)值鏈?

社會(huì)5.0?

人工智能及物聯(lián)網(wǎng)?

大數(shù)據(jù)?

工業(yè)支持社會(huì)轉(zhuǎn)型?

制造大國(guó)到強(qiáng)國(guó)?

制造2025?

新一代人工智能?

高端制造?

核心裝備?

智能工廠具體策略對(duì)比借鑒構(gòu)建智能制造平臺(tái)推動(dòng)技術(shù)標(biāo)準(zhǔn)制定支持共性技術(shù)研發(fā)重視中小企業(yè)發(fā)展完善人才保障體系國(guó)家制造業(yè)創(chuàng)新網(wǎng)絡(luò)，以創(chuàng)新遴選、項(xiàng)目資助、共享設(shè)備和資源、提供技術(shù)咨詢和定制服務(wù)先進(jìn)傳感、控制與制造平臺(tái)技術(shù)可視化、信息與數(shù)字制造技術(shù)社區(qū)學(xué)校先進(jìn)制造業(yè)學(xué)徒計(jì)劃（1億美元）智能制造領(lǐng)導(dǎo)聯(lián)盟（SMLC）工業(yè)互聯(lián)網(wǎng)參考架構(gòu)(IIRA)提供信息/測(cè)試/資金等支持建立各種能力中心協(xié)助轉(zhuǎn)型工業(yè)4.0參考架構(gòu)（RAMI4.0）物理信息系統(tǒng)（CPS）技術(shù)工業(yè)4.0聯(lián)盟雙元制綜合采用多樣化組合式的政策工具，引導(dǎo)創(chuàng)新工業(yè)價(jià)值鏈參考架構(gòu)（IVRA）支持各地建設(shè)工業(yè)技術(shù)專門學(xué)校機(jī)器人工業(yè)價(jià)值鏈聯(lián)盟加快推進(jìn)我國(guó)“人工智能+制造”對(duì)策建議06多渠道投融資機(jī)制突破關(guān)鍵共性技術(shù)重大科技工程項(xiàng)目多方協(xié)作服務(wù)平臺(tái)融合創(chuàng)新試點(diǎn)基地復(fù)合人才培養(yǎng)機(jī)制技術(shù)標(biāo)準(zhǔn)體系建設(shè)信息安全保障體系前提：長(zhǎng)期穩(wěn)定的資源投入，“錢”和“人”財(cái)政手段+金融資本+社會(huì)資源?

設(shè)立面向制造業(yè)專門的貸款及融資方案，鼓勵(lì)銀行等金融機(jī)構(gòu)提供資金建立多渠道①②嚴(yán)格政府補(bǔ)貼審核，向民營(yíng)、中小企業(yè)適當(dāng)傾斜，同時(shí)鼓勵(lì)更多用投資方式投融資機(jī)制

??

采取更激勵(lì)的政策，如成果返稅等完備教育體系+復(fù)合學(xué)科新設(shè)+重點(diǎn)培養(yǎng)?

建立完善針對(duì)新型制造，從幼兒到高等完備的教育體系，健全復(fù)合人才培養(yǎng)機(jī)制尤其對(duì)區(qū)域、社區(qū)性學(xué)校增強(qiáng)本地制造業(yè)人才培養(yǎng)義務(wù)?

增加相關(guān)復(fù)合專業(yè)和學(xué)科設(shè)置，如工業(yè)算法工程、機(jī)器人維護(hù)、STEAM等?

鼓勵(lì)產(chǎn)學(xué)研結(jié)合培養(yǎng)，如共建培訓(xùn)基地中堅(jiān)：公共性的平臺(tái)，高效共享資源和服務(wù)資源共享+便利協(xié)作+服務(wù)聚合?

鼓勵(lì)計(jì)算力、數(shù)據(jù)、算法等開(kāi)源或開(kāi)放?

提供產(chǎn)學(xué)研等協(xié)作的信息溝通渠道搭建多方協(xié)作服務(wù)平臺(tái)③?

提供創(chuàng)新企業(yè)注冊(cè)、項(xiàng)目申報(bào)、稅務(wù)等服務(wù)技術(shù)聯(lián)盟+創(chuàng)新鼓勵(lì)+國(guó)際接軌?加強(qiáng)技術(shù)標(biāo)鼓勵(lì)產(chǎn)學(xué)研聯(lián)合組建“智能+制造”技術(shù)聯(lián)盟④⑤在產(chǎn)權(quán)保護(hù)基礎(chǔ)上鼓勵(lì)各方共享專利?

鼓勵(lì)積極參與國(guó)際標(biāo)準(zhǔn)制定，推廣我國(guó)標(biāo)準(zhǔn)準(zhǔn)體系建設(shè)

?工業(yè)信息安全標(biāo)準(zhǔn)+應(yīng)用開(kāi)發(fā)+認(rèn)證機(jī)制?

完善工業(yè)信息安全管理等政策法規(guī)和標(biāo)準(zhǔn)?構(gòu)建信息安全保障體系鼓勵(lì)工業(yè)安全應(yīng)用和解決方案開(kāi)發(fā)及試點(diǎn)?

推動(dòng)建立工業(yè)信息安全測(cè)試平臺(tái)，實(shí)施認(rèn)證突破：產(chǎn)學(xué)研結(jié)合，集群+工程推動(dòng)創(chuàng)新落地產(chǎn)學(xué)研集群+眾創(chuàng)空間+應(yīng)用示范建立融合創(chuàng)新試點(diǎn)基地?

推動(dòng)工業(yè)園升級(jí)為“智能+制造”集群?

支持工業(yè)界與信息業(yè)聯(lián)合創(chuàng)辦眾創(chuàng)空間?

提供資金獎(jiǎng)勵(lì)等鼓勵(lì)應(yīng)用創(chuàng)新與試點(diǎn)⑥基礎(chǔ)理論研究+專項(xiàng)應(yīng)用研發(fā)?布局重大科“智能+制造”生產(chǎn)組織和管理模式⑦⑧“算法+工藝”的融合基礎(chǔ)理論?

智能裝備、生產(chǎn)流程、供應(yīng)管理等重點(diǎn)領(lǐng)域技工程項(xiàng)目

?定義共性技術(shù)+鼓勵(lì)整合與突破+國(guó)際化?

引導(dǎo)對(duì)人工智能關(guān)鍵共性技術(shù)的持續(xù)歸納總結(jié)?重點(diǎn)突破關(guān)鍵共性技術(shù)鼓勵(lì)各方整合相應(yīng)技術(shù)標(biāo)準(zhǔn)，并聯(lián)合研究突破?

鼓勵(lì)海外建立研究機(jī)構(gòu)，吸納人才并推廣技術(shù)互聯(lián)網(wǎng)助力“人工智能+制造”政策前行102家/9萬(wàn)億1677萬(wàn)403萬(wàn)互聯(lián)網(wǎng)上市公司及市值互聯(lián)網(wǎng)從業(yè)者移動(dòng)應(yīng)用數(shù)量（CNNIC，2017）（拉勾網(wǎng)，2016年）（工信部，2017年）3萬(wàn)中國(guó)人工智能專利數(shù)量（CNNIC，2016年）資源平臺(tái)工具“人工智能+制造”產(chǎn)業(yè)發(fā)展研究報(bào)告——概念、趨勢(shì)與互聯(lián)網(wǎng)賦能機(jī)會(huì)2018年6月目錄“人工智能+制造”的概念互聯(lián)網(wǎng)助力01020405“人工智能+制造”“人工智能+制造”的現(xiàn)狀“人工智能+制造”政策借鑒加快推進(jìn)“人工智能+制造”對(duì)策建議“人工智能+制造”的影響0306“人工智能+制造”的概念01什么是人工智能什么是“人工智能+制造”人工智能如何“+”制造為什么要研究“人工智能+制造”？工業(yè)困局發(fā)達(dá)國(guó)家：產(chǎn)業(yè)空心化，賺了利潤(rùn)但丟了就業(yè)，且貿(mào)易逆差?英國(guó)：高價(jià)值制造、人工智能?發(fā)展計(jì)劃?

美國(guó)：先進(jìn)制造、工業(yè)互聯(lián)網(wǎng)、?

發(fā)展中國(guó)家：產(chǎn)業(yè)低值化，賺了收入和就業(yè)，但丟了利潤(rùn)和環(huán)境制造業(yè)回流算據(jù)：大數(shù)據(jù)?

算力：云+邊緣計(jì)算?

算法：深度神經(jīng)網(wǎng)絡(luò)信息技術(shù)的發(fā)展，對(duì)各行各業(yè)效率提升提供了可能?

德國(guó)：工業(yè)4.0信息革命

??

日本：機(jī)器人新戰(zhàn)略、工業(yè)價(jià)值鏈、社會(huì)5.0?

中國(guó)：中國(guó)制造2025、新一代人工智能規(guī)劃……概念三問(wèn)問(wèn)題1：什么是人工智能？本田的人行機(jī)器人ASIMO波士頓動(dòng)力的自主機(jī)器狗DeepMind的圍棋阿法狗DeepMind模擬老鼠網(wǎng)格細(xì)胞的定位與導(dǎo)航歷史：理論+專家系統(tǒng)符號(hào)主義（邏輯）聯(lián)結(jié)主義（仿生）行為主義（控制）當(dāng)前：大數(shù)據(jù)+深度學(xué)習(xí)ImageNet大賽2014：Google-22層2015：MS-152層?

深度神經(jīng)網(wǎng)絡(luò)算法突破算力飛躍?

大規(guī)模、無(wú)監(jiān)督、多層次?

非結(jié)構(gòu)數(shù)據(jù)處理突破（圖像、語(yǔ)音）2016：商湯-1207層錯(cuò)誤率：6.7%->3.6%->3.1%?

CPU->GPU->TPU，計(jì)算速度和效率大幅提升?

云+邊緣計(jì)算，低成本、海量計(jì)算資源TPU速度=15-30倍GPUGPU速度=1-3倍CPU?

光刻等技術(shù)進(jìn)一步發(fā)展，芯片越來(lái)越小，端處理能力持續(xù)提高?

互聯(lián)網(wǎng)50億連接，積累了海量數(shù)據(jù)（主要是人）算據(jù)激增?

物聯(lián)網(wǎng)500億連接，開(kāi)啟更大規(guī)模數(shù)據(jù)的來(lái)源：年增長(zhǎng)率47%2017年超10EB/月機(jī)器、政府、生物、環(huán)境……數(shù)據(jù)來(lái)源：上圖-Surveyofneuralnetworksinautonomousdriving，GustavvonZitzewitz，2017.7；中圖-GoogleCloud官網(wǎng)；下圖-GlobalMobileDataTrafficForecastUpdate,2016–2021WhitePaper，Cisco未來(lái)：小數(shù)據(jù)+大任務(wù)當(dāng)前：“大數(shù)據(jù)、小任務(wù)”未來(lái)：“小數(shù)據(jù)、大任務(wù)”?

海量數(shù)據(jù)?

少量數(shù)據(jù)?

局部、特定問(wèn)題（如計(jì)算下棋落?

全局問(wèn)題獨(dú)立閉環(huán)（如像人一樣子的位置）到場(chǎng)-落座-下棋-離場(chǎng)）?

“暴力”計(jì)算?

“精確”計(jì)算問(wèn)題2：什么是“人工智能+制造”？“人工智能+制造”簡(jiǎn)史歷史：專家系統(tǒng)輔助制造?

20世紀(jì)60-80年代，根據(jù)“知識(shí)庫(kù)”和“if-then”邏輯推理構(gòu)建的“專家系統(tǒng)”，在礦藏勘測(cè)、污染物處理、太空艙任務(wù)控制等方面得到初步應(yīng)用?

專家系統(tǒng)實(shí)際上只是一定程度上實(shí)現(xiàn)了這些環(huán)節(jié)和流程的分析和自動(dòng)化，對(duì)于錯(cuò)綜復(fù)雜的現(xiàn)實(shí)問(wèn)題只能提供有限的輔助參考當(dāng)前：深度學(xué)習(xí)優(yōu)化制造?

人工智能及相關(guān)技術(shù)融合應(yīng)用，逐步實(shí)現(xiàn)對(duì)制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。主要由工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)數(shù)據(jù)，放到云計(jì)算資源中，通過(guò)深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化未來(lái)：人機(jī)融合協(xié)同制造?

機(jī)器和人將重新磨合成新的相互配合、補(bǔ)充、協(xié)同工作的平衡關(guān)系。未來(lái)智能制造將以人為中心，統(tǒng)籌協(xié)調(diào)人、信息系統(tǒng)、和物理系統(tǒng)的綜合集成大系統(tǒng)，即“人-信息-物理系統(tǒng)”（human-cyber-physicalsystems,HCPS）問(wèn)題3：人工智能如何“+”制造？“人工智能+制造”魔方體系模型技術(shù)范式?

數(shù)字化：可編程?

網(wǎng)絡(luò)化：可協(xié)同?

智能化：可自主生產(chǎn)組織?

工廠：生產(chǎn)單元自主?

企業(yè)：企業(yè)各部門協(xié)同?

生態(tài)：供應(yīng)鏈+客群連接價(jià)值形態(tài)?

產(chǎn)品：人性化功能?

制造：人機(jī)協(xié)同生產(chǎn)?

服務(wù)：個(gè)性化服務(wù)“人工智能+制造”的現(xiàn)狀02產(chǎn)業(yè)規(guī)模典型案例面臨挑戰(zhàn)產(chǎn)業(yè)結(jié)構(gòu)：從單一鏈到嵌套網(wǎng)單一鏈物體<->數(shù)字體?

物體與數(shù)字體映射，一個(gè)變另一個(gè)也變物流<->信息流?

多個(gè)物體的變化形成物流，對(duì)應(yīng)的數(shù)字體變化匯聚為信息流，通過(guò)洞察信息流通盤管理整個(gè)物流制造業(yè)<->信息業(yè)?

兩個(gè)產(chǎn)業(yè)融合，形成新的產(chǎn)品、生產(chǎn)組織方式、滿足新的需求?

AI+實(shí)質(zhì)是兩化融合的高階嵌套網(wǎng)產(chǎn)業(yè)結(jié)構(gòu)：六大典型領(lǐng)域智能工廠應(yīng)用/解決方案應(yīng)用平臺(tái)基礎(chǔ)DCSPLCMESERP……制造云（公有）制造業(yè)大數(shù)據(jù)及商制造業(yè)人工智能（算法）業(yè)分析工業(yè)機(jī)器人制造業(yè)物聯(lián)網(wǎng)產(chǎn)業(yè)規(guī)模：1千億到7千億，連接/平臺(tái)貢獻(xiàn)大整體規(guī)模?

2016年約為1.2千億美元?

2025年將超過(guò)7.2千億美元?

復(fù)合年均增長(zhǎng)率預(yù)計(jì)可超過(guò)25%具體組成?

連接：工業(yè)物聯(lián)網(wǎng)4.7%->14%，增長(zhǎng)近10%?

平臺(tái)：制造云、大數(shù)據(jù)和人工智能24%->36%，增長(zhǎng)12%。在互聯(lián)網(wǎng)領(lǐng)域發(fā)展成熟的平臺(tái)生態(tài)模式，將成為制造業(yè)智能化轉(zhuǎn)型升級(jí)的重要選擇數(shù)據(jù)來(lái)源：MarketsandMarkets的IndustrialRobotics、IIoT、ArtificialIntelligenceinManufacturing、SmartFactory，以及IDC的publiccloudservices、BigDataandBusinessAnalytics等研究報(bào)告數(shù)據(jù)整合分析六大細(xì)分領(lǐng)域特點(diǎn)領(lǐng)域典型技術(shù)/產(chǎn)品典型適用行業(yè)傳統(tǒng)機(jī)器人仍然占據(jù)市場(chǎng)主體金屬和機(jī)械行業(yè)應(yīng)用增速最顯著；工業(yè)機(jī)器人協(xié)作機(jī)器人將會(huì)呈現(xiàn)高速增長(zhǎng)包裝、物料處理和自動(dòng)化機(jī)械工具等較多制造業(yè)物聯(lián)網(wǎng)廣義包括基礎(chǔ)-平臺(tái)-應(yīng)用-方案各子行業(yè)、全流程都將廣泛適用具體分為托管服務(wù)和專業(yè)服務(wù)制造云IaaS/PaaS是未來(lái)主要增長(zhǎng)離散型由于環(huán)境分散、過(guò)程復(fù)雜，更需要資產(chǎn)型制造（如機(jī)器裝備，資產(chǎn)跟蹤和管理）品牌型制造（如快消品，實(shí)時(shí)精準(zhǔn)營(yíng)銷）制造業(yè)大數(shù)據(jù)及商業(yè)分析非關(guān)系型數(shù)據(jù)存儲(chǔ)和認(rèn)知軟件平臺(tái)增長(zhǎng)最強(qiáng)勁其他：內(nèi)容分析、搜索系統(tǒng)、IT和商業(yè)服務(wù)等技術(shù)型制造（如電子產(chǎn)品，供應(yīng)鏈監(jiān)測(cè)和管理）制造業(yè)技術(shù)：計(jì)算機(jī)視覺(jué)目前占比最大主要應(yīng)用于工序復(fù)雜的行業(yè)人工智能產(chǎn)品：預(yù)測(cè)性維護(hù)和機(jī)械檢查目前占比最大目前汽車行業(yè)人工智能技術(shù)應(yīng)用最多分布式控制系統(tǒng)（DCS）目前占最比最大。結(jié)合大汽車行業(yè)將占全球智能工廠市場(chǎng)最高份額，因智能工廠應(yīng)用/解決方案數(shù)據(jù)和人工智能可有效實(shí)現(xiàn)預(yù)測(cè)性防護(hù)和優(yōu)化新一代電動(dòng)和智能汽車規(guī)模發(fā)展制造執(zhí)行系統(tǒng)（MES）預(yù)計(jì)未來(lái)增速最快。生產(chǎn)執(zhí)石油天然氣工廠對(duì)安全性和可靠性需求日益增行操作和管理，能夠有效縮時(shí)、提產(chǎn)加，因此采用智能工廠預(yù)計(jì)會(huì)最高案例1—研發(fā)設(shè)計(jì)，大幅降低不確定性成本基于卷積神經(jīng)網(wǎng)絡(luò)的新藥研發(fā)（Atomwise）【痛點(diǎn)】：研發(fā)慢+貴——————【啟示】——————研發(fā)設(shè)計(jì)環(huán)節(jié)，人工智能可基于海量數(shù)據(jù)建模分析，將原本高不確定性、高成本的實(shí)物研發(fā)、轉(zhuǎn)變?yōu)榈统杀靖咝实臄?shù)字化自動(dòng)研發(fā)?新藥研發(fā)=各種不同化合物組合與測(cè)試?

10-15年+5-10億美元=一款新藥研發(fā)成功【方案】：超級(jí)計(jì)算機(jī)（IBM藍(lán)色基因）+獨(dú)家算法（AtomNet）對(duì)于制藥、化工、材料等研發(fā)周期長(zhǎng)、成本高、潛在數(shù)據(jù)豐富的行業(yè)，作用尤其明顯?

學(xué)習(xí)：分析學(xué)習(xí)已有數(shù)據(jù)庫(kù)配體有效結(jié)合蛋白質(zhì)?

發(fā)現(xiàn)：數(shù)字化模擬藥品研發(fā)過(guò)程，對(duì)基本的化學(xué)基團(tuán)（如氫鍵、單鍵碳等）組合發(fā)掘新的有機(jī)化合物?

測(cè)試：分析化合物的成效關(guān)系?

評(píng)估：新藥結(jié)構(gòu)組成和風(fēng)險(xiǎn)鑰匙開(kāi)門鎖【效果】：快+便宜（相比傳統(tǒng)技術(shù)*）?

節(jié)省一半早期藥物篩選實(shí)驗(yàn)的數(shù)量?

大大提高結(jié)果成功率*DOCK和Autodock-smina案例2—生產(chǎn)制造，柔性生產(chǎn)滿足個(gè)性需求基于個(gè)人數(shù)據(jù)分析的批量定制（adidas）【痛點(diǎn)】：同質(zhì)競(jìng)爭(zhēng)->價(jià)格戰(zhàn)->低利潤(rùn)?

傳統(tǒng)生產(chǎn)=標(biāo)準(zhǔn)化+大批量=同質(zhì)競(jìng)爭(zhēng)?

競(jìng)爭(zhēng)差異化=個(gè)性化需求定制=高成本——————【啟示】——————生產(chǎn)制造環(huán)節(jié)，人工智能可針對(duì)消費(fèi)者個(gè)性化需求數(shù)據(jù)，在保持與大規(guī)模生產(chǎn)同等、甚至更低成本的同時(shí)，提高生產(chǎn)的柔性生產(chǎn)制造系統(tǒng)越柔性，越能快速響應(yīng)市場(chǎng)需求等關(guān)鍵因素的變化，尤其適合服飾、工藝品等與消費(fèi)者體征或品味等需求相關(guān)性強(qiáng)的行業(yè)【方案】：迅捷工廠（SpeedFactory）*?

技術(shù)：3D打印+機(jī)器人手臂+電腦針織?

需求：依靠云端收集顧客足型和運(yùn)動(dòng)數(shù)據(jù)?

生產(chǎn)：按照顧客的喜好選擇配料和設(shè)計(jì)，并在庫(kù)卡機(jī)器人手臂、電腦針織和人工輔助的共同協(xié)作下完成定制【效果】：快+個(gè)性化?

節(jié)省時(shí)間：18個(gè)月->1周，完成生產(chǎn)上架?

成本不變，實(shí)現(xiàn)小規(guī)模、個(gè)性化定制*2015年底在德國(guó)安斯巴赫（Ansbach）開(kāi)設(shè)首家案例3—質(zhì)量管控，快速質(zhì)檢并保障質(zhì)量基于視覺(jué)識(shí)別的質(zhì)量檢測(cè)（IBM）【痛點(diǎn)】：人工速度慢、誤差多、成本高?

傳統(tǒng)質(zhì)檢=人工為主=精度有限=次品漏檢?

人工經(jīng)驗(yàn)難量化，難以指導(dǎo)產(chǎn)線優(yōu)化——————【啟示】——————質(zhì)量管控環(huán)節(jié)，人工智能結(jié)合物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，能夠?qū)崿F(xiàn)對(duì)產(chǎn)品質(zhì)量的自動(dòng)檢測(cè)擴(kuò)展到生產(chǎn)的全流程，從而不僅提高質(zhì)檢效率，甚至能指導(dǎo)工藝、流程等改善，提高整體良品率【方案】：視覺(jué)洞察（VisualInsights）*?

技術(shù)：前臺(tái)高清攝像頭+后臺(tái)Watson算法尤其適合材料、零配件、精密儀器等產(chǎn)量大、部件復(fù)雜、工藝要求高的行業(yè)?

建模：Watson中央學(xué)習(xí)服務(wù)器通過(guò)訓(xùn)練不斷識(shí)別合格和異常產(chǎn)品圖像差異從而建模?

分析判斷：攝像頭捕捉產(chǎn)品組件在生產(chǎn)和組裝過(guò)程中的圖像，提供給Watson進(jìn)行分析?

檢查：人工檢查員進(jìn)行二次檢查和確認(rèn)【效果】：快+高質(zhì)量+成本節(jié)約?

質(zhì)檢時(shí)間縮短80%、產(chǎn)品質(zhì)量缺陷減少7%-10%、節(jié)約重復(fù)性人工成本*基于IBM物聯(lián)網(wǎng)和人工智能平臺(tái)（Watson）能力案例4—供應(yīng)管理，精準(zhǔn)掌握供需變化提效能基于需求感知的庫(kù)存動(dòng)態(tài)調(diào)整（Tools

Group）【痛點(diǎn)】：供應(yīng)鏈效率低、成本高——————【啟示】——————供應(yīng)管理環(huán)節(jié)，人工智能在于建立更實(shí)時(shí)、精準(zhǔn)匹配的供需關(guān)系。即通過(guò)掌握和預(yù)測(cè)需求動(dòng)態(tài)變化，以進(jìn)行更有效的供應(yīng)鏈調(diào)整優(yōu)化?

技術(shù)有限->需求預(yù)測(cè)不準(zhǔn)->供應(yīng)響應(yīng)不足?

導(dǎo)致：庫(kù)存管理成本提高+最終用戶體驗(yàn)差【方案】：端-端供應(yīng)鏈優(yōu)化組件SO99+*更適合于快消、零配件等市場(chǎng)需求變動(dòng)較大、?

組件組成：需求、計(jì)劃和庫(kù)存供應(yīng)鏈較復(fù)雜的行業(yè)?

需求預(yù)測(cè)：基于貿(mào)易促銷和媒體活動(dòng)預(yù)測(cè)；基于新產(chǎn)品介紹預(yù)測(cè)；基于社交聆聽(tīng)預(yù)測(cè)；基于極端或復(fù)雜的季節(jié)性預(yù)測(cè)；基于氣候數(shù)據(jù)預(yù)測(cè)?

供應(yīng)優(yōu)化：多級(jí)庫(kù)存、計(jì)劃生產(chǎn)等動(dòng)態(tài)調(diào)整，最終實(shí)現(xiàn)采購(gòu)和補(bǔ)貨的半自動(dòng)甚至全自動(dòng)化【效果】：快+精準(zhǔn)?

有效減少50%的預(yù)測(cè)誤差、提高20%的庫(kù)存性能，并能有效優(yōu)化庫(kù)存分布*將機(jī)器學(xué)習(xí)引入供應(yīng)鏈管理開(kāi)發(fā)新軟件案例5—運(yùn)營(yíng)維護(hù)，提前預(yù)測(cè)和解決故障風(fēng)險(xiǎn)基于運(yùn)營(yíng)數(shù)據(jù)分析的預(yù)測(cè)性維護(hù)（Microsoft）【痛點(diǎn)】：故障事后處理，高成本——————【啟示】——————運(yùn)營(yíng)維護(hù)環(huán)節(jié)，人工智能在于對(duì)設(shè)備或產(chǎn)品的運(yùn)行狀態(tài)建立模型，找到與其運(yùn)行狀態(tài)強(qiáng)相關(guān)的先行指標(biāo)，通過(guò)這些指標(biāo)的變化、能夠提前預(yù)測(cè)設(shè)備故障的風(fēng)險(xiǎn)，從而預(yù)防故障的發(fā)生?

有限狀態(tài)指標(biāo)+缺乏預(yù)測(cè)模型->設(shè)備故障后處理->停機(jī)停產(chǎn)維修->高成本【方案】：預(yù)測(cè)性維護(hù)*對(duì)于設(shè)備或產(chǎn)品故障成本高的行業(yè)意義重大，比如裝備、精密儀器等?

技術(shù)：物聯(lián)網(wǎng)+云計(jì)算+機(jī)器學(xué)習(xí)?

步驟：確定預(yù)測(cè)目標(biāo)和結(jié)果、明確數(shù)據(jù)源、獲取及整合數(shù)據(jù)、建模、測(cè)試和迭代、現(xiàn)場(chǎng)操作驗(yàn)證、融入運(yùn)營(yíng)?

功能：設(shè)備或產(chǎn)品運(yùn)營(yíng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和健康預(yù)警【效果】：全天候+節(jié)約?

如電梯制造服務(wù)商thyssenkrupp，借此減少50%電梯停運(yùn)時(shí)間、節(jié)約15%維護(hù)費(fèi)用*Microsoft將其搭載在物聯(lián)網(wǎng)平臺(tái)上作為服務(wù)項(xiàng)面臨挑戰(zhàn)：四個(gè)主要方面①技術(shù)有缺口③管理模式舊?

缺關(guān)鍵自主技術(shù)（如芯片、核心裝備部件、?

工業(yè)時(shí)代的大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)，造成制造企業(yè)管理仍然以金字塔、多層次、細(xì)分化為主軟件/算法等）?

導(dǎo)致產(chǎn)業(yè)受制（如美國(guó)最新針對(duì)中國(guó)制造2025貿(mào)易戰(zhàn)）?

這種模式，組織末梢人員任務(wù)單一、彈性弱，難適應(yīng)快速變動(dòng)的市場(chǎng)?

但關(guān)鍵技術(shù)、尤其是基礎(chǔ)技術(shù)需要長(zhǎng)期大量投入研發(fā)，短時(shí)難突破?

而人工智能的普及，更可能需要新的人機(jī)協(xié)同分工機(jī)制設(shè)計(jì)②標(biāo)準(zhǔn)難落地④資本投入少?

政府和機(jī)構(gòu)已牽頭在建各種標(biāo)準(zhǔn)?

但不同線條的標(biāo)準(zhǔn)間仍存差異?

更重要的是，當(dāng)前制造業(yè)設(shè)備很多來(lái)自國(guó)外廠商，多廠家軟硬件不兼容的情況多見(jiàn)，頂層設(shè)計(jì)的標(biāo)準(zhǔn)與復(fù)雜的現(xiàn)狀一時(shí)難以匹配落地?

近年來(lái)制造業(yè)普遍利潤(rùn)不高，投資回報(bào)率相對(duì)其他高新領(lǐng)域低，商業(yè)資本的關(guān)注度走低?

而制造業(yè)的改造升級(jí)，又需要長(zhǎng)期大量的資本投入，短期效益可能很難顯現(xiàn)，資本投入就更偏謹(jǐn)慎“人工智能+制造”的影響03整體產(chǎn)業(yè)影響分類產(chǎn)業(yè)影響人工智能+對(duì)制造業(yè)影響的四個(gè)角度①提高生產(chǎn)效率③優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)?

增效：柔性生產(chǎn)、全天候生產(chǎn)?

淘汰：大部分傳統(tǒng)“非智能”產(chǎn)品，尤其是電子制品?

提質(zhì)：降低人為錯(cuò)誤、持續(xù)工藝改善，提升成品率?

改造：部分產(chǎn)品被逐漸“注智”，變成新產(chǎn)業(yè)，如自動(dòng)駕駛汽車?

降本：重復(fù)性、危險(xiǎn)性工作機(jī)器替人；生產(chǎn)廢料、時(shí)間等成本節(jié)約?

孕育：新的智能產(chǎn)業(yè)，如算法公司②改變就業(yè)市場(chǎng)④重構(gòu)國(guó)際分工?

結(jié)構(gòu)性失業(yè)：50%*的現(xiàn)有工作可能被替?

削弱傳統(tǒng)勞動(dòng)力比較優(yōu)勢(shì)代，制造業(yè)就業(yè)人口縮減?

工業(yè)強(qiáng)國(guó)向下游、工業(yè)大國(guó)向上游，爭(zhēng)奪?

創(chuàng)造新職業(yè)/崗位：針對(duì)機(jī)器的開(kāi)發(fā)、管更多價(jià)值空間理、維護(hù)等崗位增加?

地理上的國(guó)家國(guó)際分工，可能進(jìn)一步形成?

人機(jī)賽跑的拐點(diǎn)？就業(yè)數(shù)量絕對(duì)減少的拐新跨國(guó)平臺(tái)間的競(jìng)爭(zhēng)與合作點(diǎn)可能到來(lái)***李開(kāi)復(fù)：50%的工作將被AI取代，第48屆世界經(jīng)濟(jì)論壇年會(huì)發(fā)言，新浪財(cái)經(jīng)，2018年05月05日；**布林約爾松《與機(jī)器賽跑》，東西文庫(kù)，2013年01月20日人工智能+對(duì)不同制造業(yè)的影響差異比較行業(yè)類型特征典型行業(yè)發(fā)展瓶頸人工智能作用減少人工降低人工造成的品質(zhì)不穩(wěn)定勞動(dòng)密集型低勞動(dòng)力成本為核心競(jìng)爭(zhēng)力加工組裝（家電、電子產(chǎn)品…）人工成本不斷提高工人不穩(wěn)定性影響品質(zhì)資本密集型材料（冶金、化工…）柔性化程度低不能滿足定制需求實(shí)現(xiàn)低成本定制化固定成本占比高生產(chǎn)技術(shù)引領(lǐng)型依靠技術(shù)進(jìn)步獲得競(jìng)爭(zhēng)力高新技術(shù)研發(fā)的風(fēng)險(xiǎn)、不可

提高技術(shù)研發(fā)成功率（生物醫(yī)藥、航空航天…）控和長(zhǎng)周期縮短研發(fā)周期市場(chǎng)變動(dòng)型快消品（服裝、食品…）準(zhǔn)確預(yù)測(cè)和快速響應(yīng)產(chǎn)品生命周期短難以準(zhǔn)確預(yù)測(cè)市場(chǎng)走向市場(chǎng)互聯(lián)網(wǎng)助力“人工智能+制造”04互聯(lián)網(wǎng)助力的基礎(chǔ)互聯(lián)網(wǎng)助力的模式互聯(lián)網(wǎng)助力的實(shí)踐互聯(lián)網(wǎng)助力的五大基石連接安全用戶->產(chǎn)品信息->物理?

海量用戶連接，可擴(kuò)展為用戶和產(chǎn)品/企業(yè)的連接?

多年信息安全經(jīng)驗(yàn)，將成為企業(yè)生產(chǎn)經(jīng)營(yíng)物理安全的保障云數(shù)據(jù)算法需求->生產(chǎn)公有->私有通用->專用?

基于海量用戶連接洞察趨勢(shì)，能幫助企業(yè)生產(chǎn)貼近需求?

海量數(shù)據(jù)推動(dòng)云計(jì)算建設(shè)領(lǐng)先，能有效轉(zhuǎn)化為對(duì)企業(yè)的服務(wù)?

數(shù)據(jù)挖掘推動(dòng)智能算法領(lǐng)先，能為企業(yè)直接調(diào)用和轉(zhuǎn)化互聯(lián)網(wǎng)助力的三種典型模式智能+產(chǎn)品智能+服務(wù)智能+生產(chǎn)?

由軟到硬?

由硬到軟???由外到內(nèi)?

算法嵌入產(chǎn)品?

人工智能成產(chǎn)品功能?

賣產(chǎn)品轉(zhuǎn)向賣服務(wù)?

銷售變成智能運(yùn)營(yíng)從供需到生產(chǎn)從通用深入專用智能模式1：智能+產(chǎn)品智能+芯片從應(yīng)用需求出發(fā)??

主導(dǎo)設(shè)計(jì)和開(kāi)發(fā)更高性能的人工智能芯片?

為產(chǎn)業(yè)提供更有效的算力支持Google自主打造的張量處理單元（TPU），專為大規(guī)模機(jī)器學(xué)習(xí)定制?

將算法API化對(duì)外開(kāi)放?

供企業(yè)調(diào)用并二次開(kāi)發(fā)?

借助生態(tài)推動(dòng)智能產(chǎn)品落地智能+組件智能+產(chǎn)品百度針對(duì)無(wú)人駕駛推出阿波羅開(kāi)放平臺(tái)計(jì)劃（Apollo）?

基于自身人工智能技術(shù)/應(yīng)用?

直接生產(chǎn)相應(yīng)軟硬件一體化的人工智能產(chǎn)品?

將此產(chǎn)品作為平臺(tái)進(jìn)一步發(fā)展Amazon智能音箱echo，內(nèi)嵌其人工智能語(yǔ)音助手alexa，語(yǔ)音對(duì)話就能夠控制操作模式2：智能+服務(wù)C端（用戶）：功能即服務(wù)B端（企業(yè)）：洞察即服務(wù)?

狹義：產(chǎn)品附加智能功能。比如在安全方?

借助人工智能算法能夠比較完整地勾勒出面，通過(guò)臉部、聲紋等識(shí)別解鎖；用戶的畫(huà)像和需求特征?

廣義：產(chǎn)品可提供的所有智能應(yīng)用。需智能產(chǎn)品變成一個(gè)開(kāi)放平臺(tái)，使得各種開(kāi)發(fā)方可開(kāi)發(fā)和提供豐富的應(yīng)用?

一是售前營(yíng)銷：實(shí)現(xiàn)更實(shí)時(shí)、精準(zhǔn)的廣告信息傳遞?

二是售后維護(hù)：對(duì)制造業(yè)產(chǎn)品的實(shí)時(shí)監(jiān)測(cè)、管理和風(fēng)險(xiǎn)預(yù)警例：Google專門為制造企業(yè)開(kāi)發(fā)了制造商中心解決方案，為制造商的產(chǎn)品提供在Google全網(wǎng)的精準(zhǔn)廣告展示，有效幫助制造商提升在線轉(zhuǎn)化率模式3：智能+生產(chǎn)橫向通用平臺(tái)：基礎(chǔ)設(shè)施縱向垂直應(yīng)用：場(chǎng)景應(yīng)用?

用云計(jì)算構(gòu)建工業(yè)云平臺(tái)，在此基礎(chǔ)上提供人?

針對(duì)具體制造企業(yè)的某一生產(chǎn)環(huán)節(jié)，利用軟、硬件人工智能工具，提升該環(huán)節(jié)的生產(chǎn)效能。主要應(yīng)用在：工智能算法能力?

方式一：自建，如阿里巴巴的ET工業(yè)大腦，自建并主導(dǎo)IaaS和PaaS層，在SaaS層引入工業(yè)軟件等合作服務(wù)商；方式二：合建，如騰訊與三一重工合作構(gòu)建“根云”工業(yè)互聯(lián)網(wǎng)平臺(tái)?

一是工藝優(yōu)化：即通過(guò)機(jī)器學(xué)習(xí)建立產(chǎn)品的健康模型，識(shí)別各制造環(huán)節(jié)參數(shù)對(duì)最終產(chǎn)品質(zhì)量的影響，最終找到最佳生產(chǎn)工藝參數(shù)?

二是智能質(zhì)檢：即借助機(jī)器視覺(jué)識(shí)別，快速掃描產(chǎn)品質(zhì)量，提高質(zhì)檢效率例：三一重工的設(shè)備畫(huà)像和操作優(yōu)化騰訊實(shí)踐：“智慧+工業(yè)”典型案例研發(fā)設(shè)計(jì)生產(chǎn)制造質(zhì)量管控供應(yīng)管理運(yùn)營(yíng)維護(hù)工業(yè)平臺(tái)②智能質(zhì)檢①工藝優(yōu)化③預(yù)測(cè)性維保④工業(yè)互聯(lián)網(wǎng)平臺(tái)騰訊案例1：工藝優(yōu)化

-億緯鋰能新型鋰電能源領(lǐng)先企業(yè)工藝+->良品率+->成本-

/競(jìng)爭(zhēng)力+?

數(shù)字化上云：把產(chǎn)線上重要工序運(yùn)行參數(shù)，實(shí)時(shí)接入工業(yè)物聯(lián)網(wǎng)平臺(tái)?

參數(shù)學(xué)習(xí)建模：利用深度學(xué)習(xí)篩選出電池質(zhì)量的關(guān)鍵參數(shù)?

實(shí)時(shí)計(jì)算與優(yōu)化建議：對(duì)各批次電池質(zhì)量進(jìn)行實(shí)時(shí)計(jì)算，及提供預(yù)警和建議-83%（極耳焊接工序不良率）-1260萬(wàn)成熟產(chǎn)品（18650鋰電池）（年節(jié)約成本）+2%+1.5%新產(chǎn)品（21700鋰電池）（標(biāo)準(zhǔn)化良率）（產(chǎn)能）騰訊案例2：智能質(zhì)檢

-華星光電面板制造的龍頭企業(yè)工序多->人多->人工質(zhì)檢不穩(wěn)定、成本高?

圖像識(shí)別與訓(xùn)練：采用圖像識(shí)別技術(shù)，對(duì)華星光電生產(chǎn)線上產(chǎn)生的面板海量圖片進(jìn)行快速學(xué)習(xí)及訓(xùn)練?

建模：形成高準(zhǔn)確度、能自主學(xué)習(xí)的新模型?

自主質(zhì)檢：實(shí)現(xiàn)全天候無(wú)間斷、機(jī)器自主精準(zhǔn)判片88.9%

+1%

-60%15ms/圖（質(zhì)檢掃描效率）（分類識(shí)別準(zhǔn)確率）（預(yù)測(cè)綜合性良率）（預(yù)測(cè)人力）騰訊案例3：預(yù)測(cè)性維保

-三一重工全球知名機(jī)械裝備企業(yè)設(shè)備故障+設(shè)備租賃逾期->企業(yè)損失大?

基于云的設(shè)備互聯(lián)：三一重工通過(guò)騰訊云把分布在全球各地的40萬(wàn)臺(tái)設(shè)備接入平臺(tái)?

設(shè)備數(shù)據(jù)采集與監(jiān)控：實(shí)時(shí)采集1萬(wàn)多個(gè)運(yùn)行參數(shù)，遠(yuǎn)程監(jiān)控和管理設(shè)備群的運(yùn)行?

建模與預(yù)測(cè)：對(duì)設(shè)備參數(shù)學(xué)習(xí)建模，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)異常預(yù)警建議-10%->-10億6.5h+85%（租賃設(shè)備逾期率）（不良資產(chǎn)）（異常預(yù)測(cè)提前時(shí)間）（預(yù)測(cè)準(zhǔn)確率）騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺(tái)

-木星云騰訊云+華龍訊達(dá)（工業(yè)應(yīng)用軟件高新企業(yè)）工業(yè)軟硬件廠家多->標(biāo)準(zhǔn)不統(tǒng)一