2017年-数据局_东方证券：从科学效应到人工智能制造业人工智能应用正起步_21页_1mb

制造业人工智能应用正起步

核心内容

本报告分析了制造业中人工智能的应用现状、发展趋势及投资机会。随着《中国制造2025》等政策的推动，制造业正逐步向智能化、数字化转型。人工智能在工业领域的应用虽然尚处于初级阶段，但其潜力巨大，具有广阔的发展前景。

主要观点

• 人工智能与工业智能的区别：人工智能通过算法实现学习提升，与传统的基于科学效应的工业智能不同。工业智能主要依赖预设规则和物理效应，而人工智能具备自主学习和优化决策的能力。
• 人工智能在工业中的应用特点：当前人工智能在工业中的应用更多表现为优化决策过程的辅助作用，而非完全替代人工操作。其应用是一个渐进且持续的过程，从技术投入、流程优化，到与供应链生态协同，最终实现人机协同的高效生产。
• 工业数据的特殊性：工业数据具备更强的专业性、关联性，且存在数据缺漏、异步等问题，对数据采集、处理和算法提出了更高的要求。
• 智能化的全生命周期应用：从研发、制造、物流、营销到使用和售后，人工智能在各个阶段都有其应用价值，包括降低生产成本、提高运营效率、提升产品质量和改善客户体验。
• 工业人工智能的难点：数据的有效获取是前提，同时算法需要具备透明性、冷启动能力以及非迭代开发的特性，以适应工业场景的复杂性和安全性要求。

关键信息

人工智能在工业中的应用环节

• 研发：基于用户数据建模，实现定制化设计。
• 制造：通过智能协同、故障检测、质量检测、机器人替代等方式提升效率。
• 物流：优化配送路径和调度，使用智能机器人、无人车等。
• 营销：基于用户画像进行精准营销。
• 使用与售后：实时监控、预测性维护、个性化服务等。

工业与互联网大数据的区别

工业人工智能实现的难点

• 数据获取：需要建立物联网系统，实现设备、人员、物料等数据的全面采集。
• 数据处理：非结构化数据（如文本、图像、视频）处理能力是工业人工智能的重要基础。
• 算法要求：需具备透明性、冷启动能力以及非中断的更新机制，以适应工业场景的复杂性和安全性。
• 基础设施：强大的计算设施、存储系统以及专业人才是人工智能应用的关键支撑。

投资建议

• 行业前景：工业大数据及人工智能应用仍属蓝海，发展潜力大，中长期看好其落地。
• 受益领域：
  • 传感器、工业物联网、工控领域
  • 提供制造执行系统（MES）、企业资源管理（ERP）、供应链管理（SCM）等软件的公司
• 推荐标的：用友网络、汉得信息、金蝶国际等公司，它们在制造业信息化、数据化和智能化方面有较强的能力。
• 行业投资评级：看好（相对强于市场基准指数收益率5%以上）。

风险提示

• 应用进度不达预期：人工智能在工业领域的应用尚处于起步阶段，存在技术、数据、成本等多方面不确定性。
• 研发成本高：需大量前瞻性投入，包括数据采集、算法研发、基础设施建设等。
• 数据化基础未完善：部分企业数据采集和处理能力不足，影响人工智能应用效果。
• 实验结果与实际效果差异：实验室研究结果不一定能直接转化为工业应用效果。

行业投资评级定义

• 看好：相对强于市场基准指数收益率5%以上
• 中性：相对于市场基准指数收益率在-5%~+5%之间波动
• 看淡：相对于市场基准指数收益率在-5%以下
• 未评级：该行业不在研究覆盖范围内
• 暂停评级：存在重大不确定性或利益冲突，需暂停评级

结论

制造业人工智能应用正逐步起步，其发展依赖于数据化、网络化、智能化的深度融合。虽然当前仍处于初级阶段，但随着技术进步和政策支持，未来有望实现更广泛的落地和应用，为制造业带来效率提升、成本降低和体验改善。投资方面，建议关注具备工业数据处理、智能制造和系统集成能力的企业，同时警惕技术、数据和成本等带来的风险。