腾讯-人工智能+制造_产业发展研究报告-2018.06-48页_4mb

“人工智能+制造”产业发展研究报告总结

核心内容

“人工智能+制造”是指将人工智能技术深度融入制造业，以提升生产效率、优化产业结构、重构国际分工。该模式是在数字化和网络化基础上，实现制造过程的自主化与智能化，是两化融合的高阶形式。

主要观点

• 人工智能的发展：人工智能涵盖计算机视觉、自然语言理解、语音识别、机器人学、机器学习等多个领域，其核心在于对智能的模拟和应用。
• 智能制造的特征：智能制造强调机器的自主反馈与调整能力，区别于传统工业软件的数字化和自动化。
• 当前与未来趋势：
  • 当前：依赖大数据与深度学习，优化制造流程。
  • 未来：转向“小数据、大任务”，实现全局问题的闭环处理。
• 技术范式：包括数字化、网络化、智能化，分别对应可编程、可协同、可自主。
• 生产组织：从工厂的生产单元自主发展为企业的部门协同，再到生态的供应链与客群连接。
• 价值形态：从产品的人性化功能，到制造的人机协同，再到服务的个性化。

关键信息

问题分析

1. 什么是人工智能？

   • 狭义：对人脑的模拟和应用。
   • 广义：对所有智能的模拟和应用。
   • 包括符号主义、联结主义、行为主义等不同技术路径。

2. 什么是人工智能+制造？

   • 是在数字化和网络化基础上，实现制造过程的自主化。
   • 强调机器的反馈和调整能力，区别于传统制造。

3. 人工智能如何+制造？

   • 通过大数据、云计算、深度学习等技术，实现对制造流程的优化。
   • 从产品、服务到生产，实现全流程智能化。

技术突破

• 算据：物联网、互联网带来海量数据。
• 算力：云+边缘计算，计算效率大幅提升。
• 算法：深度神经网络突破非结构数据处理能力。

应用案例

• Atomwise：基于卷积神经网络的新药研发，节省时间与成本。
• adidas：基于用户数据分析实现批量定制，提升生产柔性。
• IBM：基于视觉识别实现质量检测，提高效率与准确性。
• Tools Group：基于需求感知实现库存动态调整，提升供应链效率。
• Microsoft：基于预测性维护优化设备运营，降低维护成本。

产业影响

• 提高生产效率：柔性生产、全天候运行、降低人为错误。
• 改变就业市场：部分岗位可能被替代，但也将创造新职业。
• 优化产业结构：淘汰传统非智能产品，推动智能化产品发展。
• 重构国际分工：工业强国向下游发展，工业大国向上游拓展。

挑战

1. 技术缺口：关键自主技术缺乏，如芯片、核心装备部件等。
2. 标准难落地：不同标准间存在差异，软硬件兼容性差。
3. 管理模式旧：金字塔式管理难以适应快速变化的市场。
4. 资本投入少：制造业投资回报率低，资本关注度不高。

互联网赋能机会

赋能基础

• 连接：通过互联网连接用户与产品，实现数据采集与分析。
• 安全：互联网经验可保障企业生产经营的安全。
• 数据：海量数据为人工智能提供基础，推动算法优化。
• 需求：通过用户数据分析，洞察市场趋势，提升生产与服务的精准性。
• 平台：构建工业云平台，提供通用与专用人工智能服务。

实践模式

• 智能+产品：将算法嵌入产品，提升产品智能化水平。
• 智能+服务：从卖产品转向卖服务，实现智能运营。
• 智能+生产：实现从供需到生产，从通用到专用的智能优化。

政策建议

1. 建立多渠道投融资机制：结合财政、金融和社会资源，推动制造业转型。
2. 健全复合人才培养机制：完善教育体系，设立新学科，推动产学研结合。
3. 搭建多方协作服务平台：促进资源共享与协作，支持创新企业与项目。
4. 加强技术标准体系建设：鼓励技术联盟与标准制定，推动国际接轨。
5. 构建信息安全保障体系：完善法规与标准，推动安全测试与认证。
6. 建立融合创新试点基地：推动工业园区升级，支持众创空间与应用示范。
7. 布局重大科技工程项目：加强基础理论研究与专项应用研发。

未来展望

“人工智能+制造”将推动制造业向更高层次发展，实现人机融合协同制造，提升整体产业竞争力。该模式将影响就业市场、产业结构和国际分工，是未来制造业发展的重要方向。

附录：数据统计

• 2016年“人工智能+制造”产业规模约为1.2千亿美元。
• 预计到2025年将超过7.2千亿美元，复合年均增长率超过25%。
• 工业物联网增长从4.7%到14%，增长近10%。
• 制造云、大数据和人工智能平台增长从24%到36%，增长12%。
• 中国人工智能专利数量为3万件（2016年）。
• 移动应用数量为403万（2017年）。
• 互联网从业者为1677万（2016年）。
• 互联网上市公司市值合计为9万亿（2017年）。

结论

“人工智能+制造”是推动制造业转型升级的重要力量，通过互联网赋能，可实现技术、数据与应用的深度融合，提升产业效率与竞争力。未来，随着技术的发展与政策的支持，该模式将在更多领域落地，引领智能制造的发展潮流。