AI：《人工智能+制造(智能制造)產(chǎn)業(yè)發(fā)展的現(xiàn)狀、影響、+互聯(lián)網(wǎng)、未來展望》演講聽課筆記

?

?

目錄

人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告

1、人工智能+制造的現(xiàn)狀

1.1、為什么要研究“人工智能+制造”

1.2、什么是人工智能？

1.3、什么是人工智能+制造？

1.4、人工智能+制造簡史

1.5、人工智能如何+制造

2、人工智能+制造的現(xiàn)狀

2.1、產(chǎn)業(yè)規(guī)?！a(chǎn)業(yè)結(jié)構(gòu)：從單一鏈到嵌套網(wǎng)

2.2、典型案例

2.3、面臨挑戰(zhàn)

2.4、人工智能+對制造業(yè)影響的四個角度

2.5、人工智能+對不同制造業(yè)的影響差異比較

3、人工智能+制造借助互聯(lián)網(wǎng)

3.1、互聯(lián)網(wǎng)助力的基礎(chǔ)

3.2、互聯(lián)網(wǎng)助力的模式

3.3、互聯(lián)網(wǎng)助力的實踐

4、人工智能+制造的政策

5、人工智能+制造的展望

---

?

人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告

主要參考2018年6月騰訊研究院的聯(lián)合課題組的《人工智能+制造”產(chǎn)業(yè)發(fā)展研究報告—概念、趨勢與互聯(lián)網(wǎng)賦能機會》

1、人工智能+制造的現(xiàn)狀

1.1、為什么要研究“人工智能+制造”

工業(yè)困局

• 發(fā)達國家：產(chǎn)業(yè)空心化， 賺了利潤但丟了就業(yè)，且 貿(mào)易逆差；
• 發(fā)展中國家：產(chǎn)業(yè)低值化， 賺了收入和就業(yè)，但丟了 利潤和環(huán)境

信息革命

• 算據(jù)：大數(shù)據(jù)
• 算力：云+邊緣計算
• 算法：深度神經(jīng)網(wǎng)絡(luò)

新工業(yè)革命

• 英國：高價值制造、人工智能 發(fā)展計劃
• 美國：先進制造、工業(yè)互聯(lián)網(wǎng)、 制造業(yè)回流
• 德國：工業(yè)4.0
• 日本：機器人新戰(zhàn)略、工業(yè)價 值鏈、社會5.0
• 中國：中國制造2025、新一 代人工智能規(guī)劃

1.2、什么是人工智能？

狹義：對人腦的模手斷口應(yīng)用
廣義：對所有智能的模擬和應(yīng)用；
目前包括計算機視覺、自然語言理解與交流、 語音識別與生成、機器人學(xué)、博弈與倫理、機聲學(xué)習(xí)等六個大學(xué)科融合。

歷史：理論+專家系統(tǒng)	符號主義 （邏輯） 人類思維基本單元是符號，認知過程就是對符號運算 人、計算機都是物理符號系統(tǒng) 用計算機的符號邏輯推理來模擬人的認知過程? 聯(lián)結(jié)主義 （仿生） 人的認知活動就是大腦神經(jīng)元整體的動態(tài)活動? 以計算機模型在結(jié)構(gòu)和功能上模擬大腦神經(jīng)網(wǎng)絡(luò)? 利用這種人工神經(jīng)網(wǎng)絡(luò)及之間的連接機制與學(xué)習(xí)算法，來解釋人類大腦的認知活動? 行為主義 （控制） 智能行為產(chǎn)生于主體與環(huán)境交互過程中 ，可分解 主體根據(jù)環(huán)境刺激產(chǎn)生相應(yīng)的反應(yīng)， 并反饋情況 采用這種快速“感知-行動“替代傳統(tǒng)人工智能中精確的數(shù)學(xué)模型，從而達到適應(yīng)復(fù)雜環(huán)境目的?
當(dāng)前：大數(shù)據(jù)+深度學(xué)習(xí)	算法突破 深度神經(jīng)網(wǎng)絡(luò) 大規(guī)模、無監(jiān)督、多層次 非結(jié)構(gòu)數(shù)據(jù)處理突破（圖像、語音） 算力飛躍 CPU→GPU→TPU，計算速度和效率大幅提升 云+邊緣計算，低成本、海量計算資源 光刻等技術(shù)進一步發(fā)展，芯片越來越小，端處 理能力持續(xù)提高 算據(jù)激增 互聯(lián)網(wǎng)50億連接，積累了海量數(shù)據(jù)（主要是人） 物聯(lián)網(wǎng)500億連接，開啟更大規(guī)模數(shù)據(jù)的來源： 機器、政府、生物、環(huán)境……
未來：小數(shù)據(jù)+大任務(wù)	當(dāng)前：“大數(shù)據(jù)、小任務(wù)” 海量數(shù)據(jù) 局部、特定問題（如計算下棋落子的位置） “暴力”計算 未來：“小數(shù)據(jù)、大任務(wù)” 少量數(shù)據(jù) 全局問題獨立閉環(huán)（如像人一樣 到場→落座→下棋→離場） “精確”計算

莫拉維克悖論(Moravec's paradox)：“要讓電腦如成人般地下棋是相對容易的，但是要讓電腦有如一歲小孩般的感知和行動能力卻是相當(dāng)困難甚至是不可能的?！?br /> ? ? ? ? ?莫拉維克悖論是由人工智能 和機器人學(xué)者所發(fā)現(xiàn)的一個和常識相佐的現(xiàn)象。和傳統(tǒng)假設(shè)不同，人類所獨有的高階智慧能力只需要非常少的計算能力，例如推理，但是無意識的技能和直覺卻需要極大的運算能力。這個理念是由漢斯·莫拉維克、布魯克斯、馬文·閔斯基等人于1980年代所闡釋。

?

1.3、什么是人工智能+制造？

智能制造：將傳統(tǒng)工業(yè)軟件應(yīng)用到制造業(yè)；實際上是數(shù)字化＋自動化；強調(diào)機器的自動化功能。
互聯(lián)網(wǎng)＋制造：將互聯(lián)網(wǎng)工具應(yīng)用到制造業(yè)；強調(diào)供需的對接；工業(yè)互聯(lián)網(wǎng)是工業(yè)角度的互聯(lián)網(wǎng)＋模式。
人工智能+制造：將人工智能技術(shù)應(yīng)用到制造業(yè)；是在數(shù)字化、網(wǎng)絡(luò)化基礎(chǔ)上，實現(xiàn)自主；核心在于機器是否能自動反饋和調(diào)整。?

?

?

1.4、人工智能+制造簡史

歷史：專家系統(tǒng)輔助制造

• 20世紀(jì)60-80年代，根據(jù)“知識庫”和“if-then”邏輯推理構(gòu)建的“專家系統(tǒng)”，在礦藏 勘測、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)實際上只是一定程度上實現(xiàn)了這些環(huán)節(jié)和流程的分析和自動化，對于錯綜復(fù)雜的現(xiàn) 實問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，逐步實現(xiàn)對制造業(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)，放到云計算資源中，通過深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化。

未來：人機融合協(xié)同制造

• 機器和人將重新磨合成新的相互配合、補充、協(xié)同工作的平衡關(guān)系。未來智能制造將以人為 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-physical systems, HCPS）

?

1.5、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

價值形態(tài)

• 產(chǎn)品：人性化功能；制造：人機協(xié)同生產(chǎn)；服務(wù)：個性化服務(wù)

?

2、人工智能+制造的現(xiàn)狀

2.1、產(chǎn)業(yè)規(guī)模——產(chǎn)業(yè)結(jié)構(gòu)：從單一鏈到嵌套網(wǎng)

物體?數(shù)字體：物體與數(shù)字體映射，一個變另一個也變。
物流?信息流 ：多個物體的變化形成物流，對應(yīng)的數(shù)字；體變化匯聚為信息流，通過洞察信息流通盤管理整個物流。
制造業(yè)?信息業(yè)：兩個產(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+實質(zhì)是兩化融合的高階。

六大典型領(lǐng)域

六大細分領(lǐng)域特點

領(lǐng)域	典型技術(shù)/產(chǎn)品	典型適用行業(yè)
工業(yè)機器人	傳統(tǒng)機器人仍然占據(jù)市場主體?協(xié)作機器人將會呈現(xiàn)高速增長	金屬和機械行業(yè)應(yīng)用增速最顯著；?包裝、物料處理和自動化機械工具等較多
制造業(yè)?物聯(lián)網(wǎng)	廣義包括基礎(chǔ)-平臺-應(yīng)用-方案?具體分為托管服務(wù)和專業(yè)服務(wù)	各子行業(yè)、全流程都將廣泛適用
制造云	IaaS/PaaS是未來主要增長	離散型由于環(huán)境分散、過程復(fù)雜，更需要
制造業(yè)大數(shù)據(jù)?及商業(yè)分析	非關(guān)系型數(shù)據(jù)存儲和認知軟件平臺增長最強勁?其他：內(nèi)容分析、搜索系統(tǒng)、IT和商業(yè)服務(wù)等	資產(chǎn)型制造（如機器裝備，資產(chǎn)跟蹤和管理）?品牌型制造（如快消品，實時精準(zhǔn)營銷）?技術(shù)型制造（如電子產(chǎn)品，供應(yīng)鏈監(jiān)測和管理）
制造業(yè)	技術(shù)：計算機視覺目前占比最大	主要應(yīng)用于工序復(fù)雜的行業(yè)
人工智能	產(chǎn)品：預(yù)測性維護和機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
智能工廠應(yīng)用	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最高份額，因
	數(shù)據(jù)和人工智能可有效實現(xiàn)預(yù)測性防護和優(yōu)化	新一代電動和智能汽車規(guī)模發(fā)展
解決方案	制造執(zhí)行系統(tǒng)（MES）預(yù)計未來增速最快。生產(chǎn)執(zhí)	石油天然氣工廠對安全性和可靠性需求日益增
	行操作和管理，能夠有效縮時、提產(chǎn)	加，因此采用智能工廠預(yù)計會最高

?

?

?

2.2、典型案例

案例1—研發(fā)設(shè)計，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）

案例2—生產(chǎn)制造，柔性生產(chǎn)滿足個性需求——基于個人數(shù)據(jù)分析的批量定制（adidas）

案例3—質(zhì)量管控，快速質(zhì)檢并保障質(zhì)量——基于視覺識別的質(zhì)量檢測（IBM）

案例4—供應(yīng)管理，精準(zhǔn)掌握供需變化提效能——基于需求感知的庫存動態(tài)調(diào)整（Tools Group）

案例5—運營維護，提前預(yù)測和解決故障風(fēng)險——基于運營數(shù)據(jù)分析的預(yù)測性維護（Microsoft）

?

?

2.3、面臨挑戰(zhàn)

① 技術(shù)有缺口?	缺關(guān)鍵自主技術(shù)（如芯片、核心裝備部件、 軟件/算法等）。導(dǎo)致產(chǎn)業(yè)受制（如美國最新針對中國制造 2025貿(mào)易戰(zhàn)）。但關(guān)鍵技術(shù)、尤其是基礎(chǔ)技術(shù)需要長期大 量投入研發(fā)，短時難突破 。
② 標(biāo)準(zhǔn)難落地	?政府和機構(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)備很多來自國 外廠商。多廠家軟硬件不兼容的情況多見， 頂層設(shè)計的標(biāo)準(zhǔn)與復(fù)雜的現(xiàn)狀一時難以匹 配落地。
③ 管理模式舊	工業(yè)時代的大規(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、細分 化為主。這種模式，組織末梢人員任務(wù)單一、彈性 弱，難適應(yīng)快速變動的市場 。而人工智能的普及，更可能需要新的人機 協(xié)同分工機制設(shè)計。
④ 資本投入少	近年來制造業(yè)普遍利潤不高，投資回報率 相對其他高新領(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，又需要長期大量的 資本投入，短期效益可能很難顯現(xiàn)，資本投入就更偏謹慎。

2.4、人工智能+對制造業(yè)影響的四個角度

① 提高生產(chǎn)效率	增效：柔性生產(chǎn)、全天候生產(chǎn) 提質(zhì)：降低人為錯誤、持續(xù)工藝改善，提 升成品率 降本：重復(fù)性、危險性工作機器替人；生 產(chǎn)廢料、時間等成本節(jié)約
② 改變就業(yè)市場	結(jié)構(gòu)性失業(yè)：50%*的現(xiàn)有工作可能被替 代，制造業(yè)就業(yè)人口縮減 創(chuàng)造新職業(yè)/崗位：針對機器的開發(fā)、管 理、維護等崗位增加 人機賽跑的拐點？就業(yè)數(shù)量絕對減少的拐 點可能到來
③ 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)	淘汰：大部分傳統(tǒng)“非智能”產(chǎn)品，尤其 是電子制品 改造：部分產(chǎn)品被逐漸“注智”，變成新 產(chǎn)業(yè)，如自動駕駛汽車 孕育：新的智能產(chǎn)業(yè)，如算法公司
④ 重構(gòu)國際分工	削弱傳統(tǒng)勞動力比較優(yōu)勢 ??? ?工業(yè)強國向下游、工業(yè)大國向上游，爭奪 更多價值空間 地理上的國家國際分工，可能進一步形成 新跨國平臺間的競爭與合作

?

2.5、人工智能+對不同制造業(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
勞動?密集型	低勞動力成本?為核心競爭力	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)	減少人工?降低人工造成的品質(zhì)?不穩(wěn)定
資本?密集型	固定成本占比高	材料 （冶金、化工…）	柔性化程度低不能滿足?定制需求	實現(xiàn)低成本定制化?生產(chǎn)
技術(shù)?引領(lǐng)型	依靠技術(shù)進步?獲得競爭力	高新 （生物醫(yī)藥、航空航天…）	技術(shù)研發(fā)的風(fēng)險、不可?控和長周期	提高技術(shù)研發(fā)成功率 縮短研發(fā)周期
市場?變動型	產(chǎn)品生命周期短	快消品 （服裝、食品…）	難以準(zhǔn)確預(yù)測市場走向	準(zhǔn)確預(yù)測和快速響應(yīng)?市場

?

3、人工智能+制造借助互聯(lián)網(wǎng)

3.1、互聯(lián)網(wǎng)助力的基礎(chǔ)

互聯(lián)網(wǎng)助力的五大基石

連 接 用戶→產(chǎn)品	海量用戶連接， 可擴展為用戶和 產(chǎn)品/企業(yè)的連接
安 全 信息→物理	多年信息安全經(jīng)驗， 將成為企業(yè)生產(chǎn)經(jīng) 營物理安全的保障
數(shù) 據(jù) 需求→生產(chǎn)	基于海量用戶連接 洞察趨勢，能幫助 企業(yè)生產(chǎn)貼近需求
公有→私有	海量數(shù)據(jù)推動云計算 建設(shè)領(lǐng)先，能有效轉(zhuǎn) 化為對企業(yè)的服務(wù)
算 法 通用→專用	數(shù)據(jù)挖掘推動智能 算法領(lǐng)先，能為企 業(yè)直接調(diào)用和轉(zhuǎn)化

?

3.2、互聯(lián)網(wǎng)助力的模式

智能+產(chǎn)品：由軟到硬 ??? ?算法嵌入產(chǎn)品 ??? ?人工智能成產(chǎn)品功能

• 智能+芯片：從應(yīng)用需求出發(fā) ??? ?主導(dǎo)設(shè)計和開發(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
• 智能+組件：將算法API化對外開放 ??? ?供企業(yè)調(diào)用并二次開發(fā) ??? ?借助生態(tài)推動智能產(chǎn)品落地
• 智能+產(chǎn)品：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)品作為平臺進一步發(fā)展

智能+服務(wù)：由硬到軟 ??? ?賣產(chǎn)品轉(zhuǎn)向賣服務(wù) ??? ?銷售變成智能運營

• C端（用戶）：功能即服務(wù)
  狹義：產(chǎn)品附加智能功能。比如在安全方 面，通過臉部、聲紋等識別解鎖；
  廣義：產(chǎn)品可提供的所有智能應(yīng)用。需智 能產(chǎn)品變成一個開放平臺，使得各種開發(fā) 方可開發(fā)和提供豐富的應(yīng)用
• B端（企業(yè)）：洞察即服務(wù)
  借助人工智能算法能夠比較完整地勾勒出 用戶的畫像和需求特征
  一是售前營銷：實現(xiàn)更實時、精準(zhǔn)的廣告 信息傳遞
  二是售后維護：對制造業(yè)產(chǎn)品的實時監(jiān)測、 管理和風(fēng)險預(yù)警

智能+生產(chǎn)：由外到內(nèi) ??? ?從供需到生產(chǎn) ??? ?從通用深入專用智能

• 橫向通用平臺：基礎(chǔ)設(shè)施 ??? ?用云計算構(gòu)建工業(yè)云平臺，在此基礎(chǔ)上提供人 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
• 縱向垂直應(yīng)用：場景應(yīng)用 ??? ?針對具體制造企業(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： ??? ?
  一是工藝優(yōu)化：即通過機器學(xué)習(xí)建立產(chǎn)品的健 康模型，識別各制造環(huán)節(jié)參數(shù)對最終產(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：即借助機器視覺識別，快速掃 描產(chǎn)品質(zhì)量，提高質(zhì)檢效率

?

3.3、互聯(lián)網(wǎng)助力的實踐

騰訊案例1：工藝優(yōu)化 - 億緯鋰能

騰訊案例2：智能質(zhì)檢 - 華星光電

騰訊案例3：預(yù)測性維保 - 三一重工

騰訊案例4：工業(yè)互聯(lián)網(wǎng)平臺 - 木星云

?

?

?

?

?

?

?

總結(jié)

以上是生活随笔為你收集整理的AI：《人工智能+制造(智能制造)产业发展的现状、影响、+互联网、未来展望》演讲听课笔记的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。