习近平总书记在党的十九大、全国网络安全和信息化工作会议等多个场合反复强调要推动互联网、大数据、人工智能和实体经济深度融合，既从侧面凸显了信息化在培育新动能促进新发展中的重要作用，也彰显了党中央贯彻新发展理念、建设现代化经济体系的坚定决心。
人工智能具有显著的溢出效应，能够嵌入到更多的软件和终端设备中，推动战略性新兴产业总体突破，正在成为推进供给侧结构性改革的新动能、振兴实体经济的新机遇、建设制造强国和网络强国的新引擎。习近平总书记在党的十九大报告中指出，要“加快建设制造强国，加快发展先进制造业，推动互联网、大数据、人工智能和实体经济深度融合”。在此背景下，我们需抓住此次产业变革机遇，促进工业智能发展，提升制造业智能化水平，推动人工智能和实体经济深度融合。
人工智能正步入应用拉动的快速增长阶段
(一)人工智能快速发展
随着互联网、移动互联网、物联网的兴起，人机物互联互通成为发展趋势，数据量以及数据处理能力呈现爆炸性增长，人工智能不断取得突破性进展。一是得益于社交媒体、移动设备和传感器的大量普及，全球数据总量爆发性增长，这为以数据运算为核心的机器学习方法获得了巨大的发展空间。二是数据处理技术加速演进、运算能力快速提升。以GPU为代表的新一代计算芯片能够满足高强度、高频次、低功耗的处理需求，提升了机器学习算法的迭代速度，极大促进人工智能产业发展。三是开源推动人工智能普及化，谷歌、Facebook、IBM、Amazon、百度等巨头扎堆开源旗下深度学习平台，发挥生态力量实现人工智能数据、应用和场景的闭环。
(二)工业智能解决方案正在形成
工业互联网带来工业数据的爆发式增长，传统数学统计与拟合方法难以满足海量数据的深度挖掘，人工智能技术正成为工业软件、工业互联网平台解决各领域诊断、预测与优化问题的得力工具。
在设备层面，基于机器学习，通过工业物品特征值的识别，实现自动化的生产动作，如智能分拣机器人，智能检测机器人。在产线层面，基于机器学习，通过工业系统特征值的识别，提供工业流程和生产参数优化建议，如流程工业的生产工艺参数优化，离散工业的机床断刀保护等。在企业层面，基于知识图谱，通过对工业问题的有效推理和仿真，实现智能业务决策和风险管理，如华为供应链风险管理系统、零部件选型系统。在行业层面，基于知识图谱，通过对工业知识的有效索引和搜索，实现工业知识的沉淀和复用。
工业智能的部署目前体现几个特点，一是云端部署，提供面向复杂场景的智能化应用，包括基于图像识别的生产质量检测、设备预测性维护及健康管理、基于智能数据模型分析的工艺参数优化等。二是边缘部署，面向有限资源条件的轻量级算法，提升设备的处理和分析能力，实现人机协作、智能分捡、自主导航等。三是与工业互联网平台结合，包括在工业互联网平台中直接嵌入人工智能引擎和框架，以及在平台中封装机器学习算法，实现基于数据的分析建模优化。
(三)人工智能在制造业应用价值初现端倪
人工智能在制造业的应用探索正形成三类典型应用模式。一是提高制造效率。例如日本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，在降低人工成本的同时提升出厂产品的合格率。华为、海尔合作的生产质量测试床，通过机器学习方法解决空调噪声检测问题，使人力下降55%、成本下降 27%。二是优化生产工艺。特别是流程行业中通过数据的机器学习，实现原料配比优化(石化行业原油配比、钢铁矿石的配比、电力配煤掺烧等)、工艺参数优化、装备装置健康管理等。如阿里“工业大脑”在中策橡胶中实现工艺参数优化，使稳定性提升10%，炼胶时间缩短10%，炼胶温度降低6%。三是优化供应链管理效率。例如美国多联式运输公司C.H. Robinson基于知识图谱技术，结合天气、交通以及社会经济挑战等实时参数，基于模型优化运输路线提高企业利润，实现智能业务决策和风险管理。四是提高售后运维价值。例如微软Azure IoT平台为Rolls-Royce发动机提供基于机器学习的海量数据分析和模型构建，能够在部件即将发生故障时准确预报异常，并提前介入主动帮助Rolls-Royce规划解决方案。
