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
AI：《人工智能+制造(智能制造)產業發展的現狀、影響、+互聯網、未來展望》演講聽課筆記
?
?
目錄
人工智能+制造”產業發展研究報告
1、人工智能+制造的現狀
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+制造的現狀
2.1、產業規模——產業結構：從單一鏈到嵌套網
2.2、典型案例
2.3、面臨挑戰
2.4、人工智能+對制造業影響的四個角度
2.5、人工智能+對不同制造業的影響差異比較
3、人工智能+制造借助互聯網
3.1、互聯網助力的基礎
3.2、互聯網助力的模式
3.3、互聯網助力的實踐
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”產業發展研究報告
主要參考2018年6月騰訊研究院的聯合課題組的《人工智能+制造”產業發展研究報告—概念、趨勢與互聯網賦能機會》
1、人工智能+制造的現狀
1.1、為什么要研究“人工智能+制造”
工業困局
- 發達國家：產業空心化， 賺了利潤但丟了就業，且 貿易逆差；
- 發展中國家：產業低值化， 賺了收入和就業，但丟了 利潤和環境
信息革命
- 算據：大數據
- 算力：云+邊緣計算
- 算法：深度神經網絡
新工業革命
- 英國：高價值制造、人工智能 發展計劃
- 美國：先進制造、工業互聯網、 制造業回流
- 德國：工業4.0
- 日本：機器人新戰略、工業價 值鏈、社會5.0
- 中國：中國制造2025、新一 代人工智能規劃
1.2、什么是人工智能？
狹義：對人腦的模手斷口應用
廣義：對所有智能的模擬和應用；
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、博弈與倫理、機聲學習等六個大學科融合。
| 歷史：理論+專家系統 | 符號主義 （邏輯）
聯結主義 （仿生）
行為主義 （控制）
|
| 當前：大數據+深度學習 | 算法突破
算力飛躍
算據激增
|
| 未來：小數據+大任務 | 當前：“大數據、小任務”
未來：“小數據、大任務”
|
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困難甚至是不可能的。”
? ? ? ? ?莫拉維克悖論是由人工智能 和機器人學者所發現的一個和常識相佐的現象。和傳統假設不同，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：將傳統工業軟件應用到制造業；實際上是數字化＋自動化；強調機器的自動化功能。
互聯網＋制造：將互聯網工具應用到制造業；強調供需的對接；工業互聯網是工業角度的互聯網＋模式。
人工智能+制造：將人工智能技術應用到制造業；是在數字化、網絡化基礎上，實現自主；核心在于機器是否能自動反饋和調整。?
?
?
1.4、人工智能+制造簡史
歷史：專家系統輔助制造
- 20世紀60-80年代，根據“知識庫”和“if-then”邏輯推理構建的“專家系統”，在礦藏 勘測、污染物處理、太空艙任務控制等方面得到初步應用。
- 專家系統實際上只是一定程度上實現了這些環節和流程的分析和自動化，對于錯綜復雜的現 實問題只能提供有限的輔助參考。
當前：深度學習優化制造
- 人工智能及相關技術融合應用，逐步實現對制造業各流程環節效率優化。主要由工業物聯網采集各種生產數據，放到云計算資源中，通過深度學習算法處理后提供建議甚至自主優化。
未來：人機融合協同制造
- 機器和人將重新磨合成新的相互配合、補充、協同工作的平衡關系。未來智能制造將以人為 中心，統籌協調人、信息系統、和物理系統的綜合集成大系統，即“人-信息-物理系統” （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
技術范式
- 數字化：可編程；網絡化：可協同；智能化：可自主
生產組織
- 工廠：生產單元自主；企業：企業各部門協同 ；生態：供應鏈+客群連接
價值形態
- 產品：人性化功能；制造：人機協同生產；服務：個性化服務
?
2、人工智能+制造的現狀
2.1、產業規模——產業結構：從單一鏈到嵌套網
物體?數字體：物體與數字體映射，一個變另一個也變。
物流?信息流 ：多個物體的變化形成物流，對應的數字；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?信息業：兩個產業融合，形成新的產品、生產組 織方式、滿足新的需求；AI+實質是兩化融合的高階。
六大典型領域
六大細分領域特點
| 領域 | 典型技術/產品 | 典型適用行業 |
| 工業機器人 | 傳統機器人仍然占據市場主體?協作機器人將會呈現高速增長 | 金屬和機械行業應用增速最顯著；?包裝、物料處理和自動化機械工具等較多 |
| 制造業?物聯網 | 廣義包括基礎-平臺-應用-方案?具體分為托管服務和專業服務 | 各子行業、全流程都將廣泛適用 |
| 制造云 | IaaS/PaaS是未來主要增長 | 離散型由于環境分散、過程復雜，更需要 |
| 制造業大數據?及商業分析 | 非關系型數據存儲和認知軟件平臺增長最強勁?其他：內容分析、搜索系統、IT和商業服務等 | 資產型制造（如機器裝備，資產跟蹤和管理）?品牌型制造（如快消品，實時精準營銷）?技術型制造（如電子產品，供應鏈監測和管理） |
| 制造業 | 技術：計算機視覺目前占比最大 | 主要應用于工序復雜的行業 |
| 人工智能 | 產品：預測性維護和機械檢查目前占比最大 | 目前汽車行業人工智能技術應用最多 |
| 智能工廠應用 | 分布式控制系統（DCS）目前占最比最大。結合大 | 汽車行業將占全球智能工廠市場最高份額，因 |
| 數據和人工智能可有效實現預測性防護和優化 | 新一代電動和智能汽車規模發展 | |
| 解決方案 | 制造執行系統（MES）預計未來增速最快。生產執 | 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 | 加，因此采用智能工廠預計會最高 |
?
?
?
2.2、典型案例
案例1—研發設計，大幅降低不確定性成本——基于卷積神經網絡的新藥研發（Atomwise）
案例2—生產制造，柔性生產滿足個性需求——基于個人數據分析的批量定制（adidas）
案例3—質量管控，快速質檢并保障質量——基于視覺識別的質量檢測（IBM）
案例4—供應管理，精準掌握供需變化提效能——基于需求感知的庫存動態調整（Tools Group）
案例5—運營維護，提前預測和解決故障風險——基于運營數據分析的預測性維護（Microsoft）
?
?
2.3、面臨挑戰
| ① 技術有缺口? | 缺關鍵自主技術（如芯片、核心裝備部件、 軟件/算法等）。導致產業受制（如美國最新針對中國制造 2025貿易戰）。但關鍵技術、尤其是基礎技術需要長期大 量投入研發，短時難突破 。 |
| ② 標準難落地 | ?政府和機構已牽頭在建各種標準，但不同線條的標準間仍存差異，更重要的是，當前制造業設備很多來自國 外廠商。多廠家軟硬件不兼容的情況多見， 頂層設計的標準與復雜的現狀一時難以匹 配落地。 |
| ③ 管理模式舊 | 工業時代的大規模、標準化生產，造成制 造企業管理仍然以金字塔、多層次、細分 化為主。這種模式，組織末梢人員任務單一、彈性 弱，難適應快速變動的市場 。而人工智能的普及，更可能需要新的人機 協同分工機制設計。 |
| ④ 資本投入少 | 近年來制造業普遍利潤不高，投資回報率 相對其他高新領域低，商業資本的關注度 走低 。?而制造業的改造升級，又需要長期大量的 資本投入，短期效益可能很難顯現，資本投入就更偏謹慎。 |
2.4、人工智能+對制造業影響的四個角度
| ① 提高生產效率 | 增效：柔性生產、全天候生產 提質：降低人為錯誤、持續工藝改善，提 升成品率 降本：重復性、危險性工作機器替人；生 產廢料、時間等成本節約 |
| ② 改變就業市場 | 結構性失業：50%*的現有工作可能被替 代，制造業就業人口縮減 創造新職業/崗位：針對機器的開發、管 理、維護等崗位增加 人機賽跑的拐點？就業數量絕對減少的拐 點可能到來 |
| ③ 優化產業結構 | 淘汰：大部分傳統“非智能”產品，尤其 是電子制品 改造：部分產品被逐漸“注智”，變成新 產業，如自動駕駛汽車 孕育：新的智能產業，如算法公司 |
| ④ 重構國際分工 | 削弱傳統勞動力比較優勢 ??? ?工業強國向下游、工業大國向上游，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+對不同制造業的影響差異比較
| 行業類型 | 特征 | 典型行業 | 發展瓶頸 | 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、電子產品…） | 人工成本不斷提高?工人不穩定性影響品質 | 減少人工?降低人工造成的品質?不穩定 |
| 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 | 實現低成本定制化?生產 |
| 技術?引領型 | 依靠技術進步?獲得競爭力 | 高新 （生物醫藥、航空航天…） | 技術研發的風險、不可?控和長周期 | 提高技術研發成功率 縮短研發周期 |
| 市場?變動型 | 產品生命周期短 | 快消品 （服裝、食品…） | 難以準確預測市場走向 | 準確預測和快速響應?市場 |
?
3、人工智能+制造借助互聯網
3.1、互聯網助力的基礎
互聯網助力的五大基石
| 連 接 用戶→產品 | 海量用戶連接， 可擴展為用戶和 產品/企業的連接 |
| 安 全 信息→物理 | 多年信息安全經驗， 將成為企業生產經 營物理安全的保障 |
| 數 據 需求→生產 | 基于海量用戶連接 洞察趨勢，能幫助 企業生產貼近需求 |
| 公有→私有 | 海量數據推動云計算 建設領先，能有效轉 化為對企業的服務 |
| 算 法 通用→專用 | 數據挖掘推動智能 算法領先，能為企 業直接調用和轉化 |
?
3.2、互聯網助力的模式
智能+產品：由軟到硬 ??? ?算法嵌入產品 ??? ?人工智能成產品功能
- 智能+芯片：從應用需求出發 ??? ?主導設計和開發更高性能的人工智能芯片 ??? ?為產業提供更有效的算力支持
- 智能+組件：將算法API化對外開放 ??? ?供企業調用并二次開發 ??? ?借助生態推動智能產品落地
- 智能+產品：基于自身人工智能技術/應用 ??? ?直接生產相應軟硬件一體化的人工智能產品 ??? ?將此產品作為平臺進一步發展
智能+服務：由硬到軟 ??? ?賣產品轉向賣服務 ??? ?銷售變成智能運營
- C端（用戶）：功能即服務
狹義：產品附加智能功能。比如在安全方 面，通過臉部、聲紋等識別解鎖；
廣義：產品可提供的所有智能應用。需智 能產品變成一個開放平臺，使得各種開發 方可開發和提供豐富的應用 - B端（企業）：洞察即服務
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：實現更實時、精準的廣告 信息傳遞
二是售后維護：對制造業產品的實時監測、 管理和風險預警
智能+生產：由外到內 ??? ?從供需到生產 ??? ?從通用深入專用智能
- 橫向通用平臺：基礎設施 ??? ?用云計算構建工業云平臺，在此基礎上提供人 工智能算法能力 ??? ?
方式一：自建，如阿里巴巴的ET工業大腦，自 建并主導IaaS和PaaS層，在SaaS層引入工業 軟件等合作服務商；
方式二：合建，如騰訊與 三一重工合作構建“根云”工業互聯網平臺 - 縱向垂直應用：場景應用 ??? ?針對具體制造企業的某一生產環節，利用軟、 硬件人工智能工具，提升該環節的生產效能。 主要應用在： ??? ?
一是工藝優化：即通過機器學習建立產品的健 康模型，識別各制造環節參數對最終產品質量 的影響，最終找到最佳生產工藝參數 ??? ?
二是智能質檢：即借助機器視覺識別，快速掃 描產品質量，提高質檢效率
?
3.3、互聯網助力的實踐
騰訊案例1：工藝優化 - 億緯鋰能
騰訊案例2：智能質檢 - 華星光電
騰訊案例3：預測性維保 - 三一重工
騰訊案例4：工業互聯網平臺 - 木星云
?
?
?
?
?
?
?
總結
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容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Py之configobj：configo
- 下一篇： Ubuntu之bashrc：成功解决Ub