余晓晖：深化互联网、大数据、人工智能与实体经济融合，推动工业智能创新发展

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。在新一轮科技革命和产业变革同我国转变发展方式形成历史性交汇的背景下，如何理解软件定义、数据驱动、平台支撑、服务增值、智能主导的融合发展新特征，如何继续做好信息化和工业化深度融合这篇大文章?中国电子报推出深化融合发展，推动制造强国和网络强国建设专栏，邀请行业主管部门、研究咨询机构、业界专家撰文，阐述新时代两化融合的新内涵和新特征，为创新推进两化融合、促进制造业高质量发展营造良好氛围。此文为专栏文章之八。

人工智能具有显着的溢出效应，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。

一、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AzureIoT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，KUKA机器人维修，并提前介入主动帮助Rolls-Royce规划解决方案。中国信息通信研究院2017年组织了工业大数据创新竞赛，全国有1460个团队利用机器学习方法解决风电设备故障预测和健康管理问题，取得了良好效果。

二、把握好人工智能与制造业融合发展的趋势和挑战

2017年政府加大对人工智能与制造业融合的政策引导。一方面7月印发《新一代人工智能发展规划》，在培育智能经济的工作中明确提出推动人工智能与制造业融合，12月印发《促进新一代人工智能产业发展三年行动计划(2018-2020年)》，把智能制造深化发展作为四大目标之一。同时上海、北京、浙江、安徽、贵州、江西等省市结合自身产业发展实际和比较优势，发布专门针对人工智能的相关实施意见，鼓励和支持人工智能与制造业融合发展的政策体系不断完善。另一方面加强产业指导，由相关部委指导成立中国人工智能产业发展联盟、建立人工智能领域重点实验室，牵引和指导相关技术标准、技术研发、实验验证、应用推广等工作全面展开。

尽管当前人工智能与制造业的融合发展已经显露出一些成效，但该领域仍然较为前沿，库卡机器人，我国在技术架构、实施路径、行业标准及产业生态等方面均存在一定的发展瓶颈。技术方面看，一是现有人工智能的计算架构还无法满足工业实时性所带来的计算要求。二是现有人工智能算法和框架对算法输出可靠性的考虑不够，不能满足制造业高可靠性的要求。三是目前以神经网络和深度学习主流算法还不能提供工业智能所需要的明确语义解释。产业方面看，一是工业人工智能主要是由数据、知识密集型的部分领先制造企业与具备人工智能技术优势的ICT企业强强联合推进的，尚不具备在制造业大范围推广的条件。二是行业应用基础较弱。我国制造业自动化数字化网络化水平参差不齐，产业界还缺乏成熟可推广的标杆应用。三是产业发展保障体系有待健全。如工业智能的标准化、工业智能的安全保障体系、工业智能应用中面临的伦理和规律挑战等。

三、以融合创新为主线，协同推进人工智能与制造业发展