制造業(yè)應(yīng)用人工智能可以提高制造業(yè)的生產(chǎn)效率，推動(dòng)制造業(yè)高質(zhì)量發(fā)展和競(jìng)爭(zhēng)力提升，促進(jìn)國民經(jīng)濟(jì)的持續(xù)穩(wěn)定增長(zhǎng)。近年來，制造業(yè)人工智能的場(chǎng)景化應(yīng)用落地不斷推進(jìn)，但在落地過程中遇到一些難點(diǎn)。本文對(duì)于制造企業(yè)應(yīng)用人工智能的場(chǎng)景化落地的現(xiàn)狀和難點(diǎn)進(jìn)行分析，提出制造業(yè)人工智能的場(chǎng)景應(yīng)用落地的建議。

制造業(yè)人工智能的場(chǎng)景應(yīng)用落地的現(xiàn)狀

人工智能在中國制造業(yè)應(yīng)用市場(chǎng)規(guī)模逐年增加，但是目前總量不高。根據(jù)德勤數(shù)據(jù)，2023年人工智能在中國制造業(yè)應(yīng)用市場(chǎng)規(guī)?？偭?jī)H為56億元。 根據(jù)頭豹研究院數(shù)據(jù)，2022年中國人工智能行業(yè)市場(chǎng)規(guī)模為3,716億元，預(yù)計(jì)2027年將達(dá)15,372億元。與此相比，制造行業(yè)人工智能應(yīng)用市場(chǎng)規(guī)模目前總量不高。

人工智能在制造業(yè)領(lǐng)域的應(yīng)用普及率目前較低。根據(jù)凱捷統(tǒng)計(jì)數(shù)據(jù)顯示，截至2023年，歐洲頂級(jí)制造企業(yè)的人工智能應(yīng)用普及率超過30%，日本制造企業(yè)人工智能應(yīng)用普及率接近30%，美國制造企業(yè)為28%，而中國制造企業(yè)的人工智能應(yīng)用普及率尚不足11%，需要通過更多的場(chǎng)景應(yīng)用落地提高應(yīng)用普及率。

人工智能在制造業(yè)的現(xiàn)有落地場(chǎng)景、技術(shù)應(yīng)用的現(xiàn)狀有進(jìn)步但需要優(yōu)化。人工智能在制造業(yè)的應(yīng)用貫穿于設(shè)計(jì)、生產(chǎn)、管理和服務(wù)等各個(gè)環(huán)節(jié)，以下是一些常見的落地場(chǎng)景及技術(shù)應(yīng)用現(xiàn)狀：

制造業(yè)人工智能的場(chǎng)景應(yīng)用落地的難點(diǎn)

1.制造業(yè)智能化基礎(chǔ)和智能化需求差異大，難以采用統(tǒng)一的人工智能解決方案，影響規(guī)模化的場(chǎng)景應(yīng)用落地

不同應(yīng)用場(chǎng)景的智能化基礎(chǔ)存在較大差異，有些具備了較為完善的數(shù)字化基礎(chǔ)，有些信息基礎(chǔ)設(shè)施落后。根據(jù)工信部數(shù)據(jù)統(tǒng)計(jì)顯示，目前我國32%的制造企業(yè)達(dá)到了智能制造能力成熟度一級(jí)水平，21%的企業(yè)達(dá)到了二級(jí)，12%的企業(yè)達(dá)到三級(jí)，四級(jí)及以上是成熟度最高等級(jí)，其企業(yè)占比達(dá)4%，其他31%企業(yè)都尚未達(dá)到最低的一級(jí)成熟度的水平。同時(shí)，不同的應(yīng)用場(chǎng)景有不同的智能化需求，對(duì)人工智能包括算力、算法、數(shù)據(jù)的需求和配置也不同。應(yīng)用場(chǎng)景智能化基礎(chǔ)不同和智能化需求不同，決定了其應(yīng)用人工智能起點(diǎn)不同，場(chǎng)景化落地的條件和實(shí)施方式也會(huì)隨之不同，制造業(yè)人工智能場(chǎng)景應(yīng)用解決方案需要進(jìn)行定制化開發(fā)，以適應(yīng)特定的生產(chǎn)流程、設(shè)備配置、數(shù)據(jù)格式等，導(dǎo)致難以復(fù)制推廣統(tǒng)一的人工智能解決方案實(shí)施規(guī)?；膱?chǎng)景落地。

2.場(chǎng)景應(yīng)用要求的高度實(shí)時(shí)性、可靠性和準(zhǔn)確性，增加了場(chǎng)景應(yīng)用落地的難度

制造業(yè)場(chǎng)景應(yīng)用對(duì)高度實(shí)時(shí)性、可靠性和準(zhǔn)確性的要求，源于制造業(yè)生產(chǎn)流程的連續(xù)性和設(shè)備的精密性以及對(duì)產(chǎn)品質(zhì)量和安全性的嚴(yán)格標(biāo)準(zhǔn)。制造業(yè)生產(chǎn)需要實(shí)時(shí)控制和響應(yīng)，以確保生產(chǎn)流程的連續(xù)性和穩(wěn)定性。目前有些通用計(jì)算架構(gòu)較難滿足制造業(yè)實(shí)時(shí)性的計(jì)算要求，端側(cè)推理需求迫切。電商平臺(tái)的推薦系統(tǒng)達(dá)到60%-70%的準(zhǔn)確率算是比較高的精準(zhǔn)度，而制造業(yè)部分核心環(huán)節(jié)對(duì)推薦參數(shù)的準(zhǔn)確性要求非常高，一旦參數(shù)出現(xiàn)問題，將對(duì)生產(chǎn)、制造等環(huán)節(jié)產(chǎn)生巨大影響。制造企業(yè)不敢輕易應(yīng)用人工智能技術(shù)于具體的生產(chǎn)場(chǎng)景和生產(chǎn)流程，擔(dān)心應(yīng)用人工智能導(dǎo)致生產(chǎn)流程停頓、生產(chǎn)過程出問題、產(chǎn)品質(zhì)量出問題。場(chǎng)景應(yīng)用要求的高度實(shí)時(shí)性、可靠性和準(zhǔn)確性，增加了場(chǎng)景應(yīng)用落地的難度。

3.制造業(yè)人工智能應(yīng)用場(chǎng)景的多樣性增加了應(yīng)用落地成本，企業(yè)擔(dān)心應(yīng)用落地的成本效益，影響了場(chǎng)景應(yīng)用落地

一是應(yīng)用場(chǎng)景的多樣性增加了應(yīng)用落地成本，影響了場(chǎng)景應(yīng)用的落地。以大模型為例，很多企業(yè)參與場(chǎng)景應(yīng)用落地基本采用“一個(gè)場(chǎng)景一個(gè)模型”的小作坊模式，需要針對(duì)每個(gè)場(chǎng)景獨(dú)立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等開發(fā)環(huán)節(jié)，導(dǎo)致周期長(zhǎng)、成本高。場(chǎng)景應(yīng)用解決方案需要進(jìn)行定制化開發(fā)，以適應(yīng)特定的生產(chǎn)流程、設(shè)備配置等，這增加了軟件開發(fā)和硬件設(shè)備的成本，這些因素影響了場(chǎng)景應(yīng)用的落地。

二是技術(shù)人員成本、算力成本、維護(hù)和運(yùn)營成本支出較高等因素，制約了制造業(yè)人工智能的應(yīng)用落地。在技術(shù)人員成本方面，傳統(tǒng)制造業(yè)企業(yè)缺乏對(duì)人工智能技術(shù)精通的技術(shù)人員，從外部招聘面臨高昂的人力成本。算力成本除了硬件設(shè)備的購置和維護(hù)費(fèi)用，硬件設(shè)備和軟件系統(tǒng)需要定期升級(jí)或更換，會(huì)產(chǎn)生較高的成本，電力消耗也是算力成本的重要組成部分。在維護(hù)和運(yùn)營成本方面，硬件設(shè)備的維護(hù)、軟件系統(tǒng)的維護(hù)、技術(shù)支持服務(wù)、數(shù)據(jù)的維護(hù)和處理、故障診斷和修復(fù)等都需要投入大量成本，影響制造業(yè)人工智能的應(yīng)用落地。

制造業(yè)人工智能的場(chǎng)景應(yīng)用落地的建議

1.對(duì)于制造企業(yè)：提高場(chǎng)景應(yīng)用解決方案的通用性，促進(jìn)場(chǎng)景應(yīng)用規(guī)?；涞?/strong>