|
制造業(yè)應用人工智能可以提高制造業(yè)的生產(chǎn)效率，推動制造業(yè)高質量發(fā)展和競爭力提升，促進國民經(jīng)濟的持續(xù)穩(wěn)定增長。近年來，制造業(yè)人工智能的場景化應用落地不斷推進，但在落地過程中遇到一些難點。本文對于制造企業(yè)應用人工智能的場景化落地的現(xiàn)狀和難點進行分析，提出制造業(yè)人工智能的場景應用落地的建議。 制造業(yè)人工智能的場景應用落地的現(xiàn)狀 人工智能在中國制造業(yè)應用市場規(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)應用市場規(guī)模總量僅為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)市場規(guī)模為3,716億元，預計2027年將達15,372億元。與此相比，制造行業(yè)人工智能應用市場規(guī)模目前總量不高。 圖1 數(shù)據(jù)來源：德勤 人工智能在制造業(yè)領域的應用普及率目前較低。根據(jù)凱捷統(tǒng)計數(shù)據(jù)顯示，截至2023年，歐洲頂級制造企業(yè)的人工智能應用普及率超過30%，日本制造企業(yè)人工智能應用普及率接近30%，美國制造企業(yè)為28%，而中國制造企業(yè)的人工智能應用普及率尚不足11%，需要通過更多的場景應用落地提高應用普及率。 人工智能在制造業(yè)的現(xiàn)有落地場景、技術應用的現(xiàn)狀有進步但需要優(yōu)化。人工智能在制造業(yè)的應用貫穿于設計、生產(chǎn)、管理和服務等各個環(huán)節(jié)，以下是一些常見的落地場景及技術應用現(xiàn)狀： 制造業(yè)人工智能的場景應用落地的難點 1.制造業(yè)智能化基礎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)模化的場景應用落地 不同應用場景的智能化基礎存在較大差異，有些具備了較為完善的數(shù)字化基礎，有些信息基礎設施落后。根據(jù)工信部數(shù)據(jù)統(tǒng)計顯示，目前我國32%的制造企業(yè)達到了智能制造能力成熟度一級水平，21%的企業(yè)達到了二級，12%的企業(yè)達到三級，四級及以上是成熟度最高等級，其企業(yè)占比達4%，其他31%企業(yè)都尚未達到最低的一級成熟度的水平。同時，不同的應用場景有不同的智能化需求，對人工智能包括算力、算法、數(shù)據(jù)的需求和配置也不同。應用場景智能化基礎不同和智能化需求不同，決定了其應用人工智能起點不同，場景化落地的條件和實施方式也會隨之不同，制造業(yè)人工智能場景應用解決方案需要進行定制化開發(fā)，以適應特定的生產(chǎn)流程、設備配置、數(shù)據(jù)格式等，導致難以復制推廣統(tǒng)一的人工智能解決方案實施規(guī)模化的場景落地。 2.場景應用要求的高度實時性、可靠性和準確性，增加了場景應用落地的難度 制造業(yè)場景應用對高度實時性、可靠性和準確性的要求，源于制造業(yè)生產(chǎn)流程的連續(xù)性和設備的精密性以及對產(chǎn)品質量和安全性的嚴格標準。制造業(yè)生產(chǎn)需要實時控制和響應，以確保生產(chǎn)流程的連續(xù)性和穩(wěn)定性。目前有些通用計算架構較難滿足制造業(yè)實時性的計算要求，端側推理需求迫切。電商平臺的推薦系統(tǒng)達到60%-70%的準確率算是比較高的精準度，而制造業(yè)部分核心環(huán)節(jié)對推薦參數(shù)的準確性要求非常高，一旦參數(shù)出現(xiàn)問題，將對生產(chǎn)、制造等環(huán)節(jié)產(chǎn)生巨大影響。制造企業(yè)不敢輕易應用人工智能技術于具體的生產(chǎn)場景和生產(chǎn)流程，擔心應用人工智能導致生產(chǎn)流程停頓、生產(chǎn)過程出問題、產(chǎn)品質量出問題。場景應用要求的高度實時性、可靠性和準確性，增加了場景應用落地的難度。 3.制造業(yè)人工智能應用場景的多樣性增加了應用落地成本，企業(yè)擔心應用落地的成本效益，影響了場景應用落地 一是應用場景的多樣性增加了應用落地成本，影響了場景應用的落地。以大模型為例，很多企業(yè)參與場景應用落地基本采用“一個場景一個模型”的小作坊模式，需要針對每個場景獨立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等開發(fā)環(huán)節(jié)，導致周期長、成本高。場景應用解決方案需要進行定制化開發(fā)，以適應特定的生產(chǎn)流程、設備配置等，這增加了軟件開發(fā)和硬件設備的成本，這些因素影響了場景應用的落地。 二是技術人員成本、算力成本、維護和運營成本支出較高等因素，制約了制造業(yè)人工智能的應用落地。在技術人員成本方面，傳統(tǒng)制造業(yè)企業(yè)缺乏對人工智能技術精通的技術人員，從外部招聘面臨高昂的人力成本。算力成本除了硬件設備的購置和維護費用，硬件設備和軟件系統(tǒng)需要定期升級或更換，會產(chǎn)生較高的成本，電力消耗也是算力成本的重要組成部分。在維護和運營成本方面，硬件設備的維護、軟件系統(tǒng)的維護、技術支持服務、數(shù)據(jù)的維護和處理、故障診斷和修復等都需要投入大量成本，影響制造業(yè)人工智能的應用落地。 制造業(yè)人工智能的場景應用落地的建議 1.對于制造企業(yè)：提高場景應用解決方案的通用性，促進場景應用規(guī)模化落地 一是補強智能化基礎薄弱的應用場景的基礎設施建設，搭建基本的網(wǎng)絡設施和硬件設備，為人工智能解決方案的實施打下基礎；二是了解不同制造場景的智能化需求，對各個制造環(huán)節(jié)和場景的智能化需求有深入的理解和洞察，將不同場景下的需求進行歸納和總結，提煉出核心功能和需求，基于這些核心功能和需求設計人工智能解決方案，提高解決方案的通用性和可擴展性。三是提高人工智能解決方案實施的通用性。定義通用的接口標準和協(xié)議，使不同模塊、系統(tǒng)之間能夠無縫對接和交互，提高人工智能解決方案的通用性。 2.對于管理機構：及時制訂細分應用場景的具體操作指南，指導場景應用落地 一是對制造業(yè)不同細分行業(yè)的細分場景進行深入調研，了解具體生產(chǎn)流程、痛點及需求。對目前典型應用場景分類的基礎上進行下沉，對更加細分的應用場景進行識別，歸納和提煉出各細分場景的人工智能解決方案，針對每個分類制定具體的操作指南。二是根據(jù)細分應用場景特點，在操作指南里推薦適合的機器學習或深度學習算法，提供模型訓練的具體步驟和參數(shù)調優(yōu)方法，提高模型性能。提供人工智能模型的部署方案，包括硬件要求、軟件環(huán)境配置等。有了應用場景分類的系統(tǒng)設計和具體的操作指南，可以更加具體地指導場景應用的落地。 3.對于產(chǎn)業(yè)鏈：通過生態(tài)合作降低場景應用落地成本，提高場景應用落地效率 一是通過產(chǎn)業(yè)鏈的生態(tài)合作產(chǎn)出性價比高的人工智能硬件和軟件，減少投入成本。在模型方面通過減小模型大小，降低計算資源和存儲需求從而降低成本。二是通過生態(tài)合作研發(fā)更先進、更高效的人工智能算法和模型，降低應用場景對數(shù)據(jù)處理、分析和決策的需求，減少計算資源和數(shù)據(jù)處理的成本。通過生態(tài)合作建立數(shù)據(jù)共享機制，促進不同應用場景的數(shù)據(jù)共享，提高數(shù)據(jù)資源的利用率，有效解決應用場景的多樣化導致的數(shù)據(jù)處理難度，提高數(shù)據(jù)處理的效率和準確性，降低數(shù)據(jù)處理成本，提高場景應用落地的效率。 4.對于電信運營商：通過提供穩(wěn)定高速的網(wǎng)絡、豐富的存儲資源和安全的數(shù)據(jù)服務，推進場景應用穩(wěn)步落地 對于電信運營商來說，需要提供高速穩(wěn)定的網(wǎng)絡連接，確保制造企業(yè)能夠實時傳輸和處理大量的數(shù)據(jù)，為人工智能應用提供堅實的網(wǎng)絡基礎。搭建云計算平臺，為制造業(yè)提供強大的計算能力和存儲資源，支持人工智能模型的訓練和部署。為制造業(yè)應用人工智能提供安全高效的數(shù)據(jù)服務。如提供數(shù)據(jù)采集、分析服務，幫助企業(yè)打破數(shù)據(jù)壁壘，實現(xiàn)數(shù)據(jù)匯聚和綜合利用，推進場景應用穩(wěn)步落地。 中服云（www.cserver.com.cn）——長期致力于工業(yè)物聯(lián)網(wǎng)平臺及工業(yè)APP的研發(fā)和服務，工業(yè)物聯(lián)網(wǎng)技術業(yè)界領先。全力打造自動數(shù)據(jù)采集獲取技術+數(shù)據(jù)分析價值挖掘技術兩個核心技術，基于“平臺+APPS”的產(chǎn)品架構思想。從數(shù)字化底座、到智能化生產(chǎn)、再到生產(chǎn)環(huán)境的智能化，形成了完整的“中服云”數(shù)智化產(chǎn)品品牌。致力于業(yè)務層和物理層的深度融合，從根本上解決智能化的核心問題。 |
