人工智能技術在各行業已經展現出廣闊的應用前景，不僅能帶來生產效率的提升，還會催生新的產品、模式與公司，推動整個產業價值鏈的重構。發展人工智能也已經成為國家之間競爭的制高點之一。

從國家發展的長遠角度來看，人工智能將對經濟、社會、國防等多個領域帶來深遠影響，成為全球競合中的重要砝碼之一，是不可錯過的重要發展機遇。人工智能的爭奪是世界未來最主要、最重要的爭奪，將決定世界的未來，也會重新撰寫和定義中華民族5000年的歷史，在這個爭奪中，中國沒有任何的空間和實踐可以猶豫和后退。

中國是世界上最大的制造業大國，制造業與人工智能的結合是中國從制造大國走向制造強國的重要一步，是中國直面國內國際挑戰的重要超車機遇。

本文分析中國制造業和人工智能合作、滲透、交融和整合發展，討論中國走向智能制造的必要性和必然性，前瞻中國智能制造的內涵和發展，提出“智能制造：中國制造業和人工智能共享共贏的未來”的命題。

我們認為，制造業與人工智能的結合是解決中國人口老齡化，制造業由于裝備和軟硬件平臺依賴進口所面臨的缺乏創新平臺自動化自主程度較低、制造業外移、制造業仍然處于價值鏈低端， 勞動生產率較低等問題的重要手段。特別在中美貿易摩擦挑戰下，制造業亟待人工智能賦能。

人工智能等新技術為制造業的發展打開新天地，制造業為人工智能提供巨大的數據養料和落地舞臺。沿著數字化、網絡化、智能化的智能制造發展路徑，一個包括設備企業、軟件與服務企業、通信和解決方案提供商、制造業工廠在內的全新產業即將出現。未來智能化的制造業將是中國經濟和技術發展的重中之中。

短期內，人工智能與工業機器人在制造業落地迅速發展，人工智能協同機器人將解放大量重復、規則的人類勞動。

中長期內，伴隨工業互聯網的成熟，機器之間、工廠之間得以智能化互聯互通，區塊鏈技術的加入更使得制造業“全自動運行”成為可能，“人工智能+機器人+區塊鏈”模式值得期待。長期看，制造業與服務業將深度融合，標準化生產與個性化定制并存，智能制造為人們構筑美好生活提供暢想空間。

制造業和人工智能互補共贏

1、人工智能在制造業發展前景無限

從人工智能技術的發展路徑看，當前人工智能技術成熟或相對成熟的主流技術/算法包括：計算機視覺、深度學習、自然語言處理、智能機器人、語音識別等， 這些都能在制造業中得到廣泛和深度的發展。特別是深度學習應用前景廣闊，幾乎涉及制造業的所有細分行業而受到廣泛重視。機器視覺、語音技術、機器學習、區塊鏈等新興技術助力下，人工智能賦能制造業前景光明。

(1)深度學習/機器學習是人工智能的關鍵算法，主要是設計和分析機器學習算法，使得計算機自動“學習”——即自動分析和從數據中獲取規則，并使用規則來預測未知數據，在制造業的預測、經營和管理中有廣泛的應用，例如產量和銷售管理，多產品并進生產，預測性維護等。

機器學習通過與語音識別、計算機視覺和機器人技術的協同，可以利用大量數據，訓練人工智能，開發在制造業的深度功能并發展深層次應用。

該技術目前在學術界研究火熱，處于快速發展中，在計算機領域的應用熱火朝天，在模式識別、自然語言處理、數據挖掘中均有突破性的發展，未來在工業界特別在制造業拓展實際應用、在商業上實現落地，將會有很大的應用前景。

(2)機器視覺。機器視覺可理解為用計算機來模擬人的視覺功能，從客觀事物的圖像中提取信息，進行處理并加以理解。

隨著工業生產復雜程度的不斷加深，越來越多的微加工生產流程不斷涌現，隨之而來的是大量不可控制的磨損和消耗。為了保證生產精度，機器視覺被廣泛用于加工件的尺寸測量與定位、工序間自動化、檢測(打標識別、信息驗證、質量檢測等)等工序。

(3)語音技術。聲音和對話是人類習慣的交流方式，語音識別/合成技術為機器與人的對話成為現實。語音語義技術過去兩年在各行各業快速落地，語音識別/合成、問答和會話技術相繼成熟。

語音問答方面，單句問答結合語音識別/合成以及自然語言處理技術，能夠對單個問題進行分析并給出答案。隨著工業互聯網和物聯網技術的發展，工業場景下語音問答性能不斷提升，逐漸從單一功能向全方位智能中樞轉變，主要應用為物流業中的語音揀選。

(4)區塊鏈?？勺匪?、高透明度，區塊鏈與供應鏈高度契合?？勺匪菪院屯该鞫仁枪溨陵P重要的基礎，區塊鏈作為“分布式賬本”，有十分明顯的公開、透明優勢，有助于解決供應鏈中的信息不對稱、不可追溯、歷史信息篡改等痼疾。

基于區塊鏈的共享賬本，每一個參與者都可以實時驗證，確保各個環節的活動都擁有同等的可視性，供應鏈中的欺詐與錯誤得以減少，庫存管理改善，承運方成本有所降低，信息及時傳達、減少紙上作業的延遲，最終得以提高消費者與合作伙伴的信任度。

(5)機器人技術。智能機器人技術覆蓋范圍較廣，包括計算機視覺、定位、語音識別等，目前智能機器人的某些關鍵技術尚處于研發階段，且部分零部件如操作系統、連接組件成本較高。

現階段出現的實體智能機器人的產品尚屬初級，未來的發展前景主要在各類應用領域，工業機器人、特殊應用機器人、服務機器人、醫療機器人等發展前景巨大。

(6)大數據信息處理。工業生產中產生的海量數據將與工業云平臺相連，采用分布式架構進行分布式數據挖掘，提煉有效生產改進信息，最終將用于預測性維護等領域。它將依托云計算的分布式處理、分布式數據庫和云存儲、虛擬化技術等。

(7)低延遲工業級信息傳輸：傳統工業級的通訊大多通過有線方式連接，隨著傳感器和分布式系統在工廠內的分布越來越離散，信息傳輸將從有線轉向無線，而且信息傳輸的效率需要低延遲、低丟包率的特性，TSN網絡成為新的要求。

2、中國制造業為中國人工智能發展提供最大的場景

(1)中國時候世界最大的制造業大國。今天，中國是世界上最大的制造業大國。 中國之前，全球尚未有任何一個國家能在短短的40年內，實現由農業經濟向信息經濟的躍遷。改革開放40年來，我國建立了門類齊全的現代工業體系，工業經濟的實力迅速壯大并躍升為世界第一制造大國，也是世界上唯一有完整的制造業體系、產品、和產業鏈的大國。

世界銀行統計數據顯示，2017年中國制造業增加值為3.59萬億美元，占全世界的28.57%，是美國和德國制造業增加值的總和，遙遙領先于世界其它國家(圖1)，并在2016世界制造業競爭力指數排名中(圖2)位居榜首。

另一方面，制造業在中國產業結構中地位至關重要。2017年美國GDP中第二產業僅占19%，而同期中國第二產業占據GDP的41%、制造業增加值占GDP的29%。相較于世界其他國家，中國制造業在國民經濟中的地位和重要性都要高，也為人工智能提供了更大的發展空間。

(2)中國制造業產業結構特性適于人工智能應用。在制造業，低技術含量(第二產業、處理常規/可預測/可編程任務)的工人將首先面臨被人工智能替代。中國制造業主要由傳統產業驅動、從業者技術要求較低，因此其勞動力可以被自動化的程度整體較高，重復性、規則性、可編程性較高的工作內容將在未來主要由人工智能協同智能化工業機器人完成。

基于產業結構和勞動力結構的不同，人工智能替代低技術工人對中國的影響將大于美國。MGI(麥肯錫全球研究所)估計中國51%的工作(約3.94億全職員工)可以自動化。由此，未來AI對中國經濟增長的驅動力將達1.3%左右，高于世界平均水平。

(3)制造業可源源不斷產生比消費更為豐富的海量數據，為人工智能發展提供豐富的“生產資料”。根據Monica Rogati 的數據科學需求層次，數據的收集是數據分析、測試、機器學習的基礎。僅當擁有足量的數據基礎時，機器學習才能夠最大程度發揮其效用。

三大產業的數據產生頻率有所不同，第一產業以一年若干季為周期，服務業以月和日為周期，制造業可以在產線運行、檢測、運輸、倉儲等全過程源源不斷產生數據流，為AI時代的計算提供大量的、相對規則的數據資料，助力機器學習進一步的算法優化、提高預測準確度。

(4)制造業與服務業相融合、構筑新的產業。今天，產業互聯網已經超越ToB、ToG范疇，未來將以獨特的C2B方式連接智能產業，幫助B端打通生產制造、消費服務的價值鏈，構筑新的“服務產業、也服務于人”的新型制造業服務業。

未來將不再有純粹的“制造業”或純粹的“服務業”，而是兩者深度融合，制造業將從現在的標準化、規模化增添個性化與定制化的服務屬性。伴隨工業智能化的進一步推進，最終有望實現定制化用戶個性需求。

物聯網擁有“無界、無價、無序”的本質，通過建立自驅動的非線性網絡，有望實現“用戶零距離、流程零簽字、體驗零延誤”。高端智造的核心不止步于生產高端產品，而可進一步延伸至為用戶提供高端服務，滿足用戶的個性化需求。依托智能化與高效率的定制美好生活平臺，或成為全球產業的下一個風口。

3、人工智能賦能中國制造業克服挑戰

盡管中國是世界第一制造業大國和“世界工廠”，但中國制造業仍然處于國際分工中價值鏈相對低端的位置，面臨著生產率增速下降、技術學習難度加大，人口紅利消失，制造業外移和國際環境的外部沖擊的根本性挑戰。

隨著我國經濟發展逐漸步入工業化后期，需求拉動對制造業資源配置和效率提升的效應正不斷弱化;從技術層面看，我國傳統產業中的高端生產裝備和核心零部件技術長期受制于人，技術競爭力差距大;而新興技術和產業領域全球競爭的制高點掌控不足;在全球產業結構調整中，我國制造業增長更多依賴于來自發達國家的制造業轉移。

在此背景下，在新一輪“制造業+人工智能”的競爭中把握好機遇，以人工智能技術的連接、融合功能引發傳統制造業產業形態的平臺化、網絡化和深度服務化，對于我國制造業的轉型升級和提升國際競爭力有著重要意義。

(1)人工智能提升制造業勞動生產率。從國際比較視角看，中國的單位勞動產出較低。2015年，世界平均單位勞動產出為18,487美元，中國是7,318美元，不及全球平均水平的40%。

伴隨中國產業結構升級、勞動素質提升及對外開放程度的提高，中國單位勞動產出實現過兩位數的增長，縮小了和發達國家的差距，但2010年至今中國單位勞動產出增長速度下降到6-7%區間。以高新技術接力賦能增長、提高中國勞動生產率時不我待。

(2) 人工智能幫助制造業直面人口老齡化的挑戰

中國正面臨人口老齡化的挑戰，就業傾向制造業適齡人口未來快速減少。2011年中國出現“人口紅利”拐點，之后青年勞動力人口占比繼續下降， 已從從2011年的50%，下降到2016年的46%。

根據國務院《國家人口發展規劃(2016—2030年)》，14-45歲人口占比到2030年將下降到32%，適齡人口減少對未來制造業的發展將產生持續影響。同時，“90后”和“00后”以后的年輕人對從事簡單重復勞動的意愿較低，中國制造業已經出現員工穩定性下降的趨勢。人工智能會為員工創造從普通操作工人向操作機器人的工程師等行業專家發展的更大的成長空間，也為企業的持續發展創造動力。

數據來源：國家統計局，美國經濟分析局，作者

(3) 以人工智能推動制造業裝備創新，減少制造業自動化對美德日技術和設備的依賴。我國企業運用的自動化設備及技術仍然依賴美德日企業。雖然中國企業在規模上超過美德日，但產品設計和生產所需的自動化裝備、方法論和軟硬件平臺上，目前還主要依靠西門子、GE、三菱等美德日企業。人工智能、大數據等新技術興起，為制造業自主化的進一步升級提供了可能性。

工業互聯網提供了大數據信息處理，機器視覺信息獲取，低延遲工業級信息傳輸等功能，這些功能對生產、運輸、檢測環節帶來新的生產力，為先進裝備的創新和發展提供了新的契機。

(4)以人工智能解決中國制造業因勞動成本上升等引起的產業向第三方發展中國家轉移的挑戰。近年來伴隨中國人力、土地、環保、社保等成本端的提升，以及中美貿易摩擦帶來的挑戰，中國低端制造業出現向印度、越南等低成本國家的外遷趨勢。

以電子產業鏈為例，近幾十年來，全球化的電子產業沿歐美→日本→韓國/中國臺灣→中國內地轉移，現在部分開始從中國轉移至印度/越南等低成本國家。采用人工智能自動化、優化成本控制的企業才能能在產業遷移的過程中勝出。

(5)人工智能賦能制造業全面提升企業經營效益，提升價值地位。中國制造業普遍面臨利潤空間狹窄的挑戰。人工智能可以從產品、服務和生產三個維度幫助制造業企業實現升級，提升企業營收和利潤。

產品方面：軟件賦能硬件的智能升級。通過內置新操作系統或更新程序，將人工智能算法嵌入產品中，如機械、汽車等，從而幫助制造業企業生產全新的智能化產品。如騰訊人工智能開放平臺對外提供計算機視覺，幫助制造業企業實現產品升級。

服務方面：提高營銷能力和售后服務水平。利用人工智能算法，幫助制造業企業優化營銷能力，提升售后服務水平。1)售前營銷，通過人工智能分析用戶畫像，判斷重點需求，從而進行更實時、精準的廣告投放;2)售后服務，以物聯網、大數據和人工智能算法，對產品進行實時監測、管理和風險預警。

生產方面：提升設備自動化生產能力。將人工智能技術嵌入生產過程，提升機器設備的自動化水平，實現在復雜情況下的自主生產，從而全面提升生產效率。通過機器學習建立產品的生產模型，識別各制造環節參數，判斷其對最終產品質量的影響，通過深度學習自主判斷最佳參數，從而實現完全機器自主的生產。

智能制造業的崛起

1、智能制造產業化基本特征

智能制造特征主要有四個方面：以智能工廠為載體、以生產關鍵制造環節智能化為核心、以端到端數據流為基礎、以全面深度互聯為支撐。其中生產智能化、數據交流以及制造本體深度互聯，正是工業互聯網所要解決的核心問題。

隨著多項技術的不斷成熟和實際應用，人工智能應用領域不斷拓展，制造業企業的商業世界將會被實質性地影響和改變， 并在以下三個層面得到實質性的提升：

(1)自動化達到新高度。隨著機器視覺、語音識別、自然語言理解等感知類技術不斷成熟，各行業已嘗試將其引入標準化程度較高的業務中，提升行業的自動化水平。

例如自然語言理解技術在金融行業被應用于客服聊天機器人以應對簡單標準的客戶溝通，航空業將客服機器人運用在預定機票、辦理登記手續、更換座位等服務中，成本大大低于人工服務。

圖像識別和語音識別技術的發展提高了身份驗證的自動化程度和準確度，機器可以利用面部和聲音進行身份驗證，效率遠高于人工判斷或詢問驗證問題。Blue River Technology等領先農業技術公司將機器視覺應用到提升農耕自動化的實踐中，用機器視覺來識別每一株植物，挑出符合要求的植株，向不符合的進行農藥噴灑，導致害蟲減少高達90%，田地收成提高。

(2)智能分析與決策水平提升。人工智能的發展使數據挖掘和分析技術跳出了傳統分析技術的局限，并取得新的突破，大幅度提高了商業智能的水平，在風險管理、營銷和服務等領域實現真正的“智能化”，具體表現包括基于社交媒體生產信用評分、財務數據分析與評論、從實時復雜交易模式中發現欺詐等。

(3)新的商業模式與新產業誕生。在需求端，傳統行業逐漸意識到了人工智能的力量，開始將人工智能作為下一個增長點。在制造業領域，風能發電設備巨頭金風科技應用人工智能技術，對全球風能市場大數據進行分析，對自身產品故障和維修進行預測，實現了對運維模式和風場配置的優化，同時減少電量損耗，降低了運維成本。

在供給端，逐漸形成供給人工智能技術服務及產品的新產業，市場中出現大量的計算機視覺、語音識別、云計算服務等提供商?；A層、技術與算法層與應用層均有眾多供給企業誕生，同時，橫跨各層次的綜合性巨頭與機器人、無人駕駛等垂直領域解決方案提供商實力凸顯。

2、智能制造業催生新的未來智能產業

在區塊鏈、機器視覺、語音技術、機器學習等技術的助力下，制造業+人工智能將沿著“數字化”、“網絡化”、“智能化”三階段發展，造就一個全新的產業。為設備企業、軟件與服務企業、通信與解決方案提供商、工廠生產流程等都帶來新的結構性機會。

(1)產生新型的設備企業。 人工智能等新興技術在制造業中的應用催生了多種新型硬件設備，如自動光學檢測、自動引導運輸車、激光打標機、協作器人等，為硬件設備制造企業帶來新的產品細分市場：

例如，自動光學檢測(AOI)機器通過攝像頭自動掃描PCB，采集圖像，測試的焊點與數據庫中的合格的參數進行比較，經過圖像處理，檢查缺陷，并通過顯示器或自動標志把缺陷顯示/標示出來，供維修人員修整。

例如，自動導引運輸車(AGV)等倉儲機器人在行進過程中，通過機器視覺來判斷行進路線、物料位置、周圍環境等重要信息，可以跨流程、跨產線、跨區域、跨部門運輸物料、半成品和產品，實現生產流程柔性化，在自動化物流系統中充分地體現其自動性和柔性，實現高效、經濟、靈活的無人化生產。

例如，激光打標機用激光在物料上做二維碼或條形碼的打標，同時在制造信息服務器以及各設備上通過物料地圖來定位每個芯片的編號和流程。當電子元件檢測出現問題時(尤其是穩定性要求極高的應用端如汽車電子、航空航天、軍用產品等)，可以追溯該元件的整個生產流程，并同時排除周邊的芯片所制產品已保證產品穩定性和可靠性。

協作機器人在高速即時的工業通信支持下，結合機器視覺、傳感器、先進伺服電機和安全控制系統，可以準確地判斷人的位置、動作和運動趨勢，感應操作人員的力度、速度、慣性、距離等信息，并針對其狀態調整機器人的狀態和運動。

(2)工業軟件與服務企業開始展露。傳感器、工業云、機器學習、區塊鏈技術的彼此配合，需要成熟的軟件、算法與服務企業作為支撐，布局數字雙胞胎、預測性維護、車貨匹配系統等應用的軟件服務公司將受益于AI與制造業的深度結合：

例如，數字雙胞胎在資產的生命周期采用信息化的設計、規劃、生產和管理，以近實時的速度傳輸數據，用以保證生產的高效、安全和運營風險管理，具體實例如DNV GL在其海上油氣勘采業務中應用了數字雙胞胎模型。

例如，預測性維護實現機器學習技術與制造業的結合，基于被監測設備、物料、環境的信息，依據設備剩余使用壽命、物料良率等指標，可以預測昂貴的維修需求或嚴重故障，并在發生嚴重損壞之前啟動預防措施與維護工作，從而達到預測性維護降低企業生產成本的目的。

例如，區塊鏈與供應鏈的結合頗受期待，行業領先的區塊鏈服務供應商IBM的區塊鏈服務已經廣泛應用到食品安全、金融、廣告、政府、保險、物聯網等多個行業，與沃爾瑪、馬士基、中國郵政儲蓄銀行、聯合利華等行業領先企業建立合作關系。

目前，區塊鏈在供應鏈中的應用主要在高價值產品(如鉆石)和大型物流(如海運)，未來有望向中型單次運輸量的行業滲透，而擁有領先區塊鏈軟件及項目落地能力的企業將優先得益。

例如，語音揀選是語音技術在工業上的代表應用，作業系統將任務指令轉化為語音播報給操作員，并采用電子技術將操作員與系統的信息交流轉化為實際操作。語音揀選是現代化高效分銷物流過程中不可或缺的一部分，可顯著提高工作效率、減少錯誤，且在冷庫運輸、多項作業合并等場景下優勢凸顯。

(3)通信和解決方案提供商的新機遇

前述為設備企業、軟件與服務企業帶來發展動能的應用，無一不依托于高速的工業通信技術和高程度系統互通互聯。通信和解決方案提供商扮演提供媒介的角色，其研發與項目進展直接關系到工業互聯網與制造業智能化的落地速度。

如何運用時間敏感網絡(TSN)/ 5G等通信技術、傳感器、云平臺的技術，打破過去工廠內生產系統(OT)和信息系統(IT)之間的壁壘孕育著巨大商機。

3、無所不包的工業云服務

工業云是人工智能未來發展的服務基礎，為未來長遠人工智能的發展，工業云具有5個不同層面的應用場景：

第一層: 及時發現問題

當打通了三個維度的數據流、實現了數據的自由流動之后，就能夠通過從云端監測到的異常數據，來及時發現問題，將損失的成本降到最低。例如，東方國信基于跨行業跨領域能力打造Cloudiip平臺，解決工業企業設計、仿真、生產、管理、運維問題。生產過程中，根據傳感器數據對現場環境進行感知，避免極端情況發生。

第二層：預測問題發生(產品預測性維護)

數據分析程度不斷加深，基于設備機理模型和產品數據挖掘，可以開展基于規則的故障診斷、工藝參數優化、設備狀態趨勢預測等單點應用。預測性維護是指基于被監測設備、物料、環境的信息，預測諸如設備剩余使用壽命、物料良率等指標。

預測性維護系統可以預測昂貴的維修需求或嚴重故障，并在發生嚴重損壞之前啟動預防措施。服務部門可以快速反應，更換特定零件，或者提前進行維護工作，從而達到預測性維護降低企業生產成本的目的。

以半導體生產為例，設備包括大量的零部件，通常在生產廠商所存的零部件有限，如果由于磨損導致生產停止生產公司往往要看零部件的交期才能恢復生產，這個時間有可能是一周或者一個月甚至更久。如果可以預測到零部件的更換時間，通過安排及時的設備維護，生產企業只需在預先安排的設備維護時間更換即可避免無法控制的產能損失。

第三層: 產品全生命周期優化(數字雙胞胎)

在實現單點優化的基礎上，下一步是實現從產品設計、生產計劃到制造執行的全過程數字化，將產品創新、制造效率和有效性水平提升至一個新的高度。數字雙胞胎正是在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程。

數字雙胞胎的核心在于MBE(Model based Enterprise：基于模型的企業)方法，就是要在整個企業和供應鏈范圍內建立一個集成和協同化的環境，各業務環節充分利用已有的單一數據源開展工作，從而有效地縮短整個產品研制周期，改善生產現場工作環境，提高產品質量和生產效率。按照生產的不同環節，可以分為：

CAD(Computer-Aided Design，計算機輔助設計)：主要用在產品設計環節，對產品和工程進行總體設計、繪圖、分析和編寫技術文檔等。CAD使傳統的產品設計從紙面上到計算機中，通過參數的隨時設置和隨時改變，提高了產品設計的效率。

CAE(Computer-Aided Engineering，計算機輔助工程)：主要被用在產品的工業設計環節，用來模仿產品在各種物理場情況下的力學性能，即利用計算機求解復雜工程和產品結構強度、剛度、屈曲穩定性、動力響應、熱傳導、三維多體接觸、彈塑性等力學性能的分析計算以及結構性能的優化設計等問題的一種近似數值分析方法。

CAE的出現大量解放了人的腦力，已經成為工程和產品結構分析中(如航空、航天、機械、土木結構等領域)必不可少的數值計算工具，對于分析繁雜的各類力學問題尤其見長。

CAM(Computer-Aided Manufacturing，計算機輔助制造)：模仿零部件和夾具在加工過程中的刀軌情況，利用計算機來進行生產設備管理控制和操作的過程，把CAD設計好的東西用于生成驅動數字控制機床的計算機數控代碼。

它輸入信息是零件的工藝路線和工序內容，輸出信息是刀具加工時的運動軌跡(刀位文件)和數控程序。CAM能夠大幅縮短產品開發周期，減少操作失誤。

第四層：產業鏈協同：交互定制平臺(C2M)

產業鏈協同是指跨企業的制造能力、制造資源等對接。借助云應用，實現大型產品設計制造的跨企業管理，并且動態采集掌握設備運行狀態，運用大數據分析幫助產業鏈實現資源最優化配置。海爾集團的交互定制平臺是產業鏈協同的一個很好實例。通過交互平臺，消費者可在線定制冰箱、洗衣機、空調等產品。

當訂單提交后，互聯工廠將自動生產定制化產品，日日順物流將產品配送至消費者家中。海爾集團領先市場推出定制家電是基于領先的智能制造和電商物流能力。通過COSMOPlat，海爾互聯工廠能夠迅速對用戶的定制訂單做出響應。軟件層面，海爾互聯工廠的核心系統是CosmoIM，它能夠通過信息化、數字化的手段將產品和用戶訂單綁定，并解決自動排產、員工人單績效管理等現場生產執行層面的問題。

硬件層面，在互聯工廠中可以看到海爾獨創的自動化運輸系統，它可以根據訂單執行情況，自動識別生產線需要的物料并配送到位，確保交給用戶的產品一定是正確的，實現用戶需求驅動下的柔性生產。日日順物流可以將產品準確、及時的從工廠運輸到消費者家庭。

第五層：開放平臺

互聯網化的最終形態是吸引第三方企業在自己的平臺上開發工業應用。工信部在2018年提出的“百萬工業APP培育”也是加快建設工業互聯網平臺體系的一部分，其目的是以應用服務方式實現工業知識的沉淀、傳播、復用和價值創造，推動實體經濟特別是制造業向數據驅動型創新體系和發展模式轉變。目前在工業互聯網App走在最前面的GE的Predix和西門子的MindSphere。

企業發展智能制造的路徑

制造業智能化實現路徑：在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。首先，數字化。通過將種類繁多的工業傳感器布置于生產與流通的各個部分，可以將工業過程各主要參數制式數字化，產生大量工業數據，為智能化奠定數據基礎。

其次，網絡化。工業通信將傳感器采集到的工業數據低延遲、低丟包率地傳輸至云端。未來，通信協議標準化、無線通信技術應用將成為趨勢。工業云是工業互聯網最核心的部分，進行海量數據的匯聚、提煉、模型計算等，實現資源優化與預測。

最終，實現智能化。依托區塊鏈和圖像、語音、機器學習等人工智能技術，制造業企業得以在網絡化的基礎上進一步實現智能化，如依托區塊鏈技術進行供應鏈管理、依托圖像技術進行自動光學檢測和倉儲機器人的使用、依托語音技術進行物流語音揀選、依托機器學習進行預測性維護和車貨匹配等。

資料來源：工信部，作者

因此，企業制造業智能化轉型也可以分為數字化、網絡化、智能化三步。在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現。

1、第一步：數字化——“感受”工業過程，采集海量數據

(1)為配合工業智能化、實現智能制造，制造業工廠在進行數字化、網絡化、智能化的軟硬件應用之前，更為基礎的是在生產流程上打通設計、生產、檢測、搬運、倉儲、配送等主要環節，高效、科學的生產流程設計蘊含著巨大的提質增效、降本減存的機會。

(2)工業傳感器：工業數據的“采集感官”，多類別、廣應用為智能化奠基

人工智能的基礎是大量的數據，而工業傳感器是獲得多維工業數據的感官。除了設備狀態信息以外，人工智能平臺需要收集工作環境(如溫度濕度)、原材料的良率、輔料的使用情況等相關信息，用以預測未來的趨勢。這就需要部署更多類別和數量的傳感器。

如今，使用數量較多的傳感器包括壓力、位移、加速度、角速度、溫度、濕度和氣體傳感器等?，F在的工業傳感器可以提供監視輸出信號、為預測設備故障作出數據支持，可以助于確認庫存中可用的原材料，可代替指示表更精確地讀數以及在環境惡劣的情況下收集數據、亦可監測通過網關和云的數據傳輸、維護數據安全等。

2、第二步：網絡化——高速傳輸、云端計算、互聯互通

(1)工業通信：數據上云的“高速公路”，通信標準化、無線通信技術應用成趨勢

得到大量數據后，如何將數據傳輸至云端呢?這需要依托先進的工業級通信技術。和過去在車間內直接對數據進行簡單響應不同，企業需要把不同車間，不同工廠，不同時間的數據匯聚到同一個地方(云數據中心)，進行復雜的數據計算，以提煉出有用的數學模型。這就對工業通信網絡架構提出新要求，推動標準化通信協議及5G等新的技術在車間里的普及。

(2)工業云：匯聚提煉海量數據，模型計算資源優化的場所

人工智能進行計算的場所——云平臺。工業互聯網最有意義的部分是其云計算平臺。工業生產中產生的海量數據將與工業云平臺相連，采用分布式架構進行分布式數據挖掘，提煉有效生產改進信息，最終將用于預測性維護等領域。

在云平臺上首先打通數據流和物流，在云上匯聚工廠內部的不同維度、產品生命周期不同階段、供應鏈上下游不同行為主體。其次可以通過運用大數據及人工智能技術進行分析，提煉數字分析模型。

制造業智能化及工業互聯網具有不同層面的應用場景。首先，在企業層面主要是內部的提質增效，降本減存，從傳統制造進化為智能工廠，以數據驅動智能生產能力。其次，可實現跨企業價值鏈延伸，優化跨企業的制造資源配置，打通企業外部價值鏈。

最后，有望實現全行業生態構建，以數據驅動生態運營能力，匯聚協作企業、產品、用戶等產業鏈資源，不斷沉淀、復用、重構和輸出，實現制造行業整體的資源優化配置。

3、第三步：智能化——三個維度的整體智能化

資料來源：工信部，作者

(1)融合IT/OT，打通工廠內部的數據流

過去傳統的制造業工廠的內部存在信息系統(IT)和生產管理系統(OT)兩個相對獨立的子系統。IT系統生產規劃，OT負責執行，不需要過多的互動。未來的智能工廠，需要打通設備，數據采集，企業IT系統，云平臺等不同層的信息壁壘，實現從車間到決策層的縱向互聯。

(2)打通供應鏈各個環節數據流

供應鏈各個環節之間的物流會產生大量的數據。這些物流信息的收集能夠幫助物流行業提升效率，降低成本。未來的智慧物流，通過智能化收集、集成、處理物流的采購、運輸、倉儲、包裝、裝卸搬運、流通、配送等各個環節的信息，實現全面分析，及時處理及自我調整。這需要涉及到將這些數據數字化并累積成足夠的數據庫，需要大量的基礎設施建設。

(3)產品生命周期全過程數字化

工業互聯網要實現產品從設計、制造到服務，再到報廢回收再利用整個生命周期的互聯。未來的工廠會以數字化方式為物理對象創建虛擬模型，來模擬其在現實環境中的行為。通過搭建整合制造流程的數字雙胞胎生產系統，能實現從產品設計、生產計劃到制造執行的全過程數字化，將產品創新、制造效率和有效性水平提升至一個新的高度。

結束語

在人工智能、工業機器人、工業互聯網、區塊鏈等多種技術賦能下，未來智能化的制造業將值得暢想。短期人工智能與工業機器人的落地將解放大量重復、規則的人類勞動。工業互聯網日益成熟，機器之間、工廠之間得以智能化互聯互通，區塊鏈技術的加入更使得制造業“全自動運行”成為可能，“人工智能+機器人+區塊鏈”模式值得期待。

而伴隨制造業與服務業將深度融合，標準化生產與個性化定制并存，智能制造將為人們構筑美好生活。相信在數字化、網絡化、智能化的相互遞進與配合下，企業轉型智能工廠、跨企業價值鏈延伸、全行業生態構建與優化配置將有望得以實現，制造業的深度智能化將不再僅存在于愿景。

未來10-15年內，50%的制造業將會被人工智能取代，中國的主導產業將發生天翻地覆的變化，并且面臨國內外企業的新一輪沖擊。面臨人工智能時代全新的競爭環境，中國必須迎難而上，從當下開始打造人工智能生態，為未來全方位跟進時代浪潮打下深厚基礎。

新時代下，人工智能發展的規模之大、速度之快、在國際競合中地位之高，決定了中國需要進一步改革開放，以改革政策帶來的制度創新的力量促進人工智能快速發展，占據技術制高點，并形成國際競爭力。

制造業+人工智能已成為中美等國制造業競爭的主賽道之一。美國擁有人工智能先發優勢、領先工業制造商基礎以及資金優勢。中國需要在人工智能的成熟度和行業整合上取得突破，這種背景下，能夠率先建立工業互聯網技術基礎、并順利將其應用和大規模鋪設至智能工廠、先進制造裝備等領域的國家，無疑將在全球制造業競爭中占據優勢地位。

2018年11月19日美國商務部發布題目為《Review of Controls for Certain Emerging Technologies》的法規制定提案預告(Advance notice of proposed rulemaking，ANPRM)，如提案落實，眾多高新科技行業將面臨美國出口與技術封鎖，為已經面臨人口結構、自動化自主程度較低、進口依賴的中國制造業的進一步升級造成額外阻礙。歷史階段與國際環境挑戰下，中國的制造業亟待AI賦能。

但是，人工智能這輪變革是中國和世界第一次站在同一個起點上，在人工智能的競爭中，中國第一次有了資本、人才和技術去把握未來。中國實現“彎道超車”有四大信心和條件，一是用戶基數與市場潛力。

中國有近14億用戶，形成了巨大而多樣化的市場，為人工智能的發展應用提供了充足的空間。特別是中國今年來互聯網與移動應用和商業模式迅速發展，在很多領域已經超越了美國等發達市場的發展水平，結合巨大的用戶基數產生了規模巨大而差異化的數據集，為人工智能的應用提供了最佳基礎。二是技術差距逐漸縮小。

近年來中國在技術上發展迅速，國際頂級會議論文中，出現中國作者名字的占三分之一以上。海外科技人員歸國創業的熱潮明顯，人才回流現象加強。此外，中國在超級計算機方面的潛力巨大，為技術的發展提供了加速支持。2017年，超級計算機五百強榜單顯示中國已超過美國，成為世界上擁有最快超級計算機、且數量最多的國家。三是創新能力的提升。

“中國創造”已成大勢所趨，時下流行的商業模式中有諸多為中國首創，例如共享單車、移動支付、直播、手機短視頻等，成為海外市場研究與效仿的對象。四是資本力量充裕。一方面政府將創新提升至戰略層面，高科技領域的政府引導基金可達到千億、萬億的級別。另一方面大量民間資本渴望找到成長性高的投資機會。

據Pitchbook調查，2018中國人工智能領域的投融資已占到全球所有人工智能投融資總額的12%，且其占比仍保持迅速上升趨勢?；谝陨纤姆矫嬖?，中國有望在智能制造領域，百尺竿頭更進一步，從“世界領先”走向“世界第一”。

中國近年出臺多項政策鼓勵智能制造及互聯網、新興技術于制造業的應用結合，然而我們需要清醒認識到政策與制度層面、人才與環境層面仍存在落地困難。

未來，伴隨中國制造業轉型升級意識的增強，人工智能、新興技術與制造業應用進展的進一步推進，以及相關行業、企業、政府三大層面的政策引領作用的提升，一個自動高效、互聯互通、具備前瞻預測能力的智能制造時代將早日到來。