簡(jiǎn)介：“人工智能制造”產(chǎn)業(yè)發(fā)展研究報(bào)告,概念、趨勢(shì)與互聯(lián)網(wǎng)賦能機(jī)會(huì),若出現(xiàn)數(shù)據(jù)缺失，圖表錯(cuò)位，可加微信535600147，憑下載記錄截圖索取PDF版本,,,,目錄,“人工智能制造”的現(xiàn)狀,“人工智能制造”的概念,互聯(lián)網(wǎng)助力“人工智能制造”,“人工智能制造”的影響,,,,,01,02,03,04,05,,06,“人工智能制造”政策借鑒,加快推進(jìn)“人工智能制造”對(duì)策建議,,,“人工智能制造”的概念,什么是人工智能什么是“人工智能制造”人工智能如何“”制造,,,01,為什么要研究“人工智能制造”,,,工業(yè)困局,信息革命,發(fā)達(dá)國(guó)家產(chǎn)業(yè)空心化，賺了利潤(rùn)但丟了就業(yè)，且貿(mào)易逆差發(fā)展中國(guó)家產(chǎn)業(yè)低值化，賺了收入和就業(yè)，但丟了利潤(rùn)和環(huán)境,算據(jù)大數(shù)據(jù)算力云邊緣計(jì)算算法深度神經(jīng)網(wǎng)絡(luò),信息技術(shù)的發(fā)展，對(duì)各行各業(yè)效率提升提供了可能,,,英國(guó)高價(jià)值制造、人工智能發(fā)展計(jì)劃美國(guó)先進(jìn)制造、工業(yè)互聯(lián)網(wǎng)、制造業(yè)回流,德國(guó)工業(yè)40日本機(jī)器人新戰(zhàn)略、工業(yè)價(jià)值鏈、社會(huì)50中國(guó)中國(guó)制造2025、新一代人工智能規(guī)劃,,,,概念三問(wèn),,,,,,,問(wèn)題1什么是人工智能,,,,,,,,,,,,,,,本田的人行機(jī)器人ASIMO波士頓動(dòng)力的自主機(jī)器狗,DEEPMIND的圍棋阿法狗,,DEEPMIND模擬老鼠網(wǎng)格細(xì)胞的定位與導(dǎo)航,,,,,歷史理論專家系統(tǒng),,,,符號(hào)主義（邏輯）,聯(lián)結(jié)主義（仿生）,行為主義（控制）,,,,,,,,,當(dāng)前大數(shù)據(jù)深度學(xué)習(xí),深度神經(jīng)網(wǎng)絡(luò)大規(guī)模、無(wú)監(jiān)督、多層次非結(jié)構(gòu)數(shù)據(jù)處理突破（圖像、語(yǔ)音）,算法突破,算力飛躍,互聯(lián)網(wǎng)50億連接，積累了海量數(shù)據(jù)（主要是人）物聯(lián)網(wǎng)500億連接，開啟更大規(guī)模數(shù)據(jù)的來(lái)源機(jī)器、政府、生物、環(huán)境,CPUGPUTPU，計(jì)算速度和效率大幅提升云邊緣計(jì)算，低成本、海量計(jì)算資源光刻等技術(shù)進(jìn)一步發(fā)展，芯片越來(lái)越小，端處理能力持續(xù)提高,算據(jù)激增,,,,IMAGENET大賽2014GOOGLE22層2015MS152層2016商湯1207層錯(cuò)誤率673631,,年增長(zhǎng)率472017年超10EB/月,,TPU速度1530倍GPUGPU速度13倍CPU,數(shù)據(jù)來(lái)源上圖SURVEYOFNEURALNETWORKSINAUTONOMOUSDRIVING，GUSTAVVONZITZEWITZ，20177；中圖GOOGLECLOUD官網(wǎng)；下圖GLOBALMOBILEDATATRAFFICFORECASTUPDATE,2016–2021WHITEPAPER，CISCO,,,,未來(lái)小數(shù)據(jù)大任務(wù),,當(dāng)前“大數(shù)據(jù)、小任務(wù)”海量數(shù)據(jù),局部、特定問(wèn)題（如計(jì)算下棋落子的位置）,“暴力”計(jì)算,,未來(lái)“小數(shù)據(jù)、大任務(wù)”少量數(shù)據(jù),全局問(wèn)題獨(dú)立閉環(huán)（如像人一樣到場(chǎng)落座下棋離場(chǎng)）,“精確”計(jì)算,,,問(wèn)題2什么是“人工智能制造”,,,,,,,,,,,,,,,,,“人工智能制造”簡(jiǎn)史,歷史專家系統(tǒng)輔助制造20世紀(jì)6080年代，根據(jù)“知識(shí)庫(kù)”和“IFTHEN”邏輯推理構(gòu)建的“專家系統(tǒng)”，在礦藏勘測(cè)、污染物處理、太空艙任務(wù)控制等方面得到初步應(yīng)用專家系統(tǒng)實(shí)際上只是一定程度上實(shí)現(xiàn)了這些環(huán)節(jié)和流程的分析和自動(dòng)化，對(duì)于錯(cuò)綜復(fù)雜的現(xiàn)實(shí)問(wèn)題只能提供有限的輔助參考當(dāng)前深度學(xué)習(xí)優(yōu)化制造人工智能及相關(guān)技術(shù)融合應(yīng)用，逐步實(shí)現(xiàn)對(duì)制造業(yè)各流程環(huán)節(jié)效率優(yōu)化。主要由工業(yè)物聯(lián)網(wǎng)采集各種生產(chǎn)數(shù)據(jù)，放到云計(jì)算資源中，通過(guò)深度學(xué)習(xí)算法處理后提供建議甚至自主優(yōu)化未來(lái)人機(jī)融合協(xié)同制造機(jī)器和人將重新磨合成新的相互配合、補(bǔ)充、協(xié)同工作的平衡關(guān)系。未來(lái)智能制造將以人為中心，統(tǒng)籌協(xié)調(diào)人、信息系統(tǒng)、和物理系統(tǒng)的綜合集成大系統(tǒng)，即“人信息物理系統(tǒng)”（HUMANCYBERPHYSICALSYSTEMS,HCPS）,問(wèn)題3人工智能如何“”制造,“人工智能制造”魔方體系模型,,,,技術(shù)范式數(shù)字化可編程網(wǎng)絡(luò)化可協(xié)同智能化可自主生產(chǎn)組織工廠生產(chǎn)單元自主企業(yè)企業(yè)各部門協(xié)同生態(tài)供應(yīng)鏈客群連接價(jià)值形態(tài)產(chǎn)品人性化功能制造人機(jī)協(xié)同生產(chǎn)服務(wù)個(gè)性化服務(wù),,,“人工智能制造”的現(xiàn)狀,產(chǎn)業(yè)規(guī)模典型案例面臨挑戰(zhàn),,,02,產(chǎn)業(yè)結(jié)構(gòu)從單一鏈到嵌套網(wǎng),,,,嵌套網(wǎng),單一鏈,,,物體數(shù)字體物體與數(shù)字體映射，一個(gè)變另一個(gè)也變物流信息流多個(gè)物體的變化形成物流，對(duì)應(yīng)的數(shù)字體變化匯聚為信息流，通過(guò)洞察信息流通盤管理整個(gè)物流制造業(yè)信息業(yè)兩個(gè)產(chǎn)業(yè)融合，形成新的產(chǎn)品、生產(chǎn)組織方式、滿足新的需求AI實(shí)質(zhì)是兩化融合的高階,,,,產(chǎn)業(yè)結(jié)構(gòu)六大典型領(lǐng)域,,,基礎(chǔ),,,平臺(tái),,,,,,,,,,,,,,,?智能工廠應(yīng)用/解決方案應(yīng)用,?制造業(yè)物聯(lián)網(wǎng),?制造云（公有）,?制造業(yè)大數(shù)據(jù)及商業(yè)分析,?制造業(yè)人工智能（算法）,?工業(yè)機(jī)器人,,,DCS,,,PLC,,,,,MESERP,,,,,,,產(chǎn)業(yè)規(guī)模1千億到7千億，連接/平臺(tái)貢獻(xiàn)大,,整體規(guī)模2016年約為12千億美元2025年將超過(guò)72千億美元復(fù)合年均增長(zhǎng)率預(yù)計(jì)可超過(guò)25具體組成連接工業(yè)物聯(lián)網(wǎng)4714，增長(zhǎng)近10平臺(tái)制造云、大數(shù)據(jù)和人工智能2436，增長(zhǎng)12。在互聯(lián)網(wǎng)領(lǐng)域發(fā)展成熟的平臺(tái)生態(tài)模式，將成為制造業(yè)智能化轉(zhuǎn)型升級(jí)的重要選擇,,,,數(shù)據(jù)來(lái)源MARKETSANDMARKETS的INDUSTRIALROBOTICS、IIOT、ARTIFICIALINTELLIGENCEINMANUFACTURING、SMARTFACTORY，以及IDC的PUBLICCLOUDSERVICES、BIGDATAANDBUSINESSANALYTICS等研究報(bào)告數(shù)據(jù)整合分析,六大細(xì)分領(lǐng)域特點(diǎn),案例1研發(fā)設(shè)計(jì)，大幅降低不確定性成本,,基于卷積神經(jīng)網(wǎng)絡(luò)的新藥研發(fā)（ATOMWISE）【痛點(diǎn)】研發(fā)慢貴新藥研發(fā)各種不同化合物組合與測(cè)試1015年510億美元一款新藥研發(fā)成功【方案】超級(jí)計(jì)算機(jī)（IBM藍(lán)色基因）獨(dú)家算法（ATOMNET）學(xué)習(xí)分析學(xué)習(xí)已有數(shù)據(jù)庫(kù)發(fā)現(xiàn)數(shù)字化模擬藥品研發(fā)過(guò)程，對(duì)基本的化學(xué)基團(tuán)（如氫鍵、單鍵碳等）組合發(fā)掘新的有機(jī)化合物測(cè)試分析化合物的成效關(guān)系評(píng)估新藥結(jié)構(gòu)組成和風(fēng)險(xiǎn)【效果】快便宜（相比傳統(tǒng)技術(shù)）節(jié)省一半早期藥物篩選實(shí)驗(yàn)的數(shù)量大大提高結(jié)果成功率,,,【啟示】研發(fā)設(shè)計(jì)環(huán)節(jié)，人工智能可基于海量數(shù)據(jù)建模分析，將原本高不確定性、高成本的實(shí)物研發(fā)、轉(zhuǎn)變?yōu)榈统杀靖咝实臄?shù)字化自動(dòng)研發(fā)對(duì)于制藥、化工、材料等研發(fā)周期長(zhǎng)、成本高、潛在數(shù)據(jù)豐富的行業(yè)，作用尤其明顯配體有效結(jié)合蛋白質(zhì),DOCK和AUTODOCKSMINA,鑰匙開門鎖,,案例2生產(chǎn)制造，柔性生產(chǎn)滿足個(gè)性需求,【啟示】生產(chǎn)制造環(huán)節(jié)，人工智能可針對(duì)消費(fèi)者個(gè)性化需求數(shù)據(jù)，在保持與大規(guī)模生產(chǎn)同等、甚至更低成本的同時(shí)，提高生產(chǎn)的柔性生產(chǎn)制造系統(tǒng)越柔性，越能快速響應(yīng)市場(chǎng)需求等關(guān)鍵因素的變化，尤其適合服飾、工藝品等與消費(fèi)者體征或品味等需求相關(guān)性強(qiáng)的行業(yè),2015年底在德國(guó)安斯巴赫（ANSBACH）開設(shè)首家,,基于個(gè)人數(shù)據(jù)分析的批量定制（ADIDAS）【痛點(diǎn)】同質(zhì)競(jìng)爭(zhēng)價(jià)格戰(zhàn)低利潤(rùn)傳統(tǒng)生產(chǎn)標(biāo)準(zhǔn)化大批量同質(zhì)競(jìng)爭(zhēng)競(jìng)爭(zhēng)差異化個(gè)性化需求定制高成本【方案】迅捷工廠（SPEEDFACTORY）技術(shù)3D打印機(jī)器人手臂電腦針織需求依靠云端收集顧客足型和運(yùn)動(dòng)數(shù)據(jù)生產(chǎn)按照顧客的喜好選擇配料和設(shè)計(jì)，并在庫(kù)卡機(jī)器人手臂、電腦針織和人工輔助的共同協(xié)作下完成定制【效果】快個(gè)性化節(jié)省時(shí)間18個(gè)月1周，完成生產(chǎn)上架成本不變，實(shí)現(xiàn)小規(guī)模、個(gè)性化定制,,案例3質(zhì)量管控，快速質(zhì)檢并保障質(zhì)量,【啟示】質(zhì)量管控環(huán)節(jié)，人工智能結(jié)合物聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，能夠?qū)崿F(xiàn)對(duì)產(chǎn)品質(zhì)量的自動(dòng)檢測(cè)擴(kuò)展到生產(chǎn)的全流程，從而不僅提高質(zhì)檢效率，甚至能指導(dǎo)工藝、流程等改善，提高整體良品率尤其適合材料、零配件、精密儀器等產(chǎn)量大、部件復(fù)雜、工藝要求高的行業(yè),基于IBM物聯(lián)網(wǎng)和人工智能平臺(tái)（WATSON）能力,,基于視覺(jué)識(shí)別的質(zhì)量檢測(cè)（IBM）【痛點(diǎn)】人工速度慢、誤差多、成本高傳統(tǒng)質(zhì)檢人工為主精度有限次品漏檢人工經(jīng)驗(yàn)難量化，難以指導(dǎo)產(chǎn)線優(yōu)化【方案】視覺(jué)洞察（VISUALINSIGHTS）技術(shù)前臺(tái)高清攝像頭后臺(tái)WATSON算法建模WATSON中央學(xué)習(xí)服務(wù)器通過(guò)訓(xùn)練不斷識(shí)別合格和異常產(chǎn)品圖像差異從而建模分析判斷攝像頭捕捉產(chǎn)品組件在生產(chǎn)和組裝過(guò)程中的圖像，提供給WATSON進(jìn)行分析檢查人工檢查員進(jìn)行二次檢查和確認(rèn)【效果】快高質(zhì)量成本節(jié)約質(zhì)檢時(shí)間縮短80、產(chǎn)品質(zhì)量缺陷減少710、節(jié)約重復(fù)性人工成本,,案例4供應(yīng)管理，精準(zhǔn)掌握供需變化提效能,,基于需求感知的庫(kù)存動(dòng)態(tài)調(diào)整（TOOLSGROUP）【痛點(diǎn)】供應(yīng)鏈效率低、成本高技術(shù)有限需求預(yù)測(cè)不準(zhǔn)供應(yīng)響應(yīng)不足導(dǎo)致庫(kù)存管理成本提高最終用戶體驗(yàn)差【方案】端端供應(yīng)鏈優(yōu)化組件SO99組件組成需求、計(jì)劃和庫(kù)存需求預(yù)測(cè)基于貿(mào)易促銷和媒體活動(dòng)預(yù)測(cè)；基于新產(chǎn)品介紹預(yù)測(cè)；基于社交聆聽預(yù)測(cè)；基于極端或復(fù)雜的季節(jié)性預(yù)測(cè)；基于氣候數(shù)據(jù)預(yù)測(cè)供應(yīng)優(yōu)化多級(jí)庫(kù)存、計(jì)劃生產(chǎn)等動(dòng)態(tài)調(diào)整，最終實(shí)現(xiàn)采購(gòu)和補(bǔ)貨的半自動(dòng)甚至全自動(dòng)化【效果】快精準(zhǔn)有效減少50的預(yù)測(cè)誤差、提高20的庫(kù)存性能，并能有效優(yōu)化庫(kù)存分布,【啟示】供應(yīng)管理環(huán)節(jié)，人工智能在于建立更實(shí)時(shí)、精準(zhǔn)匹配的供需關(guān)系。即通過(guò)掌握和預(yù)測(cè)需求動(dòng)態(tài)變化，以進(jìn)行更有效的供應(yīng)鏈調(diào)整優(yōu)化更適合于快消、零配件等市場(chǎng)需求變動(dòng)較大、供應(yīng)鏈較復(fù)雜的行業(yè),將機(jī)器學(xué)習(xí)引入供應(yīng)鏈管理開發(fā)新軟件,,,案例5運(yùn)營(yíng)維護(hù)，提前預(yù)測(cè)和解決故障風(fēng)險(xiǎn),【啟示】運(yùn)營(yíng)維護(hù)環(huán)節(jié)，人工智能在于對(duì)設(shè)備或產(chǎn)品的運(yùn)行狀態(tài)建立模型，找到與其運(yùn)行狀態(tài)強(qiáng)相關(guān)的先行指標(biāo)，通過(guò)這些指標(biāo)的變化、能夠提前預(yù)測(cè)設(shè)備故障的風(fēng)險(xiǎn)，從而預(yù)防故障的發(fā)生對(duì)于設(shè)備或產(chǎn)品故障成本高的行業(yè)意義重大，比如裝備、精密儀器等,MICROSOFT將其搭載在物聯(lián)網(wǎng)平臺(tái)上作為服務(wù)項(xiàng),,基于運(yùn)營(yíng)數(shù)據(jù)分析的預(yù)測(cè)性維護(hù)（MICROSOFT）【痛點(diǎn)】故障事后處理，高成本有限狀態(tài)指標(biāo)缺乏預(yù)測(cè)模型設(shè)備故障后處理停機(jī)停產(chǎn)維修高成本【方案】預(yù)測(cè)性維護(hù)技術(shù)物聯(lián)網(wǎng)云計(jì)算機(jī)器學(xué)習(xí)步驟確定預(yù)測(cè)目標(biāo)和結(jié)果、明確數(shù)據(jù)源、獲取及整合數(shù)據(jù)、建模、測(cè)試和迭代、現(xiàn)場(chǎng)操作驗(yàn)證、融入運(yùn)營(yíng)功能設(shè)備或產(chǎn)品運(yùn)營(yíng)狀態(tài)的實(shí)時(shí)監(jiān)測(cè)和健康預(yù)警【效果】全天候節(jié)約如電梯制造服務(wù)商THYSSENKRUPP，借此減少50電梯停運(yùn)時(shí)間、節(jié)約15維護(hù)費(fèi)用,,面臨挑戰(zhàn)四個(gè)主要方面,①技術(shù)有缺口缺關(guān)鍵自主技術(shù)（如芯片、核心裝備部件、軟件/算法等）導(dǎo)致產(chǎn)業(yè)受制（如美國(guó)最新針對(duì)中國(guó)制造2025貿(mào)易戰(zhàn)）但關(guān)鍵技術(shù)、尤其是基礎(chǔ)技術(shù)需要長(zhǎng)期大量投入研發(fā)，短時(shí)難突破②標(biāo)準(zhǔn)難落地政府和機(jī)構(gòu)已牽頭在建各種標(biāo)準(zhǔn)但不同線條的標(biāo)準(zhǔn)間仍存差異更重要的是，當(dāng)前制造業(yè)設(shè)備很多來(lái)自國(guó)外廠商，多廠家軟硬件不兼容的情況多見，頂層設(shè)計(jì)的標(biāo)準(zhǔn)與復(fù)雜的現(xiàn)狀一時(shí)難以匹配落地,③管理模式舊,工業(yè)時(shí)代的大規(guī)模、標(biāo)準(zhǔn)化生產(chǎn)，造成制造企業(yè)管理仍然以金字塔、多層次、細(xì)分化為主這種模式，組織末梢人員任務(wù)單一、彈性弱，難適應(yīng)快速變動(dòng)的市場(chǎng)而人工智能的普及，更可能需要新的人機(jī)協(xié)同分工機(jī)制設(shè)計(jì),④資本投入少,近年來(lái)制造業(yè)普遍利潤(rùn)不高，投資回報(bào)率相對(duì)其他高新領(lǐng)域低，商業(yè)資本的關(guān)注度走低而制造業(yè)的改造升級(jí)，又需要長(zhǎng)期大量的資本投入，短期效益可能很難顯現(xiàn)，資本投入就更偏謹(jǐn)慎,,,“人工智能制造”的影響,整體產(chǎn)業(yè)影響分類產(chǎn)業(yè)影響,,,03,,,,人工智能對(duì)制造業(yè)影響的四個(gè)角度,②改變就業(yè)市場(chǎng),結(jié)構(gòu)性失業(yè)50的現(xiàn)有工作可能被替代，制造業(yè)就業(yè)人口縮減創(chuàng)造新職業(yè)/崗位針對(duì)機(jī)器的開發(fā)、管理、維護(hù)等崗位增加人機(jī)賽跑的拐點(diǎn)就業(yè)數(shù)量絕對(duì)減少的拐點(diǎn)可能到來(lái),①提高生產(chǎn)效率,增效柔性生產(chǎn)、全天候生產(chǎn)提質(zhì)降低人為錯(cuò)誤、持續(xù)工藝改善，提升成品率降本重復(fù)性、危險(xiǎn)性工作機(jī)器替人；生產(chǎn)廢料、時(shí)間等成本節(jié)約,③優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),淘汰大部分傳統(tǒng)“非智能”產(chǎn)品，尤其是電子制品改造部分產(chǎn)品被逐漸“注智”，變成新產(chǎn)業(yè)，如自動(dòng)駕駛汽車孕育新的智能產(chǎn)業(yè)，如算法公司,④重構(gòu)國(guó)際分工,削弱傳統(tǒng)勞動(dòng)力比較優(yōu)勢(shì)工業(yè)強(qiáng)國(guó)向下游、工業(yè)大國(guó)向上游，爭(zhēng)奪更多價(jià)值空間地理上的國(guó)家國(guó)際分工，可能進(jìn)一步形成新跨國(guó)平臺(tái)間的競(jìng)爭(zhēng)與合作,李開復(fù)50的工作將被AI取代，第48屆世界經(jīng)濟(jì)論壇年會(huì)發(fā)言，新浪財(cái)經(jīng)，2018年05月05日；布林約爾松與機(jī)器賽跑，東西文庫(kù)，2013年01月20日,人工智能對(duì)不同制造業(yè)的影響差異比較,,,互聯(lián)網(wǎng)助力“人工智能制造”,互聯(lián)網(wǎng)助力的基礎(chǔ)互聯(lián)網(wǎng)助力的模式互聯(lián)網(wǎng)助力的實(shí)踐,,,04,,,,互聯(lián)網(wǎng)助力的五大基石,,,,,,連接用戶產(chǎn)品,安全信息物理多年信息安全經(jīng)驗(yàn)，將成為企業(yè)生產(chǎn)經(jīng)營(yíng)物理安全的保障,數(shù)據(jù)需求生產(chǎn),算法通用專用數(shù)據(jù)挖掘推動(dòng)智能算法領(lǐng)先，能為企業(yè)直接調(diào)用和轉(zhuǎn)化,云,海量用戶連接，可擴(kuò)展為用戶和產(chǎn)品/企業(yè)的連接,基于海量用戶連接洞察趨勢(shì)，能幫助企業(yè)生產(chǎn)貼近需求,公有私有海量數(shù)據(jù)推動(dòng)云計(jì)算建設(shè)領(lǐng)先，能有效轉(zhuǎn)化為對(duì)企業(yè)的服務(wù),,,,互聯(lián)網(wǎng)助力的三種典型模式,,,,智能產(chǎn)品由軟到硬算法嵌入產(chǎn)品人工智能成產(chǎn)品功能,智能服務(wù)由硬到軟賣產(chǎn)品轉(zhuǎn)向賣服務(wù)銷售變成智能運(yùn)營(yíng),智能生產(chǎn)由外到內(nèi)從供需到生產(chǎn)從通用深入專用智能,,,,模式1智能產(chǎn)品,智能芯片,智能組件,智能產(chǎn)品,從應(yīng)用需求出發(fā)主導(dǎo)設(shè)計(jì)和開發(fā)更高性能的人工智能芯片為產(chǎn)業(yè)提供更有效的算力支持,,GOOGLE自主打造的張量處理單元（TPU），專為大規(guī)模機(jī)器學(xué)習(xí)定制,將算法API化對(duì)外開放供企業(yè)調(diào)用并二次開發(fā)借助生態(tài)推動(dòng)智能產(chǎn)品落地,,百度針對(duì)無(wú)人駕駛推出阿波羅開放平臺(tái)計(jì)劃（APOLLO）,基于自身人工智能技術(shù)/應(yīng)用直接生產(chǎn)相應(yīng)軟硬件一體化的人工智能產(chǎn)品將此產(chǎn)品作為平臺(tái)進(jìn)一步發(fā)展,,AMAZON智能音箱ECHO，內(nèi)嵌其人工智能語(yǔ)音助手ALEXA，語(yǔ)音對(duì)話就能夠控制操作,模式2智能服務(wù),C端（用戶）功能即服務(wù)狹義產(chǎn)品附加智能功能。比如在安全方面，通過(guò)臉部、聲紋等識(shí)別解鎖；廣義產(chǎn)品可提供的所有智能應(yīng)用。需智能產(chǎn)品變成一個(gè)開放平臺(tái)，使得各種開發(fā)方可開發(fā)和提供豐富的應(yīng)用,B端（企業(yè)）洞察即服務(wù)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(yíng)銷實(shí)現(xiàn)更實(shí)時(shí)、精準(zhǔn)的廣告信息傳遞二是售后維護(hù)對(duì)制造業(yè)產(chǎn)品的實(shí)時(shí)監(jiān)測(cè)、管理和風(fēng)險(xiǎn)預(yù)警,,例GOOGLE專門為制造企業(yè)開發(fā)了制造商中心解決方案，為制造商的產(chǎn)品提供在GOOGLE全網(wǎng)的精準(zhǔn)廣告展示，有效幫助制造商提升在線轉(zhuǎn)化率,模式3智能生產(chǎn),橫向通用平臺(tái)基礎(chǔ)設(shè)施用云計(jì)算構(gòu)建工業(yè)云平臺(tái)，在此基礎(chǔ)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(yè)大腦，自建并主導(dǎo)IAAS和PAAS層，在SAAS層引入工業(yè)軟件等合作服務(wù)商；方式二合建，如騰訊與三一重工合作構(gòu)建“根云”工業(yè)互聯(lián)網(wǎng)平臺(tái),縱向垂直應(yīng)用場(chǎng)景應(yīng)用針對(duì)具體制造企業(yè)的某一生產(chǎn)環(huán)節(jié)，利用軟、硬件人工智能工具，提升該環(huán)節(jié)的生產(chǎn)效能。主要應(yīng)用在一是工藝優(yōu)化即通過(guò)機(jī)器學(xué)習(xí)建立產(chǎn)品的健康模型，識(shí)別各制造環(huán)節(jié)參數(shù)對(duì)最終產(chǎn)品質(zhì)量的影響，最終找到最佳生產(chǎn)工藝參數(shù)二是智能質(zhì)檢即借助機(jī)器視覺(jué)識(shí)別，快速掃描產(chǎn)品質(zhì)量，提高質(zhì)檢效率,,,例三一重工的設(shè)備畫像和操作優(yōu)化,騰訊實(shí)踐“智慧工業(yè)”典型案例,,①工藝優(yōu)化,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,②智能質(zhì)檢,③預(yù)測(cè)性維保,,,,④工業(yè)互聯(lián)網(wǎng)平臺(tái),,,研發(fā)設(shè)計(jì),,,生產(chǎn)制造,,,質(zhì)量管控,,,供應(yīng)管理,,,運(yùn)營(yíng)維護(hù),,,工業(yè)平臺(tái),,,,,,,,騰訊案例1工藝優(yōu)化億緯鋰能,,數(shù)字化上云把產(chǎn)線上重要工序運(yùn)行參數(shù)，實(shí)時(shí)接入工業(yè)物聯(lián)網(wǎng)平臺(tái)參數(shù)學(xué)習(xí)建模利用深度學(xué)習(xí)篩選出電池質(zhì)量的關(guān)鍵參數(shù)實(shí)時(shí)計(jì)算與優(yōu)化建議對(duì)各批次電池質(zhì)量進(jìn)行實(shí)時(shí)計(jì)算，及提供預(yù)警和建議,新型鋰電能源領(lǐng)先企業(yè),工藝良品率成本,/競(jìng)爭(zhēng)力,,,,,,83（極耳焊接工序不良率）,1260萬(wàn)（年節(jié)約成本）,成熟產(chǎn)品（18650鋰電池）,新產(chǎn)品（21700鋰電池）,15（標(biāo)準(zhǔn)化良率）,2（產(chǎn)能）,,,,騰訊案例2智能質(zhì)檢華星光電,面板制造的龍頭企業(yè)工序多人多人工質(zhì)檢不穩(wěn)定、成本高圖像識(shí)別與訓(xùn)練采用圖像識(shí)別技術(shù)，對(duì)華星光電生產(chǎn)線上產(chǎn)生的面板海量圖片進(jìn)行快速學(xué)習(xí)及訓(xùn)練建模形成高準(zhǔn)確度、能自主學(xué)習(xí)的新模型自主質(zhì)檢實(shí)現(xiàn)全天候無(wú)間斷、機(jī)器自主精準(zhǔn)判片,,,,,,,889（分類識(shí)別準(zhǔn)確率）,1（預(yù)測(cè)綜合性良率）,15MS/圖（質(zhì)檢掃描效率）,60（預(yù)測(cè)人力）,,,,騰訊案例3預(yù)測(cè)性維保三一重工,全球知名機(jī)械裝備企業(yè)設(shè)備故障設(shè)備租賃逾期企業(yè)損失大基于云的設(shè)備互聯(lián)三一重工通過(guò)騰訊云把分布在全球各地的40萬(wàn)臺(tái)設(shè)備接入平臺(tái)設(shè)備數(shù)據(jù)采集與監(jiān)控實(shí)時(shí)采集1萬(wàn)多個(gè)運(yùn)行參數(shù)，遠(yuǎn)程監(jiān)控和管理設(shè)備群的運(yùn)行建模與預(yù)測(cè)對(duì)設(shè)備參數(shù)學(xué)習(xí)建模，實(shí)現(xiàn)對(duì)設(shè)備狀態(tài)異常預(yù)警建議,,,,,,,1010億（租賃設(shè)備逾期率）（不良資產(chǎn)）,65H85（異常預(yù)測(cè)提前時(shí)間）（預(yù)測(cè)準(zhǔn)確率）,,,,騰訊案例4工業(yè)互聯(lián)網(wǎng)平臺(tái)木星云,,,,,,連接,數(shù)據(jù),計(jì)算,管理,,,,,,,,,各智能設(shè)備連接入云，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)融合、識(shí)別、清洗、分類和處理百萬(wàn)級(jí)系統(tǒng)，MS級(jí)處理,利用物聯(lián)平臺(tái)數(shù)據(jù)進(jìn)行3D建模，實(shí)現(xiàn)可視化生產(chǎn)生產(chǎn)直觀、可控時(shí)間、成本、浪費(fèi)顯著降低,機(jī)器學(xué)習(xí)數(shù)據(jù)構(gòu)建健康度模型仿真，實(shí)現(xiàn)狀態(tài)預(yù)測(cè)預(yù)警系統(tǒng)健康掃描從月降為天無(wú)效空轉(zhuǎn)降低60,企業(yè)微信作為移動(dòng)端辦公審理協(xié)作平臺(tái)，實(shí)現(xiàn)遠(yuǎn)程在線處理分鐘級(jí)監(jiān)測(cè)管理,,騰訊云華龍訊達(dá)（工業(yè)應(yīng)用軟件高新企業(yè)）工業(yè)軟硬件廠家多標(biāo)準(zhǔn)不統(tǒng)一通用難木星云工業(yè)互聯(lián)網(wǎng)平臺(tái),,,,騰訊案例4工業(yè)互聯(lián)網(wǎng)平臺(tái)木星云（續(xù)）,,,,,,,,,,,,,提升資源配置能力,提升制造管控能力,提升全程優(yōu)化能力,,,木星云工業(yè)互聯(lián)網(wǎng)平臺(tái)完成實(shí)時(shí)數(shù)據(jù)、業(yè)務(wù)數(shù)據(jù)、文件數(shù)據(jù)等的分類分層；達(dá)到數(shù)據(jù)的統(tǒng)一入口、統(tǒng)一管理、統(tǒng)一出口及應(yīng)用；通過(guò)數(shù)字虛擬仿真實(shí)現(xiàn)生產(chǎn)全程的智能管理生產(chǎn)前虛擬預(yù)演生產(chǎn)中監(jiān)控診斷生產(chǎn)后評(píng)估優(yōu)化,系統(tǒng)級(jí)CPS人機(jī)料法環(huán)全要素?cái)?shù)據(jù)建模,,,“人工智能制造”政策借鑒,頂層設(shè)計(jì)與戰(zhàn)略指引構(gòu)建智能制造平臺(tái)推動(dòng)技術(shù)標(biāo)準(zhǔn)制定支持共性技術(shù)研發(fā)重視中小企業(yè)發(fā)展完善人才保障體系,,,05,,,,,,,,頂層設(shè)計(jì)與戰(zhàn)略指引,,,,先進(jìn)制造人工智能,工業(yè)40,機(jī)器人工業(yè)價(jià)值鏈社會(huì)50,制造2025新一代人工智能,先進(jìn)傳感與控制信息與數(shù)字制造下一代機(jī)器人,物理信息系統(tǒng)（CPS）,機(jī)器人人工智能及物聯(lián)網(wǎng)大數(shù)據(jù),高端制造核心裝備智能工廠,制造業(yè)回流與復(fù)興,制造業(yè)競(jìng)爭(zhēng)力強(qiáng)化,工業(yè)支持社會(huì)轉(zhuǎn)型,制造大國(guó)到強(qiáng)國(guó),,國(guó)家,主要戰(zhàn)略,重點(diǎn)領(lǐng)域,核心目標(biāo),具體策略對(duì)比借鑒,,,,,,加快推進(jìn)我國(guó),“人工智能制造”對(duì)策建議,多渠道投融資機(jī)制突破關(guān)鍵共性技術(shù)重大科技工程項(xiàng)目多方協(xié)作服務(wù)平臺(tái),,,06,融合創(chuàng)新試點(diǎn)基地復(fù)合人才培養(yǎng)機(jī)制技術(shù)標(biāo)準(zhǔn)體系建設(shè)信息安全保障體系,,,,前提長(zhǎng)期穩(wěn)定的資源投入，“錢”和“人”,,,,建立多渠道,①投融資機(jī)制,財(cái)政手段金融資本社會(huì)資源,設(shè)立面向制造業(yè)專門的貸款及融資方案，鼓勵(lì)銀行等金融機(jī)構(gòu)提供資金嚴(yán)格政府補(bǔ)貼審核，向民營(yíng)、中小企業(yè)適當(dāng)傾斜，同時(shí)鼓勵(lì)更多用投資方式采取更激勵(lì)的政策，如成果返稅等,健全復(fù)合人,②才培養(yǎng)機(jī)制,完備教育體系復(fù)合學(xué)科新設(shè)重點(diǎn)培養(yǎng),建立完善針對(duì)新型制造，從幼兒到高等完備的教育體系，尤其對(duì)區(qū)域、社區(qū)性學(xué)校增強(qiáng)本地制造業(yè)人才培養(yǎng)義務(wù)增加相關(guān)復(fù)合專業(yè)和學(xué)科設(shè)置，如工業(yè)算法工程、機(jī)器人維護(hù)、STEAM等鼓勵(lì)產(chǎn)學(xué)研結(jié)合培養(yǎng)，如共建培訓(xùn)基地,,,,中堅(jiān)公共性的平臺(tái)，高效共享資源和服務(wù),,,搭建多方協(xié),③作服務(wù)平臺(tái),加強(qiáng)技術(shù)標(biāo),④準(zhǔn)體系建設(shè),構(gòu)建信息安,⑤全保障體系,,,,資源共享便利協(xié)作服務(wù)聚合,鼓勵(lì)計(jì)算力、數(shù)據(jù)、算法等開源或開放提供產(chǎn)學(xué)研等協(xié)作的信息溝通渠道提供創(chuàng)新企業(yè)注冊(cè)、項(xiàng)目申報(bào)、稅務(wù)等服務(wù),技術(shù)聯(lián)盟創(chuàng)新鼓勵(lì)國(guó)際接軌,鼓勵(lì)產(chǎn)學(xué)研聯(lián)合組建“智能制造”技術(shù)聯(lián)盟在產(chǎn)權(quán)保護(hù)基礎(chǔ)上鼓勵(lì)各方共享專利鼓勵(lì)積極參與國(guó)際標(biāo)準(zhǔn)制定，推廣我國(guó)標(biāo)準(zhǔn),工業(yè)信息安全標(biāo)準(zhǔn)應(yīng)用開發(fā)認(rèn)證機(jī)制,完善工業(yè)信息安全管理等政策法規(guī)和標(biāo)準(zhǔn)鼓勵(lì)工業(yè)安全應(yīng)用和解決方案開發(fā)及試點(diǎn)推動(dòng)建立工業(yè)信息安全測(cè)試平臺(tái)，實(shí)施認(rèn)證,,,,突破產(chǎn)學(xué)研結(jié)合，集群工程推動(dòng)創(chuàng)新落地,,,建立融合創(chuàng),⑥新試點(diǎn)基地,布局重大科,⑦技工程項(xiàng)目,重點(diǎn)突破關(guān),⑧鍵共性技術(shù),產(chǎn)學(xué)研集群眾創(chuàng)空間應(yīng)用示范,推動(dòng)工業(yè)園升級(jí)為“智能制造”集群支持工業(yè)界與信息業(yè)聯(lián)合創(chuàng)辦眾創(chuàng)空間提供資金獎(jiǎng)勵(lì)等鼓勵(lì)應(yīng)用創(chuàng)新與試點(diǎn),基礎(chǔ)理論研究專項(xiàng)應(yīng)用研發(fā),“智能制造”生產(chǎn)組織和管理模式“算法工藝”的融合基礎(chǔ)理論智能裝備、生產(chǎn)流程、供應(yīng)管理等重點(diǎn)領(lǐng)域,定義共性技術(shù)鼓勵(lì)整合與突破國(guó)際化,引導(dǎo)對(duì)人工智能關(guān)鍵共性技術(shù)的持續(xù)歸納總結(jié)鼓勵(lì)各方整合相應(yīng)技術(shù)標(biāo)準(zhǔn)，并聯(lián)合研究突破鼓勵(lì)海外建立研究機(jī)構(gòu)，吸納人才并推廣技術(shù),,,,,,,互聯(lián)網(wǎng)助力“人工智能制造”政策前行,1677萬(wàn)互聯(lián)網(wǎng)從業(yè)者（拉勾網(wǎng)，2016年）,102家/9萬(wàn)億互聯(lián)網(wǎng)上市公司及市值（CNNIC，2017）,403萬(wàn)移動(dòng)應(yīng)用數(shù)量（工信部，2017年）,3萬(wàn)中國(guó)人工智能專利數(shù)量（CNNIC，2016年）,,,資源,,,平臺(tái),,,工具,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,,
下載積分： 6 賞幣
上傳時(shí)間：2024-01-05
頁(yè)數(shù)： 47
大?。?4.28(MB)
子文件數(shù)：
