今年两会上，工业和信息化部部长金壮龙在通道上表示，信息化与工业化深度融合，是新型工业化的鲜明特征。我们将巩固提升信息通讯业的竞争优势和领先地位。适度超前建设5G、算力等信息设施，继续推动互联网规模化应用，让5G赋能千行百业；强化5G演进，支持5G-A发展；同时要加大6G的研发力度。推进制造业向数字化、网络化、智能化发展，开展人工智能+行动，推动人工智能赋能新型工业化。作为关心人工智能应用的一群人，我们关心的是，在“推进制造业向数字化、网络化、智能化发展，开展人工智能+行动，推动人工智能赋能新型工业化”上，能做些什么？
众所周知，制造业一直是国家经济发展的支柱产业。随着第四次工业革命的到来，数字化、网络化和智能化技术不断融入制造业，开启了制造业转型升级的新篇章。“人工智能+制造业”作为一种全新的行业发展模式，正在对传统制造业模式产生革命性的影响。通过人工智能技术的赋能，制造业在生产效率、产品质量、成本控制和安全生产等方面都迎来了跨越式的发展。
当前全球制造业竞争激烈的背景下，前有欧美致力于制造业回归、后有制造业转移东南亚墨西哥等。因此，推进制造业向数字化、网络化、智能化转型已成为提升国家产业竞争力的必然选择。制造业数字化转型指的是利用互联网、云计算、大数据等数字技术对制造过程进行优化升级，达到提高生产效率、缩短产品研发周期、减少生产成本的目的。网络化转型则强调制造资源的互联互通，构建起全球生产和服务网络。智能化转型指通过引入人工智能、机器学习等先进技术，实现生产过程的自动化、智能化。
在当前人工智能浪潮一波更胜一波的发展趋势中，“人工智能+制造业”行动是推动新型工业化的重要举措。人工智能技术的引入不仅能够深化制造业的数字化和网络化层次，更能够带来预测维护、个性化定制、智能调度和自主决策等新的功能和模式，极大提升制造业的智能化水平。智能制造已成为未来制造业发展的方向，是生产方式根本性改变的基石，是工业生产未来趋势的体现。
宏观视角
宏观上，人工智能与制造业的融合正在形成一种新的总体发展格局，其特征是生产过程更加自动化、数据驱动和智能化。传统的生产线逐渐向智能工厂转型，这些工厂具备通过数据和先进算法优化生产流程的能力。并且，从单一工厂的自动化应用，向整个生产全链条的智能化升级转变。这不仅包括制造过程本身，还涉及设计、供应链管理、及产品维护等各个环节。在这一模式下，信息共享和流程协调是核心，数据要素和人工智能是连接这些环节的关键技术。
未来已来，人工智能正在助力工业企业构建全新的商业模式和价值链。知识图谱等人工智能技术不仅能够将生产、管理、服务等各环节紧密整合,实现”设计-制造-营销-服务”全生命周期的线上智能联接。同时，人工智能+制造业正在形成生态系统，并与产业链进行深度融合,推动价值重构，带来全新的服务模式。
数据要素
在数据要素上，物联网技术使得生产设备能够实时收集和传输数据，云计算提供了强大的数据处理能力，大数据分析能够从海量信息中进行初步分析。但这一切都伴随着人工智能技术的应用而获得有价值的洞察，并使得整个工业生态系统的整合成为了可能。
技术维度
技术上，人工智能已经成为制造业现代化的催化剂，其在各个维度中的应用展现出了巨大的潜力和影响力，在实现制造业各环节智能化方面的实力和灵活性。随着AI技术的进一步发展和成熟，特别是知识图谱和大模型技术的广泛应用，未来的制造业将更加高效、弹性和智能。关于知识图谱，建议阅读珠峰书《知识图谱：认知智能理论与实战》。大模型建议阅读《王文广揭秘大语言模型：AI新范式的无限可能与企业价值的驱动引擎【秒懂人工智能系列】》
– 人工智能技术与设备的集成：AI与传统的制造设备和系统的集成，使得机器能够以更智慧的方式运行。比如设备知识库、设备故障的自动归因分析、设备参数的智能优化等。又如通过视觉识别系统对生产线的缺陷进行实时监测，或者通过优化算法提高设备的运行效率。
– 人工智能与制造执行系统(MES)的集成：使用人工智能技术来优化 MES 的规划，提升制造过程的效率。制造执行系统（MES）是助力制造业数字化转型的关键，集成了AI能力的MES则能更高效地处理生产数据、实现资源优化和操作决策。
– 人工智能与工业物联网(IIoT)的集成：实现实时监控和分析从传感器和设备中获得的数据，促进智能化决策和操作。
– AI在生产流程优化上的应用：通过人工智能技术来对生产流程进行模型化，并利用 IOT 所采集的实时数据迅速调整工序和工作站的配置，减少停机时间和提高生产效率。
– AI 在质量控制上的应用：人工智能模型可以连续学习产品质量数据，以识别缺陷和不合格产品，从而提高产品质量与一致性。同时，通过知识图谱和大模型对故障案例、FMEA 等进行充分应用，在产品和工艺研发阶段就实现潜在缺陷的预防。参考《王文广：FMEA知识图谱的构建与应用实践》
– AI 如何进行预测性维护：通过人工智能技术分析机器运行的数据，预测设备何时可能会发生故障，从而规划维护工作在非生产时间进行，减少意外停机的风险。
– AI 在供应链管理上的应用：用知识图谱技术来协助企业预测市场需求，优化库存水平，并实时调整供应链策略。参考：《知识图谱和大模型在全球供应链体系数字化中的应用》
典型行业应用场景
人工智能不仅在产品设计上加快了创新速度，而且在生产调度、物流配送和客户服务等领域为制造业提供了更为精准和高效的解决方案。许多行业都在积极 采用AI来实现产品定制化、加快创新步伐，以及走向绿色化和可持续化发展。随着人工智能技术的进一步发展和深入应用，预计人工智能技术将覆盖生产生活的方方面面。下面是典型制造业的应用场景介绍。
– 在汽车制造业，人工智能正被用于从设计到整车装配的整个生产过程。例如，AI可以在设计阶段通过算法生成多种车型设计方案，加速设计过程并提高创新的效率。在生产线上，AI辅助的机器人能够实现更精准的装配作业，并且通过持续学习改进生产过程。同时，通过分析生产数据，AI可以帮助制造商实现生产调度的最优化，增强供应链的响应能力。在销售方面，AI可以通过对客户数据的分析来提供个性化的汽车配置，满足用户的个性化需求。
– 航空业则依赖于AI来提升其设计复杂组件的能力，比如高效的喷气发动机部件，提高安全性能和燃油效率。人工智能还被用于飞机制造过程中分析大量生产数据，优化装配线和减少延误。此外，AI在物料需求预测和配送规划中发挥着重要作用，保障了制造原材料和零件的供应稳定性。
– 电子行业，尤其是半导体制造，也充分融入了AI技术。AI不仅能够在芯片设计中快速迭代出更优方案，在制造过程中，AI能够预测设备故障和产线异常，及时调整生产参数，以确保生产质量和效率。在客户服务方面，智能系统能够处理用户的技术咨询和售后服务问题，提供快速而精准的响应。
– 重工业领域，如钢铁和石化工业，AI应用在提高生产效率、降低能耗、保护环境等方面。通过分析生产过程的各种数据，AI能够实现对生产流程的实时优化，减少资源浪费。同时，AI在检测和预测机械故障方面的应用降低了事故风险，并保障了员工的安全。
挑战与困难
人工智能在制造业上的应用并非一帆风顺，挑战和困难始终伴随着人工智能以及制造业的智能化转型升级的全过程。这些挑战和困难，是制造业企业实施人工智能战略所必须深度思考，并进行有效应对的。只有如此，人工智能才能在制造企业中发挥其应有的作用，助力制造业实现高质量和可持续发展。下面是普遍存在的一些困难。
– 数据和知识的获取：在制造环境中，获取到的数据和知识往往是零散和非标准化的。此外，有些关键生产数据或企业内部的专业知识，可能是敏感或专有的，不易获取。
– 解决之道：企业需要构建合理的数据和知识资产的管理策略，投资于数据治理、知识管理和分析能力的提升。
– 算法与模型的适用性：制造过程复杂多变，因此需要设计能够适应不同场景和任务的AI模型，这通常需要跨领域的知识和专业技能。同时，模型适用性的验证常常需要时间和资源密集的迭代过程。
– 解决之道：在算法和模型开发方面，借助外部专家知识和资源，选择外部专业的人工智能研发企业，以及与高校和研究机构合作，可以提高模型的开发效率与适用性。参考：《王文广揭秘RAG：如何让大语言模型更准确、更可靠、更有时效性【秒懂人工智能系列】》
– AI系统稳定性和可靠性：制造业要求高度精准和稳定的系统运行环境，任何错误或故障都可能导致生产线停工，造成重大经济损失。因此，确保AI系统的高度可靠性是非常关键的。
– 解决之道：AI系统稳定性和可靠性的问题，需要通过强化系统设计、严格的测试验证和持续的维护升级来保证。参考：《ChatBot出错，企业买单：大模型的产业落地真的准备好了么？加拿大航空公司的一个真实案例》
– 人机协作的安全性：随着更多的机器人和AI系统被引入生产线，如何保证人员安全和系统安全并行不悖，是实施智能化制造必须解决的问题。
– 解决之道：人机协作的安全性，则要结合先进的传感器技术和安全管理协议来解决。政策层面，政府应该提供相应的标准制定、专业人才培养及研发资助等支持。
未来趋势
毫无疑问，人工智能在制造业的未来充满了令人兴奋的可能性，它将引领制造业向更高效、个性化、智能化的新时代迈进。
– 技术融合方面：前沿技术如量子计算、边缘计算以及5G将为制造业的进一步转型提供强大动力。人工智能与这些技术的进一步整合，将发挥更大的作用。量子计算有望在产品设计和材料科学中开启新的可能性，通过其超常计算能力极大缩短复杂模拟和优化问题的解决时间。量子人工智能也是当前研究的热点。边缘计算能够将数据处理能力带到设备或数据产生的现场，降低延迟，并减轻中心化数据中心的压力，提升整个制造流程的响应速度和灵活性。人工智能在边缘端的使用，将使得人工智能可以无处不在。5G乃至6G通信技术的高速度和低延迟特性则为工厂内的机器人、自动化设备和监控系统提供更为稳定且快速的数据交换能力，为实时分析和远程控制创造条件。5G的普及将使得人工智能的云端融合成为现实。
– 商业模式方面：人工智能将推动制造业向服务化发展，诸如即服务（Manufacturing-as-a-Service, MaaS）等新模式将兴起，使企业能够根据需求订购特定的生产力而非传统意义上的购买设备。此外，通过大数据分析和预测，制造业将能提供更加个性化的定制产品，满足消费者对个性化的追求。
– 劳动力市场方面：人工智能的引入对工人技能的要求提出了更高标准，需要劳动力具备更多与AI协作的能力。这将导致劳动市场对技术技能培训和教育的需求增加，并可能改变劳动市场结构，对部分岗位产生替代效应。
– 职业教育方面：学校和教育机构需要适应技术的发展，更新课程和培训方案，包括机器学习、机器人技术、数据科学以及跨学科的系统设计和管理等知识的教学，以满足未来科技驱动的智能制造产业的需求。
– 社会伦理方面：人工智能的广泛应用将引发许多伦理问题，包括工人隐私权、数据安全和对决策透明度的需求。企业、政府和民间组织需要共同努力，构建公正、透明的规则和标准，以确保技术的健康发展不会损害公众和工人的利益。参考：《大语言模型七宗罪之一：群体不理性、偏见与意识操纵》
总结与展望
毫无疑问，人工智能在制造业中扮演着越来越重要的角色。技术的迅速发展使得“人工智能+制造业”不仅是可能，而且正在变得越来越必要。从智能化生产线的自动化控制到复杂决策过程的数据驱动支持，人工智能的应用正塑造着制造业的未来。金壮龙部长在两会上的发言，更是为人工智能+制造业打下一针定心剂。
展望将来，人工智能与制造业的结合还有更为巨大的发展潜力，新的商业模式和工业生态系统的建立以及对社会经济的积极影响，将推动整个行业的持续进化，并将人类带入更加高效、绿色、智能的新时代。
参考文献
Qu, Y. J., Ming, X. G., Liu, Z. W., Zhang, X. Y., & Hou, Z. T. (2019). Smart manufacturing systems: state of the art and future trends. The International Journal of Advanced Manufacturing Technology, 103, 3751-3768.
Kalagnanam, J., Phan, D. T., Murali, P., Nguyen, L. M., Zhou, N., Subramanian, D., … & Da Silva, G. C. (2022). AI-based real-time site-wide optimization for process manufacturing. INFORMS Journal on Applied Analytics, 52(4), 363-378.
Wan, J., Li, X., Dai, H. N., Kusiak, A., Martinez-Garcia, M., & Li, D. (2020). Artificial-intelligence-driven customized manufacturing factory: key technologies, applications, and challenges. Proceedings of the IEEE, 109(4), 377-398.
Cao, Q., Zanni-Merk, C., Samet, A., Reich, C., De Beuvron, F. D. B., Beckmann, A., & Giannetti, C. (2022). KSPMI: a knowledge-based system for predictive maintenance in industry 4.0.Robotics and Computer-Integrated Manufacturing, 74, 102281.
