四、行業典型應用

而AI與制造業的結合，其根本目的是提高效率，降低成本。現階段AI在制造業的賦能主要集中在工業互聯網、缺陷檢測、無序分揀以及智能搬運。設計工業互聯網、缺陷檢測的初創公司多余無需分揀和智能搬運，一方面由于工業互聯網、缺陷檢測整體起步較早，發展實踐長；另一方面也反映出來無序分揀、智能搬運的準入點更高。

工業互聯網和缺陷檢測的融資比例分別都大于無序分揀與智能搬運之和，表明現階段工業互聯網和缺陷檢測領域更容易獲得融資。

（一）工業互聯網平臺領域應用

1、基于海爾COSMOPlat平臺的洗衣機個性化定制

海爾COSMOPlat平臺架構圖

基于COSMOPlat平臺，洗衣機用戶的個性需求在眾創匯平臺上進行了交互，有990萬用戶、57個設計資源參與新式產品創意設計；創意立項之后，借助開放平臺引入26個外部專業團隊，共同研發攻克技術難題；產品樣機通過認證之后，利用26個網絡營銷資源和558個商圈進行預約銷售；用戶下單后，開啟模塊采購和智能制造，在125個模塊商資源和16個制造商資源的參與下，產品按需定制、柔性生產；產品下線后，通過涵蓋9萬輛“車小微”和18萬“服務兵”的智慧物流網絡，及時送達用戶家里，并同步安裝好。用戶在使用產品的過程中，又可通過社群在免清洗的基礎上持續交互，催生凈水洗、無水洗（筒間）系列產品。

2、基于INDICS工業互聯網平臺的河南航天液壓氣動公司產品協同設計

河南航天液壓氣動技術有限公司是中國航天科工集團高端液壓氣動元件生產企業，以往存在重復勞動、工作效率低下、產品設計周期較長、產品質量無法保證等問題。通過應用INIDICS平臺，河南航天液壓氣動公司一是實現了云端設計，基于云平臺建立涵蓋復雜產品多學科專業的虛擬樣機系統，實現復雜產品的多學科設計優化。二是實現了與總體設計部、總裝廠所的協同研發設計與工藝設計。三是實現跨企業計劃排產，從ERP的主計劃到CRP的能力計劃再到CMES的作業計劃的全過程管控，實現計劃進度采集反饋與質量采集分析。

INDICS平臺架構圖

借助INDICS工業互聯網平臺，河南航天液壓氣動公司的產品研發設計周期縮短35％、資源有效利用率提升30％，生產效率提高40％，產品質量一致性得到大幅度提升。

（二）缺陷檢測領域

基于視覺檢測的南京力泰科技汽車零部件視覺檢測

視覺檢測技術是基于機器視覺的圖像處理技術，視覺檢測系統對整個產品進行自動檢測，形成圖像并對圖像進行分析，然后做出決策。南京力泰科技典型應用就是汽車零部件視覺檢測，對汽車制造的心臟進行全方位的檢測，消除產品尺寸缺陷、表面平整度以及表面瑕疵。它對于控制汽車零部件的質量起著至關重要的作用，不但從源頭解決了不合格產品外流，而且提高了企業的核心競爭力，還保證了后續使用人員的安全問題。

（三）其他領域應用

1、智能物流：京東無人倉MUJIN3D無序分揀系統

“亞洲一號”全流程無人倉實現了從商品入庫、存儲、包裝、分揀的全流程、全系統的智能化和無人化，對整個物流領域而言都具有里程碑意義，在智能物流領域處于全球領先水平。

MUJIN公司研發的3D無序分揀系統，通過3D視覺系統和無需示教的無序分揀機器人控制系統，將無人倉內成百上千成商品注冊后，進行分揀、碼垛、入庫、出庫等工作，一套系統能同時適應成百上千種產品的分揀檢驗，智能識別，將原本需要人工分揀的工作轉化為機器的兼容性，實現無需示教便可完成人工分揀的高難度作業，成功解決物流無人化的最難的一個環節，簡單智能化。

2、智能營運案例：星網銳捷

星網銳捷目前的ERP系統與PDM產品數據管理系統、MES制造執行系統、EC電子商務系統都實現了集成，正在著手與WMS倉儲管理系統進行集成。并且還做了一些創新嘗試，比如通過自動化設備與ERP、EC等系統的集成，實現生產線跟倉庫之間的自動送料，取得了可觀的成效。在IQC檢驗、倉儲自動化設備以及生產線上也引進了更多的自動化設備以及生產線，并與IT系統進一步集成，爭取產生更大的效益。

五、AI制造面臨的行業痛點

賽智產業研究院分析師認為盡管當前人工智能與制造業的融合發展已經顯露出一些成效，但是從世界范圍看，該領域仍然較為前沿，在技術架構、實施路徑、行業標準及產業生態等方面均存在一定的發展瓶頸。

首先是產業總體發展尚不成熟。作為一項基礎性、通用性的技術，人工智能在工業領域的應用實踐需要產業界多方合作開展大量的融合創新探索，對相關產品、解決方案的成本、可靠性等指標也有較高的要求。從已有的實踐案例中可以看到，當前人工智能在制造業的融合創新主要是由數據、知識密集型的制造企業與具備人工智能技術優勢的互聯網企業或軟件企業強強聯合推進的，其開發成本、技術壁壘較高，應用覆蓋面也相對較窄，這使得人工智能技術暫時不具備在制造業大范圍推廣的條件。

其次是行業標準有待完善。工業領域的人工智能應用需要基于大樣本的數據集建模，這些數據通常是來自智能裝備及現場部署的獨立傳感器。然而，工業現場目前的數據通信標準之間通常不能兼容，無法滿足人工智能技術對優化建模數據量基本需求。以工業現場總線為例，目前在工業界常見的通信協議達二十余種，這些協議之間不能直接互聯互通，使得信息孤島的情況在工業界廣泛存在。

再次是產業發展保障體系有待健全。人工智能技術作為信息技術的一種，其自身就存在一定的安全風險，引入工業領域后，將與工業系統自身的功能風險疊加放大，這將直接危及到生命安全和國家安全。此外，在面對某些與倫理道德相關的抉擇問題時，人工智能系統的研發也缺乏相關的法律標準。例如，向人工智能視頻識別系統中輸入帶有欺騙特征的圖片，有可能會引起系統誤判而觸發一系列的危險動作；在工業事故中，人工智能應急管理系統在面對重大資產與人員安全無法兼顧時也沒有權威的處理標準。

六、AI制造行業未來發展趨勢

作為一項極具發展前景的前沿領域，人工智能與制造業的融合發展尚需政府和產業界多方發力。賽智產業研究院分析師認為：

首先是要培育產業發展環境。政府和行業協會需要通過培育解決方案服務機構、開展試點示范等方式，引導人工智能技術在ICT、互聯網等領域的應用成果向制造業輸出，尤其是在輕量化設計、節能降耗、工藝優化、質量提升、運行維護等當前人工智能已經涉足的領域培養一批成熟的解決方案。與此同時也要針對系統開發、現場操作、管理規劃等不同層面的需求，分類型、分等級推進人工智能階梯形人才隊伍的培育工作，加強企業員工的再培訓，做好工業智能化變革下新舊動能的承接工作。

其次是要加快合作推進行業標準。產業界需要通過組織聯盟等形式開展多方合作，面向各工業分類的人工智能應用對數據采集、應用部署等方面的需求，聯合制定機器設備、工控系統、工業互聯網平臺的標準化數據接口及應用參考架構，確保支撐人工智能應用的工業數據能快速有效得以應用。

再次是要統籌協調構建保障體系。面向人工智能技術在未來可能大范圍覆蓋的工業應用場景，由立法部門及行業協會共同研究制定應用規范、開發守則等涉及到應用安全、倫理道德的行業標準，盡可能規避未來可能出現的相關風險。同時政府需要加快建立工業智能公共評測服務平臺，加強對工業智能系統的安全測試服務，制定完善人工智能裝備、系統在工業生產應用場景中的安全操作規范守則。