一、前言

　　新一代人工智能技術引領下制造業新模式和新業態的培育與發展，將新時代下需求與供給之間不平衡不充分的矛盾轉化為推動制造業高質量發展的機遇，重新定義中國制造業的競爭優勢，將對新時代下中國制造業的發展產生深遠影響。

　　二、人工智能技術引領制造業演進出新的模式與業態

　　在新一代人工智能技術引領下，制造業的生產技術、生產組織方式、企業管理方式及競爭策略，都將面臨重大調整，為制造業新模式與新業態的形成與發展提供了可能。受新一代人工智能技術驅動，制造業在實踐中不斷涌現由開展智能服務而產生的新模式和新業態。

　　當前主流的制造業生產方式，成型于20世紀初，以流水線生產為標志，通過流水線與專業化分工有效提高勞動生產率、降低生產成本，形成“大規模生產–大規模消費”的結構。

　　在此模式下，企業競爭策略主要為產品多樣化策略和成本控制策略。無論哪種競爭策略，生產和供給缺乏足夠的靈活度。受限于標準化生產過程，消費者日益增長的個性化需求難以被精準滿足。隨著消費升級，制造業提高供給質量的必要性、迫切性不斷增加。

　　（一）新一代人工智能技術引領下制造業的轉變

　　人工智能（AI）技術在21世紀歷史性地進入技術突破和大規模應用階段。

　　驅動人工智能發展的動力主要來自四個方面：一是數據，即以大數據、物聯網、云計算等技術提供的數據基礎；二是取得重大突破的機器學習算法；三是以圖形處理器（GPU）為代表的強大的計算能力；四是得益于全社會對人工智能技術的接受和認同。在這些因素的驅動下，近幾年人工智能技術的應用才得以快速發展。

　　新一代人工智能技術與制造業的融合，將為制造業的效率提升和價值創造帶來新的機遇。

　　第一，引領產品的智能化和網絡化。“硬件+軟件+網絡互聯”正逐漸成為產品的主要構成。

　　第二，推動生產和管理流程智能化。企業內部制造流程數字化、網絡化和智能化，機器設備和數據信息互聯互通，為優化決策提供支持。

　　第三，推動研發設計的網絡化協同發展。研發效率提高，研發設計周期縮短，客戶還可以通過網絡參與在線設計融入個性化需求。

　　第四，推動企業組織變革。不同層面的數據和信息可通過高速網絡便捷傳遞，企業組織扁平化。

　　第五，推動制造業企業向服務轉型。企業通過互聯網及時獲取消費者需求從而實現服務型制造，“按需定制”“網絡定制”等服務模式將更加普遍。

　　（二）制造業模式和業態創新的演進趨勢

　　在AI技術引領下，制造模式大致呈現出一定的演進趨勢：

　　第一，剛性生產系統轉向可重構的柔性生產系統，客戶需求管理能力的重要性不斷提升，制造業從以產品為中心轉向以用戶為核心。

　　第二，大規模生產轉向規模化定制生產（服務），生產者主導的經濟模式轉向消費者主導的經濟模式，企業依靠規模經濟降低成本的競爭策略的重要性有所下降，滿足消費者個性化需求成為企業的重要競爭策略。

　　第三，企業內部組織結構扁平化，數據要素的附加值提高。越來越多的企業從提供單一產品到提供一體化的解決方案，為快速、準確響應客戶需求，企業通過減少組織結構層級來減少決策時間，對數據要素的搜集整理、研究分析以及相應評估預測越來越重視。

　　第四，工廠制造轉向社會化制造，部分行業產能呈現出分散化的趨勢。“社會化制造”顯現，能夠通過在線交流進行產品的研發、設計、篩選和完善，部分地區已出現專門為網絡設計者、用戶提供制造和產銷服務的“在線工廠”。產能的分散化有利于緩解產能的集中和過剩。

　　三、新業態與新模式的類型和關鍵支撐技術

　　在新一代人工智能技術引領下，制造業由注重規模生產逐漸向以客戶需求為中心、保持規模化生產成本優勢的前提上實現滿足個性化需求的產品生產模式演進，在制造模式的不斷演進下，部分新的模式逐漸成形，主要包括數字化制造、網絡協同制造、新一代人工智能制造、規模定制生產服務、“云平臺+”制造、遠程運維服務、電子商務、軟件定義的制造等；新業態的突出表現是服務型制造。

　　（一）新模式的典型類型

　　（1）數字化制造：通過信息物理系統（CPS）實現工廠/車間的設備傳感和控制層的數據與企業信息系統融合，使得生產大數據傳到云計算數據中心進行存儲、分析，形成決策并指導生產。

　　（2）網絡協同制造：基于先進的網絡技術、制造技術及其他相關技術，構建面向特定需求的基于網絡的制造系統，突破空間對企業生產經營范圍和方式的約束，實現企業內各環節“縱向集成”和供應鏈上下游“橫向集成”的協同制造。

　　（3）新一代人工智能制造：綜合應用新一代人工智能、網絡通信、精密傳感器和全球定位系統（GPS）定位等新興技術，使汽車、工程機械、農業機械等各類產品智能化。

　　（4）規模定制生產服務：設計和生產“柔性化”，形成柔性的、滿足個性化需求的高效能、大批量生產模式，供應鏈各環節的聯系和協作加強，設計、生產、倉儲、配送和銷售效率提高。

　　（5）“云平臺+”制造：通過建立云平臺，在全球范圍內，通過互聯網協同進行產品設計、生產制造等，依靠行業、區域核心企業或企業群體的綜合優勢，靈活、快速響應市場需求，提高全球制造資源的利用率。

　　（6）遠程運維服務：運用傳感、通信、大數據分析等技術手段，通過設備遠程運維平臺，對生產過程、生產設備的關鍵參數進行實時監測，對故障及時報警。

　　（7）電子商務：基于互聯網，應用瀏覽器/服務器方式，買賣雙方不謀面地進行各種商貿活動和相關的綜合服務活動，大體上分為：集制造商、商家、消費者為一體（ABC）、商家對商家（B2B）、商家對消費者（B2C）、消費者對消費者（C2C）、商家對制造商（B2M）、制造商對消費者（M2C）、商家對行政機構（B2A）、消費者對行政機構（C2A）、線上線下一體化（O2O）等模式。

　　（8）軟件定義的制造：隨著云計算、物聯網、大數據、人工智能的發展，越來越多的互聯網企業開始成為制造業IT生態圈的一員，以云計算、大數據以及O2O平臺作為切入點服務于傳統制造企業，為制造企業提供協同化、定制化、平臺化的制造服務。

　　（二）新業態——服務型制造

　　制造業企業為了獲取競爭優勢，將價值鏈由以制造為中心向以服務為中心轉變。越來越多的制造業企業從注重生產和產品向注重“產品+服務”的趨勢發展和演進，將焦點瞄準產品的整個生命周期，“服務”在制造價值鏈中的比重越來越大。

　　（三）新模式與新業態發展的關鍵性、支撐性技術

　　新一代人工智能技術的突破性發展，成為支撐新模式與新業態發展的關鍵技術，而新一代人工智能技術的發展是在數字化、網絡化的基礎上，通過大數據的挖掘、算法、算力等領域技術的革命性突破，并在制造業的廣泛應用而不斷演化并發展出來的。在此驅動下，新模式與新業態逐步演化和發展。很多關鍵技術的不斷發展是新模式新業態不斷演化發展的技術基礎和重要支撐。

　　1.關鍵性技術

　　（1）建設多源跨媒體異構數據庫。異構集成產品、使用環境、解決方案和生產工藝數據庫，開發用于采集客戶數據網絡化智能測量系統和客戶需求在線交互平臺，將客戶數據、設計數據、虛擬制造數據、生產數據構建在云端，成為神經網絡、深度學習等算法運行的基礎。

　　（2）構建基于大數據的設計需求特征挖掘系統。采集匯聚客戶來源信息、基本信息、個性化需求信息以及定制產品的服務信息，與異構數據庫進行匹配，利用機器學習算法、深度學習模型、三維模型識別、產品使用環境模型匹配等智能分析技術實現深度數據挖掘，實現智能解決方案推薦、智能優化產品設計以及智能原材料采購預測等。

　　（3）虛擬體驗系統及虛擬制造。采用多種虛擬現實技術（VR）、云渲染平臺、VR互動體驗技術等快速實現設計方案的虛擬仿真，實現設計階段的客戶產品體驗。采用多種調度模型和求解算法，將不同材質、不同類型的定制產品訂單快速拆分，再合理組織成批次，在虛擬制造系統中實現訂單管理和智能排產。

　　（4）構建全流程信息自動采集、生產管控與協同優化系統。通過微納傳感、條碼標簽等手段，在規模定制產品柔性制造混流生產中，實現生產工藝、生產計劃、生產設備和品質分析等信息的實時管控，優化倉儲、設備、質量、物流管理和銷售，完成對研發設計環節的數據反饋，達到全流程的協同優化。

　　2.支撐性技術

　　（1）數據挖掘技術：采用數據挖掘技術對收集到的信息進行篩選、分類、分析和驗證，確保在設備故障發生時快速發現設備異常，并準確判斷故障位置和故障機理。

　　（2）傳感器技術：遠程監控與運維技術的實現基礎。監控精確度和數據傳輸效率直接影響著遠程運維工作的準確性和響應速度。

　　（3）嵌入式監控系統：嵌入式監控系統采用客戶端/服務器模式，將嵌入式Web服務器安裝到設備中，使設備能夠通過互聯網實現互聯，并可以在監控中心實現網絡管理功能，使用戶能夠直接通過瀏覽器對設備進行遠程監控、管理和控制。

　　（4）故障預測算法：設備預測性維護的核心技術，通過對設備狀況的預測，提供設備狀態的發展趨勢分析和早期故障預警，使運維人員能夠有針對性地進行設備運維，避免設備出現突發性故障和隨之導致的設備停機事故。

　　（5）機器視覺技術：機器視覺技術是人工智能技術的一個重要環節。通過計算機來模擬人的視覺，在獲取了客觀事物的影像后，再經由智能系統對圖像中的信息進行分析、處理與理解，根據處理結果對設備進行監控與控制，從而實現智能運維。

　　（6）機器學習與人工智能技術：機器學習技術能讓機器管理數量眾多、種類不同、環境各異的各種設備，使機器像人一樣增長知識、增加經驗，從而使設備運維能夠不僅僅局限于某一種類的設備，而是可以擴展到各行各業、各種不同的設備與環境中；人工智能技術則使設備監控運維系統能夠根據監測到的設備信息對設備運行情況做出合理的判斷，并能夠提供故障預測方案和故障維修方案。

　　四、新模式與新業態的先行者

　　研究發現，我國制造業企業，特別是裝備制造業企業，對單位價值量較高的設備開展遠程運維，在保障設備安全和穩定性并為客戶提供服務等方面開展了有效嘗試，取得了一些經驗和良好效果。表1列出了部分企業遠程運維的典型做法，供研究者參考。

　　所有開展遠程運維的企業基本上已經具備數字化制造基礎，積累了海量數據，正在嘗試使用人工智能技術解決數據處理和知識的產生及應用的算法生成問題，這種做法的迅速普及形成了新的生產模式和新的業態。同樣，在大規模定制生產領域，一些流程和半流程型工業企業，如消費品企業、服裝和家具企業在數字化生產的基礎上，通過規模化定制生產既滿足了市場對個性化的需求，又有效降低了成本，使產品能夠以大規模生產的低成本來滿足個性化需求的質量和速度。應用案例詳見表2。

　　表1遠程運維典型做法

　　表2大規模定制生產企業的典型做法

　　五、新模式與新業態的發展目標及路徑

　　我國發展新一代人工智能引領下的新模式與新業態應以開放、融合、共享、創新為戰略方針，實現制造業轉型升級，邁向制造強國行列。

　　（一）發展目標

　　發展新業態與新模式將成為我國產業的發展戰略，建議分為近期突破目標（2020年）、中期發展目標（2025年）和中遠期戰略突破目標（2030年）三步走，實現以重點突破為點，帶動人工智能技術大范圍高水準應用的點面結合戰略。

　　2020年前，在軌道交通、風電裝備、航空發動機及新一代直升機、工程機械、通用機械、電梯等已開展遠程運維服務行業，探索應用人工智能技術及數據挖掘和自學習知識庫建設，實現高效、準確、實時的遠程自診斷。推進我國遠程運維數據標準化，根據行業的不同特點構建若干分行業遠程運維服務數據中心，構建基于工業互聯網的運維服務體系，保障重大裝備制造和運行的優質、高效和安全。

　　在家電、家具、服裝等行業加強人工智能技術應用，初步建成家具行業、家電行業和服裝行業規模定制服務平臺，完成智能研發設計平臺和基于虛擬制造系統的智能排產的試點示范。

　　2025年前，在遠程運維服務和大規模定制生產服務兩個重點領域全面推廣人工智能技術應用成果，技術水平達到世界領先，并在其他領域進行示范。在家電行業、家具行業和服裝行業全面推廣人工智能技術，關鍵技術水平達到世界領先，并爭取在汽車等行業進行試點。

　　2030年前，全面應用人工智能技術，實現制造智能化，技術達到國際先進水平，一些領域達到國際領先水平。

　　（二）發展路徑

　　聯動。加強企業內部研發、設計、制造、營銷、服務等多個部門的“縱向集成”，推動企業之間的“橫向集成”，實現資源的快速配置和高效整合，實現產品開發、生產制造、經營管理等在不同企業間的信息共享和業務協同。

　　復合。加強已有制造技術和信息技術、生產組織方式和商業模式等多種創新元素的有機融合，最終形成復合式的、多元化的創新模式。

　　并行。注重多階段并行推進，以適應我國制造業發展水平參差不齊的現狀，謀求高端制造業中全價值鏈的業態、模式創新，以及中低端制造業的部分環節業態、模式的微創新和漸進式創新。

　　演進。由于信息技術的導入是一個循序漸進的過程，注重業態創新和模式創新的漸進型發展特征，率先啟動貼近消費端的環節，進行由局部到整體、由量變到質變的動態演進，最終構建新的制造模式與業態。

　　集成。開展產業生態層面的系統創新，基于價值鏈進行資源重構型創新，依托價值網絡進行系統集成式創新，通過整合、集成各項資源，使企業由單一的參與者提升為行業的定義者、平臺的構建者以及系統的整合者。

　　六、新模式與新業態的重點應用領域

　　根據我國工業領域的發展基礎與現狀，在諸多具備數字化制造、網絡化制造能力的新業態與新模式中，遠程運維服務和規模定制服務有望通過新一代人工智能技術的應用形成突破。

　　（一）遠程運維服務

　　按照對人工智能技術需求迫切，技術應用基礎好，發展效益較高的原則進行遴選，在以下領域可能實現突破：軌道交通、航空發動機、風電裝備、工程機械、通用旋轉機械、火電核電裝備和電梯。

　　軌道交通（高鐵）：進行故障預測與健康管理（PHM）系統的研發與應用，開展新一代人工智能技術支持下的遠程運維服務支持，改變勞動密集型運維保養服務模式，減少運維服務中的人工需求，保證列車運營安全，保障列車裝備出口。

　　圖1遠程運維服務在高鐵中的應用

　　航空發動機：以推動民航領域遠程運維為切入點，推動國內航空公司與發動機供應商合作開發遠程診斷平臺，在現有監測診斷與數據積累的基礎上，將新一代人工智能技術引入航空發動機遠程運維系統中，再擴展到軍用航空發動機領域，未來滿足智能運維與管理、智能作戰指揮、智能后勤保障等重大需求。

　　風電裝備：在目前已有的風電監測診斷基礎、振動監測系統、工藝環境等數據采集與監視控制系統（SCADA）數據等系統與大數據積累的基礎上，利用新一代人工智能技術挖掘大數據信息，將振動監測系統與SCADA系統有效融合，實現風電機組的智能運維與壽命預測。

　　工程機械：改變目前我國工程機械主要通過事后維修、定期保養的維護方式，在工程機械遠程運維服務中引入新一代人工智能技術，大幅度提高運維精度、時效性和監測范圍，減少工程機械的人工維護保養成本，探索運用工程機械運行數據對海內外經濟運行狀況進行監測。

　　圖2遠程運維服務在工程機械中的應用

　　通用旋轉機械：對石化和煤化企業中鼓風機、壓縮機、泵、閥等設備通用性強和數據基礎好的裝置開展遠程監控，實現智能遠程運維，減少運營風險，降低設備的維護保養成本。對于運營較好的，持續進行示范推廣。

　　火電核電裝備：在相關裝備中引入新一代人工智能技術，實現設備的全生命周期和實時動態監控預警，增強對污染物排放、安全運行狀態的管控能力，增強公眾安全信心。

　　電梯：開展新一代人工智能技術在電梯行業的深度應用，緩解電梯維護保養人員不足的問題，提高電梯維護保養的響應速度，增強備件、預測性診斷的能力。

　　2020年前，在上述七個行業進行探索，建成七大遠程運維中心。2025年前，進行全面推廣，技術達到世界領先水平。

　　（二）規模定制服務

　　新一代人工智能技術為規模化定制生產服務提供了技術基礎。通過信息感知與數據積累，到大數據驅動下的系統互聯互通，通過自感知、自學習和自決策三步走實現人工智能技術在定制生產中的應用。新一代人工智能技術有望在以下三個領域實現突破：家電行業、家具行業和服裝行業。

　　家電行業：建立規模定制服務平臺，推進用戶深度參與，將用戶融入互聯工廠，實現產銷合一，通過平臺固化生產經驗，運用人工智能技術推進生產系統的數字化和柔性化，實現定制產品的高精度、高效率生產，提升不入庫率，縮短生產周期。

　　家具行業：針對個性化產品生產多品種、小批量的特點，借助人工智能技術助力定制業務發展，縮短設計周期，能夠快速地研發出滿足市場變化和需求的產品。降低成本，提高生產效率，材料利用率提高10%，出錯率降到1%以內。

　　服裝行業：以消費者需求數據帶動技術流、資金流、人才流、物流縱向整合。通過流程再造、全程數據驅動，實現基于一組消費者數據完成所有定制、服務的全過程，7個工作日滿足全球訂單的個性化需求。由點到面推廣業務模式，實現傳統產業升級改造。

　　2020年前，在上述三個行業進行探索，初步建成家具行業、家電行業和服裝行業規模定制服務平臺。2025年前，在三個行業全面推廣，技術水平達到世界領先，并爭取在汽車等行業進行探索和試點。

　　七、政策建議

　　（1）新一代人工智能技術在遠程運維服務和大規模定制生產中的應用，作為當前服務型制造最具推廣應用價值的兩個重點方向，應加大推廣應用的力度。

　　（2）加快人工智能技術教育列入我國高等教育體系進程。據了解，英國已在高中教育階段引入人工智能技術的知識學習，在高等教育體系中人工智能已作為學科建設了相當長的時間。

　　（3）進一步加強網絡安全保障。隨著開放程度的逐漸加深，我國的社會安全、金融安全、能源安全、信息安全以及重大工程安全需要進一步得到保障。建議國家和各級政府盡快理清管理主體責任，制定外資進入中國人工智能市場的準入標準，制定人工智能數據傳輸、數據產權、數據隱私等方面的標準及法律法規，保護我國人工智能技術健康發展。

　　（4）加強應用新一代人工智能技術產品和服務的標準化。建議智能制造相關標準試驗驗證項目向中介機構、企業聯合申報的團體標準傾斜，增強智能制造標準體系的實用性。