AI+智能制造应用模式与场景梳理

目前，AI 已经在制造业研发、生产、管理、服务等全环节全领域均形成了典型应用场景，总体来看主要形成感知识别、建模优化和推理决策三类应用模式以及九大核心场景，近百个细分场景的应用体系。

1.感知识别应用：当前推进热点与焦点

感知识别应用以 AI 视觉算法技术、语音识别等为核心，尤其AI视觉是当前应用成熟度最高、范围最广的模式，主要聚焦生产管理环节形成典型应用。一是以产品质量为核心的生产结果检测。主要面向在制品质量管理环节，包括表面缺陷检测、组装防错检查、零件错漏检测等细分场景。二是以生产作业为核心的生产过程监测。主要面向车间内部产线环节，包括零件抓取/分拣、生产组装、视觉焊接/装配、表计数据读取、产线运行情况检测等细分场景。三是以安全为核心的资源状态监测。主要面向人员、车间环境、厂区和设备等对象，实现安全生产与管理，包括员工安全帽识别、园区越界/闯入识别、车间明火/烟雾等安全情况识别、设备运行情况监测等细分场景。

视觉应用能够成为工业领域的应用热点与焦点主要有几方面原因：一是视觉类应用的成效较为直观显著，投入产出率和投资回报周期相对清晰，具有较高的“性价比”；二是视觉类应用实施相对独立，由于原始视觉数据大，不便直接接入工厂管理系统，必须在视觉采集端完成实时处理，只有表征最终结果的少量特征信息才有必要接入工厂管理系统；三是图像相关技术及行业通用性强，有专用的模型（如CNN）。四是工业图像、视频等数据获得性相对较强，具备AI 赋能的基础条件。据中国信通院统计，在所有工业 AI 应用场景中，视觉类应用规模占比近半，成为当前应用最为广泛成熟的模式。

2.建模优化应用：场景最多，覆盖最广

建模优化应用的技术核心是以数据驱动的建模优化，已覆盖工业全环节实现典型应用。一是智能驱动的研发创新。通过AI 数据分析，全面变革传统依赖人工经验和重复试验的研发模式，加速创新周期、减少创新成本，甚至能够在此基础上建立超越传统认知边界的创新能力。二是生产管理重点环节的分析优化。通过全面感知和智能分析，进一步对现有工艺、物料、质量、能耗、安全等进行智能优化，是当前AI+智能制造领域集中度最高的场景。三是设备产品的控制与运维。面向各类现场装备和产品，基于 AI 提升实现装备产品的智能分析、预测与优化功能，提供智能化运维服务。四是基于数据驱动的服务与商业模式变革。通过大数据分析，能够向用户提供个性化多元化增值服务模式，甚至实现现有商业模式的变革创新，全面拓展价值空间。

此类应用模式占据了大半 AI+智能制造的场景，且几乎覆盖了工业全环节全领域。随着工业数据规模不断增长，为数据建模寻优类应用提供了很好的基础条件；此外，深度学习、迁移学习等各类算法技术持续创新，数据挖掘分析能力也在不断提升，数据寻优类模式将发挥更大赋能作用。

3.推理决策应用：起步最早，潜力最大

推理决策应用以知识工程为核心技术，知识累积门槛和场景价值化成为应用推进的关键条件，已从形成两类典型推进路径。一是基于规则的诊断推理。通过“规则一切可以规则化的经验”，把领域专家、工人的行业经验或者已有决策流程固化下来，是人工智能在工业应用最早的技术，通常解决设备、生产等车间内部简单的控制决策类问题。二是基于知识图谱的决策与检索。通过全面梳理汇总与任务相关的工业知识、常识、各类对象关系等，形成工业级知识图谱，目前已在工业设计、故障诊断与溯源领域、供应链管理等复杂管理决策类场景有部分应用。

虽然当前经验知识推理决策类应用匮乏，尤其工业知识图谱的构建成本高、应用场景尚不清晰，目前此类模式应用占比不足10%。但随着工业机理知识的累积沉淀与认知推理相关理论的突破，知识图谱等技术与深度学习技术不断走向融合，未来必将成为工业真正实现智能化的有力工具。 人工智能赋能智能制造的潜力和空间巨大，视觉领域AI+智能制造增速较快，已处于爆发拐点。据埃森哲统计，到2035 年，人工智能技术的应用将使制造业总增长值(GVA)增长近4 万亿美元，年度增长率达到4.4%。此外，智能制造企业对 AI 表现出较高的认可度和关注度，根据Capgemini 对 806 家企业的调研结果显示，全球超60%的智能制造企业认为 AI、5G 等新技术将成为数字化转型的关键支撑因素，66%的企业意识到机器学习、高级数据分析等 AI 技术能够起到关键作用；IDC 和微软对亚太地区主要制造业进行调查后发现，76%的制造业企业领导者认为AI将在未来三年内帮助企业提升竞争力。工业视觉作为AI+智能制造的热点和焦点，其覆盖领域广泛，主要集中在3C 电子、锂电池、纺织轻工业、汽车、半导体等行业，需求增速不断上涨；同时，工业视觉产业持续创新发展，预计近五年复合增速为 25%，国产化替代率均值已达50%。