6GK5320-1BD00-2AA3
5. 人工智能赋能制造业***提升企业经营效益
中国制造业普遍面临利润空间狭窄的挑战。人工智能可以从产品、服务和生产三个维度帮助制造业企业实现升级，提升企业营收和利润。
产品方面：软件赋能硬件的智能升级。通过内置新操作系统或更新程序，将人工智能算法嵌入产品中，如机械、汽车等，从而帮助制造业企业生产全新的智能化产品。如腾讯人工智能开放平台对外提供计算机视觉，帮助制造业企业实现产品升级。
服务方面：提高营销能力和***服务水平。利用人工智能算法，帮助制造业企业优化营销能力，提升***服务水平。1）售前营销，通过人工智能分析用户画像，判断***需求，从而进行更实时、精准的广告投放；2）***服务，以物联网、大数据和人工智能算法，对产品进行实时监测、管理和风险预警。
生产方面：提升设备自动化生产能力。将人工智能技术嵌入生产过程，提升机器设备的自动化水平，实现在复杂情况下的自主生产，从而***提升生产效率。通过机器学习建立产品的生产模型，识别各制造环节参数，判断其对***终产品质量的影响，通过深度学习自主判断***佳参数，从而实现完全机器自主的生产。
6GK5320-1BD00-2AA3
制造业智能化实现路径：在数字化、网络化、智能化的相互递进与配合下，企业转型智能工厂、跨企业价值链延伸、全行业生态构建与优化配置将有望得以实现。
首先，数字化。通过将种类繁多的工业传感器布置于生产与流通的各个部分，可以将工业过程各主要参数制式数字化，产生大量工业数据，为智能化奠定数据基础。
其次，网络化。工业通信将传感器采集到的工业数据低延迟、低丢包率地传输至云端。未来，通信协议标准化、无线通信技术应用将成为趋势。工业云是工业互联网***核心的部分，进行海量数据的汇聚、提炼、模型计算等，实现资源优化与预测。
***终，实现智能化。依托区块链和图像、语音、机器学习等人工智能技术，制造业企业得以在网络化的基础上进一步实现智能化，如依托区块链技术进行供应链管理、依托图像技术进行自动光学检测和仓储机器人的使用、依托语音技术进行物流语音拣选、依托机器学习进行预测性维护和车货匹配等。
图 4 : 人工智能如何改变制造业
资料来源：***，作者
因此，企业制造业智能化转型也可以分为数字化、网络化、智能化三步。在数字化、网络化、智能化的相互递进与配合下，企业转型智能工厂、跨企业价值链延伸、全行业生态构建与优化配置将有望得以实现。
6GK5320-1BD00-2AA3
1、***步：数字化——“感受”工业过程，采集海量数据
(1) 为配合工业智能化、实现智能制造，制造业工厂在进行数字化、网络化、智能化的软硬件应用之前，更为基础的是在生产流程上打通设计、生产、检测、搬运、仓储、配送等主要环节，***、科学的生产流程设计蕴含着巨大的提质增效、降本减存的机会。
(2) 工业传感器：工业数据的“采集感官”，多类别、广应用为智能化奠基
人工智能的基础是大量的数据，而工业传感器是获得多维工业数据的感官。除了设备状态信息以外，人工智能平台需要收集工作环境(如温度湿度)、原材料的良率、辅料的使用情况等相关信息，用以预测未来的趋势。这就需要部署更多类别和数量的传感器。如今，使用数量较多的传感器包括压力、位移、加速度、角速度、温度、湿度和气体传感器等。现在的工业传感器可以提供监视输出信号、为预测设备故障作出数据支持，可以助于确认库存中可用的原材料，可代替指示表更***地读数以及在环境恶劣的情况下收集数据、亦可监测通过网关和云的数据传输、维护数据安全等。
2、第二步：网络化——高速传输、云端计算、互联互通
(1)工业通信：数据上云的“高速公路”，通信标准化、无线通信技术应用成趋势
得到大量数据后，如何将数据传输至云端呢？这需要依托***的工业级通信技术。和过去在车间内直接对数据进行简单响应不同，企业需要把不同车间，不同工厂，不同时间的数据汇聚到同一个地方(云数据中心)，进行复杂的数据计算，以提炼出有用的数学模型。这就对工业通信网络架构提出新要求，推动标准化通信协议及5G等新的技术在车间里的普及。
(2)工业云：汇聚提炼海量数据，模型计算资源优化的场所
人工智能进行计算的场所——云平台。工业互联网***有意义的部分是其云计算平台。工业生产中产生的海量数据将与工业云平台相连，采用分布式架构进行分布式数据挖掘，提炼有效生产改进信息，***终将用于预测性维护等领域。在云平台上首先打通数据流和物流，在云上汇聚工厂内部的不同维度、产品生命周期不同阶段、供应链上下游不同行为主体。其次可以通过运用大数据及人工智能技术进行分析，提炼数字分析模型。
制造业智能化及工业互联网具有不同层面的应用场景。首先，在企业层面主要是内部的提质增效，降本减存，从传统制造进化为智能工厂，以数据驱动智能生产能力。其次，可实现跨企业价值链延伸，优化跨企业的制造资源配置，打通企业外部价值链。***后，有望实现全行业生态构建，以数据驱动生态运营能力，汇聚协作企业、产品、用户等产业链资源，不断沉淀、复用、重构和输出，实现制造行业整体的资源优化配置。