國家工業信息安全發展研究中心于11月21日發布了<關于漢人工智能與制造業融合的白皮書2020。 白皮書指出，人工智能與制造業的融合有著廣闊的前景，在中國已經初見成效，但仍然面臨著許多挑戰。 其中，高級復合型人才年薪可達百萬，國家極度匱乏。

各國抓住機遇

人工智能具有很強的溢出作用，促進了人工智能的發展和應用，已逐漸成為世界主要經濟體的共識。 制造業作為實體經濟的主體，迫切需要轉型升級。 因此，各國大力推進人工智能與制造業的融合發展。

美國于2018年提出建設未來智能制造系統。 英國旨在站在人工智能和大數據革命的前沿，在2018年啟動人工智能行業的新政。 德國提出工業4.0，將人工智能應用于制造業的所有生產環節。 日本將人工智能等新技術與機器人深度相結合，發展完全智能生產。

中國也不想要人，積極推動人工智能在制造業的廣泛應用。 廣東，北京，山東，上海等地都出臺了政策，人工智能與制造一體化應用有一定的基礎。

三大領域成熟

白皮書分析，目前的整合路徑主要是三大方向，包括研發設計，制造和管理活動。從細分來看，整合比較成熟的是質量檢測，設備健康管理，計劃調度。

在質檢環節，美國聯合英特爾構建基于AI技術的工業視覺檢測云平臺，降低材料成本30%，人工成本70。

在設備健康管理方面，德國KONUX結合智能傳感器和機器學習算法，利用天氣數據和維護日志等構建設備運行模式型，機器維修平均成本降低30%，實際故障率降低70。

隨著柔性生產和大規模定制的發展趨勢，智能生產調度越來越成熟。 阿里利用人工智能，云計算等技術打造犀牛智能建筑平臺，實現靈活定制，資源利用率比行業平均水平高四倍，制造時間縮短75。

形成“三梯隊”格局

以人工智能企業與制造企業為融合主體，相繼布局“人工智能制造產業”，兩端發力，探索融合之路。 一方面，制造企業成立專門的AI研發部門，推動人工智能與企業生產經營一體化，實現降本增效。 如vivo建立AI全球研究院，專注于知識圖譜，自然語言和機器視覺等領域的研究，推動手機平臺智能化轉型。

另一方面，人工智能企業依靠深度技術積累為制造企業提供算法，計算能力服務和解決方案。 如百度建立百度智能云，為企業提供AI服務；騰訊建立騰訊AI平臺，打造產業生態服務。

從整合特征來看，中國制造業形成了領導者、追求者和探索者三個梯隊的發展格局。 其中，計算機通信等電子設備制造、家電制造、機械制造、汽車制造等領導。 追趕包括電機和設備制造、制藥制造、紡織和服裝制造等。 探索者包括橡膠和塑料產品、紙張包裝和印刷行業。

很難找到而且很貴

分析白皮書“人工智能制造”這一階段主要面臨四大挑戰——

人工智能有多大價值，其應用風險，收益和成本難以準確計算。 因此，一些中小企業應用人工智能的力量不足，一些人工智能在細分行業的應用路徑尚不明確，一些企業甚至將人工智能的應用價值等同于機器替換，認為其成本過高。

制造業各場景數據量巨大，但難以直接用于分析，需要進一步標準化。 同時，各設備的數據協議標準尚未統一，數據互聯困難，產業鏈上下游數據難以整體整合。

工業深水解決方案仍有待探索。 制造業的類別眾多，應用場景復雜多變。 目前，人工智能應用只關注流動性強的幾個熱門場景，需要挖掘更多的應用場景。同時，新一代人工智能技術具有“算法黑盒”，具有嚴格的過程控制和仔細的邏輯要求，難以應用于工業場景。

輕人工智能人才，我國缺口達到30萬。 同時，掌握人工智能技術和制造細分行業的生產特點、工藝和工藝極為稀缺。 據悉，人工智能相關崗位平均年薪30萬元至60萬元，工作時間比老年人可達百萬。 因此，對于融合發展來說，不僅人才難找，普通企業更難承擔高昂的勞動力成本。