国家工业信息安全发展研究中心近日在武汉发布的《人工智能与制造业融合发展白皮书2020》指出，人工智能与制造业融合前景广阔，国内已初显成效，但仍面临不少挑战。

人工智能具有强大的溢出带动作用，推动人工智能的发展和应用，已逐渐成为全球主要经济体的共识。制造业作为实体经济的主体，迫切需要转型升级。因此，各国大力推动人工智能与制造业融合发展。

我国也在积极推动人工智能在制造业的广泛应用。广东、北京、山东、上海等地相继出台政策，人工智能与制造业融合应用已具备一定基础。

白皮书认为，目前融合较为成熟的是质量检测、设备健康管理、计划排程三大领域。

在质量检测环节，美的联合英特尔，构建基于AI技术的工业视觉检测云平台，物料成本减少30%，人工成本减少70%。

在设备健康管理方面，德国KONUX结合智能传感器及机器学习算法，利用天气数据和维护日志等，构建设备运行模型，使机器维护成本平均降低30%，实际故障率降低70%。

随着柔性生产、大规模个性化定制成为制造业发展趋势，智能化生产排程计划日渐成熟。阿里利用人工智能、云计算等技术，打造犀牛智造平台，实现了柔性定制，资源利用率较行业平均提升了4倍，制造时间缩短了75%。

人工智能企业和制造业企业作为融合主体，纷纷布局“人工智能+制造业”，两端发力探索融合方式。一方面，制造业企业设立专门的AI研发部门，推动人工智能与企业生产运营各环节融合，实现降本增效。如vivo成立AI全球研究院，重点开展知识图谱、自然语言以及机器视觉等领域研究，推动手机平台智慧化转变。

另一方面，人工智能企业依托深厚的技术积累，面向制造业企业提供算法、算力服务和解决方案。如百度建立百度智能云，为企业提供AI服务;腾讯建立腾讯AI平台，打造工业生态服务。

从融合特点来看，我国制造业形成领军者、追赶者、探索者三大梯队发展的格局。其中，领军者如计算机通信和其他电子设备制造业、家电制造业、机械制造业、汽车制造业等;追赶者包括电气机械和器材制造业、医药制造业、纺织服装制造业等;探索者包括橡胶和塑料制品业、造纸包装及印刷业等。

白皮书同时指出，“人工智能+制造”现阶段主要面临四大挑战：

首先，人工智能产生的价值、应用风险、收益和成本难以准确核算。

其次，制造业各场景数据量巨大，但难以直接用于分析。同时，各设备数据协议标准尚未统一，数据互联互通存在困难，产业链上下游的数据也难以统筹整合。

第三，制造业门类多，应用场景复杂多变，目前人工智能应用仅集中在少数变现能力强的热门场景。新一代人工智能技术较难在流程控制严格、逻辑要求缜密的工业场景中应用。

第四，人工智能人才我国缺口就达30万，同时掌握人工智能技术和制造业细分行业的生产特点、流程、工艺的复合型人才，更是极其匮乏。