Artificial Intelligence | 工业智能的价值透视

工业智能发展背景

工业AI成为主要国家政策战略重点之一，推进人工智能创新成为技术创新与融合应用的核心和共识。美国将工业AI纳入关键与新兴技术国家战略，充分发挥信息技术领先优势，高度重视AI、先进制造业等领域，旨在通过工业AI发展抢占先机，主导未来产业；欧盟则将工业AI纳入欧洲2030数字罗盘战略，并发布人工智能白皮书，提出了在2030年实现75%欧盟企业使用云计算、大数据和人工智能的目标；日本则将工业AI纳入其第6期科技创新基本计划，发布制造业白皮书，以人工智能技术为基础，构建智能时代“5.0”社会的未来蓝图；韩国发布《基于数字的产业创新发展战略》，推广不同行业应用AI实现产品设计与研发、制造工艺创新、新型智能化产品与新概念服务等。

一、工业AI巨大价值潜力推动市场持续走高

工业AI已经获得部分国家地区及领先工业企业的认可。一是高价值高增速，AI赋能工业制造领域的潜力大、增速动能强劲，据埃森哲统计，预计到2035年AI应用使制造业总增长值增长4万亿美元，年增长率可达4.4%。二是高普及，工业AI在欧美等工业发达地区已经实现较高的普及率；三是高认可，工业AI的应用场景不断拓宽，而随着产业界的实践锤炼，在部分场景形成了相对一致的价值共识，据MIT报告显示，工业AI应用场景认可度前三位是质量管控、库存管理和监控诊断，应用普及率分别达到59%、44%和32%。

二、与通用领域AI相比，技术进展逐步同步、产业错位现象更加凸显

技术演进规律总体同步，工业领域跟随性逐步增强。一方面，技术创新-应用探索-工程化的大路径一致。技术层面看，工业智能是人工智能技术在工业领域的融合延伸，而本阶段均属以深度学习为创新主线，目前均处于以工程化落地能力突破为主的阶段。另一方面，人工智能技术创新和工业领域融合应用之间的滞后周期不断缩短。专家系统诞生与工业领域应用间隔近20年；统计机器学习的工业领域应用基本在10年左右；而深度学习、生产对抗网络等新技术于2012年前后在通用领域开展应用，不足4年便已经产生了工业领域探索实例。总体来看，由于人工智能技术可用性的增强以及工业信息化水平的提升，通用技术的工业落地间隔由20年逐步缩短至5年。

工业极度碎片化场景和特异性需求进一步放大AI原有差异性。一是工业AI与通用人工智能的创新重点不同。工业AI高价值应用通常集中在与机理强融合的场景，如设备预测性维护、生产过程控制优化、基于知识的综合决策等，与具体行业、企业甚至工厂产线的实际情况紧密相关，差异性较强，当前人工智能在语音、自然语言处理（NLP)等应用技术层面的创新和大模型构建等不是工业AI探索重点。二是工业对AI可解释性等严苛要求导致技术创新与应用落地错位更加严重。目前深度学习、GAN、知识图谱等相对前沿的