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