“融合”的力量工业互联网智能化升级进行中

◎ 文 《法人》全媒体记者 彭飞

2020年1月2日，阿里巴巴达摩院发布了2020年十大科技趋势，其中一项趋势是工业互联网的超融合。

关于工业互联网超融合的概述是：5G、IoT设备、云计算、边缘计算的迅速发展将推动工业互联网的超融合，实现工控系统、通信系统和信息化系统的智能化融合。制造企业将实现设备自动化、搬送自动化和排产自动化，进而实现柔性制造，同时工厂上下游制造能实时调整和协同。这将大幅提升工厂的生产效率及企业的盈利能力。对产值数十万亿乃至数百万亿的工业产业而言，提高5%—10%的效率，就会产生数万亿人民币的价值。

种种迹象显示，人工智能与工业互联网的融合将是未来科技领域的大势所趋。然而受制于运行风险、产能投入等因素影响，这一融合趋势在工业制造领域是缓慢的。

智造融合具有广泛的应用场景

2019年3月，“工业互联网”成为“热词”被写入国务院政府工作报告。

工业互联网是全球工业系统与高级计算、分析、感应技术以及互联网连接融合的结果，它把与工业物理设备关联的大数据、分析工具和无线网络与分布式系统集成与连接在一起了。目前，我国工业互联网创新发展正步入在多个领域广泛发展的快车道。

人工智能有时被称为“机器智能”，是指由机器所显示的智能，与人类显示的自然智能形成对比。进入21世纪以来，随着计算机能力、大量数据和理论理解的进步，人工智能技术经历了一次复兴，已经成为科技产业的重要组成部分，帮助解决了计算机科学、软件工程和运筹学等领域的许多具有挑战性的问题。

“人工智能与工业互联网的深度整合需要网络安全、云计算、边缘计算、移动技术、机器对机器、3D打印、先进机器人、大数据、物联网、射频识别和认知计算等技术支撑。”中山大学哲学系逻辑学博士生导师、中国人工智能学会会员服务工作委员会副主任委员熊明辉在接受《法人》记者采访时表示。

目前，人工智能和工业互联网的融合在汽车工业等工业领域已经开始有广泛应用前景。

据工信部的数据，实施智能制造专项行动3年来，累计支持了33项汽车行业智能制造试点示范项目，占支持项目的16%，涵盖了传统及新能源汽车乘用车、商用车、客车等以及智能网联汽车等领域，以及发动机、变速器、底盘系统、动力电池、汽车电子、轮毂、轮胎、汽车玻璃等关键零部件，项目成果显著，示范带动和集成应用辐射放大作用十分突出。

“吉利每研发一款新车，都需要进行60次的整车碰撞试验和数百次仿真试验，碰撞仿真试验时间长达30小时，基于AI可将碰撞仿真试验时间缩短10个小时，大幅降低新车研发速度。”在2019年初举办的未来工业智能峰会上，中国工程院院士邬贺铨展示了工业领域的一幅幅人工智能与工业互联网融合后的各类实际案例，涵盖质量分析、装备诊断、能源能效管理、采购管理、制造销售等环节。

数据是融合的重要枢纽

大数据和人工智能给工业互联网带来了巨大的推动。工厂互联网系统会生成大量数据，而人工智能能够利用这些数据识别趋势和模式，然后使用这些趋势和模式来提高制造过程的效率并降低其能耗。

“天合光能是做光伏电池的，利用AI技术他们进行了业务流程的工艺优化，找出了其中最关键的环节，成品率提升了7%。杭州中策是做轮胎的，每年生产5000多万条轮胎，他们每天需要从全世界不同地区进口1000多吨橡胶，质量很难保证。他们也是借助于工业大脑，找出其中最关键的环节是粉凝胶环节，平均合格率提了3%—5%，年增1000万元利润。”邬贺铨院士在“2019未来工业智能峰会”演讲中还展示了这样两起案例，“这几个企业的AI应用之所以能够成功，实际上得益于他们此前通过工业互联网积累了大量且有价值的生产数据。”

熊明辉指出，工业互联网有三种不同类型的数据：原始数据、元数据和转换数据，人工智能将有助于在识别、分类和决策制定方面管理这些数据类型。人工智能与先进的大数据分析相结合，提供了一种能力，使原始数据成为有意义和有用的决策信息。在物联网和数据分析中使用人工智能进行决策将是高效和有效决策的关键，特别是在与边缘计算网络相关的流数据和实时分析领域。

“然而，目前制造业领域缺乏熟练的人力资源和可靠的工具，来有效地利用大工业数据。”熊明辉说道。

联想集团副总裁田日辉在“2019未来工业智能峰会”演讲中认为，实现企业数据智能推动企业转型，需要构建以下几方面的关键能力：一是全域数据融合，包含生产经营数据、ERP、CRM等系统数据，以及宏观经济、用户评价等；二是工业和人工智能的结合，通过数据进一步优化专家经验。

融合的过程会比较缓慢

毫无疑问，无论工业互联网还是人工智能的发展都是一个长期过程。调查显示，目前我国AI的投资还主要在消费领域，在制造业的投资只占AI投资的1%。

中国信通院2018年9月发布的报告称，在各类垂直行业中，人工智能渗透较高的领域包括医疗健康、金融、商业、教育和安防等。其中，医疗健康领域占比居前，达22%；金融和智能商业领域占比分别为14%和11%。但在制造业和工业领域，却面临着融合不足的挑战。

为何人工智能在工业领域的渗透明显较慢？

以汽车工业为例，中汽中心情报所汽车流通与后市场政策研究室总监张宪国接受记者采访时表示，一是现有的高度自动化的生产线已经经过精密计算以提高效率，并紧密地集成在以通信结构和物流网络为代表的生产过程中，对生产线结构的大幅改造通常需要潜在的运行风险，所以传统制造商很难一步实现，而造车新势力就比较容易实现；二是我国汽车产能扩张放缓，新建产能减少，所以这方面投入会有所放缓。

熊明辉亦认为，在工业领域，要想利用人工智能与工业物联网设备，需要对生产设备进行大规模的升级换代，这意味着投资成本巨大，这当然压抑了很多工业企业的应用意愿。既然工业企业对生产设备进行主动更新换代的意愿不强，设备制造商自然也不愿意承担主动规模化生产相应设备的风险。

“目前工业互联网与人工智能融合速度较慢，还受制于工业互联网所依赖的网络传输速度，伴随5G网络高速率、低时延、大连接的特性，二者之间的融合速度应该会进入一个全新阶段。”资深汽车分析师、自由撰稿人张翔博士告诉记者。