四、行业典型应用

而AI与制造业的结合，其根本目的是提高效率，降低成本。现阶段AI在制造业的赋能主要集中在工业互联网、缺陷检测、无序分拣以及智能搬运。设计工业互联网、缺陷检测的初创公司多余无需分拣和智能搬运，一方面由于工业互联网、缺陷检测整体起步较早，发展实践长；另一方面也反映出来无序分拣、智能搬运的准入点更高。

工业互联网和缺陷检测的融资比例分别都大于无序分拣与智能搬运之和，表明现阶段工业互联网和缺陷检测领域更容易获得融资。

（一）工业互联网平台领域应用：

1、基于海尔 COSMOPlat 平台的洗衣机个性化定制

海尔 COSMOPlat 平台架构图

基于 COSMOPlat 平台，洗衣机用户的个性需求在众创汇平台上进行了交互，有 990 万用户、 57 个设计资源参与新式产品创意设计；创意立项之后，借助开放平台引入 26 个外部专业团队，共同研发攻克技术难题；产品样机通过认证之后，利用 26 个网络营销资源和 558 个商圈进行预约销售；用户下单后，开启模块采购和智能制造，在 125 个模块商资源和 16 个制造商资源的参与下，产品按需定制、柔性生产；产品下线后，通过涵盖 9 万辆“车小微”和 18 万“服务兵”的智慧物流网络，及时送达用户家里，并同步安装好。用户在使用产品的过程中，又可通过社群在免清洗的基础上持续交互，催生净水洗、无水洗（筒间）系列产品。

2、基于INDICS 工业互联网平台的河南航天液压气动公司产品协同设计

河南航天液压气动技术有限公司是中国航天科工集团高端液压气动元件生产企业， 以往存在重复劳动、工作效率低下、产品设计周期较长、产品质量无法保证等问题。通过应用 INIDICS 平台，河南航天液压气动公司一是实现了云端设计， 基于云平台建立涵盖复杂产品多学科专业的虚拟样机系统，实现复杂产品的多学科设计优化。二是实现了与总体设计部、总装厂所的协同研发设计与工艺设计。三是实现跨企业计划排产， 从 ERP 的主计划到 CRP 的能力计划再到 CMES 的作业计划的全过程管控，实现计划进度采集反馈与质量采集分析。

INDICS 平台架构图

借助 INDICS 工业互联网平台， 河南航天液压气动公司的产品研发设计周期缩短 35%、资源有效利用率提升 30%，生产效率提高 40%，产品质量一致性得到大幅度提升。

（二）缺陷检测领域：

基于视觉检测的南京力泰科技汽车零部件视觉检测

视觉检测技术是基于机器视觉的图像处理技术，视觉检测系统对整个产品进行自动检测，形成图像并对图像进行分析，然后做出决策。南京力泰科技典型应用就是汽车零部件视觉检测，对汽车制造的心脏进行全方位的检测，消除产品尺寸缺陷、表面平整度以及表面瑕疵。它对于控制汽车零部件的质量起着至关重要的作用，不但从源头解决了不合格产品外流，而且提高了企业的核心竞争力，还保证了后续使用人员的安全问题。

（三）其他领域应用

1、智能物流：京东无人仓MUJIN 3D无序分拣系统

“亚洲一号”全流程无人仓实现了从商品入库、存储、包装、分拣的全流程、全系统的智能化和无人化，对整个物流领域而言都具有里程碑意义，在智能物流领域处于全球领先水平。

MUJIN公司研发的3D无序分拣系统，通过3D视觉系统和无需示教的无序分拣机器人控制系统，将无人仓内成百上千成商品注册后，进行分拣、码垛、入库、出库等工作，一套系统能同时适应成百上千种产品的分拣检验，智能识别，将原本需要人工分拣的工作转化为机器的兼容性，实现无需示教便可完成人工分拣的高难度作业，成功解决物流无人化的最难的一个环节，简单智能化。

2、智能营运案例： 星网锐捷

星网锐捷目前的ERP系统与PDM产品数据管理系统、MES制造执行系统、EC电子商务系统都实现了集成，正在着手与WMS仓储管理系统进行集成。并且还做了一些创新尝试，比如通过自动化设备与ERP、EC等系统的集成，实现生产线跟仓库之间的自动送料，取得了可观的成效。在IQC检验、仓储自动化设备以及生产线上也引进了更多的自动化设备以及生产线，并与IT系统进一步集成，争取产生更大的效益。

五、AI制造面临的行业痛点

赛智产业研究院分析师认为尽管当前人工智能与制造业的融合发展已经显露出一些成效，但是从世界范围看，该领域仍然较为前沿，在技术架构、实施路径、行业标准及产业生态等方面均存在一定的发展瓶颈。

首先是产业总体发展尚不成熟。作为一项基础性、通用性的技术，人工智能在工业领域的应用实践需要产业界多方合作开展大量的融合创新探索，对相关产品、解决方案的成本、可靠性等指标也有较高的要求。从已有的实践案例中可以看到，当前人工智能在制造业的融合创新主要是由数据、知识密集型的制造企业与具备人工智能技术优势的互联网企业或软件企业强强联合推进的，其开发成本、技术壁垒较高，应用覆盖面也相对较窄，这使得人工智能技术暂时不具备在制造业大范围推广的条件。

其次是行业标准有待完善。工业领域的人工智能应用需要基于大样本的数据集建模，这些数据通常是来自智能装备及现场部署的独立传感器。然而，工业现场目前的数据通信标准之间通常不能兼容，无法满足人工智能技术对优化建模数据量基本需求。以工业现场总线为例，目前在工业界常见的通信协议达二十余种，这些协议之间不能直接互联互通，使得信息孤岛的情况在工业界广泛存在。

再次是产业发展保障体系有待健全。人工智能技术作为信息技术的一种，其自身就存在一定的安全风险，引入工业领域后，将与工业系统自身的功能风险叠加放大，这将直接危及到生命安全和国家安全。此外，在面对某些与伦理道德相关的抉择问题时，人工智能系统的研发也缺乏相关的法律标准。例如，向人工智能视频识别系统中输入带有欺骗特征的图片，有可能会引起系统误判而触发一系列的危险动作；在工业事故中，人工智能应急管理系统在面对重大资产与人员安全无法兼顾时也没有权威的处理标准。

六、AI制造行业未来发展趋势

作为一项极具发展前景的前沿领域，人工智能与制造业的融合发展尚需政府和产业界多方发力。赛智产业研究院分析师认为：

首先是要培育产业发展环境。政府和行业协会需要通过培育解决方案服务机构、开展试点示范等方式，引导人工智能技术在ICT、互联网等领域的应用成果向制造业输出，尤其是在轻量化设计、节能降耗、工艺优化、质量提升、运行维护等当前人工智能已经涉足的领域培养一批成熟的解决方案。与此同时也要针对系统开发、现场操作、管理规划等不同层面的需求，分类型、分等级推进人工智能阶梯形人才队伍的培育工作，加强企业员工的再培训，做好工业智能化变革下新旧动能的承接工作。

其次是要加快合作推进行业标准。产业界需要通过组织联盟等形式开展多方合作，面向各工业分类的人工智能应用对数据采集、应用部署等方面的需求，联合制定机器设备、工控系统、工业互联网平台的标准化数据接口及应用参考架构，确保支撑人工智能应用的工业数据能快速有效得以应用。

再次是要统筹协调构建保障体系。面向人工智能技术在未来可能大范围覆盖的工业应用场景，由立法部门及行业协会共同研究制定应用规范、开发守则等涉及到应用安全、伦理道德的行业标准，尽可能规避未来可能出现的相关风险。同时政府需要加快建立工业智能公共评测服务平台，加强对工业智能系统的安全测试服务，制定完善人工智能装备、系统在工业生产应用场景中的安全操作规范守则。

▎本文系Innov100原创文章，转载请标明出处。

更多精彩内容请登录https://www.innov100.com官方网站

或扫描下方二维码，点击关注微信公众号（ID：sagetimes）

点赞(0)

分享

• 复制链接
• 微信扫一扫