智联世界，无限可能。业界翘首以待的AI与制造产业的融合会带来怎样的变革？

　　“工业AI给公司带来更多机遇，可以让生产过程中的材料进行自动化的处理，带来人和机器之间的协作，产生一些智能工厂，让整个生产系统更加可预测，更加灵活，更加高效可持续，而且更有动态感，更有可能进行大规模的定制，成本也可以进一步降低。同时工业AI正在越来越多成为很多行业未来发展的基础。”29日，联合国工业发展组织总干事李勇在2019 世界人工智能大会开幕式上致辞时说。

　　工业制造的期待：要融合，不要凑合

　　在下午的产业发展主论坛上，创新工场董事长兼首席执行官李开复提到，从投资角度来划分AI的四个时代，分别是黑技术时代、B2B时代，赋能“AI+”时代和AI无处不在的时代。

　　当下处于第二阶段和第三阶段中间。“AI在传统行业的渗透率只有4%，今天AI普及状态和当年的黄页是一样的，阿里巴巴第一次创业就是中国黄页，互联网普及率只有4%。AI应用还是非常少的，意味着未来发展机会非常大。”李开复说。

　　在接受记者采访时，菲尼克斯（中国）投资有限公司副总裁、总工程师杜品圣博士表达了企业对制造和AI融合的期待，他希望是感知、认知、预测的提升。“我给AI企业场景，得到成果以后共同享用，它可以举一反三，把这个产品用在其它地方，我们也丰富了智能制造。”

　　但这中间仍然有着需要填平的认知洼地。杜品圣以手机制造和工业制造做了个对比：对于想要输出这些能力的大型互联网公司来说，手机‘死’机再重新开一下是可以的，但工厂的设备不可以。“现在很多IT公司想要覆盖到OT运行领域，提出口号叫‘IT融合OT’。然而到现在为止，是‘IT凑合OT’，没有进入到我的OT里面去。”

　　而在现阶段，菲尼克斯给出选择AI合作伙伴的标准有三条：研发能力强、响应速度快、有共识。“做技术的一种叫研发，一种叫应用，工艺上需要应用技术。”杜品圣说。

　　客观来说，这也需要考虑当下制造业的相应系统操作、研发的实力。同样都是提供了SDK和引擎搭建系统，互联网公司的研发能力特别强，可以自主搞定其他应用，但是传统行业的用户就很难完全驾驭。能在这个时点针对客户场景，提供软硬结合的数字化、信息化方案，就成为了达成合作的首选。

　　“到工厂里解决生产上不能解决的问题，那就需要了解工作的场景。我们几十年就泡在工厂里，科技公司有它的技术，我们想办法把这个工程问题给他提出怎么来做，怎么产品追溯，怎么智能窗口，能真正把我这一条自动化线变成智能化的。”杜品圣说。

　　“高大上”的AI需要落地

　　李开复认为，AI赋能传统行业的方式有三种，包括优化赋能、流程化赋能以及重构颠覆整个产业。

　　最愿意提到赋能的，还是由消费互联网转向产业互联网的公司。这类公司教育了市场，宣传了技术前景，但是从制造业企业的反馈来看，很难“放下身段”真正感知到客户的需求，更倾向于把自己的消费互联网经验包装后对制造业客户推广，这给AI创新型公司留出了发展空间。

　　“我特别喜欢去第一线去，我不希望看起来高大上，却不落地。” 亮风台CEO廖春元接受媒体采访时表示，很多订单赢在了对客户需求的响应速度和满足实际应用的完整软硬一体的技术方案。亮风台是一家致力于用AR（增强现实）赋能的企业。

　　“我们需要跟客户一起打磨这些场景，这有困难，但是要改变我们做事的方法，要真正让技术走出实验室，走到场景里面，两者要匹配起来。我觉得这是AR遇到的挑战，但是坦率来讲任何一个新的技术都会面临这样的问题。” 廖春元说。AR成为人工智能和人机交互的一个交汇点，怎么把AR赋能机器，同时怎么把AI赋能给人，在制造业领域已经得到了初步验证。 在与菲尼克斯的合作中，亮风台的AR设备可以实现远程培训、检修，也可以成为订单管理的操作界面。

　　想要获得订单，需要制造业企业和AI企业取得共识，这部分主要涉及对数据的开发和利用。云计算对大数据的分析和处理能力在消费互联网领域被交口称赞，也让巨头们对进入产业互联网摩拳擦掌。为什么制造业反应相对冷淡？因为工业数据收集和工厂的运行周期都是保密的，不乏有一些厂商急于求成，对自己的“卖点”定位有些偏差。

　　“你说打通数据为什么打通到你的云上面？我自己处理就可以。总不能云在天上飘着变成了浮云了，对吧？数据不仅要融合在你的云端上，也融合在我的制造上。我不是去玩智能的，我只做制造。”杜品圣提到与一家知名的公司合作时有些不太愉快。而小型AI 企业的灵活性在应对工业应用中的一些复杂状况方面更让他满意，也展现了人工智能对升级制造的巨大潜力。

　　亮风台COO唐荣兴表示，很多企业倾向于搭建私有云的系统。“我们会跟它共享一部分的数据，有些行业的模型非常有价值，我们会商量把这个模型开放给更多的企业共享。在5G的时代，数据就变得更加重要了。”

　　在解决认知的方面，AI相关的大小公司都是“手到擒来”。在建模、决策方面，大公司有着过硬技术，擅长的算法，比如从海量数据进行精准定位对一些场合则不太适用，小公司的底层技术未必最佳，但能满足用户需求且服务更加灵活。而制造业企业更关心的是能否利用AI找出模型，按照模型进行决策。

　　为了服务更多的企业用户和降低边际成本，未来的核心问题还是标准化，这离不开大企业的牵头和成立联盟。如果想要通过合作伙伴和代理商，创新型企业的输出就需要尽可能的标准化、产品化。这也是为什么重点客户的定制化需求是各家最“眼红”的订单，因为在业内具有示范和推广效应。

　　据普华永道预测，2030年AI将给全世界带来大约100万亿人民币的GDP提升，在中国大约是200万亿人民币左右，其中50万亿将是AI赋能达到的，远远超过其他国家。要想实现这个目标，离不开科技巨头和创新企业的共同努力。
 

（第一财经）