製造業涵蓋廣泛，其中數字工廠與智慧製造是現行的主要發展方向。為了最佳化作業，提高生產效率，都要對海量的製造資料進行分析和最佳化，這時候就要用到人工智慧技術。

網際網路+人工智慧服務製造業的三類典型場景

從實際角度出發，網際網路+人工智慧的應用，最終將服務於以下三種場景。

一、為產品注智，從軟體和硬體對製造業進行升級，透過網際網路將資訊注入，為產品提供人工智慧演算法，促成製造業新一代產品的智慧升級。如谷歌開發出的專用於大規模機器學習的智慧晶片TPU，騰訊AI對外提供計算機視覺AI能力的開放平臺均是如此。

二、為服務注智，透過人工智慧和網際網路的結合，為製造企業提供精準增值服務。售前營銷階段透過人工智慧對使用者需求進行分析，實現精準投放。在售後服務方面，以物聯網、大資料和人工智慧演算法，實現產品檢測和管理，同時為可能出現的風險進行預警，進一步加強對售後的管理。在此方面比較好的一個例子就是三一重工結合騰訊雲，把分佈全球的30萬臺裝置接入平臺，利用大資料和智慧演算法，遠端管理龐大裝置群，這樣的方式大大提升了裝置運營效率，同時還降低了運營成本。

三、為生產注智，透過網際網路將人工智慧技術注入生產流程，使機器能夠應對多種複雜情況的生產，進一步提升生產效率。這種場景應用目前比較多的應用於工藝最佳化，透過使機器學習健康的產品模型，完成質檢，視覺識別等功能。

需要指出的是，機器無法代替人的溫度，在構建產品的實用性、人性化設定、對生產的全域性把控等方面，人工智慧還遠無法替代人類的作用。但作為人類的輔助，人工智慧能夠很好的完成任務，在人機協作的模式下，製造業在產品質量、產品創新、售後服務、運營效率等方面仍將有非常大的潛力能夠挖掘，相信，隨著人工智慧的繼續發展，製造業還將迎來更大的突破。

人工智慧對於製造業的影響有幾方面：

（1）機器將部分取代人的工作，實現智慧自動化。在中國、日本等國家，可以彌補由於老齡化、人力資源成本提升帶來的勞動力短缺問題。

（2）人工智慧透過增強勞動力技能帶來生產效率的提升，以提高人的效率，經過重新培訓的員工可以執行更高階的設計、程式設計和維護任務或創造性的工作。

（3）人工智慧與製造業的深度融合不但將加速新產品的開發過程，還將徹底顛覆原有的生產流程，人工智慧程式不僅可以自動完成任務，而且還可以實現全新的業務流程。比如，根據客戶的個性化需求自定義產品配置。這將是人工智慧在製造業領域的最終目標。

AI是人工智慧(Artificial Intelligence) ，英文縮寫為AI。可以說人工智慧是引領新一輪科技革命和產業變革的戰略性技術。也被認為是二十一世紀（基因工程、奈米科學、人工智慧）三大尖端技術之一。

Al可以應用領域非常多，比如：機器翻譯，智慧控制，專家系統，機器人學，語言和影象理解，機器人工廠，航天應用，龐大的資訊處理，儲存與管理，執行化合生命體無法執行的或複雜或規模龐大的任務等等。

那麼，AⅠ能給製造業帶來什麼進步和幫助呢？

目前智慧製造的發展，大概有兩種路徑：一是網際網路資訊科技企業向人工智慧製造業企業轉型；二是製造業企業向人工智慧製造業企業方向拓展。相比之下，第二種路徑對我國產業升級作用更為直接。

製造業智慧化轉變主要有三個環節：人工智慧技術本身進步、人工智慧在製造業場景運用和拓展、製造業智慧化模式的構建與創新。

我們中國發展智慧製造，首先有助於我國製造業從目前階段轉型升級至人工智慧時代，進一步提升行業標準及產品品質。其次也是同時，降低我國製造業的人力成本上漲較快的壓力。第三與網際網路大資料密切結合，可以實現定單生產，降低庫存，降低資源浪費。

去年7月21日，國務院新聞辦公室舉行國務院政策例行吹風會，重點介紹《新一代人工智慧發展規劃》的編制情況。科技部副部長李萌在回答記者提問時表示，經過60多年的演進，人工智慧出現了一些新特點，包括《規劃》當中講到“它呈現出深度學習、跨界融合、人機協同、群智開放和自主智慧的特點”。

所以不論是近期還是長遠看，人工智慧都值得中國製造業的企業家們深度關注。

以我所在積體電路製造業為例回答一下這個問題。

積體電路製造行業的生產線本身就會產生海量的資料，一個fab（晶片工廠）的資料儲存伺服器的規模可能並不亞於一箇中型網際網路企業。

事實上，先進的工廠已經沒法脫離AI而執行，因為依靠人力的方式已經無法快速高效的處理海量的資料。只有透過智慧化的系統，才能夠實現如此繁瑣複雜的生產。

在生產線上，能在諸多場景中找到基於AI、機器學習的智慧化系統，包括但不侷限於：

先進工藝控制系統

工藝錯誤自檢系統

量測與分析系統

良率預測與相關性分析

實時貨物排期系統

總體而言，AI已經成為積體電路製造業中最有力的武器之一。

AI促進了晶片的研發製造與良率提升，從而大大縮短了產品換代的週期，從而生產出效能更為強大的晶片，反過來，新世代的晶片又為下一代人工智慧產品提供了重要的硬體支撐，這簡直就是行業與行業之間互相促進從而良性迴圈的典範。

什麼都不能。事實上AI要發生效力，需要很高的投入，對企業來說也需要做很多改變，沒有大決心基本就是走個過場。這注定多數企業無緣。

AI應用日漸成熟，對製造業和服務業帶來很大利益。

1，首先代替人工，減少勞動力，可以做到7X24X365持續工作。

2，降低企業深生產成本，目前企業生產成本人工佔比很大，長遠計算可節省90%人工成本。

3，減少出錯率，更加高效，保證質量。

4，結合大資料，從生產到銷售，可實現訂單按需生產，避免產能過剩和資源浪費。

5，提升企業整體市場競爭力。

6，帶動產業整體發展。實現網際網路➕5G➕工業物聯網➕AI大資料➕雲計算。

得益於雲計算以及大資料儲存和分析方面的最新創新，人工智慧在提高製造環境的效率，提高效能方面取得了長足的進步。人工智慧還提供關鍵資訊，以幫助經理制定更明智的業務決策。

根據Research and Market s 的最新報告，從2017年到2025年，人工智慧市場預計將以52％的複合年增長率（CAGR）增長。

機器自動化可以更快，更有效地生產高質量的產品，同時提供關鍵資訊以幫助管理人員做出更明智的業務決策。但是仍然存在一些障礙：許多公司都不願意共享敏感的生產和過程資料。整合來自車間和後勤部門的大量資料以建立實時洞察力也是一個挑戰。為了使智慧工廠作為統一系統工作，一些公司使用了中介軟體平臺，即“將客戶端和後端系統以及“膠合”程式連線在一起的軟體層”。 這是製造商透過使用AI來提高生產力水平的5種方法。

系統可以測試數百種生產和結果可能性的數學模型，並在分析時更加精確，同時適應新資訊，例如新產品介紹，供應鏈中斷或產品的突然變化。需求。根據諮詢公司麥肯錫（McKinsey）的說法，由於採用了機器學習技術，因此可以將總體庫存減少20％到50％。人工智慧還可以透過盤點庫存等簡單方法來提高效率。使用複雜的無人機在倉庫中飛行，掃描物品並檢查是否放錯了地方，可以在24小時內完成一項耗時一個月的員工在沃爾瑪完成的任務。

這是提高運營效率的可靠方法，因此幾乎對利潤產生了直接影響。預測性維護使用感測器來跟蹤裝置的狀況並持續分析資料，從而使組織能夠在實際需要裝置時為其提供服務，而不是按計劃的服務時間進行維護，從而最大程度地減少了停機時間。甚至可以對機器進行設定，以便他們評估自己的條件，訂購自己的替換零件並在需要時安排現場技術人員。進一步進行預測性維護，基於大資料的演算法可用於預測未來的裝置故障。

超個性化的製造業人工智慧和軟體智慧的進步使公司能夠透過製作與個人消費者高度相關的產品和服務，將個性化提升到一個新的水平。這很重要，因為個性化很重要。在最近的一項調查中，有20％的消費者表示，他們願意為個性化產品或服務支付20％的溢價。願意個性化產品的品牌也能夠與客戶建立更大的信任。根據埃森哲的資料， 美國和英國83％的消費者願意讓值得信賴的零售商使用其個人資料來接收量身定製的針對性產品，推薦和優惠。

最佳化製造流程到今年年底，預計將有許多執行AI引擎的機器型別執行機器學習演算法，這些演算法能夠自動提高製造流程的效率。AI系統將監視使用的數量，週期時間，溫度，交貨時間，錯誤和停機時間，以最佳化生產執行。AI部署的第一步將是“操作員協助”模式，其中AI將在後臺執行並向操作員提出建議。AI系統將使用操作員的最終決定來學習人腦的表現，從而可以“操作員替換”模式進行部署。將來，人工智慧將使我們能夠在與供應商無關的環境中將資料轉換為智慧，其中所有機器都使用相同的語言，

自動化的物料採購分析與機器學習相結合，將記錄和批判所有內容，包括報價和建立供應鏈的初期階段。麥肯錫預測，機器學習將使供應鏈預測錯誤減少50％，並將與運輸和倉儲以及供應鏈管理相關的成本分別減少5％至10％和25％至40％。霍尼韋爾已經將AI和機器學習演算法整合到採購，戰略採購和成本管理中。