
一条难以逾越的鸿沟正横跨在人工智能与工业制造之间。我国是制造业第一大国,2018 年制造业增加值达 26.5 万亿元,占 GDP 总量的 29.4%,占比近三分之一。同时我国又是人工智能第二大国,拥有全球第二多的 AI 企业。然而一道「鸿沟」将它们分隔两地。 2019 年,我国 AI 公司的数量已超过 2000 家,但真正专注工业领域的企业数量却不足 5%。SAP 公司曾做过一项分析,中国过去三年最大的 300 项人工智能投资项目中,AI+制造业的投资不到 1%。AI 在工业领域投入严重不足。如果 AI 不能够深入占 GDP 1/3 的工业领域,不能够赋能全国 345.1 万户工业企业,不能够服务工业生产线上超 1 亿工人,那么 AI 将很难担当「第四次工业革命」的重任。2019 年也是 AI 探索规模落地的一年,在智能安防、智慧金融、智能家居、泛娱乐等领域已初具规模,反观工业这一「冰山下的战场」,不仅 AI 投入和资本投入严重不足,连 BAT 等互联网巨头都攻占不下。「积贫积弱」的工业智能背后,是什么阻挡了它落地的步伐,AI+工业的痛点又在哪里?为此,机器之心深入工业智能落地的各个环节,从算法、数据、场景、平台等维度,探究技术落地中的痛点问题,并向产业发出灵魂 10 问。这一年,工业智能公司相继完成标杆场景的探索,正迎来规模化落地的前夜。然而工业数据的匮乏,「一机一模型」的算法,都困扰着技术的成熟与产品化;商业领域占据半边天的计算机视觉,在工业领域更像是「拿着锤子找钉子」,远不能直击工业业务核心;算法人对工艺认知的匮乏,往往导致寸步难行;更为重要的是,传统工业企业对于这些「外来者」缺乏信任,认知观念与管理方式都亟待变革。如果把 AI 落地场景比作一座冰山,工业正是水平面之下隐秘的「宝藏」,它极具规模与潜力,同时又极具挑战难以攻克。工业智能的落地,注定是一场艰苦的持久战。专业用户独享
本文为机器之心深度精选内容,专业认证后即可阅读全文
开启专业认证