人工智能與制造業融合發展面臨三大挑戰

由于技術的迅猛發展、投融資力度的加大以及地方政府和科技界、工業界的廣泛合作，人工智能應用的廣度和深度均大大超出預期，成為推進供給側結構性改革的新動能和振興實體經濟的新機遇。其中，人工智能與制造業融合發展是新一輪產業變革的核心內容，是制造業高質量發展的必由之路。雖然人工智能加快向各領域滲透，但在制造業這一最具潛力的場景下應用落地困難重重，面臨以下三大挑戰：

1.制造業與人工智能融合應用成本高昂。人力成本方面，人工智能領域基礎人才短缺，直接導致用人成本升高，進而大幅提高了制造業與人工智能對接成本。目前人工智能人才培養暫時落后于產業發展步伐，人工智能與制造業的融合型技術人員數量滯后于人工智能與制造業融合發展的要求，企業不得不通過提高薪資待遇來搶奪稀缺的人工智能領域人力資源。資源成本方面，人工智能所需設備購置、運營維護升級均會提高制造業與人工智能對接成本。人工智能技術所需的各類高精傳感器價格昂貴，一系列的技術應用和系統維護都不是免費服務，最終形態成本將高于傳統的低技術含量產品。技術成本方面，人工智能技術尚處“弱人工智能”階段，技術落地應用多需要人力輔助，形成雙倍成本。目前人工智能技術很難實現理想的“無人化”，其定位更像是一種工具，彌補人類在計算力和操作能力等方面的不足，幫助人類簡化操作，制造企業即便在已經購置人工智能設備之后，仍需聘用技術工人予以輔助。

2.產融學對接尚不充分。產融協同方面，制造業資本投入不足。制造業自有資金不足。近年來制造業利潤普遍不高，只靠企業自身投入幾乎難以支撐長期所需要的大量資本投入。此外，制造業融資困難，制造企業的投資回報率相對其他高新技術領域相對偏低，短期效益可能很難顯現，資本逐利特性導致資本投入更為謹慎，商業資本的關注度持續走低。產學協同方面，人工智能前沿技術在制造業難以落地。高校以一流期刊論文發表引用為衡量標準的評價導向，導致學界專注于學術研究，對產品商業化理解不足，不能及時針對市場變化對研發重點進行調整，致使技術與市場脫節，難以將人工智能研發成果轉化為現實生產力。

3.制造業數據孤島問題嚴重阻礙與人工智能融合應用。制造業信息化建設尚不完善。目前人工智能技術主要基于機器學習，數據的體量與質量將直接決定人工智能技術效能。然而目前我國大部分制造企業尚停留在工業2.0階段，大量數據下沉在各條生產線之間，信息化建設不足導致各類生產制造數據極度缺乏。制造業數據標準不統一。我國制造企業諸多生產設備均采購于多家國外廠商，不同制造企業，甚至是同一制造企業不同生產線之間，數據標準差異大，各類數據之間難以互通共享，極大增加了人工智能頂層設計標準的復雜度，不具備應用落地普適性。