“融合”的力量工業互聯網智能化升級進行中

◎ 文 《法人》全媒體記者 彭飛

2020年1月2日，阿里巴巴達摩院發布了2020年十大科技趨勢，其中一項趨勢是工業互聯網的超融合。

關于工業互聯網超融合的概述是：5G、IoT設備、云計算、邊緣計算的迅速發展將推動工業互聯網的超融合，實現工控系統、通信系統和信息化系統的智能化融合。制造企業將實現設備自動化、搬送自動化和排產自動化，進而實現柔性制造，同時工廠上下游制造能實時調整和協同。這將大幅提升工廠的生產效率及企業的盈利能力。對產值數十萬億乃至數百萬億的工業產業而言，提高5%—10%的效率，就會產生數萬億人民幣的價值。

種種跡象顯示，人工智能與工業互聯網的融合將是未來科技領域的大勢所趨。然而受制于運行風險、產能投入等因素影響，這一融合趨勢在工業制造領域是緩慢的。

智造融合具有廣泛的應用場景

2019年3月，“工業互聯網”成為“熱詞”被寫入國務院政府工作報告。

工業互聯網是全球工業系統與高級計算、分析、感應技術以及互聯網連接融合的結果，它把與工業物理設備關聯的大數據、分析工具和無線網絡與分布式系統集成與連接在一起了。目前，我國工業互聯網創新發展正步入在多個領域廣泛發展的快車道。

人工智能有時被稱為“機器智能”，是指由機器所顯示的智能，與人類顯示的自然智能形成對比。進入21世紀以來，隨著計算機能力、大量數據和理論理解的進步，人工智能技術經歷了一次復興，已經成為科技產業的重要組成部分，幫助解決了計算機科學、軟件工程和運籌學等領域的許多具有挑戰性的問題。

“人工智能與工業互聯網的深度整合需要網絡安全、云計算、邊緣計算、移動技術、機器對機器、3D打印、先進機器人、大數據、物聯網、射頻識別和認知計算等技術支撐。”中山大學哲學系邏輯學博士生導師、中國人工智能學會會員服務工作委員會副主任委員熊明輝在接受《法人》記者采訪時表示。

目前，人工智能和工業互聯網的融合在汽車工業等工業領域已經開始有廣泛應用前景。

據工信部的數據，實施智能制造專項行動3年來，累計支持了33項汽車行業智能制造試點示范項目，占支持項目的16%，涵蓋了傳統及新能源汽車乘用車、商用車、客車等以及智能網聯汽車等領域，以及發動機、變速器、底盤系統、動力電池、汽車電子、輪轂、輪胎、汽車玻璃等關鍵零部件，項目成果顯著，示范帶動和集成應用輻射放大作用十分突出。

“吉利每研發一款新車，都需要進行60次的整車碰撞試驗和數百次仿真試驗，碰撞仿真試驗時間長達30小時，基于AI可將碰撞仿真試驗時間縮短10個小時，大幅降低新車研發速度。”在2019年初舉辦的未來工業智能峰會上，中國工程院院士鄔賀銓展示了工業領域的一幅幅人工智能與工業互聯網融合后的各類實際案例，涵蓋質量分析、裝備診斷、能源能效管理、采購管理、制造銷售等環節。

數據是融合的重要樞紐

大數據和人工智能給工業互聯網帶來了巨大的推動。工廠互聯網系統會生成大量數據，而人工智能能夠利用這些數據識別趨勢和模式，然后使用這些趨勢和模式來提高制造過程的效率并降低其能耗。

“天合光能是做光伏電池的，利用AI技術他們進行了業務流程的工藝優化，找出了其中最關鍵的環節，成品率提升了7%。杭州中策是做輪胎的，每年生產5000多萬條輪胎，他們每天需要從全世界不同地區進口1000多噸橡膠，質量很難保證。他們也是借助于工業大腦，找出其中最關鍵的環節是粉凝膠環節，平均合格率提了3%—5%，年增1000萬元利潤。”鄔賀銓院士在“2019未來工業智能峰會”演講中還展示了這樣兩起案例，“這幾個企業的AI應用之所以能夠成功，實際上得益于他們此前通過工業互聯網積累了大量且有價值的生產數據。”

熊明輝指出，工業互聯網有三種不同類型的數據：原始數據、元數據和轉換數據，人工智能將有助于在識別、分類和決策制定方面管理這些數據類型。人工智能與先進的大數據分析相結合，提供了一種能力，使原始數據成為有意義和有用的決策信息。在物聯網和數據分析中使用人工智能進行決策將是高效和有效決策的關鍵，特別是在與邊緣計算網絡相關的流數據和實時分析領域。

“然而，目前制造業領域缺乏熟練的人力資源和可靠的工具，來有效地利用大工業數據。”熊明輝說道。

聯想集團副總裁田日輝在“2019未來工業智能峰會”演講中認為，實現企業數據智能推動企業轉型，需要構建以下幾方面的關鍵能力：一是全域數據融合，包含生產經營數據、ERP、CRM等系統數據，以及宏觀經濟、用戶評價等；二是工業和人工智能的結合，通過數據進一步優化專家經驗。

融合的過程會比較緩慢

毫無疑問，無論工業互聯網還是人工智能的發展都是一個長期過程。調查顯示，目前我國AI的投資還主要在消費領域，在制造業的投資只占AI投資的1%。

中國信通院2018年9月發布的報告稱，在各類垂直行業中，人工智能滲透較高的領域包括醫療健康、金融、商業、教育和安防等。其中，醫療健康領域占比居前，達22%；金融和智能商業領域占比分別為14%和11%。但在制造業和工業領域，卻面臨著融合不足的挑戰。

為何人工智能在工業領域的滲透明顯較慢？

以汽車工業為例，中汽中心情報所汽車流通與后市場政策研究室總監張憲國接受記者采訪時表示，一是現有的高度自動化的生產線已經經過精密計算以提高效率，并緊密地集成在以通信結構和物流網絡為代表的生產過程中，對生產線結構的大幅改造通常需要潛在的運行風險，所以傳統制造商很難一步實現，而造車新勢力就比較容易實現；二是我國汽車產能擴張放緩，新建產能減少，所以這方面投入會有所放緩。

熊明輝亦認為，在工業領域，要想利用人工智能與工業物聯網設備，需要對生產設備進行大規模的升級換代，這意味著投資成本巨大，這當然壓抑了很多工業企業的應用意愿。既然工業企業對生產設備進行主動更新換代的意愿不強，設備制造商自然也不愿意承擔主動規模化生產相應設備的風險。

“目前工業互聯網與人工智能融合速度較慢，還受制于工業互聯網所依賴的網絡傳輸速度，伴隨5G網絡高速率、低時延、大連接的特性，二者之間的融合速度應該會進入一個全新階段。”資深汽車分析師、自由撰稿人張翔博士告訴記者。