制造业AI市场份额占比只有5％？听专家说怎么破

“在工业领域，虽然生产设备产生了海量数据，但实际上可作为样本的数据少；行业机理也不允许通过迭代来提升模型精度，比如在炼钢中稍有误判可能就留下一炉子废材。”在7月20日举行的华为云TechWave技术峰会上，针对人工智能（AI）面临的痛点与挑战，华为云CTO张宇昕如是感慨。

无独有偶，日前在上海举行的2020世界人工智能大会上，多位企业家不约而同提到，未来10年，AI将以前所未有的力度赋能传统制造业，但AI发展的不平衡现象尤为突出。SAP全球高级副总裁、中国区总经理李强援引赛迪顾问数据表示，互联网金融、安防、交通贡献了超过50%的AI市场份额，紧跟其后的是与消费者息息相关的消费电子、教育、医疗等，而制造业的AI市场份额只有5%。

作为制造业大省，广东AI核心产业规模约占全国1/3，AI核心产业及相关产业规模均居全国前列。如何让传统制造业更有AI？落地中还需要克服哪些困难？针对这些问题，南方日报记者采访广州大学博士生导师、《“智能+”制造——企业赋能之路》作者孙延明，富士康工业互联网公司董事长李军旗，TCL旗下工业互联网公司格创东智CEO何军，深圳精锐视觉董事长孔庆杰以及广州人工智能促进会副秘书长蔡远尘等。

现状

大企业已尝甜头，中小企认识缺失

南方日报：目前AI在制造业应用中还存在哪些不足？

孙延明：AI在制造业中，除了机器人、图像识别、故障诊断等单项应用外，在全面深化应用方面还处于初级阶段。从外部看，不同行业、不同区域都存在不均衡；从内部看，标准化、自动化程度不够，复合型人才短缺，资金投入不足等，直接影响了AI的深化应用。

何军：这种不均衡也体现在多个方面。地域上，就以我们客户分布看，长三角、珠三角、京津冀等占比达80%，这些区域的企业对AI的重视和投入远超其他地区。

从企业规模上看，大型制造企业已经从AI的使用中获利，两年前去和大型制造企业厂长聊新技术，他们对这些没有太大感觉，但今天再去谈，他们已经有了很多认识，还能反过来跟我们谈新技术，并大胆应用新技术；但大多数中小型制造企业，对AI的认识非常缺失。

孔庆杰：目前国内AI完整产业链已初步形成，但仍存在结构性问题，整体偏重于应用，终端应用丰富，技术商业化程度比肩欧美。但在基础研究方面，缺乏突破性、标志性的研究成果，基础理论和基础技术方面尚显薄弱，这也制约了AI系统产品化落地的效率与效果。

比如围绕计算机视觉诞生了不少AI公司，但扎堆做人脸识别、安防这些热门场景，工业应用偏少。手机生产中，对外观瑕疵是零容忍，以前还会采用抽检，现在良率要求越来越高，人脸识别准确率达到90%就很好用了，而工业至少要达到99%，甚至要小数点后面“4个9”才行。对每天产能在几十万份的工厂来说，稍有不准确就意味着有几百个瑕疵产品成为“漏网之鱼”。我们也呼吁，把技术真正应用到智能制造中来，而不是赶热点。

难点

投入大，而且难直接产生经济效益

南方日报：造成AI在制造业领域融合发展的痛点有哪些原因？

李军旗：制造业存在一个“试点困境”，即单点试用例的成功无法规模化推广，一方面，AI是泛指一类技术，结合具体应用场景技术路线差异很大，成功的要素也各有不同；另一方面，AI在制造领域的应用只能覆盖部分需求，仍有大量问题无法解决，无法形成系统化的整体解决方案，比如无法打通价值链闭环，在工厂运营层面（而不仅是车间现场）产生重大影响。

孙延明：智能制造具有“木桶效应”，不能有短板，需要全产业链的企业共同提升才能达到效果，因此需要投入大量资金。但中小企业又经常面临智能化改造资金不足的难题。此外，制造业的标准化程度不够也是非常严重的问题，标准化是自动化、智能化的基础，自从转变为买方市场以来，客户非标准化的要求给制造业的自动化带来很大的障碍。

孔庆杰：AI技术在制造业行业落地占比低是有多方面原因的，比如，相当一部分制造业信息化和自动化都未成功普及，更不要提智能化了；其次，制造业智能化改造对于生产工艺的契合度要求较高，并且系统研发与实施周期较长，不是单靠纯AI团队简单赋能就能轻易实现的，需要多方面的技术团队充分合作才能成功落地。