工业的发展让人类有更大的能力去改造自然并获取资源，其生产的产品被直接或间接地运用于人们的消费当中，极大地提升了人们的生活水平。可以说，自第一次工业革命以来，工业就在一定意义上决定着人类的生存与发展。

　　然而，兴也工业，衰也工业。近年来，由于发达国家的产业空心化和发展中国家的产业低值化，加工制造业困局显现。发达国家大批工人失业且出现贸易逆差，发展中国家利润和环境不断恶化。大量制造企业面临生存危机，制造业企业的数字化、网络化、智能化转型升级迫在眉睫。

 

　　与此同时，随着人工智能技术的突飞猛进及其在消费流通领域的广泛应用，越来越多的制造企业与人工智能企业把目光投向了“人工智能+制造”。但就目前来看，“人工智能+制造”依然存在动力不足的问题，制造业的人工智能之路仍然漫长。

 

　　AI制造困境犹存

 

　　人工智能技术赋能的制造业具有极大的潜力。人工智能与相关技术结合，可优化制造业各流程环节的效率，通过工业物联网采集各种生产数据，再借助深度学习算法处理后提供建议甚至自主优化。

 

　　从人工智能在制造业的应用场景来看，主要包括产品智能化研发设计、在制造和管理流程中运用人工智能提高产品质量和生产效率，以及供应链的智能化。

 

　　在产品研发、设计和制造中，人工智能既能根据既定目标和约束利用算法探索各种可能的设计解决方案，进行智能生成式产品设计，又能将人工智能技术成果集成化、产品化，制造出如智能手机、工业机器人、服务机器人、自动驾驶汽车及无人机等新一代智能产品。

 

　　对于生产制造来说，人工智能嵌入生产制造环节，将使机器更加聪明，不再仅仅执行单调的机械任务，而是可以在更多复杂情况下自主运行，从而全面提升生产效率。

 

　　在智能供应链上，需求预测是供应值管理领域应用人工智能的关键主题。通过更好地预测需求变化，公司可以有效地调整生产计划改进工厂利用率。此外，智能搬运机器人将实现仓储的自主优化，大幅提升仓储拣选效率，减少人工成本。

 

　　但不论是智能化研发设计、生产制造，还是智能供应链，制造数字化都是人工智能+制造的基础。然而，我国制造业信息化水平参差不齐，且制造产业链条远比其他行业复杂，更强调赋能者对行业背景的理解。这些都造成了制造业的Al赋能相比其他行业门槛更高、难度更大。

 

　　制造业是一个庞大的产业，复杂而割裂是它的历史特征。同一个厂房里，往往有好几种来自不同厂家的生产设备，这些设备往往采用各自的技术和数据标准，彼此之间并不能直接连通和交互。不同的工厂乃至不同的制造业企业，差异就更大了。这样的差异使得传统制造业信息化难度大、效率提升有限。

 

　　尽管人工智能技术在制造业的部分环节与流程中已经有了一定程度的应用，但整体渗透率仍然处于较低水平。根据中国信通院的测算，2018年中国工业数字化经济的比重仅为18．3%，尚不足20%。在制造业整体数字化水平偏低的背景下，人工智能技术在制造业数字化经济中的渗透率显然更低。

 

　　此外，现阶段，人工智能的价值仍然难以被准确衡量，部分企业尤其是中小企业应用人工智能的动力不足。究其原因，应用人工智能领域的部分技术，则往往以提高品牌、增加产品赋能，从而提高利润率或者以内部降低运营成本为目标。但是，由于中小企业的体量较小，往往以生存为最低目标，如果需要去打开其市场，则大多数选择从开源节流出发。

 

　　换言之，中小型制造企业打造智能系统，关注的是效率，但得到效率的同时却是以大量成本为代价。也就是说，并没有真正在效率和成本之间找到平衡点。

 

　　除却中小企业的噬利行为，即使站在第一梯队的大型企业对于一些细分行业人工智能应用路径业尚不明晰，应用风险、收益和成本难以准确核算，短时间内无法给出切实的解决方案。加之多年产能的过剩，尽管数据量巨大，但想要实现智能化也需要漫长的时间。