專注于前沿大數(shù)據(jù)案例資訊
　
　2018年中國大數(shù)據(jù)BI行業(yè)分析報告
　
　智能制造頂層設(shè)計：解讀數(shù)字化工廠頂層設(shè)計與規(guī)劃
　
　百度內(nèi)部培訓(xùn) 數(shù)據(jù)分析中的道與術(shù)
　
　如何讓普通的生產(chǎn)工廠插上智能的翅膀成為真正的智能工廠正在成為制造業(yè)共同思考的問題。
　
　制造業(yè)中生產(chǎn)過程中每天產(chǎn)生海量的數(shù)據(jù)，這些數(shù)據(jù)都存儲在數(shù)據(jù)庫里面，而真正能夠 發(fā)揮實際價值的數(shù)據(jù)卻非常少，從而造成數(shù)據(jù)資源的極大浪費。如何對生產(chǎn)過程中的海量數(shù) 據(jù)進(jìn)行處理從而發(fā)揮數(shù)據(jù)的價值，將數(shù)據(jù)不再僅僅是數(shù)據(jù)，而成為生產(chǎn)的資產(chǎn)是每個制造業(yè) 管理者都關(guān)心的問題。
　
　為了實現(xiàn)對數(shù)據(jù)的利用，降低生產(chǎn)成本提高生產(chǎn)效率，很多供應(yīng)商都 提出了智能工廠的解決方案。 目前社會上提到的智能工廠很多，而真正能夠做到智能化的卻 很少。 筆者基于多年在制造業(yè)中的工業(yè)機(jī)理模型經(jīng)驗和在智能技術(shù)領(lǐng)域的一些實踐， 介紹下目前智能技術(shù)以及其在制造業(yè)場景的應(yīng)用情況。
　
　一、人工智能' target='_blank'>人工智能、云計算、大數(shù)據(jù)、物聯(lián)網(wǎng)的關(guān)系是什么？
　
　提到智能技術(shù)大家首先聯(lián)想到的就是人工智能、大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等。而很多人對這些名詞間的關(guān)系模棱兩可。因此有必要首先介紹下其間的聯(lián)系。 為了便于讀者理解，這里不 引用每個名詞的通用定義，而采用通俗易懂的方式進(jìn)行解釋。人工智能從狹義角度講就是以 CNN 卷積神經(jīng)網(wǎng)絡(luò)為代表的模型算法， 具體的應(yīng)用圖像識別和語音識別。
　
　目前社會上所有提到的人工智能技術(shù)包括人臉識別、自動駕駛、語音交互、阿爾法狗、指紋識別等等均是基于 CNN 卷積神經(jīng)網(wǎng)絡(luò)為核心算法的應(yīng)用。因此，人工智能本質(zhì)就是一種算法。云計算本質(zhì)是一 種從資源到架構(gòu)的全面彈性， 通俗的講， 比如對于一臺電腦，有 100 個任務(wù)，那么電腦在執(zhí) 行這 100 個任務(wù)時就要有個排隊，依次進(jìn)行，而當(dāng)數(shù)據(jù)量很大時， 超大的任務(wù)量將會造成電 腦服務(wù)器崩潰。
　
　而云計算就是可以將一臺電腦的服務(wù)器虛擬成多臺電腦，比如我們很多人都用過 VMware 的虛擬機(jī)軟件，該軟件可以把我們的 PC 機(jī)電腦虛擬成擁有不同內(nèi)存、存儲容 量和網(wǎng)絡(luò)的小電腦， 這樣 100 個任務(wù)將會同時分解到多臺電腦去執(zhí)行， 這就是分布式計算， 從而大大提高計算效率。 大數(shù)據(jù)通俗的講就是海量的數(shù)據(jù)， 具有復(fù)雜的數(shù)據(jù)關(guān)系。
　
　物聯(lián)網(wǎng)通俗講就是通過網(wǎng)絡(luò)協(xié)議將生產(chǎn)過程中的儀器儀表、 視頻、語音、文本等數(shù)據(jù)全部進(jìn)行連接。 為了通俗理解他們間的關(guān)系，筆者將其關(guān)系表示如下圖所示，并以一方高人的成長歷程作為比喻。
　
　物聯(lián)網(wǎng)、互聯(lián)網(wǎng)比喻作為一個人的成長環(huán)境， 通過在社會、 學(xué)校、環(huán)境中的不斷學(xué)習(xí)， 將會收獲海量的知識，這些海量的知識就是大數(shù)據(jù)。 要想有效的利用海量知識并發(fā)揮其價值 需要各種數(shù)據(jù)模型（包括統(tǒng)計分析、機(jī)器學(xué)習(xí)、人工智能、工藝機(jī)理模型）對數(shù)據(jù)進(jìn)行訓(xùn)練， 這種訓(xùn)練的過程比喻為一個軍師（或者老師）對人的指導(dǎo)、培養(yǎng)過程。 而數(shù)據(jù)模型的分析訓(xùn) 練需要云計算進(jìn)行快速高效的迭代，從而形成豐富的知識經(jīng)驗，成為一方領(lǐng)域的高人。而云 計算就相當(dāng)于人類的大腦。
　
　二、 數(shù)據(jù)模型包括哪些？如何對模型進(jìn)行選擇？
　
　由以上分析可知，一方高人的形成包括數(shù)據(jù)采集層、數(shù)據(jù)存儲層、數(shù)據(jù)模型層、數(shù)據(jù)計算 層，其中數(shù)據(jù)采集和數(shù)據(jù)存儲依托于目前的 MES 系統(tǒng)已經(jīng)能夠很容易的實現(xiàn)。數(shù)據(jù)計算依 托于阿里云、華為云、百度云的計算服務(wù)也能容易做到。目前的核心限制環(huán)節(jié)在于數(shù)據(jù)模型層，即如何將生產(chǎn)中產(chǎn)生的大數(shù)據(jù)通過數(shù)據(jù)模型轉(zhuǎn)換為有價值的信息。因此，筆者在本節(jié)著重對數(shù)據(jù)模型的選擇進(jìn)行介紹。
　
　對于數(shù)據(jù)模型的分類仁者見仁智者見智，沒有統(tǒng)一的 定義，筆者結(jié)合多年的工作經(jīng)驗， 認(rèn)為主要分為以下四類， 包括統(tǒng)計分析、機(jī)器學(xué)習(xí)、深 度學(xué)習(xí)以及工藝模型。
　
　由于篇幅關(guān)系，本文將不再具體解釋每個模型的具有原理和算法， 后續(xù)將會詳細(xì)討論。 數(shù)據(jù)模型詳細(xì)具體分類如下圖所示，由圖可知，統(tǒng)計分析模型主要包 括線性回歸、多元線性回歸、非線性回歸、 spc 分析、相關(guān)性分析等；機(jī)器學(xué)習(xí)模型主要 包括邏輯回歸、支持向量機(jī)、 k-means 聚類、神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、決策樹、貝葉斯模型、隨機(jī) 森林等；深度學(xué)習(xí)（人工智能）主要包括 CNN 卷積神經(jīng)網(wǎng)絡(luò)網(wǎng)絡(luò)等；工藝模型主要涉及冶金或者化工行業(yè)的物理化學(xué)反應(yīng)，包括熱力學(xué)和動力學(xué)相關(guān)理論知識，生物發(fā)酵化學(xué)反應(yīng) 以及基于邊界條件的最優(yōu)解等問題。
　
　以上介紹了數(shù)據(jù)模型的分類，那么如何對模型進(jìn)行選擇呢？
　
　由于每個模型有其特殊的需求，本文主要根據(jù)數(shù)據(jù)的類型、數(shù)據(jù)量以及應(yīng)用業(yè)務(wù)場景的不 同將其分為分類、回歸、聚類、 降維、深度學(xué)習(xí)五大類，如下圖所示。 通過該圖結(jié)合生產(chǎn) 的數(shù)據(jù)類型、數(shù)據(jù)量以及數(shù)據(jù)實現(xiàn)的目標(biāo)從而有效的選擇需要的數(shù)據(jù)模型。
　
　三、智能技術(shù)在制造業(yè)中有哪些應(yīng)用？
　
　對于智能技術(shù)，筆者認(rèn)為從廣義角度講，凡是能夠代替人工操作并能夠有效提高工作效率的都可稱作為智能技術(shù)；從狹義角度講，智能技術(shù)主要是以機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等復(fù)雜算法為核心，并將數(shù)據(jù)轉(zhuǎn)換為有價值信息的技術(shù)。
　
　因此， 智能技術(shù)在制造業(yè)中的應(yīng)用從廣義角度講可以概括為運營管理、智能模型、智能裝備 等方面，每個方面包含內(nèi)容如下圖所示。其中運營管理包括財務(wù)管理、供應(yīng)鏈、資金管理、人力資源、協(xié)同辦公、智能物流、設(shè)備管理、能源管理、安環(huán)管理和自動報表等。智能模型 主要包括統(tǒng)計分析、機(jī)器學(xué)習(xí)、工藝模型、企業(yè)大數(shù)據(jù)、成分預(yù)測、設(shè)備預(yù)警、智能調(diào)度、 輔助決策以及人工智能等。智能裝備主要包括機(jī)器人、自動化裝備等。
　
　從狹義角度講，智能技術(shù)在制造業(yè)中的應(yīng)用主要包括以下 7 個方面，其中統(tǒng)計分析主要依托于柱狀圖、餅狀圖、散點圖等實現(xiàn)對生產(chǎn)重要數(shù)據(jù)的實時展示和輔助決策等；圖像智能識別技術(shù)主要應(yīng)用在車牌識別、人臉識別、鋼鐵企業(yè)表面質(zhì)檢檢測系統(tǒng)、標(biāo)記號碼自動識別等； 語音智能識別技術(shù)主要依托于科大訊飛等成熟產(chǎn)品，實現(xiàn)在局部區(qū)域進(jìn)行人機(jī)對話操作，從 而減少人員數(shù)量；基于實時數(shù)據(jù)的智能預(yù)測主要基于生產(chǎn)過程實時的工藝數(shù)據(jù)和檢化驗數(shù)據(jù) 依托于智能模型對終點成分進(jìn)行預(yù)測判定，以及根據(jù)設(shè)備重要工藝參數(shù)進(jìn)行智能故障預(yù)警等。 基于歷史數(shù)據(jù)的智能預(yù)測主要是針對無法實時獲取生產(chǎn)實時數(shù)據(jù)的類型，需要根據(jù)歷史 數(shù)據(jù)通過智能模型對終點成分、溫度、壓力以及設(shè)備故障等進(jìn)行預(yù)測報警，還包括通過歷史 數(shù)據(jù)的判定分析，結(jié)合智能模型，發(fā)現(xiàn)現(xiàn)場操作人員的數(shù)據(jù)作弊問題。基于聚類分析的專家系統(tǒng)主要包括通過對歷史數(shù)據(jù)多維度的分析，通過聚類算法實現(xiàn)對產(chǎn)品質(zhì)量以及新產(chǎn)品性能 等進(jìn)行智能預(yù)測?；谶吔鐥l件的最有決策問題主要針對于一定限制條件下，對于某個目標(biāo)通過建立線性方程組實現(xiàn)線性規(guī)劃求解，從而實現(xiàn)最佳成本優(yōu)化以及不同價格物料的最優(yōu)匹 配，典型的應(yīng)用場景為配料過程。對于更加具體的應(yīng)用場景，將會在后續(xù)文章進(jìn)行詳細(xì)介紹。
　
　注：本篇文章主要是對智能技術(shù)和其在制造業(yè)場景的應(yīng)用進(jìn)行簡要的概述，對于細(xì)節(jié)并未詳細(xì)展開，希望讓讀者能夠有個全面的了解。后續(xù)將會對細(xì)節(jié)進(jìn)行介紹，敬請期待。 由于個人 水平有限，難免有不當(dāng)之處，敬請批評指正。（本文完）
　
　智能制造和人工智能，是不是兩碼事？
　
　制造就是制造，就是它本身。不需要用各種先鋒旗幟來混淆視聽。
　
　制造就是制造，不要總是被引領(lǐng)
　
　去年早些時候，互聯(lián)網(wǎng)+曾經(jīng)被視為智能制造的靈丹妙藥。經(jīng)過一段時間的爭吵、實踐和沉淀，制造業(yè)+互聯(lián)網(wǎng)的融合，才勉強修成正果。這看上去不過是一個詞的順序顛倒，背后卻是不同角色的利益集團(tuán)，在進(jìn)行話語權(quán)的角斗。
　
　而在今年，隨著人工智能出現(xiàn)在政府報告中，AI2.0+制造眼看著又要出現(xiàn)在江湖。這對于中國制造2025，恐怕又是一次身不由己的晃動。
　
　智能制造自身已經(jīng)完全被輿論所異化。定語智能二字，奇怪地成為最大的主角和樂趣，而制造本身則淪為配角。
　
　在這種情況，引入AI2.0只會助長本來已經(jīng)熱氣騰騰的智能。
　
　要不要就叫做人工智能制造？讓制造干脆直接淪為第三角色。
　
　AI2.0，真的能引領(lǐng)智能制造嗎？
　
　即使是IBM的沃森，現(xiàn)在也面臨著大量的問題。沃森跟西門子合作，在工業(yè)領(lǐng)域也不過是配角。只玩算法的，是不會弄明白工業(yè)的。大家總喜歡用谷歌的AlphaGo舉例子說明AI跑得有多快，可這跟制造業(yè)，能有多大的關(guān)系。我們幾乎也沒有任何案例說明AlphaGo在工業(yè)領(lǐng)域有多大的進(jìn)展。說白了，那不過是一場秀而已。
　
　對制造而言，機(jī)器人、大數(shù)據(jù)都是大家吹過且正在漂浮的泡泡；人工智能則正在全新升騰。這些泡泡，如果來自市場和投資商一起吹動的，政府樂見其成；然而，如果政府花費太多心思放在這一類技術(shù)上面，那么智能制造勢必誤入歧途，這種智能過熱的制造，將是制造業(yè)的悲劇。
　
　為什么制造業(yè)需要被ICT引領(lǐng)呢？制造就是制造，就是它本身。不需要用各種先鋒旗幟來混淆視聽。
　
　機(jī)器人+制造，也差點成為我們智能制造的主流，機(jī)器換人這一口號前兩年還曾大行其道，但現(xiàn)在迅速過氣成為沒人愿意提及的晦氣詞。機(jī)器人不是不能引領(lǐng)制造，但要看國情。
　
　日本2015年1月出臺《機(jī)器人國家戰(zhàn)略》之后，矢志不移地將機(jī)器人在跟物聯(lián)網(wǎng)、跟日本制造緊密地結(jié)合。那是有原因的，日本已經(jīng)是世界排名數(shù)一數(shù)二的機(jī)器人強國，借用自己的優(yōu)勢是順?biāo)浦鄣氖虑?，而中國機(jī)器人現(xiàn)在關(guān)鍵三大部件，都未能取得突破；在開源機(jī)器人系統(tǒng)、軟件又有落后的情況下，奢談機(jī)器人與制造的關(guān)系，最終勢必淪為中國是機(jī)器人最大的市場這種我們屢見不鮮的結(jié)局。
　
　在上周浙江余姚舉辦的中國機(jī)器人峰會，凱文·凱利這個在中國瘋狂收割出場費的美國預(yù)言家，倒是從側(cè)面給了我們一個提醒。他認(rèn)為，在現(xiàn)有的基礎(chǔ)上，人工智能技術(shù)第一個影響到的領(lǐng)域應(yīng)該是金融領(lǐng)域，而且這種影響已經(jīng)開始；另一個就是零售行業(yè)。
　
　也許凱文凱利并不懂制造業(yè)，但他應(yīng)該在美國也沒有看到這種跡象。
　
　彎下身子搞制造，而不是翹起腳尖搞智能，是當(dāng)下工業(yè)界需要正面應(yīng)對的問題。不要再干語不驚人誓不休的大事啦，而是要下沉搞出一些寒窗十年無人知的突破。
　
　調(diào)門過熱的智能制造
　
　智能制造是過熱的，正在演變成一場無心而起的非市場化的逐利行為。這方面原因，綜合了多種指向不同的志向，既有新奇元素的加入，容易理解，容易說出水平，也有急功近利的示范工程、領(lǐng)導(dǎo)視察的需要。
　
　重要的是，智能制造已經(jīng)儼然成為中國制造2025的主輿論、主焦點，萬般寵愛——無論是資金投入、各級政府言行還是政策研究機(jī)構(gòu)，這對發(fā)展2025，將會非常不利。
　
　智能制造的調(diào)門起的太高，是不太適合中國工業(yè)極其不均衡的國情。中國工業(yè)是一個超級熔爐，這里面生米、熟米各種夾生飯十分不同，千層餅萬層酥的現(xiàn)象比比皆是。而共性的問題，則是工業(yè)思想淡漠、四基工程薄弱、制造工藝跟不上等問題。
　
　這些問題，都不是智能的事情。但卻是中國工業(yè)真正可以強國的根基。
　
　筆者前些日子去沈陽鳳城考察增壓器產(chǎn)業(yè)集群。這個鳳凰山腳下的增壓器產(chǎn)業(yè)區(qū)，呈現(xiàn)出生龍活虎的市場活力。許多企業(yè)搞技改、搞工藝改進(jìn)、搞橫向聯(lián)合，有聲有色，好一片民營企業(yè)的勃生之相。有一兩家可以隱隱地看到德國隱形冠軍那種作派的影子。
　
　然而就智能制造而言，這里幾乎紋絲不動。以生產(chǎn)方式為例，目前基本解決了設(shè)備數(shù)控化的問題，但自動化正處在呼之欲來的階段。而信息化幾無培育，數(shù)據(jù)分析更是不見蹤跡。而至于工業(yè)思想、戰(zhàn)略意識，則基本處于民營企業(yè)原生態(tài)自發(fā)生長的階段。差距相當(dāng)不小。
　
　精益只有一點若有若無的影子，一些零星的5S看板掛在每個車間的里面。
　
　如果智能制造之風(fēng)，不能更好地扶持如此有活力的增壓器之都——鳳城，那么只能說，我們的智能制造調(diào)門起的太高。這里有數(shù)百家企業(yè)，每家企業(yè)都有多多少少幾十號員工——他們是東北不景氣的工業(yè)局勢下的一面閃亮的旗幟。春風(fēng)不度鳳凰山，那就是春風(fēng)不識百姓門，智能制造之風(fēng)不該只盤旋在少數(shù)企業(yè)的上空。
　
　在美國面向未來的先進(jìn)制造伙伴計劃中，國家制造創(chuàng)新網(wǎng)絡(luò)是重要的一環(huán)。然而，從其分布來看，14個創(chuàng)新中心絕大部分都跟材料、工藝、電子相關(guān)，跟數(shù)字化制造、跟智能制造都只是各有一個。而且即使智能制造平臺強調(diào)的也是能源效率和公共平臺問題。
　
　就是這樣，人工智能都沒排上隊呢。
　
　想想也是，如果谷歌、FaceBook都可以搞人工智能，山姆大叔何必親自上呢？
　
　少談一點智能，多談一點制造，對中國制造2025尤其重要。中國制造2025是強國階段的第一步，僅僅是第一步。對于智能而言，放到2035作為重點，恐怕都未必太晚。
　
　中國當(dāng)下，似乎把制造業(yè)轉(zhuǎn)型重點放在了智能制造上。然而，中國絕大部分企業(yè)連數(shù)字化制造都沒有摸門，如果奢談智能制造，中國制造將很容易進(jìn)入了一個迷霧陣。智能制造是2025的主戰(zhàn)場，這一選擇，難免過于樂觀。而這會誤導(dǎo)中國制造2025的大好氣候。
　
　智能制造沒有版本論
　
　越來越多的實踐和輿論表明，工業(yè)4.0可以看成是德國制造最強有力的一次國家營銷之筆。筆者在三年前，就對此深懷警惕之意。至少現(xiàn)在，大多人已經(jīng)開始將工業(yè)4.0跟第四次工業(yè)革命區(qū)分開來。
　
　如果從工業(yè)歷史發(fā)展階段，來嚴(yán)格地地考察工業(yè)4.0到底是什么？那么很難給出一個令人信服的結(jié)論。它看上去，更像是一個版本概念，不過是一個武斷的工業(yè)斷代史思路，是歷史階段論的說法。如果這樣理解，那么就難免會有補課論之說。
　
　因此，工業(yè)2.0補課、工業(yè)3.0普及、工業(yè)4.0示范就會出現(xiàn)。這種說法，正是對工業(yè)4.0斷代史思維的一種本能式的應(yīng)激反應(yīng)。
　
　人工智能+制造最終目的是加快制造業(yè)轉(zhuǎn)型升級
　
　中國社會科學(xué)院工業(yè)經(jīng)濟(jì)研究所和騰訊研究院共同研究編制的《人工智能+制造產(chǎn)業(yè)發(fā)展研究報告》認(rèn)為，對于復(fù)雜的制造業(yè)來說，互聯(lián)網(wǎng)的定位更應(yīng)該在助力者而非顛覆者，幫助制造企業(yè)加快轉(zhuǎn)型升級的步伐。
　
　人工智能+制造本質(zhì)是追求人機(jī)協(xié)同
　
　人工智能作為一類信息技術(shù)，誕生于20世紀(jì)50年代，幾乎與計算機(jī)同步。60多年來人工智能涉及的技術(shù)和派系眾多，學(xué)界并沒有一個明確的定義。對于大多數(shù)公眾而言，從其發(fā)展目的的角度，可以簡單將其理解為與人類一樣聰明的人造機(jī)器。
　
　將這個聰明的機(jī)器放入制造業(yè)中，主要的作用就是使機(jī)器能夠達(dá)到甚至超過人類技工水平，以實現(xiàn)企業(yè)生產(chǎn)運營效率的提升。這個放入人工智能的智能化過程，與過去制造業(yè)追求自動化的過程實際上有本質(zhì)的差異。自動化追求的是機(jī)器自動生產(chǎn)，本質(zhì)是機(jī)器替人，強調(diào)大規(guī)模的機(jī)器生產(chǎn)；而智能化追求的是機(jī)器的柔性生產(chǎn)，本質(zhì)是人機(jī)協(xié)同，強調(diào)機(jī)器能夠自主配合要素變化和人的工作。
　
　因此，人工智能+制造未來所追求的，不應(yīng)是簡單粗暴的機(jī)器替人，而應(yīng)是將工業(yè)革命以來極度細(xì)化、甚至異化的工人流水線工作，重新拉回以人為本的組織模式，即讓機(jī)器承擔(dān)更多簡單重復(fù)甚至危險的工作，而人承擔(dān)更多管理和創(chuàng)造工作。
　
　人工智能+制造必然走向平臺模式
　
　制造業(yè)是一個龐大的產(chǎn)業(yè)，同一個廠房里，可能有好幾種來自不同廠家的生產(chǎn)設(shè)備，這些設(shè)備往往采用各自的技術(shù)和數(shù)據(jù)標(biāo)準(zhǔn)，彼此之間并不能直接連通和交互。不同的工廠乃至不同的制造業(yè)企業(yè)，差異就更大了。這樣的差異使得傳統(tǒng)制造業(yè)信息化難度大、效率提升有限。
　
　互聯(lián)網(wǎng)的普及和發(fā)展催生了平臺模式，平臺內(nèi)信息傳播的速度大大增加、交易成本大大降低，有效促進(jìn)了經(jīng)濟(jì)效率的提升。近幾年，互聯(lián)網(wǎng)的這個模式逐漸擴(kuò)展到了各行各業(yè)。對于制造業(yè)而言，這個模式就是工業(yè)互聯(lián)網(wǎng)平臺。
　
　未來人工智能+制造的實現(xiàn)的重要基礎(chǔ)就是這個平臺，由這個平臺為產(chǎn)業(yè)提供通用的算力（工業(yè)云計算和邊緣計算）、算據(jù)（工業(yè)大數(shù)據(jù)）和算法（工業(yè)人工智能）能力，從而推動整個產(chǎn)業(yè)的轉(zhuǎn)型升級。根據(jù)調(diào)研公司MarketsandMarkets的數(shù)據(jù)顯示，這三部分代表的全球工業(yè)互聯(lián)網(wǎng)平臺市場規(guī)模占整體人工智能+制造的比例，將從2016年的24%增長為2025年的36%，達(dá)到2.6千億美元。
　
　互聯(lián)網(wǎng)助力人工智能+制造的三類典型場景
　
　互聯(lián)網(wǎng)經(jīng)過數(shù)十年發(fā)展，已成為信息革命的中堅力量，也是當(dāng)前人工智能技術(shù)發(fā)展的領(lǐng)航者。其連接、數(shù)據(jù)、云、算法和安全等五方面的經(jīng)驗與積累，能夠有效支持其推動人工智能與各產(chǎn)業(yè)結(jié)合落地。對人工智能+制造而言，目前互聯(lián)網(wǎng)助力的典型場景主要有三類：
　
　一是產(chǎn)品注智，從軟件到硬件的智能升級。互聯(lián)網(wǎng)可以將其人工智能算法，以能力封裝和開放方式嵌入到產(chǎn)品中，從而幫助制造業(yè)生產(chǎn)新一代的智能產(chǎn)品。如谷歌開發(fā)出專用于大規(guī)模機(jī)器學(xué)習(xí)的智能芯片TPU、騰訊AI開放平臺對外提供計算機(jī)視覺等AI能力等。
　
　二是服務(wù)注智，提高營銷和售后的精準(zhǔn)水平?；ヂ?lián)網(wǎng)可利用其人工智能算法，為制造企業(yè)提供更精準(zhǔn)的增值服務(wù)。一是售前營銷，以人工智能進(jìn)行用戶側(cè)需求數(shù)據(jù)的多維分析，實現(xiàn)更實時、精準(zhǔn)的廣告信息傳遞；二是售后維護(hù)，以物聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能算法，實現(xiàn)對制造業(yè)產(chǎn)品的實時監(jiān)測、管理和風(fēng)險預(yù)警。如三一重工結(jié)合騰訊云，把分布全球的30萬臺設(shè)備接入平臺，利用大數(shù)據(jù)和智能算法，遠(yuǎn)程管理龐大設(shè)備群的運行狀況，有效實現(xiàn)故障風(fēng)險預(yù)警，大大提升了排障效率并降低維護(hù)成本。
　
　三是生產(chǎn)注智，增強機(jī)器自主生產(chǎn)能力?；ヂ?lián)網(wǎng)可幫助制造企業(yè)，將人工智能技術(shù)嵌入生產(chǎn)流程環(huán)節(jié)中，使得機(jī)器能夠在更多復(fù)雜情況下實現(xiàn)自主生產(chǎn)，從而全面提升生產(chǎn)效率。目前主要應(yīng)用在工藝優(yōu)化，即通過機(jī)器學(xué)習(xí)建立產(chǎn)品的健康模型，識別各制造環(huán)節(jié)參數(shù)對最終產(chǎn)品質(zhì)量的影響，最終找到最佳生產(chǎn)工藝參數(shù)；智能質(zhì)檢，即借助機(jī)器視覺識別，快速掃描產(chǎn)品質(zhì)量，提高質(zhì)檢效率。
　
　總之對于復(fù)雜的制造業(yè)而言，互聯(lián)網(wǎng)需要更多從合作者、助力者、服務(wù)者的角度看待。正如騰訊董事會主席兼首席執(zhí)行官馬化騰所言，騰訊不會進(jìn)入各行各業(yè)取而代之，而是做好連接、工具和生態(tài)三個角色。在此基礎(chǔ)上，人工智能等新一代信息技術(shù)才能更有效地發(fā)揮作用。
　
　悟空話務(wù)電話機(jī)器人' target='_blank'>電話機(jī)器人