工业人工智能影响工业？

1.工业人工智能对工业的影响

（1）工业视觉

涉及机器视觉、图像处理、模式识别/机器学习等相关人工智能技术。配合传感器或机器人等不同的载体，计算机视觉能够辅助生产流程中需求“感知”的任务。如配合机械设备完成更精准的定位，识别更复杂的加工对象，或是在质检方面取代人力对产品进行测量等等。

（2）工业机器人

包含机械臂、运输载具、智能机床等技术。通过搭载机器学习算法、路径规划等技术，工业机器人能够实现高精度和更加复杂的操作。相比于传统工业设备只能对单一类型的产品，搭载人工智能的设备能够适应不同的工作环境和加工对象，更容易实现柔性生产。

（3）工业物联网

通过智能传感器、智能仪表盘等设备对生产设备的运作状况进行实时监控和数据收集。另外，搭载机器学习等智能算法的物联网系统能够自动判别设备异常状况，提前发出警告以及将工作数据可视化以方便技术团队进行更高效的维护，从而减少停机时间。

（4）工业云计算

囊括工业云平台、工业物联网、机器学习算法等技术的综合应用云平台能够解放厂商对数据存储的实体设施的需求结合物联网设备所收集的数据和云平台强大的计算力配合机器学习，再配合人工智能模型进行分析，工业云能够实现如生产线监控、设备的自我诊断、预测性维护等任务。

2工业人工智能的应用

在国家大力发展“中国制造2025”及全社会的热潮和推动的大背景下，各种新技术（如深度学习、人工智能、大数据、区块链等）加速在工业领域应用。

（1）视觉检测

相较传统视觉技术对不规则缺陷的识别能力的不足，人工智能预测准确率将随着数据量的提升而持续优化，以实现生产质量数据的全面掌控，为流程优化和工艺再造提供关键数据支持，可以说人工智能工业质检解决方案将全面赋能工业。

在深度神经网络发展起来之前，机器视觉已经长期应用在工业自动化系统中，如仪表板智能集成测试、金属板表面自动控伤、汽车车身检测、纸币印刷质量检测、金相分析、流水线生产检测等等。视觉检测应用大体分为拾取和放置、对象跟踪、计量、缺陷检测几种，其中将近80%的工业视觉系统主要用在检测方面，包括用于提高生产效率、控制生产过程中的产品质量、采集产品数据等。

在人工智能浪潮下，基于深度神经网络，图像识别准确率有了进一步提升，也在缺陷检测领域取得了更多的应用。国内不少机器视觉公司和新兴创业公司，也都开始研发人工智能视觉缺陷检测设备，涵盖了从光源、工业镜头、相机、图像采集卡等多种机器视觉产品。

（2）视觉分拣

许多需要分捡的作业如果采用工业机器人，可以大幅减低成本、提高速度。但是需要分捡的零件一般是没有整齐摆放的，机器人必须面对无序的环境，需要机器人本体的灵活度、机器视觉、软件系统对现实状况进行实时运算等多方面技术的融合，才能实现灵活的抓取。近年来，国内陆续出现了一些基于深度学习和人工智能技术，解决机器人视觉分拣问题的企业，通过计算机视觉识别出物体及其三维空间位置，指导机械臂进行正确的抓取。

（3）故障预测

在制造流水线上有大量的工业机器人。如果其中一个出现了故障，当人感知到这个故障时可能已经造成大量的不合格品，从而带来不小的损失。基于人工智能和物联网技术，通过在工厂各个设备上加装的传感器，故障预测平台可利用传感器采集前端设备的各项数据，然后利用预测性分析技术以及机器学习技术提供设备预测性诊断、启动设备运行维护、能效优化建议等解决方案，帮助工业客户改善生产力、可靠性以及安全性。

故障预测还处于试点阶段，成熟运用较少。一方面，大部分传统制造企业的设备没有足够的数据收集传感器，也没有积累足够的数据；另一方面，很多工业设备对可靠性的要求极高，即便机器预测准确率很高，也不能达到运行要求。此外，投入产出比不高，也是人工智能故障预测的一项缺陷。故障预测功能应用后，如果成功能可以减少5%的成本，但不成功反而可能增加成本，导致不少企业宁愿不用。

总体而言，人工智能在工业领域的应用才刚刚开始，还有不少潜在应用场景值得去探索和发掘。

3挑战与机遇

（1）工业人工智能应用的局限性

技术的缺口

芯片技术的薄弱和工业软件上的缺口使得厂家需要以高昂的成本引进国外技术。而自行研发技术的成本则需要大量资源和时间的投入，并非一朝一夕能够达成。

数据的匮乏

使用机器学习技术需要大量高质量数据，而工业数据充满着不稳定性，而部分领域甚至没有数据提供。

标准的缺失

基于不同地区在制造业上的标准存在差异，甚至对精度的要求和定义也各不相同，难以实现技术的广泛应用。

市场的低迷

工业制造领域的投资回报率较其他产业偏低，又缺少短期效益，因此此限制了资本投入的规模。

（2）工业人工智能的未来趋势

数字双生的普及

借助传感器、历史数据、数字模型等素材在虚拟空间中完成实体设备的监控和管理。

人机交互界面的创新

基于云平台和物联网技术，设备监控等工作不局限于计算屏幕，可通过移动设备或增强现实设备进行。

预测性维护的应用

通过机器学习算法和物联网技术，预测性维护能够主动发掘设备故障的风险，改变被动的维修模式。

边缘计算的提升

虽然云平台能够为物联网组件提供计算支持，但强大的边缘计算功能可以增幅物联网设备对于数据的实时监控、处理以及分析工作。

2.IAI OpenLab总览

工业人工智能开放实验室（Industrial Artificial Intelligence OpenLab, IAI OpenLab）由慧材技术（LeadAI）、丽台科技（LeadTek）、中核普达（CNPM）、东华大学工商管理学院（DHU BMS）、嘉加德必易园（E-Manor）等机构联合设立，设立IAI OpenLab是贯彻落实国务院《新一代人工智能发展规划》、推进科技创新的重要举措。

IAI OpenLab以未来新一代工业自动化、智能化为研究对象，潜心工业人工智能基础理论和基本方法源头创新及技术应用，致力于工业人工智能关键核心技术突破和颠覆性创新；积极推进工业人工智能技术工程化和产业化，强化产、学、研、商多极融合，加速成果转移转化；统筹推进相关领域科研与教学融合，推出一批工业人工智能领域专家和专业人才。

1远景与使命

IAI OpenLab的愿景——

成为国内一流的工业人工智能技术与应用创新合作平台

IAI OpenLab的使命——

推动人工智能、大数据技术在工业领域的研发及应用

2服务领域

IAI OpenLab专业聚焦于工业人工智能的科技研发、技术服务、人才培养、系统开发与相关实验室建设。

工业领域——

汽车产业、纺织产业、流通产业、能源产业，等等。

其他领域——

工程建设、公共安全、金融、医疗、教育、媒体、物流，等等。

主要技术——

高性能计算、自然语言处理、图像与视频、智能数据处理、区块链、物联网，等等。

3解决方案伙伴计划

IAI OpenLab聚焦于工业人工智能的科技研发、技术服务、人才培养、系统开发与相关实验室建设，推出解决方案伙伴计划（Solution Partner Program, SPP）致力于构建“开放、协作、共赢”的生态系统。

参见“3.解决方案伙伴计划”。

4运营模式

基于SPP，IAI OpenLab定义了三种与解决方案伙伴合作向客户提供服务的业务运营模式——

A.分别就各自产品向客户提供支持

B.IAI OpenLab协调整体解决方案的客户支持

C.解决方案伙伴协调整体解决方案的客户支持

参见“4.运营模式”。

3.解决方案伙伴计划1计划简介

IAI OpenLab的合作伙伴级别分为：领先级、优选级和认证级。

在满足必要条件下，提出申请并经IAI OpenLab审核通过后，方成为相应级别的解决方案伙伴。领先级解决方案伙伴仅在IAI OpenLab邀请情况下加入。

2伙伴权益基于已经部署的技术专家及实验室资源，IAI OpenLab支持解决方案伙伴开发工业人工智能业务应用的解决方案，并支持将这些宝贵的业务方案走向市场，为客户带来价值，为合作伙伴商业成功助力。

IAI OpenLab向解决方案伙伴提供技术、设备、营销等支持，帮助伙伴与IAI OpenLab构建方案、拓展市场、获取收益，各级别合作伙伴享受不同的支持权益。

IAI OpenLab将根据支持资源的变化制定并调整对合作伙伴的支持政策。合作伙伴享受支持政策必须遵守相关规范和要求。