【產業鏈圖譜 | 人工智能產業鏈圖譜_人工智能產業鏈全景圖】

【研究報告 | 人工智能行業研究報告】

經過數十年的發展，互聯網在生活和工業生產中發揮的作用也愈加深刻。受到云連接，數據和云等發展的影響，現在的人工智能行業也在實現和其他產業的結合。在具體的應用中場景有哪些呢?

一是產品注智，從軟件到硬件的智能升級。互聯網可以將其人工智能算法，以能力封裝和開放方式嵌入到產品中，從而幫助制造業生產新一代的智能產品。如谷歌開發出專用于大規模機器學習的智能芯片TPU、騰訊AI開放平臺對外提供計算機視覺等AI能力等。

二是服務注智，提高營銷和售后的精準水平。互聯網可利用其人工智能算法，為制造企業提供更精準的增值服務。第一，售前營銷，以人工智能進行用戶側需求數據的多維分析，實現更實時、精準的廣告信息傳遞;第二，售后維護，以物聯網、大數據和人工智能算法，實現對制造業產品的實時監測、管理和風險預警。如三一重工結合騰訊云，把分布全球的30萬臺設備接入平臺，利用大數據和智能算法，遠程管理龐大設備群的運行狀況，有效實現故障風險預警，大大提升了排障效率并降低了維護成本。

三是生產注智，增強機器自主生產能力。互聯網可幫助制造企業將人工智能技術嵌入生產流程環節中，使得機器能夠在更多復雜情況下實現自主生產，從而全面提升生產效率。目前主要應用在工藝優化，即通過機器學習建立產品的健康模型，識別各制造環節參數對最終產品質量的影響，最終找到最佳生產工藝參數;智能質檢，即借助機器視覺識別，快速掃描產品質量，提高質檢效率。

實現制造的智能化，主要是正是打通這些數據孤島，實現數據的全局化利用。在實現必要的自動化之后，達成智能制造總體分為三步：

第一步是在盡可能實現自動化的同時通過更多的信息采集媒介將原先以其他形式存在的數據采集至統一的分析載體中;第二步是利用統一的系統管理這些數據;第三步則是通過對數據的分析利用，提高效率，作出決策，實現整體的提升。

信息數據采集

這些信息采集技術能夠將傳統生產中無序而大量的數據進行收集和初步的處理。舉例來說，通過視覺工業相機等人工智能領域的視覺識別媒介，在設定好識別對象和特征、方向、形狀和位置等參數之后，運用人工智能范疇的視覺識別技術對外觀上出現組裝錯誤、表面缺陷、損壞和缺失特征的產品進行篩選，分辨次品和良品;通過RFID(Radio Frequency Identification)射頻識別技術對產品的運轉、物流跟行追蹤記錄。

系統管控數據&分析利用實現提升

工業軟件系統和云技術能夠對數據進行有效的清洗和管理，并作出合理地分析。一個其他角度的容易理解的例子是地圖軟件app。這些地圖軟件就是將地圖數據和城市交通部門對堵車路段獲取的實時情況進行結合，給用戶展現出了標注堵車情況的地圖并進行導流，提高了交通運輸的效率。

實時路況信息和地圖信息的結合

另外肖云也舉了阿里云在智能制造中參與見證的實例進行說明。協鑫新能源作為光伏行業的領軍企業，工廠自動化程度極高，幾乎實現了無人運轉，但是他們對其中產生的巨量數據卻無法做到有效的利用。

通過打通原本不相互連通的數據孤島，再加以組合分析，就能獲得新的結論和規律進行效率的提升。在以往這一過程需要運用人類的聰明才智和長年累月的總結實現，但在工藝越來越復雜、參數越來越多的今天，人力已經越發無法輕松自如地對生產、管理過程做出決斷和改進。

人工智能的數據收集和數據處理能力能夠在工業生產中發揮作用，對于工作人員要實行的操作和管理進行良好的規劃，而人工智能的演技更深入也對實現更多的智能決策提供了可能性。