当下，苦于劳动力成本上涨、人口老龄化重压、人工误差导致的生产效率低下的传统工业企都在期望通过智能化变革降本增效。近年来，工业制造行业的企业开始纷纷布局并采用人工智能技术，包括机器学习、深度学习、计算机视觉以及在机器人、物联网、云计算等方面的泛化应用，覆盖排产、质检、维护、管理等场景。
例如，西门子已经能够为客户提供不同类型的人工智能硬件，TM NPU是一个神经网络计算单元，能够直接在西门子S7-1500和ET200MP之外附加的一个模组，这个模组能够与西门子现有的PLC进行连接。再比如，施耐德电气正在采用“AI训练”的方式让机器去学习这些老专家的经验，从而将“人的经验”进一步转化成“系统的经验”。
三大应用主战场
目前来看，人工智能主要可以为制造业解决三类问题：
帮助企业提升自动化效率和精确度，提高制造业智能化运营水平并降低运营成本；
预测市场趋势并安排生产计划，按需生产，并使各个环节在满足需求；
提升质检水平，提高产品良品率。
其中，结合了人工智能的机器视觉技术在工业领域中应用广泛，核心功能包括产品识别、测量、定位及检测，是实现产品分拣、装配、搬运、质检等多个生产环节智能化转型的核心技术，相较于人工生产具备降本增效等显著优势。
例如，质检分拣作为工业最关键的环节，AI技术的应用被寄予厚望。
一方面，人工质检准确性低、速度慢，影响生产效率。在传统工业流程中，传统质检主要通过人工进行产品质量检查、产品分拣，但人工检测有延时和误差，一定程度上会影响质检的准确性。而且，少量作业时人工检测的方式可取，但任务重的时候，检查效率低，审核质量不稳定出现的概率会增加。
另一方面，质量检测的人力投入成本高，招聘难且人员离职率高。不可否认，随着国内劳动力成本不断提升，成本高、效率低也就成为阻碍工业企业快速发展的“拦路虎”。
趋势还是噱头，争论不休
谈及人工智能，有人认为它是数字化转型的核心，对数字化转型将起到推动作用，有人则认为更倾向于一种噱头，不适合所有企业。
这些企业认为实施AI就必须成为数据科学的专家，顾虑开发AI系统既费时又费钱，工厂内缺乏高质量的标记数据，担心将AI集成入现有算法和系统之中成本高而且很复杂。面对这一系列难点，我们不得不思考，工业企业一定要实施AI技术吗？AI能不能为工业企业带来实际的价值？AI与工业的融合会遇到怎样的挑战？
小编看到过这样一段描述：
某客户在刚开始接触AI时，非常兴奋，表示出极大的意愿尝试，用人工智能解决之前不可解的工业视觉难题。比如传统方法的识别准确率只有50%，而AI很短时间内就可以做到超过80%。
数据上直观的提升给了该客户巨大的期望，推动投入更多资源。可是当进行大量样本测试时，尽管增加一定的数据可以让模型准确度进一步提升，比如达到90%，但瓶颈随之出现。
盲目增加数据，带来效果不一，有的缺陷项检测效果可能变好，有的准确率反而会下降。
更有人说，这种情况在AI落地工业检测过程中遇到的概率高达90%以上，几乎是必遇的坑。
尽管许多行业都热衷于部署AI，但大多数行业和用户其实并不能充分地控制和利用数据。现阶段，AI发展的核心就是数据。而纵观国内，部分企业可能远没有足够的传感器采集关键变量的数据，有的企业可能耗费资源收集了大量数据，但收集上来的数据却并非有效数据。
工业人工智能的难点就在于没有清晰的规则和边界，再叠加上数据样本少、准确性要求高等条件，使得工业人工智能应用的难度较大。
图片
网络上总结的工业AI实施难点案例
同时，正如我们一直所说的工业场景非常复杂，流程工业与离散工业更是各不相同，细分行业数量较多，且同行业内工艺、生产线、产品的差异性较高，基于海量样本实现的深度学习技术难以在工业领域实现落地。人工智能必须根据制造业的具体场景进行定制。再者，很多企业都缺乏人工智能相关的知识，缺少专业技术人才，也就无法顺利开展人工智能技术的应用工作。
因此目前中国工业领域的整体AI渗透率还较低，AI技术的应用规模也较小。不同行业应用人工智能的程度更是有所不同，3C电子、汽车等自动化程度高的行业的应用程度就会较高一些。
难点老生常谈，稳步前行才是关键
上文所说的工业与AI的融合难点其实都已经属于老生常谈，在小编近日的一个采访中，某国内企业负责人就表示，推动人工智能的应用，这些问题大家都知道，也在慢慢解决，毕竟为了企业能够更好的发展，我们在一定程度上还是认可这个技术的，所以当前我们更多的关注点是在成本上。
一番言论下来，小编发现其实推动AI应用早已达成共识。那么，自然而然，AI寒冬论也就不攻自破了。根据德勤的一项调查显示，83%的企业认为人工智能已经或在将来五年对企业产生实际可见的影响。
虽然近些年，很多人会觉得AI要么大火，要么就是大凉，小编认为热度虽渐消，但从目前的发展来看，起码步履沉稳，很多企业都在低调的稳步推进。毕竟，有时候市场上过热的讨论并不利于技术的发展。
最后，小编也想和广大的中小企业说，并非技术“先进”就一定都要去做。的确，数字化转型需要人工智能的参与，但人工智能也是一项工具。对于是否采用这一工具，重要的还是要看企业自身的需求、能力。当企业清楚自身想要解决的问题，清楚如何应用人工智能解决问题，并把人工智能应用在其整个工作流程中，它才能真正发挥它的价值。
