腾讯-人工智能+制造 产业发展研究报告.pdf

《腾讯-人工智能+制造 产业发展研究报告.pdf》由会员分享，可在线阅读，更多相关《腾讯-人工智能+制造 产业发展研究报告.pdf（48页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、“人工智能+制造”产业发展研究报告概念、趋势与互联网赋能机会2018年6月目录“人工智能+制造” 的现状“人工智能+制造” 的概念互联网助力 “人工智能+制造”“人工智能+制造” 的影响010203040506“人工智能+制造” 政策借鉴加快推进“人工智能+制造” 对策建议“人工智能+制造”的概念什么是人工智能什么是“人工智能+制造”人工智能如何“+”制造01为什么要研究“人工智能+制造”？工业困局信息革命发达国家：产业空心化， 赚了利润但丢了就业，且 贸易逆差发展中国家：产业低值化， 赚了收入和就业，但丢了 利润和环境算据：大数据算力：云+边缘计算算法：深度神经网络信息技术的发展，对各行各

2、业效率提升提供了可能英国：高价值制造、人工智能 发展计划美国：先进制造、工业互联网、 制造业回流德国：工业4.0日本：机器人新战略、工业价 值链、社会5.0中国：中国制造2025、新一 代人工智能规划概念三问问题1：什么是人工智能？波士顿动力的自主机器狗DeepMind的围棋阿法狗本田的人 行机器人 ASIMODeepMind模拟老鼠网格 细胞的定位与导航历史：理论+专家系统符号主义 （逻辑）联结主义 （仿生）行为主义 （控制）当前：大数据+深度学习深度神经网络大规模、无监督、多层次非结构数据处理突破（图像、语音）算法突破算力飞跃互联网50亿连接，积累了海量数据（主要是人）物联网500亿连接，

3、开启更大规模数据的来源： 机器、政府、生物、环境CPU-GPU-TPU，计算速度和效率大幅提升云+边缘计算，低成本、海量计算资源光刻等技术进一步发展，芯片越来越小，端处 理能力持续提高算据激增ImageNet大赛 2014：Google-22层 2015：MS-152层 2016：商汤-1207层 错误率：6.7%-3.6%-3.1%年增长率47% 2017年超10EB/月TPU速度=15-30倍GPU GPU速度=1-3倍CPU数据来源：上图-Survey of neural networks in autonomous driving，Gustav von Zitzewitz，2017.7

4、；中图-Google Cloud官网；下图-Global Mobile Data Traffic Forecast Update, 20162021 White Paper，Cisco未来：小数据+大任务当前：“大数据、小任务”海量数据局部、特定问题（如计算下棋落子的位置）“暴力”计算未来：“小数据、大任务”少量数据全局问题独立闭环（如像人一样到场-落座-下棋-离场）“精确”计算问题2：什么是“人工智能+制造”？“人工智能+制造”简史历史：专家系统辅助制造20世纪60-80年代，根据“知识库”和“if-then”逻辑推理构建的“专家系统”，在矿藏 勘测、污染物处理、太空舱任务控制等方面得到初步

5、应用专家系统实际上只是一定程度上实现了这些环节和流程的分析和自动化，对于错综复杂的现 实问题只能提供有限的辅助参考当前：深度学习优化制造人工智能及相关技术融合应用，逐步实现对制造业各流程环节效率优化。主要由工业物联网 采集各种生产数据，放到云计算资源中，通过深度学习算法处理后提供建议甚至自主优化未来：人机融合协同制造机器和人将重新磨合成新的相互配合、补充、协同工作的平衡关系。未来智能制造将以人为 中心，统筹协调人、信息系统、和物理系统的综合集成大系统，即“人-信息-物理系统” （human-cyber-physical systems, HCPS）问题3：人工智能如何“+”制造？“人工智能+制

6、造”魔方体系模型技术范式数字化：可编程网络化：可协同智能化：可自主生产组织工厂：生产单元自主企业：企业各部门协同生态：供应链+客群连接价值形态产品：人性化功能制造：人机协同生产服务：个性化服务“人工智能+制造”的现状产业规模典型案例面临挑战02产业结构：从单一链到嵌套网嵌套网单一链物体数字体物体与数字体映射，一个变另一个也变物流信息流多个物体的变化形成物流，对应的数字 体变化汇聚为信息流，通过洞察信息流 通盘管理整个物流制造业信息业两个产业融合，形成新的产品、生产组 织方式、满足新的需求AI+实质是两化融合的高阶产业结构：六大典型领域基础平台应用?制造业物联网?制造云 （公有）制造业大数据及商

7、 业分析?制造业 人工智能（算法）?工业机器人?智能工厂应用/解决方案DCSPLCMESERP产业规模：1千亿到7千亿，连接/平台贡献大整体规模2016年约为1.2千亿美元2025年将超过7.2千亿美元复合年均增长率预计可超过25%具体组成连接：工业物联网4.7%-14%，增长近10%平台：制造云、大数据和人工智能24%- 36%，增长12%。在互联网领域发展成熟 的平台生态模式，将成为制造业智能化转型 升级的重要选择数据来源：MarketsandMarkets的Industrial Robotics、IIoT、Artificial Intelligence in Manufacturing、

8、Smart Factory，以及IDC的public cloud services、Big Data and Business Analytics等研究报告数据整合分析六大细分领域特点领域典型技术/产品典型适用行业工业机器人传统机器人仍然占据市场主体协作机器人将会呈现高速增长金属和机械行业应用增速最显著；包装、物料处理和自动化机械工具等较多制造业物联网广义包括基础-平台-应用-方案具体分为托管服务和专业服务各子行业、全流程都将广泛适用制造云IaaS/PaaS是未来主要增长离散型由于环境分散、过程复杂，更需要制造业大数据及商业分析非关系型数据存储和认知软件平台增长最强劲其他：内容分析、搜索系统、

9、IT和商业服务等资产型制造（如机器装备，资产跟踪和管理）品牌型制造（如快消品，实时精准营销）技术型制造（如电子产品，供应链监测和管理）制造业人工智能技术：计算机视觉目前占比最大产品：预测性维护和机械检查目前占比最大主要应用于工序复杂的行业目前汽车行业人工智能技术应用最多智能工厂应用/解决方案分布式控制系统（DCS）目前占最比最大。结合大 数据和人工智能可有效实现预测性防护和优化制造执行系统（MES）预计未来增速最快。生产执 行操作和管理，能够有效缩时、提产汽车行业将占全球智能工厂市场最高份额，因 新一代电动和智能汽车规模发展石油天然气工厂对安全性和可靠性需求日益增 加，因此采用智能工厂预计会最

10、高案例1研发设计，大幅降低不确定性成本基于卷积神经网络的新药研发（Atomwise）【启示】【效果】：快+便宜（相比传统技术*）节省一半早期药物筛选实验的数量大大提高结果成功率【方案】：超级计算机（IBM蓝色基因）+独家 算法（AtomNet）学习：分析学习已有数据库发现：数字化模拟药品研发过程，对基本的化学基 团（如氢键、单键碳等）组合发掘新的有机化合物测试：分析化合物的成效关系评估：新药结构组成和风险*DOCK和Autodock-smina研发设计环节，人工智能可基于海量数据建模 分析，将原本高不确定性、高成本的实物研发、 转变为低成本高效率的数字化自动研发对于制药、化工、材料等研发周期长

11、、成本高、 潜在数据丰富的行业，作用尤其明显【痛点】：研发 慢+贵新药研发 = 各种不同化合物组合与测试10-15年 + 5-10亿美元 = 一款新药研发成功钥匙开门锁配体有效结合蛋白质=案例2生产制造，柔性生产满足个性需求基于个人数据分析的批量定制（adidas）【启示】【效果】：快+个性化 节省时间：18个月 - 1周，完成生产上架 成本不变，实现小规模、个性化定制【方案】：迅捷工厂（Speed Factory）*技术：3D打印+机器人手臂+电脑针织需求：依靠云端收集顾客足型和运动数据生产：按照顾客的喜好选择配料和设计，并在库卡 机器人手臂、电脑针织和人工辅助的共同协作下完 成定制*201

12、5年底在德国安斯巴赫（Ansbach）开设首家生产制造环节，人工智能可针对消费者个性化 需求数据，在保持与大规模生产同等、甚至更 低成本的同时，提高生产的柔性生产制造系统越柔性，越能快速响应市场需求 等关键因素的变化，尤其适合服饰、工艺品等 与消费者体征或品味等需求相关性强的行业【痛点】：同质竞争 - 价格战 - 低利润传统生产 = 标准化 + 大批量 = 同质竞争竞争差异化 = 个性化需求定制 = 高成本案例3质量管控，快速质检并保障质量基于视觉识别的质量检测（IBM）【启示】【效果】：快+高质量+成本节约 质检时间缩短80%、产品质量缺陷减少7%-10%、 节约重复性人工成本【方案】：视觉

13、洞察（Visual Insights）*技术：前台高清摄像头 + 后台Watson算法建模：Watson中央学习服务器通过训练不断识别 合格和异常产品图像差异从而建模分析判断：摄像头捕捉产品组件在生产和组装过程 中的图像，提供给Watson进行分析检查：人工检查员进行二次检查和确认*基于IBM物联网和人工智能平台（Watson）能力质量管控环节，人工智能结合物联网和大数据 技术，能够实现对产品质量的自动检测扩展到 生产的全流程，从而不仅提高质检效率，甚至 能指导工艺、流程等改善，提高整体良品率尤其适合材料、零配件、精密仪器等产量大、 部件复杂、工艺要求高的行业【痛点】：人工速度慢、误差多、成本

14、高传统质检 = 人工为主 = 精度有限 = 次品漏检人工经验难量化，难以指导产线优化案例4供应管理，精准掌握供需变化提效能基于需求感知的库存动态调整（Tools Group）【启示】【效果】：快+精准 有效减少50%的预测误差、提高20%的库存性能， 并能有效优化库存分布【方案】：端-端供应链优化组件SO99+*组件组成：需求、计划和库存需求预测：基于贸易促销和媒体活动预测；基于新 产品介绍预测；基于社交聆听预测；基于极端或复 杂的季节性预测；基于气候数据预测供应优化：多级库存、计划生产等动态调整，最终 实现采购和补货的半自动甚至全自动化*将机器学习引入供应链管理开发新软件供应管理环节，人工智

15、能在于建立更实时、精 准匹配的供需关系。即通过掌握和预测需求动 态变化，以进行更有效的供应链调整优化更适合于快消、零配件等市场需求变动较大、 供应链较复杂的行业【痛点】：供应链效率低、成本高技术有限 - 需求预测不准 - 供应响应不足导致：库存管理成本提高 + 最终用户体验差案例5运营维护，提前预测和解决故障风险基于运营数据分析的预测性维护（Microsoft）【启示】【效果】：全天候+节约 如电梯制造服务商thyssenkrupp，借此减少50% 电梯停运时间、节约15%维护费用【方案】：预测性维护*技术：物联网+云计算+机器学习步骤：确定预测目标和结果、明确数据源、获取及 整合数据、建模、

16、测试和迭代、现场操作验证、融 入运营功能：设备或产品运营状态的实时监测和健康预警*Microsoft将其搭载在物联网平台上作为服务项运营维护环节，人工智能在于对设备或产品的 运行状态建立模型，找到与其运行状态强相关 的先行指标，通过这些指标的变化、能够提前 预测设备故障的风险，从而预防故障的发生对于设备或产品故障成本高的行业意义重大， 比如装备、精密仪器等【痛点】：故障事后处理，高成本有限状态指标 + 缺乏预测模型 - 设备故障后处理 - 停机停产维修 - 高成本 面临挑战：四个主要方面 标准难落地政府和机构已牵头在建各种标准但不同线条的标准间仍存差异更重要的是，当前制造业设备很多来自国 外厂

17、商，多厂家软硬件不兼容的情况多见， 顶层设计的标准与复杂的现状一时难以匹 配落地 技术有缺口缺关键自主技术（如芯片、核心装备部件、 软件/算法等）导致产业受制（如美国最新针对中国制造 2025贸易战）但关键技术、尤其是基础技术需要长期大 量投入研发，短时难突破 管理模式旧工业时代的大规模、标准化生产，造成制 造企业管理仍然以金字塔、多层次、细分 化为主这种模式，组织末梢人员任务单一、弹性 弱，难适应快速变动的市场而人工智能的普及，更可能需要新的人机 协同分工机制设计 资本投入少近年来制造业普遍利润不高，投资回报率 相对其他高新领域低，商业资本的关注度 走低而制造业的改造升级，又需要长期大量的

18、资本投入，短期效益可能很难显现，资本 投入就更偏谨慎“人工智能+制造”的影响整体产业影响分类产业影响03人工智能+对制造业影响的四个角度 改变就业市场结构性失业：50%*的现有工作可能被替 代，制造业就业人口缩减创造新职业/岗位：针对机器的开发、管 理、维护等岗位增加人机赛跑的拐点？就业数量绝对减少的拐 点可能到来* 提高生产效率增效：柔性生产、全天候生产提质：降低人为错误、持续工艺改善，提 升成品率降本：重复性、危险性工作机器替人；生 产废料、时间等成本节约 优化产业结构淘汰：大部分传统“非智能”产品，尤其 是电子制品改造：部分产品被逐渐“注智”，变成新 产业，如自动驾驶汽车孕育：新的智能产

19、业，如算法公司 重构国际分工削弱传统劳动力比较优势工业强国向下游、工业大国向上游，争夺 更多价值空间地理上的国家国际分工，可能进一步形成 新跨国平台间的竞争与合作*李开复：50%的工作将被AI取代，第48届世界经济论坛年会发言，新浪财经，2018年05月05日；*布林约尔松与机器赛跑，东西文库，2013年01月20日人工智能+对不同制造业的影响差异比较行业类型特征典型行业发展瓶颈人工智能作用劳动 密集型低劳动力成本 为核心竞争力加工组装 （家电、电子产品）人工成本不断提高 工人不稳定性影响品质减少人工 降低人工造成的品质 不稳定资本 密集型固定成本占比高材料 （冶金、化工）柔性化程度低不能满足

20、 定制需求实现低成本定制化 生产技术 引领型依靠技术进步 获得竞争力高新 （生物医药、航空航天）技术研发的风险、不可 控和长周期提高技术研发成功率 缩短研发周期市场 变动型产品生命周期短快消品 （服装、食品）难以准确预测市场走向准确预测和快速响应 市场互联网助力“人工智能+制造”互联网助力的基础互联网助力的模式互联网助力的实践04互联网助力的五大基石连 接安 全数 据算 法云用户-产品海量用户连接， 可扩展为用户和 产品/企业的连接信息-物理多年信息安全经验， 将成为企业生产经 营物理安全的保障需求-生产基于海量用户连接 洞察趋势，能帮助 企业生产贴近需求通用-专用数据挖掘推动智能 算法领先，

21、能为企 业直接调用和转化公有-私有海量数据推动云计算 建设领先，能有效转 化为对企业的服务互联网助力的三种典型模式智能+产品智能+服务智能+生产由软到硬算法嵌入产品人工智能成产品功能由硬到软卖产品转向卖服务销售变成智能运营由外到内从供需到生产从通用深入专用智能模式1：智能+产品智能+芯片智能+组件智能+产品从应用需求出发主导设计和开发更高性能的人工智能芯片为产业提供更有效的算力支持Google自主打造的张量处理 单元（TPU），专为大规模机 器学习定制将算法API化对外开放供企业调用并二次开发借助生态推动智能产品落地百度针对无人驾驶推出阿波罗 开放平台计划（Apollo）基于自身人工智能技术/

22、应用直接生产相应软硬件一体化的人工智能产品将此产品作为平台进一步发展Amazon智能音箱echo，内 嵌其人工智能语音助手alexa， 语音对话就能够控制操作模式2：智能+服务C端（用户）：功能即服务狭义：产品附加智能功能。比如在安全方 面，通过脸部、声纹等识别解锁；广义：产品可提供的所有智能应用。需智 能产品变成一个开放平台，使得各种开发 方可开发和提供丰富的应用B端（企业）：洞察即服务借助人工智能算法能够比较完整地勾勒出 用户的画像和需求特征一是售前营销：实现更实时、精准的广告 信息传递二是售后维护：对制造业产品的实时监测、 管理和风险预警例：Google专门为制造企业开发了制造商中心解决

23、方 案，为制造商的产品提供在Google全网的精准广告展 示，有效帮助制造商提升在线转化率模式3：智能+生产横向通用平台：基础设施用云计算构建工业云平台，在此基础上提供人 工智能算法能力方式一：自建，如阿里巴巴的ET工业大脑，自 建并主导IaaS和PaaS层，在SaaS层引入工业 软件等合作服务商；方式二：合建，如腾讯与 三一重工合作构建“根云”工业互联网平台纵向垂直应用：场景应用针对具体制造企业的某一生产环节，利用软、 硬件人工智能工具，提升该环节的生产效能。 主要应用在：一是工艺优化：即通过机器学习建立产品的健 康模型，识别各制造环节参数对最终产品质量 的影响，最终找到最佳生产工艺参数二是

24、智能质检：即借助机器视觉识别，快速扫 描产品质量，提高质检效率例：三一重工 的设备画像和 操作优化腾讯实践：“智慧 + 工业”典型案例 工艺优化 智能质检 预测性维保 工业互联网平台研发 设计生产 制造质量 管控供应 管理运营 维护工业平台腾讯案例1：工艺优化 - 亿纬锂能数字化上云：把产线上重要工序运行参数，实时接入工业物联网平台 参数学习建模：利用深度学习筛选出电池质量的关键参数 实时计算与优化建议：对各批次电池质量进行实时计算，及提供预 警和建议新型锂电能源领先企业工艺 + - 良品率 + - 成本 - / 竞争力 +- 83%- 1260万 （极耳焊接工序不良率）成熟产品新产品（186

25、50锂电池）（年节约成本）（21700锂电池）+ 1.5%（标准化良率）+ 2%（产能）腾讯案例2：智能质检 - 华星光电图像识别与训练：采用图像识别技术，对华星光电生产线上产生的 面板海量图片进行快速学习及训练 建模：形成高准确度、能自主学习的新模型 自主质检：实现全天候无间断、机器自主精准判片面板制造的龙头企业工序多 - 人多 - 人工质检不稳定、成本高88.9%+ 1%（分类识别准确率）15 ms/图（质检扫描效率）（预测综合性良率）- 60%（预测人力）腾讯案例3：预测性维保 - 三一重工基于云的设备互联：三一重工通过腾讯云把分布在全球各地的40万 台设备接入平台 设备数据采集与监控：

26、实时采集1万多个运行参数，远程监控和管 理设备群的运行 建模与预测：对设备参数学习建模，实现对设备状态异常预警建议全球知名机械装备企业设备故障 + 设备租赁逾期 - 企业损失大-10% - -10亿（租赁设备逾期率）6.5h + 85%（异常预测提前时间）（不良资产）（预测准确率）腾讯案例4：工业互联网平台 - 木星云工业软硬件厂家多 - 标准不统一 - 通用难木星云 工业互联网平台连接数据计算管理各智能设备连接入云， 实现异构数据融合、识 别、清洗、分类和处理百万级系统，ms级处理利用物联平台数据进行3D 建模，实现可视化生产生产直观、可控时间、成本、浪费显著降低机器学习数据构建健康度模 型

27、仿真，实现状态预测预警系统健康扫描从月降为天无效空转降低60%企业微信作为移动端 办公审理协作平台， 实现远程在线处理分钟级监测管理腾讯云 + 华龙讯达（工业应用软件高新企业）腾讯案例4：工业互联网平台 - 木星云（续）生产前：虚拟预演生产中：监控诊断生产后：评估优化提升资源配置能力提升制造管控能力提升全程优化能力系统级CPS - 人机料法环全要素数据建模木星云工业互联网平台完成实时数据、业务数据、文件数据等的分类分层；达到数据的统一入口、统一管理、统一 出口及应用；通过数字虚拟仿真实现生产全程的智能管理“人工智能+制造”政策借鉴顶层设计与战略指引构建智能制造平台推动技术标准制定支持共性技术研

28、发重视中小企业发展完善人才保障体系05顶层设计与战略指引先进制造 人工智能工业4.0机器人 工业价值链 社会5.0制造2025 新一代人工智能先进传感与控制 信息与数字制造 下一代机器人物理信息系统（CPS）机器人 人工智能及物联网 大数据高端制造 核心装备 智能工厂制造业回流与复兴制造业竞争力强化工业支持社会转型制造大国到强国国家主要战略重点领域核心目标具体策略对比借鉴构建 智能制造平台推动 技术标准制定支持 共性技术研发重视 中小企业发展完善 人才保障体系智能制造领导联盟 （SMLC）工业互联网参考架 构(IIRA)先进传感、控制与 制造平台技术 可视化、信息与数 字制造技术国家制造业创新

29、网 络，以创新遴选、 项目资助、共享设 备和资源、提供技 术咨询和定制服务社区学校 先进制造业学徒计 划（1亿美元）工业4.0联盟工业4.0参考架构 （RAMI 4.0）物理信息系统 （CPS）技术提供信息/测试/资 金等支持 建立各种能力中心 协助转型双元制工业价值链联盟工业价值链参考架 构（IVRA）机器人综合采用多样化组 合式的政策工具， 引导创新支持各地建设工业 技术专门学校加快推进我国 “人工智能+制造”对策建议多渠道投融资机制突破关键共性技术重大科技工程项目多方协作服务平台06 融合创新试点基地复合人才培养机制技术标准体系建设信息安全保障体系前提：长期稳定的资源投入，“钱”和“人”

30、建立多渠道 投融资机制财政手段+金融资本+社会资源设立面向制造业专门的贷款及融资方案，鼓励银行等金 融机构提供资金严格政府补贴审核，向民营、中小企业适当倾斜，同时 鼓励更多用投资方式采取更激励的政策，如成果返税等健全复合人 才培养机制完备教育体系+复合学科新设+重点培养建立完善针对新型制造，从幼儿到高等完备的教育体系， 尤其对区域、社区性学校增强本地制造业人才培养义务增加相关复合专业和学科设置，如工业算法工程、机器 人维护、STEAM等鼓励产学研结合培养，如共建培训基地中坚：公共性的平台，高效共享资源和服务搭建多方协 作服务平台加强技术标 准体系建设构建信息安 全保障体系资源共享+便利协作+服

31、务聚合鼓励计算力、数据、算法等开源或开放提供产学研等协作的信息沟通渠道提供创新企业注册、项目申报、税务等服务技术联盟+创新鼓励+国际接轨鼓励产学研联合组建“智能+制造”技术联盟在产权保护基础上鼓励各方共享专利鼓励积极参与国际标准制定，推广我国标准工业信息安全标准+应用开发+认证机制完善工业信息安全管理等政策法规和标准鼓励工业安全应用和解决方案开发及试点推动建立工业信息安全测试平台，实施认证突破：产学研结合，集群+工程推动创新落地建立融合创 新试点基地布局重大科 技工程项目重点突破关 键共性技术产学研集群+众创空间+应用示范推动工业园升级为“智能+制造”集群支持工业界与信息业联合创办众创空间提供

32、资金奖励等鼓励应用创新与试点基础理论研究+专项应用研发“智能+制造”生产组织和管理模式“算法+工艺”的融合基础理论智能装备、生产流程、供应管理等重点领域定义共性技术+鼓励整合与突破+国际化引导对人工智能关键共性技术的持续归纳总结鼓励各方整合相应技术标准，并联合研究突破鼓励海外建立研究机构，吸纳人才并推广技术互联网助力“人工智能+制造”政策前行1677万互联网从业者（拉勾网，2016年）102家/9万亿互联网上市公司及市值（CNNIC，2017）403万移动应用数量（工信部，2017年）3万中国人工智能专利数量（CNNIC，2016年）资源平台工具原创声明：本报告所有内容的知识产权均受版权保护，未经腾讯研究院官方书面许可，任何组织和个人，不得将本报告 中的信息复制及用于其他商业目的。研究及撰写机构腾讯研究院官网：www.tisi.org官微：cyberlawrc中国社会科学院工业经济研究所官网：官微：IIE_CASS报告负责人吴朋阳arkphone（微信）报告负责人李晓华xiaohuali（微信）完整报告，敬请关注