人工智能自誕生以來，經(jīng)歷了從早期的專家系統(tǒng)、機(jī)器學(xué)習(xí)，到當(dāng)前持續(xù)火熱的深度學(xué)習(xí)等多次技術(shù)變革與規(guī)?；瘧?yīng)用的浪潮。隨著硬件計(jì)算能力、軟件算法、解決方案的快速進(jìn)步與不斷成熟，工業(yè)生產(chǎn)逐漸成為了人工智能的重點(diǎn)探索方向，工業(yè)智能應(yīng)運(yùn)而生。

當(dāng)前，新一輪科技革命和產(chǎn)業(yè)變革蓬勃興起，工業(yè)經(jīng)濟(jì)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展成為第四次工業(yè)革命的核心內(nèi)容。作為助力本輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，以深度學(xué)習(xí)、知識(shí)圖譜等為代表的新一輪人工智能技術(shù)呈現(xiàn)出爆發(fā)趨勢(shì)，工業(yè)智能迎來了發(fā)展的新階段。通過海量數(shù)據(jù)的全面實(shí)時(shí)感知、端到端深度集成和智能化建模分析，工業(yè)智能將企業(yè)的分析決策水平提升到了全新高度。然而，工業(yè)智能仍處于發(fā)展探索時(shí)期，各方對(duì)工業(yè)智能的概念、類型、應(yīng)用場(chǎng)景、技術(shù)特點(diǎn)及產(chǎn)業(yè)發(fā)展等尚未形成共識(shí)。

在此形勢(shì)下，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（簡(jiǎn)稱 AII）攜手中國(guó)信息通信研究院（簡(jiǎn)稱中國(guó)信通院）聯(lián)合舉辦“工業(yè)互聯(lián)網(wǎng)成果線上發(fā)布會(huì)”，會(huì)上發(fā)布了近期工業(yè)互聯(lián)網(wǎng)領(lǐng)域的重大科研成果之一：《工業(yè)智能白皮書》。（文末附下載方式）

注意：本文已獲相關(guān)授權(quán)，如需轉(zhuǎn)載，請(qǐng)查看并遵守工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟相關(guān)聲明

工業(yè)互聯(lián)網(wǎng)的核心是數(shù)據(jù)驅(qū)動(dòng)的智能分析與決策優(yōu)化。工業(yè)互聯(lián)網(wǎng)從發(fā)展之初，就將數(shù)據(jù) 作為核心要素，將數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化閉環(huán)作為實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)賦能價(jià)值的關(guān)鍵。在工業(yè)互聯(lián)網(wǎng)體 系架構(gòu) 1.0 中，明確提出工業(yè)互聯(lián)網(wǎng)核心是基于全面互聯(lián)而形成數(shù)據(jù)驅(qū)動(dòng)的智能，即通過數(shù)據(jù)采 集交換、集成處理、建模分析、優(yōu)化決策與反饋控制等實(shí)現(xiàn)機(jī)器設(shè)備、運(yùn)營(yíng)管理到商業(yè)活動(dòng)的 智能與優(yōu)化。工業(yè)互聯(lián)網(wǎng)架構(gòu) 2.0 則進(jìn)一步強(qiáng)調(diào)數(shù)據(jù)閉環(huán)的作用，明確了工業(yè)互聯(lián)網(wǎng)基于感知控 制、數(shù)字模型、決策優(yōu)化三個(gè)基本層次，以及由自下而上的信息流和自上而下的決策流構(gòu)成的工業(yè)數(shù)字化應(yīng)用優(yōu)化閉環(huán)實(shí)現(xiàn)核心功能。

工業(yè)智能是實(shí)現(xiàn)工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)優(yōu)化閉環(huán)的關(guān)鍵。在全面感知、泛在連接、深度集成和高 效處理的基礎(chǔ)上，工業(yè)智能基于計(jì)算與算法，將以人為主的決策和反饋轉(zhuǎn)變?yōu)榛跈C(jī)器或系統(tǒng)自主建模、決策、反饋的模式，為工業(yè)互聯(lián)網(wǎng)實(shí)現(xiàn)精準(zhǔn)決策和動(dòng)態(tài)優(yōu)化提供更大的可能性。工業(yè)智能實(shí)現(xiàn)了從數(shù)據(jù)到信息、知識(shí)、決策的轉(zhuǎn)化，挖掘數(shù)據(jù)潛藏的意義，擺脫傳統(tǒng)認(rèn)知和知識(shí)邊界的限制，為決策支持和協(xié)同優(yōu)化提供可量化依據(jù)，最大化發(fā)揮利用工業(yè)數(shù)據(jù)隱含價(jià)值，成為工業(yè)互聯(lián)網(wǎng)發(fā)揮使能作用的重要支撐。

工業(yè)智能的創(chuàng)新突破不斷拓寬工業(yè)互聯(lián)網(wǎng)的賦能價(jià)值。工業(yè)智能技術(shù)正迎來多方面創(chuàng)新與突破，為支撐工互聯(lián)網(wǎng)的數(shù)據(jù)優(yōu)化閉環(huán)，進(jìn)一步拓展和豐富工業(yè)互聯(lián)網(wǎng)的能力邊界與作用發(fā)揮關(guān)鍵作用。一是以深度學(xué)習(xí)、知識(shí)圖譜為代表的工業(yè)智能技術(shù)及相應(yīng)的新理論新方法百花齊放并相互融合，從根本上提高系統(tǒng)建模和處理復(fù)雜性、不確定性、常識(shí)性等問題的能力。二是自動(dòng)化機(jī)器學(xué)習(xí)，聚焦特定功能、采用特殊架構(gòu)的芯片等工程技術(shù)不斷突破。三是工業(yè)智能技術(shù) 與領(lǐng)域知識(shí)融合不斷加深，更加貼近行業(yè)實(shí)際需求。工業(yè)智能通過技術(shù)的持續(xù)創(chuàng)新與動(dòng)態(tài)迭代，使工業(yè)互聯(lián)網(wǎng)具備了復(fù)雜計(jì)算和推理能力，降低了工業(yè)互聯(lián)網(wǎng)應(yīng)用的開發(fā)門檻與成本，增強(qiáng)了行業(yè)應(yīng)用賦能的價(jià)值與潛力，成為釋放并拓寬工業(yè)互聯(lián)網(wǎng)賦能價(jià)值的關(guān)鍵。

1. 提升工業(yè)智能化水平成為全球共識(shí)與趨勢(shì)

當(dāng)前，以智能化為核心的新一輪科技產(chǎn)業(yè)變革興起，人工智能技術(shù)與社會(huì)各領(lǐng)域不斷融合已經(jīng)是大勢(shì)所趨，正逐步改變現(xiàn)有產(chǎn)業(yè)形態(tài)、商業(yè)模式和生活方式，并成為助推工業(yè)智能化轉(zhuǎn)型升級(jí)的關(guān)鍵燃料。據(jù) Markets 報(bào)告預(yù)計(jì)，2025 年人工智能制造市場(chǎng)規(guī)模將達(dá) 172 億美元， 預(yù)測(cè)期 (2018-2025 年 ) 內(nèi)的年復(fù)合增長(zhǎng)率為49.5%。Automation Technology 預(yù)計(jì)到2035年，人工智能對(duì)制造業(yè)增值占比可達(dá) 2.2%，排名社會(huì) 16 個(gè)主要行業(yè)之首。根據(jù)麥肯錫報(bào)告， 人工智能可以使德國(guó)工業(yè)部門的生產(chǎn)率每年提高 0.8% 至 1.4%。埃森哲則比較了人工智能對(duì)我國(guó)各個(gè)行業(yè)部門增加值增速的影響，預(yù)計(jì)到 2035 年，制造業(yè)因人工智能的應(yīng)用其增加值增速 可以提高 2.0% 左右，是所有產(chǎn)業(yè)部門中提高幅度最大的。

世界主要發(fā)達(dá)國(guó)家政府及組織高度重視，積極出臺(tái)相關(guān)戰(zhàn)略政策，提升工業(yè)智能化水平成為全球共識(shí)與趨勢(shì)。經(jīng)統(tǒng)計(jì)，截止到 2019 年底，在全球 20 多個(gè)經(jīng)濟(jì)體近三年發(fā)布的 100 份人工智能方面的戰(zhàn)略規(guī)劃或政策文件中，涉及與工業(yè)結(jié)合的超過一半以上。美、日、德、歐盟分別發(fā)布《國(guó)家人工智能研究和發(fā)展戰(zhàn)略規(guī)劃》《新機(jī)器人戰(zhàn)略》《國(guó)家工業(yè)戰(zhàn)略 2030》《歐盟人工智能》等一系列政策戰(zhàn)略，重點(diǎn)提及產(chǎn)品全生命周期優(yōu)化、先進(jìn)機(jī)器人、自動(dòng)駕駛、大數(shù)據(jù)挖掘等在工業(yè)領(lǐng)域應(yīng)用。

工業(yè)是我國(guó)國(guó)民經(jīng)濟(jì)的主導(dǎo)，我國(guó)積極搶抓以人工智能為驅(qū)動(dòng)的新一輪科技產(chǎn)業(yè)變革的機(jī)遇，工業(yè)智能成為了國(guó)家及業(yè)界高度重視的領(lǐng)域方向。我國(guó)政府雙側(cè)發(fā)力，推動(dòng)人工智能與制造業(yè)的融合發(fā)展。一方面，將人工智能技術(shù)作為制造業(yè)創(chuàng)新發(fā)展的重要驅(qū)動(dòng)力，在制造業(yè)相關(guān)政策文件中提及人工智能技術(shù)應(yīng)用的有 20 余篇。另一方面，將工業(yè)制造領(lǐng)域作為人工智能落地 應(yīng)用的重點(diǎn)行業(yè)，在《互聯(lián)網(wǎng) + 人工智能三年行動(dòng)實(shí)施方案》《新一代人工智能發(fā)展規(guī)劃》《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃》等 10 余份文件中均提出將制造業(yè)作為開展人工智能應(yīng)用試點(diǎn)示范的重要領(lǐng)域之一。同時(shí)，各省市地區(qū)積極響應(yīng)，形成了“國(guó) - 省 - 市 - 區(qū)”多級(jí)協(xié)同的政策體系。各地關(guān)于工業(yè)智能發(fā)展的政策文件超過 30 篇，上海、四川、青島、中關(guān)村等多個(gè)省 市及區(qū)域已經(jīng)出臺(tái)或正在布局人工智能與工業(yè)融合創(chuàng)新的政策方案，為工業(yè)智能的發(fā)展奠定了 完善有力的政策保障。

2. 人工智能技術(shù)加速滲透，構(gòu)建制造業(yè)智能化基礎(chǔ)

制造業(yè)智能化升級(jí)需求是工業(yè)智能發(fā)展的根本驅(qū)動(dòng)。制造業(yè)升級(jí)的最終目的是從數(shù)字化、網(wǎng)絡(luò)化轉(zhuǎn)而最終實(shí)現(xiàn)智能化。當(dāng)前制造業(yè)正處在由數(shù)字化、網(wǎng)絡(luò)向智能發(fā)展的重要階段，核心是要實(shí)現(xiàn)基于海量工業(yè)數(shù)據(jù)的全面感知，和通過端到端的數(shù)據(jù)深度集成與建模分析，實(shí)現(xiàn)智能化決策與控制指令。工業(yè)智能通過 1. 固化熟練工人和專家的經(jīng)驗(yàn)，模擬判斷決策過程，解決過去工業(yè)領(lǐng)域中需要人工處理的點(diǎn)狀問題 ;2. 基于知識(shí)匯聚實(shí)現(xiàn)大規(guī)模推理，實(shí)現(xiàn)更廣流程、更可靠的管理與決策 ;3. 通過構(gòu)建算法模型，強(qiáng)化制造企業(yè)的數(shù)據(jù)洞察能力，解決工業(yè)中機(jī)理或經(jīng)驗(yàn)復(fù)雜不明的問題。成為企業(yè)轉(zhuǎn)型升級(jí)的有效手段，也是打通智能制造最后一公里的關(guān)鍵 環(huán)節(jié)。

人工智能技術(shù)體系逐步完善，推動(dòng)工業(yè)智能快速發(fā)展。一方面是技術(shù)實(shí)現(xiàn)縱向升級(jí)，為工業(yè)智能的落地應(yīng)用奠定基礎(chǔ)。算法、算力和數(shù)據(jù)的爆發(fā)推動(dòng)人工智能技術(shù)不斷深化，使采用多種路徑解決復(fù)雜工業(yè)問題成為可能。傳感技術(shù)的發(fā)展、傳感器產(chǎn)品的規(guī)?；瘧?yīng)用及采集過程自動(dòng)化水平的不斷提升，推動(dòng)海量工業(yè)數(shù)據(jù)快速積累。工業(yè)網(wǎng)絡(luò)技術(shù)發(fā)展保證了數(shù)據(jù)傳輸?shù)母咝浴?shí)時(shí)性與高可靠性。云服務(wù)為數(shù)據(jù)管理和計(jì)算能力外包提供途徑。另一方面是技術(shù)實(shí)現(xiàn)橫向融合。人工智能具有顯著的溢出效應(yīng)，泛在化人工智能產(chǎn)業(yè)體系正在快速成型，工業(yè)是其涵蓋的重點(diǎn)領(lǐng)域之一。

總體來看，工業(yè)智能的發(fā)展與人工智能技術(shù)的演進(jìn)密切相關(guān)，從人工智能概念誕生至今， 工業(yè)智能歷經(jīng)了三個(gè)發(fā)展階段。

1. 萌芽期 : 基于規(guī)則的專家系統(tǒng)時(shí)代

自上世紀(jì)八十年代開始，規(guī)則型專家系統(tǒng)逐漸成熟，通過歸納已有知識(shí)形成規(guī)則解決問 題，并成功應(yīng)用于工業(yè)企業(yè)管控系統(tǒng)中，如美國(guó)車間調(diào)度專家系統(tǒng) ISIS，日本新日鐵 FAIN 專家 系統(tǒng)等，實(shí)質(zhì)上就是領(lǐng)域?qū)＜抑R(shí)的固化和程序化執(zhí)行。

2. 滲透期 : 基于統(tǒng)計(jì)的傳統(tǒng)機(jī)器學(xué)習(xí)時(shí)代

90 年代至二十一世紀(jì)初可概括為基于統(tǒng)計(jì)的傳統(tǒng)機(jī)器學(xué)習(xí)時(shí)代。該時(shí)期統(tǒng)計(jì)學(xué)派、機(jī)器 學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)等概念 (即“聯(lián)結(jié)主義”) 盛行，人工智能基于傳統(tǒng)機(jī)器學(xué)習(xí) / 模式識(shí)別系統(tǒng)等 統(tǒng)計(jì)學(xué)方法能夠解決機(jī)理相對(duì)模糊的問題，包括以模糊控制、神經(jīng)網(wǎng)絡(luò)控制和專家系統(tǒng)控制 為代表的智能控制理論在工業(yè)過程控制和機(jī)器人領(lǐng)域的應(yīng)用 ; 將圖像處理方法應(yīng)用于產(chǎn)品視 覺質(zhì)量檢測(cè)，使用機(jī)器學(xué)習(xí)進(jìn)行工業(yè)數(shù)據(jù)的建模分析，形成工業(yè)數(shù)據(jù)模型并指導(dǎo)優(yōu)化制造過程。然而以神經(jīng)網(wǎng)絡(luò)為主的機(jī)器學(xué)習(xí)方法大多是黑箱方法，其可靠性和可解釋性問題限制了 此類實(shí)際應(yīng)用的深入推進(jìn)。

3. 發(fā)展期 : 基于復(fù)雜計(jì)算的深度學(xué)習(xí)時(shí)代

本世紀(jì)初至今可以概括為基于復(fù)雜計(jì)算的深度學(xué)習(xí)時(shí)代。深度學(xué)習(xí)、知識(shí)圖譜等更加復(fù) 雜多元的 技術(shù)出現(xiàn)，新型的算法對(duì)于復(fù)雜問題的可解度有了顯著提升，人工智能技術(shù)逐漸發(fā)展到可以解決實(shí)際問題并完全超越人類的程度。這一時(shí)期的典型代表有: 基于數(shù)據(jù)驅(qū)動(dòng)的優(yōu) 化與決策、深度視覺質(zhì)量檢測(cè) ; 工業(yè)知識(shí)圖譜解決全局性、行業(yè)性問題 ; 人機(jī)協(xié)作等智能工業(yè)機(jī)器人蓬勃發(fā)展并廣泛應(yīng)用。

1. 工業(yè)智能的定義

工業(yè)智能 (亦稱工業(yè)人工智能) 是人工智能技術(shù)與工業(yè)融合發(fā)展形成的，貫穿于設(shè)計(jì)、生 產(chǎn)、管理、服務(wù)等工業(yè)領(lǐng)域各環(huán)節(jié)，實(shí)現(xiàn)模仿或超越人類感知、分析、決策等能力的技術(shù)、方法、產(chǎn)品及應(yīng)用系統(tǒng)。可以認(rèn)為，工業(yè)智能的本質(zhì)是通用人工智能技術(shù)與工業(yè)場(chǎng)景、機(jī)理、知識(shí)結(jié)合，實(shí)現(xiàn)設(shè)計(jì) 模式創(chuàng)新、生產(chǎn)智能決策、資源優(yōu)化配置等創(chuàng)新應(yīng)用。需要具備自感知、自學(xué)習(xí)、自執(zhí)行、 自決策、自適應(yīng)的能力，以適應(yīng)變幻不定的工業(yè)環(huán)境，并完成多樣化的工業(yè)任務(wù)，最終達(dá)到提升企業(yè)洞察力，提高生產(chǎn)效率或設(shè)備產(chǎn)品性能等目的。

2. 工業(yè)智能的問題分類

為了更好的分析工業(yè)智能的技術(shù)與應(yīng)用體系，我們提出了工業(yè)智能的基本框架: 構(gòu)建一個(gè) 四象限橫縱坐標(biāo)軸，其中橫軸是機(jī)理 / 經(jīng)驗(yàn)不確定度，與人們對(duì)問題機(jī)理的認(rèn)識(shí)或自身經(jīng)驗(yàn)的掌握程度直接相關(guān) ; 縱軸為計(jì)算的復(fù)雜度，是計(jì)算機(jī)算法的時(shí)間復(fù)雜度，與工業(yè)機(jī)理的復(fù)雜性 和算法的實(shí)現(xiàn)效率直接相關(guān)。據(jù)此可將工業(yè)領(lǐng)域的問題分為低不確定性低計(jì)算復(fù)雜度問題、高 不確定性低計(jì)算復(fù)雜度問題、低不確定性高計(jì)算復(fù)雜度問題和高不確定性高計(jì)算復(fù)雜度問題四 類。

除上述工業(yè)智能四大技術(shù)方向外，工業(yè)領(lǐng)域還存在許多解決問題的其它方法: 對(duì)于可用清 晰的數(shù)學(xué)模型描述的問題，通常采用最優(yōu)化方法進(jìn)行近似甚至精確求解。對(duì)于工藝或過程機(jī)理 相對(duì)模糊、計(jì)算復(fù)雜度相對(duì)較高的問題，通常利用數(shù)學(xué)近似的方法對(duì)真實(shí)物理系統(tǒng) (幾何和載 荷工況) 進(jìn)行模擬，即有限元分析，實(shí)質(zhì)是對(duì)工業(yè)問題拆分為若干簡(jiǎn)單問題的近似求解。對(duì)于 復(fù)雜度極高或是機(jī)理極為不清晰的問題，目前仍然主要通過實(shí)驗(yàn)方法來解決，比如原材料的配 比。由于以上方法沒有體現(xiàn)工業(yè)智能所定義的自適應(yīng)自學(xué)習(xí)等智能化特征，故不作過多討論。

工業(yè)智能經(jīng)歷了基于規(guī)則、基于統(tǒng)計(jì)和基于復(fù)雜計(jì)算的三大階段。一方面，三大階段并不 是相互替代的關(guān)系，專家系統(tǒng)、傳統(tǒng)機(jī)器學(xué)習(xí)、知識(shí)圖譜、前沿機(jī)器學(xué)習(xí)四類技術(shù)同時(shí)共存，并不斷交織融合互補(bǔ)長(zhǎng)短。另一方面，技術(shù)演進(jìn)脈絡(luò)日益清晰，逐步形成了以知識(shí)圖譜 為代表的知識(shí)工程和以深度學(xué)習(xí)為代表的數(shù)據(jù)科學(xué)兩大方向。