1.工業人工智能對工業的影響

（1）工業視覺

涉及機器視覺、圖像處理、模式識別/機器學習等相關人工智能技術。配合傳感器或機器人等不同的載體，計算機視覺能夠輔助生產流程中需求“感知”的任務。如配合機械設備完成更精準的定位，識別更復雜的加工對象，或是在質檢方面取代人力對產品進行測量等等。

（2）工業機器人

包含機械臂、運輸載具、智能機床等技術。通過搭載機器學習算法、路徑規劃等技術，工業機器人能夠實現高精度和更加復雜的操作。相比于傳統工業設備只能對單一類型的產品，搭載人工智能的設備能夠適應不同的工作環境和加工對象，更容易實現柔性生產。

（3）工業物聯網

通過智能傳感器、智能儀表盤等設備對生產設備的運作狀況進行實時監控和數據收集。另外，搭載機器學習等智能算法的物聯網系統能夠自動判別設備異常狀況，提前發出警告以及將工作數據可視化以方便技術團隊進行更高效的維護，從而減少停機時間。

（4）工業云計算

囊括工業云平臺、工業物聯網、機器學習算法等技術的綜合應用云平臺能夠解放廠商對數據存儲的實體設施的需求結合物聯網設備所收集的數據和云平臺強大的計算力配合機器學習，再配合人工智能模型進行分析，工業云能夠實現如生產線監控、設備的自我診斷、預測性維護等任務。

2工業人工智能的應用

在國家大力發展“中國制造2025”及全社會的熱潮和推動的大背景下，各種新技術（如深度學習、人工智能、大數據、區塊鏈等）加速在工業領域應用。

（1）視覺檢測

相較傳統視覺技術對不規則缺陷的識別能力的不足，人工智能預測準確率將隨著數據量的提升而持續優化，以實現生產質量數據的全面掌控，為流程優化和工藝再造提供關鍵數據支持，可以說人工智能工業質檢解決方案將全面賦能工業。

在深度神經網絡發展起來之前，機器視覺已經長期應用在工業自動化系統中，如儀表板智能集成測試、金屬板表面自動控傷、汽車車身檢測、紙幣印刷質量檢測、金相分析、流水線生產檢測等等。視覺檢測應用大體分為拾取和放置、對象跟蹤、計量、缺陷檢測幾種，其中將近80%的工業視覺系統主要用在檢測方面，包括用于提高生產效率、控制生產過程中的產品質量、采集產品數據等。

在人工智能浪潮下，基于深度神經網絡，圖像識別準確率有了進一步提升，也在缺陷檢測領域取得了更多的應用。國內不少機器視覺公司和新興創業公司，也都開始研發人工智能視覺缺陷檢測設備，涵蓋了從光源、工業鏡頭、相機、圖像采集卡等多種機器視覺產品。

（2）視覺分揀

許多需要分撿的作業如果采用工業機器人，可以大幅減低成本、提高速度。但是需要分撿的零件一般是沒有整齊擺放的，機器人必須面對無序的環境，需要機器人本體的靈活度、機器視覺、軟件系統對現實狀況進行實時運算等多方面技術的融合，才能實現靈活的抓取。近年來，國內陸續出現了一些基于深度學習和人工智能技術，解決機器人視覺分揀問題的企業，通過計算機視覺識別出物體及其三維空間位置，指導機械臂進行正確的抓取。

（3）故障預測

在制造流水線上有大量的工業機器人。如果其中一個出現了故障，當人感知到這個故障時可能已經造成大量的不合格品，從而帶來不小的損失。基于人工智能和物聯網技術，通過在工廠各個設備上加裝的傳感器，故障預測平臺可利用傳感器采集前端設備的各項數據，然后利用預測性分析技術以及機器學習技術提供設備預測性診斷、啟動設備運行維護、能效優化建議等解決方案，幫助工業客戶改善生產力、可靠性以及安全性。

故障預測還處于試點階段，成熟運用較少。一方面，大部分傳統制造企業的設備沒有足夠的數據收集傳感器，也沒有積累足夠的數據；另一方面，很多工業設備對可靠性的要求極高，即便機器預測準確率很高，也不能達到運行要求。此外，投入產出比不高，也是人工智能故障預測的一項缺陷。故障預測功能應用后，如果成功能可以減少5%的成本，但不成功反而可能增加成本，導致不少企業寧愿不用。

總體而言，人工智能在工業領域的應用才剛剛開始，還有不少潛在應用場景值得去探索和發掘。

3挑戰與機遇

（1）工業人工智能應用的局限性

技術的缺口

芯片技術的薄弱和工業軟件上的缺口使得廠家需要以高昂的成本引進國外技術。而自行研發技術的成本則需要大量資源和時間的投入，并非一朝一夕能夠達成。

數據的匱乏

使用機器學習技術需要大量高質量數據，而工業數據充滿著不穩定性，而部分領域甚至沒有數據提供。

標準的缺失

基于不同地區在制造業上的標準存在差異，甚至對精度的要求和定義也各不相同，難以實現技術的廣泛應用。

市場的低迷

工業制造領域的投資回報率較其他產業偏低，又缺少短期效益，因此此限制了資本投入的規模。

（2）工業人工智能的未來趨勢

數字雙生的普及

借助傳感器、歷史數據、數字模型等素材在虛擬空間中完成實體設備的監控和管理。

人機交互界面的創新

基于云平臺和物聯網技術，設備監控等工作不局限于計算屏幕，可通過移動設備或增強現實設備進行。

預測性維護的應用

通過機器學習算法和物聯網技術，預測性維護能夠主動發掘設備故障的風險，改變被動的維修模式。

邊緣計算的提升

雖然云平臺能夠為物聯網組件提供計算支持，但強大的邊緣計算功能可以增幅物聯網設備對于數據的實時監控、處理以及分析工作。

2.IAI OpenLab總覽

工業人工智能開放實驗室（Industrial Artificial Intelligence OpenLab, IAI OpenLab）由慧材技術（LeadAI）、麗臺科技（LeadTek）、中核普達（CNPM）、東華大學工商管理學院（DHU BMS）、嘉加德必易園（E-Manor）等機構聯合設立，設立IAI OpenLab是貫徹落實國務院《新一代人工智能發展規劃》、推進科技創新的重要舉措。

IAI OpenLab以未來新一代工業自動化、智能化為研究對象，潛心工業人工智能基礎理論和基本方法源頭創新及技術應用，致力于工業人工智能關鍵核心技術突破和顛覆性創新；積極推進工業人工智能技術工程化和產業化，強化產、學、研、商多極融合，加速成果轉移轉化；統籌推進相關領域科研與教學融合，推出一批工業人工智能領域專家和專業人才。

1遠景與使命

IAI OpenLab的愿景——

成為國內一流的工業人工智能技術與應用創新合作平臺

IAI OpenLab的使命——

推動人工智能、大數據技術在工業領域的研發及應用

2服務領域

IAI OpenLab專業聚焦于工業人工智能的科技研發、技術服務、人才培養、系統開發與相關實驗室建設。

工業領域——

汽車產業、紡織產業、流通產業、能源產業，等等。

其他領域——

工程建設、公共安全、金融、醫療、教育、媒體、物流，等等。

主要技術——

高性能計算、自然語言處理、圖像與視頻、智能數據處理、區塊鏈、物聯網，等等。

3解決方案伙伴計劃

IAI OpenLab聚焦于工業人工智能的科技研發、技術服務、人才培養、系統開發與相關實驗室建設，推出解決方案伙伴計劃（Solution Partner Program, SPP）致力于構建“開放、協作、共贏”的生態系統。

參見“3.解決方案伙伴計劃”。

4運營模式

基于SPP，IAI OpenLab定義了三種與解決方案伙伴合作向客戶提供服務的業務運營模式——

A.分別就各自產品向客戶提供支持

B.IAI OpenLab協調整體解決方案的客戶支持

C.解決方案伙伴協調整體解決方案的客戶支持

參見“4.運營模式”。

3.解決方案伙伴計劃1計劃簡介

IAI OpenLab的合作伙伴級別分為：領先級、優選級和認證級。

在滿足必要條件下，提出申請并經IAI OpenLab審核通過后，方成為相應級別的解決方案伙伴。領先級解決方案伙伴僅在IAI OpenLab邀請情況下加入。

2伙伴權益基于已經部署的技術專家及實驗室資源，IAI OpenLab支持解決方案伙伴開發工業人工智能業務應用的解決方案，并支持將這些寶貴的業務方案走向市場，為客戶帶來價值，為合作伙伴商業成功助力。

IAI OpenLab向解決方案伙伴提供技術、設備、營銷等支持，幫助伙伴與IAI OpenLab構建方案、拓展市場、獲取收益，各級別合作伙伴享受不同的支持權益。

IAI OpenLab將根據支持資源的變化制定并調整對合作伙伴的支持政策。合作伙伴享受支持政策必須遵守相關規范和要求。