中国b2b商务网工业智能尚处发展探索期 工业化与智能化双向渗透或成核心发展路径

　　在此形势下，近日，工业互联网产业联盟联合多家企业共同编写和发布了《工业智能》(2019讨论稿)(以下简称《》)，从应用、技术和产业等方面研究和分析工业智能的发展脉络和最新状况，并在一定程度上对未来发展变革方向作出了预判。

　　在《》剖析的工业智能发展脉络中，我们可以发现，工业智能产业视图主要表现为“两横两纵”，横向为知识图谱和深度学习两大关键技术，纵向为通用技术和应用集成两方面。

　　在横向发展层面，ICT企业、研究机构及相关行业协会3类主体提供通用技术能力，以“被集成”的方式为工业智能提供基础支撑。其中，ICT企业如微软、谷歌、亚马逊、阿里等，提供几乎涵盖知识图谱、深度学习的所有通用技术研究与工程化支持；研究机构如加州大学、麻省理工、清华大学、中科院自动化所等，主要提供算法方面的理论研究；行业协会提供相关标准或通用技术支持，如OMG对象管理组织提供统一建模语言等企业集成标准的制定，为知识图谱的工业化落地奠定基础；Khronos Group开展了深度学习编译器的研发。

　　在应用层面，装备/自动化与软件企业、制造企业、ICT企业和初创企业4类主体以集成创新为主要模式，面向实际业务领域，整合各产业和技术要素实现工业智能创新应用，是工业智能产业的核心。

　　这4类应用主体中，装备/自动化、软件企业及制造企业等传统企业(如西门子、ABB、KUKA、Autodesk、富士康、新松等)，面向自身业务领域或需求痛点，通过引入人工智能实现产品性能提升；ICT企业(如康耐视、海康威视、大恒图像、基恩士、微软、KONUX、IBM、阿里云等)依靠人工智能技术积累与优势，将已有业务向工业领域拓展；初创企业(如

　　Landing.ai、创新奇智、旷视、Element AI、天泽智云)凭借技术优势为细分领域提供解决方案；研究机构(如如马萨诸塞大学、加州大学伯克利分校)依托理论研究优势开展前沿技术的应用探索。

　　工业智能依靠通用技术实现各类创新的工业智能应用。然而，通用技术往往无法满足工业场景与问题的复杂性与特殊性要求，现阶段依然存在大量特性问题需要解决。

　　《》指出，目前来看，ICT巨头在深度学习框架、编译器与芯片等通用技术领域占据绝对统治地位，但现阶段端侧推断框架主要由苹果、Facebook、腾讯、谷歌、百度五大ICT巨头企业主导，初步判断，百度更可能在工业领域发力。工业领域存在可移植性和适配性问题，对编译器需求较为迫切，但是编译器市场格局尚不清晰，并未产生面向领域的发展趋势，预测英特尔及亚马逊可能成为工业领域选择。

　　此外，深度学习理论研究趋于平稳，应用落地成为关键。人工智能学者李飞飞，微软亚研院、人工智能学者郑宇，地平线创始人余凯等均认为深度学习理论研究主流架构会收敛，较难有性理论突破，目前瓶颈在于技术与传统行业的对接。而现阶段算法研究呈现两大主要趋势：一是算法可解释性研究，斯坦福大学开展了基于“树正则化”的可解释性研究，美国德州农工大学开展了迁移法解决深度学习可解释性问题，学则提出RNN可解释性方法；二是相关前沿算法研究，国内外顶尖研究机构如麻省理工、以色列理工学院、清华大学、中科院自动化所纷纷开展对胶囊网络、迁移学习、(深度)强化学习和生成式对抗网络等深度学习相关的前沿算法研究。

　　从四大应用主体具体分析来看，装备自动化、软件及制造企业面向设备、产品性能提升的需求或自身业务发展痛点，围绕人工智能技术的供给主线不断寻求与人工智能结合的路径，目前，这些企业发展工业智能主要有两种方式：

　　一是部分需求迫切、实力雄厚的领域巨头企业通过合作并购人工智能技术公司，实现智能化升级。如发那科与人工智能初创企业Preferred Networks合作，增强机器人的智能化水平；GE收购人工智能初创公司 Bit Stew Systems和

　　Wise.io，以打造人工智能实力；埃斯顿收购美国高科技公司Barrett Tech 30%股权，拓展AI机器人和微伺服系统领域。二是通过人才引进及成立相应研究机构，提升企业综合竞争力。如西门子成立中央研究院并推动“Vision 2020”计划，发展人工智能和机器人技术，并构建了用于自身融资管理的工业知识图谱平台。富士康、新松等成立人工智能研究院，加快人工智能研究和成果产业化落地。

　　而信息技术企业及研究机构则凭借人工智能技术基础，不断丰富面向工业场景的应用服务能力，同时加强与制造企业合作，通过推出工业智能解决方案或前沿技术产业化向工业领域进行能力输出。如阿里云工业大脑平台将开放化工、光伏、电力三大行业知识图谱，使开发者快速响应，实现特定业务场景下人工智能的诉求。华为了构建用于供应链及零部件管理的工业知识图谱。海康威视主营业务视频监控行业，2014年进入工业领域，开发深度学习质量检测产品应用于3C制造、金属加工等领域。

　　不同于前二者，研究机构更注重技术创新，他们也是前沿技术产业化的孕育者。例如麻省理工学院进行意念控制机器的研究，电波识别的精确度已高达90%，对未来人机协作技术产生重大影响。伯克利机器人DexNet2.0搭载深度学习系统，通过对虚拟数据库中1万个具备不同特征的三维物体进行学习，可以迅速对物体进行预判并选择合适的方案抓取各种不规则形状的物体，德国某企业已致力于工业智能产业化应用。

　　尤其值得注意的是，在以上大趋势下，初创企业凭借技术与资金优势成为细分领域重要的解决方案提供商。

　　一方面，大数据技术初创企业为中小垂直领域企业提供知识图谱解决方案。依靠数据处理及人工智能技术优势，帮助人力、时间成本高的中小企业释放企业数据价值。如明略数据发布明智系统2.0，为工业等垂直领域提供完整解决方案。另一方面，装备领域成为初创企业深度学习应用的主要切入领域，吸引大量投资。装备领域是技术资金双密集行业，初创企业具有先天优势，且产品上市快，投资回报率较高。如旷视全资收购艾瑞思机器人，发力制造业，打造智能仓库；创新奇智专注于提供“人工智能+B2B”企业服务，应用人工智能技术打造智能质检等解决方案，融资过亿；Element AI为全球制造物流和机器人等领域企业提供人工智能解决方案，获1.02亿美元融资。（来源：机电商报）

　　凡本网注明“来源：机床商务网”的所有作品，均为浙江兴旺宝明通网络有限公司-机床商务网合法拥有版权或有权使用的作品。刊用本网站稿件，需经书面授权。未经本网授权不得转载、摘编或利用方式使用上述作品。已经本网授权使用作品的，应在授权范围内使用，并注明“来源：机床商务网”。违反上述声明者，本网将追究其相关法律责任。

　　本网转载并注明自来源（非机床商务网）的作品，目的在于传递更多信息，并不代表本网赞同其观点或对其真实性负责，不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网转载时，必须保留本网注明的作品第一来源，并自负版权等法律责任。

　　如涉及作品内容、版权等问题，请在作品发表之日起30日内与本网联系，并提供真实、有效的书面证明。我们将在核实后做出妥善处理。