虽然数字化，尤其是智能自动化技术已成为各大制造商的热门话题，但时至今日，人工智能尚未对制造业产生重大影响。麦肯锡公司的Harald Bauer认为制造业的智能化转型指日可待。他表示：“到目前为止，只有一小部分制造商在少数领域应用人工智能。但现在条件已经成熟，不久后更多的制造商将会在更多领域规模化部署人工智能。”
这些成熟条件包括高水平的数字化和自动化程度、海量数据、强大的云计算能力，以及无处不在的物联网传感器。在工业化国家，这些传感器已遍布于大多数工厂车间和物流中心。
除了自动驾驶及部分消费者电子产品外，人工智能还将推动生产、研发以及供应链各个流程的优化升级。国际制造业企业解决方案协会（MESA）主席Michael Yost指出，尽管制造商通过运用人工智能所获得的益处不太可能引发媒体关注，但人工智能的确可以大幅提升制造商的运营效率、产品质量和创新能力。
这些较为长期的效率改进会带来十分显著的效果。波士顿咨询公司（BCG）2018年发布的报告称，人工智能会使制造业的加工成本（即直接人工加间接管理费用）降低20%，这样的成本降幅对于制造商而言***吸引力。报告还指出，80%–90%的汽车、日用消费品、加工业以及工程产品企业计划在未来三年内将人工智能技术运用于生产流程中。
未来五年内，人工智能将对多个关键制造领域带来重大影响。人工智能的影响将率先在汽车和半导体行业中显现，目前这两大行业在人工智能应用方面已取得一定进展，实现了高度自动化运作。此外，加工制造、重型设备以及快消品行业也将逐渐采用人工智能技术。[1]目前各个行业的人工智能早期利用率也印证了这一趋势。2018年BCG报告显示，在汽车行业中，率先采用人工智能技术的企业占20%，而工程产品和加工业企业的占比分别为15%和13%。在上述领域，人工智能都能创造可观的潜在收益，但企业必须克服一系列艰巨的挑战才能真正享受人工智能带来的价值。
预测性维护，提升资产生产力
资产利用率是衡量制造业绩效的一项重要指标。提升资产利用率需要将生产设备维持在***状态，从而***限度地减少代价高昂的停工时间以及***限度地延长设备的生命周期。通过预测性分析、先进的图像识别技术以及海量设备性能数据，可助力算法预测可能发生的设备故障。Bauer先生表示，预测性维护系统最典型的特性就是不断学习，利用算法在经验和数据的基础上进行自学，从而生成更准确的预测。
制造商不仅可以采取预防性措施来避免停工，还可以根据预测情况进行按需维护，从而取代定期维护。如此一来，不但可以大大降低运营成本，还能提升资产生产力。麦肯锡公司称，基于人工智能的预测性维护可帮助德国的工业制造商将资产生产力提升20%，同时将维护成本降低10%。[2]
不难想象，预测性维护还将重塑许多设备制造商的服务模式。随着预测性维护市场不断壮大，业内企业将逐步转型为服务提供商。预测性维护可以减少服务停工时间、降低高成本设备的运营风险，从而助力设备供应商从设备销售的经营模式转变为长期设备租赁运营或维护服务模式。
质量与效率同步提升
同样，预测性维护还有助于改善制成品的质量，实现自动化质量检验。先进的图像识别和自主学习系统可帮助制造商降低产品缺陷率，这一点在半导体等行业中可能会更为突出。Bauer先生认为，自动化检出率会大大高于人工检验（对德国制造商而言，两者间的差异高达90%）。除了改善生产流程外，人工智能还将助力制造商大大提高产量（Bauer先生认为这在半导体行业中表现得尤为明显）。
优化供应链
在过去三年间，华为一直利用人工智能技术简化其自身复杂的供应链流程。华为表示，基于人工智能的路线优化减少了物流服务提供商的取货次数，并***限度地提高满载次数，从而将运输成本降低了30%。物流路线的缩短还意味着可以降低碳排放量，使供应链变得更加环保、可持续。
更智能的机器人
对预测性维护至关重要的某些监控工作将由机器人来完成，这一点在各大工厂中已经非常普遍。然而新一代的机器人远比从前更加智能，更了解自身环境（部分原因要归功于机器视觉，其中一个重要组成部分是图像识别），自学能力也越来越强，无需人工干预。Yost先生设想未来工厂将会形成高度人机合作的环境，机器人主要配合工程师开展工作，而非完全取代工程师。
为智能化转型奠定基础
只有在各项条件成熟之后，制造商才能够实现人工智能的规模化应用，并通过运用人工智能获得理想的回报。首要条件是互联互通。大多数由人工智能驱动的算法需要强大的算力支撑，而云端具备这种算力以及运行人工智能辅助应用所需的软件平台和虚拟硬件，因此企业应与一家或多家云供应商展开合作。此外，云端也是开源平台的汇聚点，各行各业的企业纷纷利用开源平台来开展人工智能技术创新。因此，制造商必须更广泛地参与开放创新，以便获取知识、专业技术以及关于人工智能应用的先进理念。
充足、可用的数据是另一项重要的前提条件。制造商一般并不缺少数据，但许多制造商抱怨称，很多数据由于错误、标签不当或缺失以及数据集之间的标准化不足等原因而无法使用。因此，企业必须努力清洗、正确整合自己的数据集并持续积累更多数据。企业的分析工具也必须支持非结构化数据（例如设备和产品的图像），分析这类数据可大大提升人工智能的能力。
在解决上述难题以及人工智能相关的其他难题（包括技能和专业技术的获取）之前，制造商不要安于现状、被动等待。人工智能也许尚未对制造业产生重大影响，但制造业的智能化转型必将指日可待。
HUAWEI CONNECT 2018作为华为自办的面向ICT产业的全球性年度旗舰大会，将于2018年10月10日–12日在上海隆重举行。本届大会以“+智能，见未来”为主题，旨在搭建一个开放、合作、共享的平台，与客户伙伴一同探讨如何把握新机遇，创造智能未来。
欲了解更多详情，请参阅：
https://www.huawei.com/cn/press-events/events/huaweiconnect2018
