如何突破人工智能与制造业深度融合难点

作 者

邓洲

发表于《佛山日报》2019-11-4

据

研究分析，预计到2035年，制造业因人工智能的应用，其增加值增速可以提高2.0%左右，是所有产业部门中提高幅度最大的。可见，人工智能在制造业领域的大规模应用非常关键。而进一步促进人工智能与制造业深度融合发展，现阶段必须高度重视影响人工智能与制造业深度融合的主要难点，力求突破。

1.制造环节数据难以开发利用

人工智能与制造业深度融合发展需以大数据为基础，而相对于消费环节，制造环节数据的可获得性、可通用性、可开发性明显更弱。制造业机器设备生成的数据通常较为复杂，数据是没有相关性的。此外，制造环节的数据需要安装大量高精度传感器，不仅前期需要投入巨额资金，后期的日常维护也会产生检修成本和人工成本等。

对此，可构建制造环节的工业大数据库。工业领域以企业私有数据库为主，且数据规模有限、数据质量不高，严重制约人工智能在工业领域的“自主学习”。要实现人工智能与制造业深度融合，就必须在制造业领域加强数据获取和整合，以企业私有数据库为基础，打造全球领先和规模最大的制造业大数据库，并逐步形成自主标准体系，提高人工智能的安全性和稳定性。

2. 缺乏人工智能核心技术

虽然我国人工智能在商业应用领域的发展走在世界前列，但支撑人工智能与制造业深度融合发展的最关键和核心的技术仍然被发达国家控制，器件、生产装备也多为发达国家研发和生产。

对此，要鼓励优势制造企业以应用技术上的优势、庞大的国内市场、巨大的潜在利润空间与较强大的资本力量为后盾，加强与国际领先人工智能企业在核心技术、关键技术方面的研究开发合作。鼓励领先制造企业通过在海外联合设立人工智能研发机构，加强科技合作与信息交流，以充分利用国际技术、资本、人才等创新资源，提升核心技术、关键技术领域的研发能力。

3. 人工智能与制造业深度融合所需复合型人才严重缺乏

一直以来，人工智能高端人才通常集中于软件和互联网行业，而制造业部门负责信息化的人员对人工智能概念的理解、对技术的掌握总体上还很不准确、不全面，难以支撑制造业企业智能化改造升级。从人才供给看，现阶段既了解制造业技术和发展规律，又掌握人工智能关键技术，还能够进行应用开发的复合型人才严重缺乏。虽然国内外一些高校已经开始设立人工智能专业或课程，但是针对制造业的人工智能教学内容还很少。

对此，可在短期内对人工智能与制造业深度融合直接形成冲击的相关学科进行调整，扩大技能型和知识型职业教育的比重。在大学教育中增设智能制造相关的课程和专业，合理设置学科、完善教材编制，尽快形成教学体系。各级教育支出向智能制造相关专业倾斜，同时改革技术教育体系，满足人工智能时代对技术人才的需求。

邓洲. 如何突破人工智能与制造业深度融合难点[N]. 佛山日报,2019-11-04(016).

中国社会科学院

工业经济研究所

Institute of Industrial Economics

CASS

GJS.CSSN.CN