2020-2021人工智能与工业融合发展研究报告.pptx

2020-2021人工智能与工业融合发展研究报告,核心结论,01,AI与工业的融合发展从相向而行 到携手共进,02,计算机视觉技术成为推动AI与工业深度融 合的“金刚钻”,03,AI与千行百业的阶梯性融合是 未来AI产业发展的主风口,04,善于创新的企业将率先进入智能时代，对 数字化、网络化阶段的竞争对手降维打击,05,在框架级算法开发能力的支持下，AI将像水电一样普及到工业企业,06,互信为基，共赢为台，数据为墩，AI为拱， 生态伙伴共建智能化转型之桥，连接中国 制造的昨天与明天,1,2,3,AI发展新态势AI与工业融合发展现状 AI与工业深度融合新趋势,4,5,AI与工业深度融合面临的挑战推进AI与工业深度融合的建议,产业发展新态势,全球AI企业数量趋于稳定,全球活跃AI企业达5,526家，主要 分布在美国、中国、英国、加拿大和印度,2019年10月,9.51,14.69,22.59,34.87,51.27,70.94,94.41,118.6,0,20,40,60,80,100,120,140,2018,2019*,2020*,2021*,2022*,2023*,2024*,2025*,AI软件市场规模保持高速增长，2019年预计达到146.9亿美 元，未来5年将保持133%以上的年复合增长率全球AI软件市场规模（单位：百万美元）,全球AI产业生态日益完善，美国在芯片、深度学习框架等领 域均占据主导地位,产业发展新态势,我国已经初步形成较完整的AI产业链条，部分应用软件和新型终端产品发展迅速，未来几年应用市场有望呈现爆发式增长,我国人工智能市场规模,智 能 产 品,行 业 应 用,智能翻译系统,医疗影像辅助诊断 系统,视频图像身份识别 系统,智能语音交互 系统,智能无人机,智能服务机器人,智能网联汽车,智能家居产品,智能交通,智能制造,智能农业,智能金融,智能教育,智能物流,智能文化,智能体育,开源开放平台,神经网络芯片,智能传感器,网络安全保障体系,支撑体系,行业训练资源库,标准测试及知识产 权服务平台,智能化网络基础设 施,智能医疗,智能能源,核 心 基 础,2019年我国人工智能市场规模可达760亿,元，未来将保持高速增长，预计到2022 可达到5,580亿元。,技术发展新态势,机器学习算法和深度学习算法是AI的两大热点,33.30%机器学习 其他AI技术66.70%,175%,46%,40%20%0%,80%60%,160%140%120%100%,180%,200%,深度学习专利神经网络专利,增长率,数据来源：世界知识产权组织WIPO发布的技术趋势2019：人工智能,开源深度学习框架成为科技巨头全面布局的重点,针对深度学习算法的专用AI芯片未来可能成为主力,GPU,FPGA,ASIC,GPU、FPGA是目前AI芯片的主流技术路线,ASIC专用芯片作为新兵异军突起,可定制化高性能低功耗,技术发展新态势,Gartner 2019AI成熟度曲线,99.5%,2.25%,82.5%,美国NIST数据 人脸识别准确率,WebVision 图像分类错误率,WebVision 万物识别精确率,深度学习算法的红利加速扩散，计算机视觉等主流AI技术加快成熟当前计算机视觉技术相对成熟,我国计算机视觉技术已经走在世界前列,旷视已经连续在计算机视觉领域顶级赛事上获得27项世界冠军,应用发展新态势,AI应用全面赋能生产生活各个方面，即将迎来应用繁荣期,交通领域,医疗领域,农业,智能育种,农业大脑,无人机植保,机器人采摘,采矿业,矿物勘探预测,采矿机器人,制造业,工业视觉,无人工厂,工业互联网,工业机器人,无人机设备巡检,能源,AI节能分析,金融,身份识别,智能交通分析,无人驾驶,AI客服,教育机器人,教育,智能批改,医疗影像,辅助诊疗,健康管理,医院管理,AI的核心发展要素逐渐完备，在很多领域取得了突破性 进展，在农业、制造业、交 通等多个领域已经产生了较 为成熟的应用，正在逐步走 向推广实践阶段,应用发展新态势,AI应用领域逐渐从互联网、新零售向制造业、农业等实体经济领域拓展,AI对弈,2016,2018,科学研究,互联网、新零售行业,个性化搜索 精准营销,制造工艺优化 质量检测 故障检测 智能物流预测性维护 生产安全管理,AI育种智能环境分析控制 智能施肥灌溉病虫害诊断预测 无人机植保 智能采摘,信息化程度高、拥有丰富数据资源，具有AI落地的天然优势,制造业、农业 等实体经济领域数字化转型的不断深入，信息化水 平日益提升，逐步具备应用AI的基 本条件,1,AI发展新态势,2,3,4,5,AI与工业融合发展现状AI与工业深度融合新趋势AI与工业深度融合面临的挑战 推进AI与工业深度融合的建议,工业互联网建设取得阶段性成绩,传统工业企业,工业互联网平台建设水平显著提升互联网企业,创新型企业,大型制造企业,l我国工业互联网平台数量达到了上百个l具有一定区域和行业影响力的平台超过70个l单个重点平台平均工业设备连接数达到69万台l工业App数量突破2124个,工业互联网平台应用水平持续提升工业互联网平台已经渗透到钢铁、机械、航空航天、家电等多个行业，有力促进制造业数字化转型，实现提 质降本增效，部分先行先试企业劳动生产效率提高20%以上。,AI与生产制造过程融合，提高生产质量与效率,构建生产任务 自主决策能力ABB在智能工厂部署多种机器人 生产效率提升 3%产品种类增加 3倍,AI技术全面优化 生产工艺过程阿里云ET工业大脑优化工艺过程 中策橡胶公司 炼胶时间缩短10%， 炼胶温度降低 6%,智能在线检测 提升检测水平旷视提供整体智能质检方案 缺陷检测率提高90%降低85%以上人工成本,AI与工业产品融合，实现产品智能化升级,产品故障预测智能化,罗罗公司针对Trent航空发动机，采用预测分析和 机器学习技术，分析叶片潜在运行质量问题，建立 智能化预测预警模式，提升发动机故障预警能力,产品运维智能化,GE依托东方航空公司的航空安全数据、飞行计划、导航及 环境数据，构建发动机研发、生产和运行维护数据的集成 平台，支持东航建立飞行运维数字化、智能化解决方案,建立R2数据实验室，利用数据分析、工 业AI与机器学习技术，加快数字化转型,航空运营与发动机制造公司合作，构建数字化的 发动机使用与维护、成本管理与航班计划方案,国际头部企业深化AI技术应用，全面释放智能工厂潜能,生产设备运行过程数据化监控西门子EPA（设备预测性分析）系统 青岛炼化公司提前数天实现设备预警 稳定运行长达十年，减少80%报警数量,智能工厂运营管理“透明化”施耐德打造基于数据的“透明工厂”实现生产运营管理过程的透明可视，具备对 全程生产运营环境进行数字化追溯的能力,AI与工业子行业融合的程度呈现较大差异,基于19个工业子行业40家典型企业调研数据,IAI融合指数19个工业子行业的AI融合度指数,AI应用部署与应用效果显著,AI应用部署与应用效果相对落后,智能化基础好、AI融合前景广阔,从4个维度对工业子行业AI融合度打分AI相关投入、AI应用效果、AI应用渗透程度、AI技术人才,1,2,AI发展新态势AI与工业融合发展现状,3,4,5,AI与工业深度融合新趋势AI与工业深度融合面临的挑战 推进AI与工业深度融合的建议,AI与工业融合空间巨大,附加价值,高智 力,苦低力,第一阶段：拉升谷底 降低降本,第二阶段：整体提升生产方式和商业模式升级，提高附 加值,研发设计,生产制造,市场服务,8.70,8.70,2.72,无AI,有AI,2035年中国制造业总增加值（万亿美元）,AI将为中国制造业额外贡献2.7万亿美元的增加值，相对无AI应用增加近31%,驱动因素1：降本增效AI与工业深度融合为工业领域降本增效提供 有效途径,驱动因素2：产品高质量需求工业产品与服务全流程质量检测、诊断 与优化将成为AI应用的重要场景,数据来源：埃森哲驱动因素3：人口老龄化 AI劳动力替代在工业领域将发挥重要 作用,AI将分阶段实现与细分行业的深度融合,汽车制造业,医药制造业,计算机和通信设 备制造业,石油和煤炭燃料加工业,铁路、船舶、航空航天运 输设备制造业,AI最先深度融合渗透的细分行业,AI与制造业：同步应用于全流程,AI与采矿业和能源行业,生产制造,仓储物流售后服务,研发设计,率先应用于作业环境条件较差的领域,风电设备运维,采矿,整体解决方案成为工业企业的共性需求,云边端协同，助力柔性生产、 快速交付和降低能耗,l 未来的计算不仅仅局限在大型数据 中心，而将分布在由云-边-端构成 的一体化架构上。,云端,边缘设备,终端终端终端终端 设备设备设备设备,上 传,下 载,请 求,结请果求,结 果,请 求,结 果,请 求,结 果,一半以上 的终端设 备数据需 要在网络 边缘侧分 析处理,私有化部署的交钥匙方案将 成为主流产品形态,l 大部分工业企业需要部署交钥匙方 案，对解决方案提供商的整合能力 提出了高标准要求。,个性化的细分场景需求 成为主要需求类型,l 解决方案提供商需提炼企业共性需求，面向行业开发通用模板，并根据企 业需求快速、低成本定制开发开发， 在AI算法上降低成本、缩短周期。,2,1,4,5,私有化部署,软件安装运行 在企业本地服,务器上,企业自主 掌控所有 数据和权 限,3可实现内外网隔 离，安全性更高,个性化强， 企业可按需 定制功能,扩展性高， 企业能自行 二次开发,AI,工业,实 资 生 能 安 经 物 时 产 产 源 全 营 流 监 管 运 管 环 管 管 控 理 行 理 保 理 理,风机无人巡检,输配电网无人 巡检,智能电力调度,智能用电管理,场景化是人工智能与工业深度融合的必然选择,制造业典型融合场景:覆盖制造业全流程 9个典型应用场景,能源行业典型融合场景:覆盖能源生产、传输和使用全过程,设备维护,采矿作业,矿山勘探,采矿业典型融合场景：在危险环境下替代人力,制造业融合场景：提高复杂产品的设计与仿真能力,实现复杂产品的智能化设计UTC公司基于知识图谱构建设计 资料库，运用深度学习确定方案换热器重量减轻20%，传热效率 提高80%，设计周期加快9倍,智能仿真降低建模难度AI技术与仿真模型深度融合，开 展虚拟装配，进行产品验证吉利公司应用AI技术进行碰撞仿 真，从30个小时缩短到10个小时,制造业融合场景：实现生产制造过程的精准化与个性化,深度优化制造工艺过程采用深度学习对设备运行状态、工艺过程等进行分析，找出最优工艺参数应用ET工业大脑，恒逸石化燃煤效率提升2.6%，天合光能生产A品率提升7%,实现个性化定制模式,以AI为核心，数据为生产驱动，融合物联网，形成个性化大规模定制生产模式酷特公司构建智能排产、智能排版、智能裁剪系统，构建千万级服装版型数据 库，驱动10000个数据同步变化，定制生产周期从50个工作日缩短至7个工作日,构建设备自学习能力新松公司GCR20-1100协作机器人利用智能传感器与3D视觉技术，按照样条曲 线路径对鞋底区域进行自动涂胶，逐步增强协作机器人的学习与感知能力,制造业融合场景：智能仓储,智能仓储依托搬运机器人、码垛机器人、自动化立体库等智能装备，实现智能搬运。与传统仓储相比，智能仓储 从空间利用率、作业效率、人工成本等指标来看，优势显著，降本增效明显。,旷视推出供应链操作系统河图,在电商仓库中协同500台机器人并发工作，将仓库效率提升了40%,在全球部署了10万台以上机器人，智能系统作业效率 要比传统的物流作业提升2-4倍，准确率达到99.99%,制造业融合场景：预测性维护,在设备/系统预测性维护中，机器学习方法拟合设备运行复杂非线性关系，能够提升预测准确率，减少成本与故障 率。,设备智能管理,设备智能运行监控,设备智能售后服务,设备管理成本降低50%,运行管理反应时间缩 短80%,售后时间缩短30% 成 本降低50%,制造业融合场景： 安全管理,安全管理贯穿制造业运营的始终。通过计算机视觉等技术对危险区域进行管控，实现识别并跟踪进入危险区域的非 授权对象、监控作业区域人员是否按规定佩戴安全帽、穿安全服，将安全生产的风险降到最低。,为华润电力部署了园区安全管理系统，利用人脸识别、物体检测等计算机视觉算法， 对变电设备周边等危险区域实现了7*24小时警戒，显著提升了安全管理水平,能源行业融合场景,AI在能源领域的应用主要可以解决能源行业现在存在的痛点问题，从而最大化的提升能源的供给、使用效率，节 约能源资源，实现经济效益与环境保护的双赢。,风机无人巡检,输配电网无人巡检,智能电力调度,智能用电管理,能源生产,应用无人机、深度学习等技术实现高 频次、高质量、全覆盖的设备巡检， 少故障隐患，减少故障处理速度,能源传输,应用机器人、深度学习等技术实现全 天24小时实时监控，大大降低人工工 作量,能源使用,通过机器学习的应用优化供能、用能 端，大大提升能源的供应和使用效率,采矿业融合场景,AI分析各类设备运行状况，发出AI预警，有助于避免因部件故障而导致代价高 昂的采矿事故。,当前机器人已经被应用于无人采矿作业 中，显著降低可能出现的危险事件，同 时提高整体生产效率。,利用AI技术改进矿产资源的发现与 规划，为采矿行业带来更科学的规 划思路与更可观的投资回报。,01,02,03,矿山勘探勘探识别钻潜在价值高的区域,采矿作业采矿人员需在恶劣环境中进行挖掘作业,设备维护采矿重型装备需要不断维护、维修,人工智能较早已融入采矿业，提供提升效率、解决安全问题的有力手段，帮助采矿企业长期保持自身价值产出,1,AI发展新态势,2,3,4,5,AI与工业融合发展现状AI与工业深度融合新趋势AI与工业深度融合面临的挑战 推进AI与工业深度融合的建议,AI共性技术亟待突破,底层芯片有突破但尚难以与巨头对抗,大部分供应商缺乏框架级的AI算法开发能力AI技术体系核心：深度学习框架,3%,6%,7%,7%,8%,8%,18%,23%,24%,52%,3%0%10%20%30%40%50%60%,TensorFlow Torch/PyTorchCaffe Scikit-learnMXNet MLib TensorLayerCNTKPaddlePaddleMahout Theano,使用普及率数据来源：CSDN，2018-2019年中国开发者报告百度PaddlePaddle、旷视Brain+技术实力已接近国际一流水准。旷视Brain+ 的核心，深度学习框架MegEngine更是在单机训练速率等方面优于TensorFlow、Pytorch等主流框架，不过生态打造方面才刚刚起步，有待后续的大力推广和 使用。,ASIC专用芯片,主流底层芯片,国内,国外,国内,国外,激烈竞逐,我国一直追赶,GPU短期内将继续占领AI芯片的主 要市场份额,FPGA是短期内AI芯片市场上的重要 增长点,我国在GPU、FPGA等主流底层芯片领域主要依靠进口，技术受制于人。尽管国 内正涌现出一批新锐企业，同国外厂商展开激烈竞逐，但绝大多数芯片依然依靠 国外的IP核进行设计，国内AI应用市场主要依托GPU开展算法训练，主要利润流 向国外巨头，难与国外巨头抗衡。,可落地的应用场景不清晰,企业对AI应用的潜能认识不准确我国许多制造业企业的AI意识还没有觉醒，没有考虑到AI方面的投入会带来 不止倍增的效益,缺乏适合的AI应用切入场景工业企业对AI领域的陌生，与掌握AI技术的科技企业之间存在着信息错位、 供需断层等沟通壁垒,成功案例示范效应不明显目前在制造业智能化水平较高的普遍都是超大型企业，需要巨大的前期投入，对于中小型企业并不具备可推广性,企业部署AI应用缺乏资金,制造业等行业利润率水平低，对AI应用的成本预算少,企业AI应用投入风险过大，缺乏风险分担机制,10073.3 8324.3 4409.4 4086.9,3109,2695.8 2519.92085,2018年，我国规模以上工业企业主营业务收入利润率仅为6.5%,我国工业企业信息化投入占比仅为0.25%。2018年世界主要国家制造业增加值（亿美元）40027.521733.2,2.60%,30%,中国制造业利润全球占比,中国制造业增加值全球占比,数据来源：世界银行,数据来源：世界银行,智能化改造项目 平均周期,智能化改造项目 平均投资额,3.5年,9000万元,产业链各环节协同不足,提供端到端解决方案的能力不足,云服务层管理层 制造执行层控制层 感知层 现场层,产业链上下游协同不顺畅系统解决方案需要软件产品开发商、硬件设备供应商、系统集成商等产业主体相互适配、协同创新。链上节点企业之间缺乏信赖和协作、信息不透明等问题也延缓了AI与工业融合的步伐。,制造业智能化转型是一项系统工程，需 要实现横向集成、纵向集成以及端到端 集成。国内缺少能够打通整个架构体系的智能 制造解决方案商。,工业企业数字化基础薄弱,生产系统数字化率低，难以支撑智能化生产工业企业关键工序数控化率为49.7%，只有46.0%企业在主要环节实现数字化工业企业传感器部署不足，工业数据采集难度大，业务系统互联互通程度不高,工业企业数据不规范，数据资源整合难度大我国工业领域缺乏统一的工业数据标准与通信协议，制约系统之间数据互通高端工业控制系统及通信协议被国外大型企业掌控，关键核心技术受制于人,实现全面数字化的企业没有实现全面数字化的企业,46%,54%,高校81%,科研机构9%,企业6%,其他4%,AI顶尖人才和应用人才不足,数据来源：中国人工智能发展报告2018,28536,5158,18232,977,0,5000,10000,15000,20000,25000,AI顶尖人才,AI人才美国中国,中国AI人才总量为18232人，位列第二，占全球AI人才 总量的13.9%；仅有977位顶尖人才，排名第六，占全球顶尖人才比例 为4.8%，顶尖人才相对不足。美国与中国AI人才对比30000,中国AI人才81.3%来自高校，8.8%来自科研机构，只有5.9%来自企业。绝大部分的AI人才在培养过程中对于应用产业难以有深 入的了解，复合型应用人才匮乏。我国AI人才分布,1,AI发展新态势,2,3,4,5,AI与工业融合发展现状AI与工业深度融合新趋势AI与工业深度融合面临的挑战 推进AI与工业深度融合的建议,给政府部门的建议,注重基础技术，夯实核心技术能力鼓励AI开发框架和芯片研发，并在工业特定领域 推广应用推动AI行业标准化探索成立开源基金,鼓励产业协同，打造产业生态体系支持成立AI与工业融合发展相关联盟、工作委员会支持AI产业联盟开展行业交流合作鼓励产业园区搭建跨行业交流平台,推进融合应用，提升实体经济效率推进AI应用示范，深化“揭榜挂帅”机制鼓励工业互联网平台提供商与AI技术提供商加强 合作加强对AI创新应用的扶持,破除行业壁垒，打造融合发展环境优化数据治理规则，推动行业间数据流通加快构建智能化信息基础设施推进智能制造标准化建设,给需求方的建议,加快部署AI应用，占据领先地位，避免在智能化进程中掉队找准与企业业务的关键结合点，根据实际能 力以点及面逐步渗透，同时要根据业务需求 找准AI领域的合作伙伴，借助外部力量来快 速形成AI能力,尽早开始积累数据，构建数据和 智能的护城河传统企业要注重生产数据的累积，进行合理 规划，构建数据体系，形成一体化的数据资 源基础，为智能化的发展打下坚实基础，这 也是需求方率先应该实现的入门级要求,通过沉淀AI能力，升级商业模式，提高行业赋能能力制造业企业可以通过自身AI能力的打造、应 用场景的创建，形成可输出可复制的模式和 路径对外输出，为企业带来额外的经济效益 和社会效益,注重AI应用与业务流程的融合， 推动业务流程优化建议通过AI技术对公司的业务模式、流程进 行优化再造。,给供给方的建议,抢占商机，尽早启动从IT供应商到AI供应商的转型IT服务供应商应加快向AI专业供应商转型的步 伐,少走弯路，与AI领域的领头企业合 作AI供应商应注重合作，以迅速打开市场为首要原则，加入国内AI头部企业阵营，协同构 建产业生态,站位高远，提升为工业企业开展AI 咨询的能力提升AI咨询能力，开展AI技术咨询与战略 咨询，帮助企业做全局或部分环节的判断,紧抓机遇，积极投身AI与工业深度 融合的进程中“AI+工业”市场是一片蓝海，AI供应商应主 动出击，拥抱大机遇,给教育机构的建议,与企业共建学生实训基地重点加强理论教育与实践能力、实际经验有机结合培养应用型人才的教学基地完善AI课程体系设计数学基础、计算机科学核心课程、智能基础、图像识别、自然语言处理、知识工程等专 业课程重视开源项目课程开展AI应用人才认证建立和完善与国际接轨、匹配产业需求的AI认证认可制度，提高技术人才职业化、国际 化水平,THANKS,