隨著人工智能、大數(shù)據(jù)、物聯(lián)網(wǎng)、云計算等新興科技發(fā)展,全球制造業(yè)開始進入新一輪變革浪潮。受政策支持、數(shù)據(jù)環(huán)境、算力提升、算法模型優(yōu)化、商業(yè)化應(yīng)用潛力五大利好因素驅(qū)動，中國制造業(yè)人工智能應(yīng)用市場前景廣闊，預(yù)計未來五年將保持年均40%以上的增長率，并在2025年超過140億元人民幣。
近期，德勤發(fā)布《制造業(yè)+人工智能創(chuàng)新應(yīng)用發(fā)展報告》，深刻闡述人工智能賦能制造業(yè)的背景與意義，客觀呈現(xiàn) “制造業(yè)+人工 智能”的總體態(tài)勢，展示人工智能技術(shù)正如何改變傳統(tǒng)的制造業(yè)，探討制造業(yè)中各領(lǐng)域各環(huán)節(jié)中應(yīng)用人工智能這一新興技術(shù)的挑戰(zhàn)。
點擊圖片可查看完整版報告
01.制造業(yè)：人工智能應(yīng)用藍海
全球經(jīng)濟環(huán)境變化使企業(yè)對數(shù)字技術(shù)應(yīng)用的認知大幅提升，越來越多的企業(yè)開始關(guān)注人工智能技術(shù)及其應(yīng)用。德勤的最新調(diào)研顯示，大部分中國企業(yè)認為人工智能是企業(yè)確立當前和未來市場領(lǐng)導(dǎo)地位的關(guān)鍵，其戰(zhàn)略重要性將在未來兩年持續(xù)提升。
中國作為制造業(yè)大國，為人工智能提供了豐富的應(yīng)用場景。據(jù)估算，人工智能在中國制造業(yè)的市場規(guī)模有望在 2025年超過140億人民幣：從2019年開始每年保持40% 以上的增長率。人工智能在制造業(yè)應(yīng)用的快 速發(fā)展主要受益于5個驅(qū)動因素：(1)新基建等政策支持;(2)人機物互聯(lián)產(chǎn)生海量數(shù)據(jù);(3)云計算、邊緣計算、專用芯片技術(shù)加速演進實現(xiàn)算力提升;(4) 算法模型持續(xù)優(yōu)化;(5)資本與技術(shù)深度耦合助推行業(yè)應(yīng)用。
制造業(yè)為什么需要人工智能?人工智能技術(shù)賦能制造業(yè)主要體現(xiàn)在三方面：首先，人工智能可以幫助企業(yè)提高智能化運營水平，實現(xiàn)降本增效;其次，人工智能、5G、工業(yè)互聯(lián)網(wǎng)等技術(shù)融合應(yīng)用，推動制造業(yè)生產(chǎn)及服務(wù)模式、決策模式、商業(yè)模式發(fā)生變化;最后，人工智能帶動制造業(yè)價值鏈重構(gòu)，有利于中國搶占全球制 造業(yè)產(chǎn)業(yè)鏈上的價值高地。
▲人工智能在中國制造業(yè)應(yīng)用市場規(guī)模
制造商正面臨著利潤率低、市場變化快的壓力，企業(yè)更需要透明的供應(yīng)鏈和可預(yù)測的需求來指導(dǎo)生產(chǎn)和控制成本。人工智能技術(shù)將原始運營和資產(chǎn)數(shù)據(jù)轉(zhuǎn)化為可行的方案， 從而使人和機器能夠在正確的時間采取正確的行動，以不斷提高性能。
人工智能賦能制造業(yè)發(fā)展迎來新機遇，工業(yè)互聯(lián)網(wǎng)助力制造業(yè)轉(zhuǎn)型升級成效初顯，推進人工智能與業(yè)務(wù)場景的融合。制造業(yè)將迎來更為廣泛成熟的生態(tài)圈，將開發(fā)更智能化及網(wǎng)絡(luò)化的新產(chǎn)品，并帶動行業(yè)的生產(chǎn)、服務(wù)及商業(yè)模式升級。
而制造業(yè)是人工智能應(yīng)用場景最具潛力的領(lǐng)域。有研究發(fā)現(xiàn)，人工智能的應(yīng)用可為制造商降低最高20%的加工成本，而這種減少最高有70%源于更高的勞動生產(chǎn)率。到 2030年，因人工智能的應(yīng)用，全球?qū)⑿略?5.7萬億美元 GDP，中國占7萬億美元;到2035年，人工智能將推動勞動生產(chǎn)力提升27%,拉動制造業(yè)GDP達27萬億美元。
制造業(yè)將成為人工智能應(yīng)用藍海。2016年，全球人工智能及相關(guān)技術(shù)的制造業(yè)應(yīng)用市場約為1.2千億美元，這個數(shù)字在2025年有望超過7.2千億美元，復(fù)合年均增長率 預(yù)計可超過25%。
中國制造業(yè)轉(zhuǎn)型升級為中國人工智能發(fā)展提供廣闊平臺。一方面，低技術(shù)含量(第二產(chǎn)業(yè)、處理常規(guī)/可預(yù)測/ 可編程任務(wù))的工作將首先被人工智能替代。中國制造業(yè)在轉(zhuǎn)型升級的過程中，重復(fù)性、規(guī)則性、可編程性較高的工作內(nèi)容將逐步由協(xié)同智能化工業(yè)機器人完成。另一 方面，人工智能促進制造業(yè)研發(fā)、生產(chǎn)、運輸、倉儲、 服務(wù)等環(huán)節(jié)的智能化，與工業(yè)互聯(lián)網(wǎng)疊加，創(chuàng)造出更多高質(zhì)量的就業(yè)崗位，產(chǎn)生更多具有商業(yè)價值的新場景。
當前主流的制造業(yè)生產(chǎn)方式以流水線生產(chǎn)為標志，在這種模式下，企業(yè)競爭策略主要是產(chǎn)品多樣化策略和成本控制策略。受限于標準化生產(chǎn)過程，消費者曰益增長的個性化需求難以被精準滿足。隨著消費升級，制造業(yè) 提高供給質(zhì)量的必要性、迫切性不斷增加。
在人工智能技術(shù)的引領(lǐng)下，剛性生產(chǎn)系統(tǒng)轉(zhuǎn)向可重構(gòu)的柔性生產(chǎn)系統(tǒng)，客戶需求管理能力的重要性不斷提升， 制造業(yè)從以產(chǎn)品為中心轉(zhuǎn)向以用戶為核心。大規(guī)模生產(chǎn) 轉(zhuǎn)向規(guī)模化定制生產(chǎn)，數(shù)據(jù)要素的附加值提高，生產(chǎn)者主導(dǎo)的經(jīng)濟模式轉(zhuǎn)向消費者主導(dǎo)的經(jīng)濟模式，滿足消費 者個性化需求成為企業(yè)的重要競爭策略，逐漸替代以往 企業(yè)依靠規(guī)模經(jīng)濟來降低成本的競爭策略。
人工智能還將幫助中國制造業(yè)應(yīng)對產(chǎn)業(yè)鏈外遷的風(fēng)險。產(chǎn)業(yè)鏈外遷通常意味著企業(yè)搬離、就業(yè)流失、稅收下降，特別是在疫情對中國經(jīng)濟造成一定沖擊的情況下， 以服裝為代表的制造業(yè)比較優(yōu)勢開始下降，行業(yè)規(guī)模以下企業(yè)眾多，被動加速產(chǎn)業(yè)轉(zhuǎn)移，由此引發(fā)居民收入下降和農(nóng)民工失業(yè)風(fēng)險，這些風(fēng)險需要積極應(yīng)對。中國需要加強基礎(chǔ)研發(fā)力度，發(fā)展高技術(shù)制造業(yè)，推進制造業(yè)服務(wù)化，以人工智能賦能產(chǎn)業(yè)數(shù)字化轉(zhuǎn)型，使產(chǎn)業(yè)擁有自己護城河的同時，增加居民收入和拉動就業(yè)。
在全球制造業(yè)的價值分配鏈中，中國并未占領(lǐng)技術(shù)研發(fā)、 產(chǎn)品設(shè)計、高附加值服務(wù)等產(chǎn)業(yè)鏈上的高價值部分，而借助人工智能可以加速中國向產(chǎn)業(yè)價值鏈高端攀升。
02.三層產(chǎn)業(yè)結(jié)構(gòu) 人工智能絕佳落地賽道
人工智能經(jīng)過60多年的演進，已發(fā)展成多學(xué)科高度交叉的復(fù)合型綜合性學(xué)科，涵蓋計算機視覺、自然語言理解、語音識別與生成、機器人學(xué)、認知科學(xué)等領(lǐng)域的研究。人工智能與制造業(yè)融合，是指將人工智能技術(shù)應(yīng)用 到制造業(yè)，使制造業(yè)在數(shù)字化和網(wǎng)絡(luò)化的基礎(chǔ)上，實現(xiàn)機器的自動反饋和自主優(yōu)化。從“制造業(yè)+人工智能”的視角理解，其產(chǎn)業(yè)結(jié)構(gòu)包含三層，如下圖所示。
▲制造業(yè)+AI產(chǎn)業(yè)產(chǎn)業(yè)結(jié)構(gòu)
1、基礎(chǔ)層，不可或缺的軟硬件資源
“制造業(yè)+人工智能”的基礎(chǔ)層包括人工智能芯片、工業(yè)物聯(lián)網(wǎng)，它們?yōu)槿斯ぶ悄芴峁┰谥圃鞓I(yè)落地所需的軟硬件資源。
復(fù)雜的工業(yè)問題需要人工智能算法芯片高效運算來解決，當前能適應(yīng)深度學(xué)習(xí)需求的芯片類型主要有 GPU、FPGA和ASIC,三者在性能、定制化程度、功耗、 成本等方面具有不同特點。
▲不同類型人工智能芯片比較
人工智能芯片產(chǎn)業(yè)鏈分為上游算法設(shè)計、中游芯片制造以及下游應(yīng)用。
上游底層算法架構(gòu)設(shè)計通常由具備豐富經(jīng)驗的大企業(yè)負責(zé)。晶圓工廠負責(zé)測試芯片算法效果。軟件及其他專用材料、設(shè)備的供應(yīng)商為中游企業(yè)提供所需硬件。
中游芯片廠商對算法架構(gòu)設(shè)計及IP核授權(quán)企業(yè)依賴度較高，上 游架構(gòu)交付企業(yè)對中游芯片制造企業(yè)議價能力較高。中游企業(yè)負責(zé)人工智能芯片的設(shè)計、制造以及測試。
實力較強的芯片企業(yè)可拓展業(yè)務(wù)至底層算法架構(gòu)設(shè)計環(huán)節(jié)，整合芯片、模塊及終端產(chǎn)品，提供一體式解決方 案，向下游各類企業(yè)提供人工智能運算產(chǎn)品和服務(wù)。中游不具備芯片設(shè)計能力的企業(yè)平均盈利水平較低。
處于產(chǎn)業(yè)鏈下游的是各類工業(yè)產(chǎn)品和消費電子制造商。
人工智能芯片在制造業(yè)應(yīng)用領(lǐng)域包括智慧工廠、智慧家電、自動駕駛等。由于人工智能芯片附加值高且產(chǎn)能有限，下游廠商對芯片制造企業(yè)的議價能力有限。
▲人工智能芯片產(chǎn)業(yè)鏈
工業(yè)機器人誕生于20世紀70年代。機械臂作為典型的工業(yè)機器人，已經(jīng)廣泛應(yīng)用于汽車、電子、金屬、塑料 和化工以及食品和飲料等制造業(yè)垂直領(lǐng)域。人工智能時代，工業(yè)機器人將被新的核心技術(shù)定義，包括深度學(xué)習(xí)、路徑規(guī)劃、任務(wù)級編程、柔性控制等，“人機協(xié)作”也正成為工業(yè)機器人的發(fā)展方向。
與傳統(tǒng)工業(yè)機器人相比，協(xié)作機器人可以和人類伙伴并肩協(xié)作，高效安全地完成某項或多項作業(yè)。英國巴克萊銀行的一份研究報告預(yù)測，協(xié)作機器人將迎來蓬勃發(fā)展的黃金時期，預(yù)計到2025年全球銷量將從2018年的5.8 萬臺快速增至70萬臺。
▲協(xié)作機器人與傳統(tǒng)工業(yè)機器人比較
工業(yè)機器人產(chǎn)業(yè)鏈分別由上游關(guān)鍵材料及零部件生產(chǎn)商、 中游機器人本體制造商、下游系統(tǒng)集成及服務(wù)和下游應(yīng)用行業(yè)構(gòu)成。
傳統(tǒng)工業(yè)機器人產(chǎn)業(yè)鏈上游核心零部件主要包括減速器、 控制器和伺服系統(tǒng)等，其成本約占機器人總成本的60%。日本的納博特斯克和哈默納科占據(jù)工業(yè)機器人減速器70% 的市場份額。控制器領(lǐng)域，日本、德國和美國的企業(yè)占據(jù)了主導(dǎo)地位。伺服系統(tǒng)由日韓歐美企業(yè)主導(dǎo)。隨著人工智能技術(shù)在機器人領(lǐng)域應(yīng)用的增加，人工智能芯片、傳感器等底層智能硬件也成為工業(yè)機器人產(chǎn)業(yè)鏈上游的重要環(huán)節(jié)。
▲工業(yè)機器人產(chǎn)業(yè)鏈
另一個基礎(chǔ)層技術(shù)是工業(yè)互聯(lián)網(wǎng)。工業(yè)物聯(lián)網(wǎng)將具有感知、監(jiān)控能力的各類采集或控制傳 感器以及移動通信、人工智能等技術(shù)融合到工業(yè)生產(chǎn)過程中的各個環(huán)節(jié)，從而提高制造效率，改善產(chǎn)品質(zhì)量， 降低成本和資源消耗。
工業(yè)物聯(lián)網(wǎng)的本質(zhì)是數(shù)據(jù)，可以為人工智能提供源源不斷的數(shù)據(jù)支持，是人工智能在工業(yè)領(lǐng)域應(yīng)用的基石。人工智能精準分析這些數(shù)據(jù)，在清晰的戰(zhàn)略指引下，幫助企業(yè)將物聯(lián)網(wǎng)產(chǎn)生的信息轉(zhuǎn)化為有意義的洞見，幫助決策者更清楚地了解他們的客戶、產(chǎn)品和市場，繼而協(xié)助企業(yè)開發(fā)新產(chǎn)品、服務(wù)和商業(yè)模式。
▲工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)鏈
中國工業(yè)物聯(lián)網(wǎng)產(chǎn)業(yè)鏈已經(jīng)初步形成，參與者包括上游設(shè)備制造商，中游技術(shù)和平臺提供商，以及下游產(chǎn)業(yè)應(yīng)用和系統(tǒng)集成商。
產(chǎn)業(yè)鏈上游主要負責(zé)現(xiàn)場信息采集，如傳感器、RFID讀寫器、智能設(shè)備等的制造。上游作為工業(yè)物聯(lián)網(wǎng)的數(shù)據(jù)入口，已率先受益并迅速擴大規(guī)模。但隨著產(chǎn)業(yè)不斷發(fā)展成熟，行業(yè)呈現(xiàn)完全競爭格局，技術(shù)門檻較低的企業(yè) 陷入同質(zhì)化競爭，導(dǎo)致產(chǎn)業(yè)價值下沉。
產(chǎn)業(yè)鏈中游為工業(yè)物聯(lián)網(wǎng)應(yīng)用提供技術(shù)支撐，能夠為設(shè)備制造商提供終端監(jiān)控和故障定位服務(wù)，為系統(tǒng)集成商提供代計費和客戶服務(wù)，為終端用戶提供可靠全面的服務(wù)，為應(yīng)用開發(fā)者提供統(tǒng)一、方便、低廉的開發(fā)工具等。中游主要包括工業(yè)物聯(lián)網(wǎng)平臺、工業(yè)數(shù)據(jù)平臺、工業(yè)云平臺提供商等。
產(chǎn)業(yè)鏈下游負責(zé)打通工業(yè)數(shù)據(jù)和產(chǎn)業(yè)應(yīng)用通道的最后關(guān)口，針對特定工業(yè)場景提供系統(tǒng)集成服務(wù)。相關(guān)企業(yè)包 括工業(yè)控制系統(tǒng)企業(yè)、工業(yè)軟件企業(yè)等各類提供工業(yè)系 統(tǒng)解決方案的企業(yè)。國內(nèi)從事工業(yè)控制、工業(yè)自動化的企業(yè)數(shù)量眾多，在經(jīng)營規(guī)模和經(jīng)營效益上呈現(xiàn)“扁平大 金字塔”的分布狀態(tài)，年營業(yè)額在40-50億元的大企業(yè) 少，大部分企業(yè)年營業(yè)額為10億元以下。
2、技術(shù)平臺層：問題導(dǎo)向而非數(shù)據(jù)導(dǎo)向
制造業(yè)融合人工智能的技術(shù)平臺層包括制造業(yè)大數(shù)據(jù)、 公有制造云、制造業(yè)人工智能算法，即基于數(shù)據(jù)和網(wǎng)絡(luò)，開發(fā)設(shè)計人工智能算法。
工業(yè)大數(shù)據(jù)是工業(yè)領(lǐng)域產(chǎn)品和服務(wù)全生命周期數(shù)據(jù)的總稱，包括工業(yè)企業(yè)在研發(fā)設(shè)計、生產(chǎn)制造、經(jīng)營管理、運維服務(wù)等環(huán)節(jié)中生成和使用的數(shù)據(jù)，以及工業(yè)互聯(lián)網(wǎng)平臺中的數(shù)據(jù)等。
工業(yè)大數(shù)據(jù)是推動人工智能在制造業(yè)應(yīng)用的關(guān)鍵生產(chǎn)要素。中國作為全球第一制造大國，工業(yè)大數(shù)據(jù)資源豐富，也催生了圍繞工業(yè)大數(shù)據(jù)展開的一系列業(yè)務(wù)。2019年，中國工業(yè)大數(shù)據(jù)市場整體規(guī)模達到146.9億元，同比增長28.6%，預(yù)計未來三年將保持30%以上的速度持續(xù)增長，至2022年達到346.1億元，工業(yè)大數(shù)據(jù)將持續(xù)促進 傳統(tǒng)制造業(yè)轉(zhuǎn)型升級，助力工業(yè)智能化發(fā)展。
▲制造業(yè)年度數(shù)據(jù)產(chǎn)生量為各行業(yè)之首
工業(yè)大數(shù)據(jù)產(chǎn)業(yè)鏈由基礎(chǔ)層、平臺層和應(yīng)用層構(gòu)成，如下圖所示。
▲工業(yè)大數(shù)據(jù)產(chǎn)業(yè)鏈
制造業(yè)人工智能算法是利用不同的機器學(xué)習(xí)方法，融合不同類型的數(shù)據(jù)去挖掘不可見的關(guān)系，對系統(tǒng)進行建模和優(yōu)化，避免尚未發(fā)生的問題。目前機器學(xué)習(xí)方法眾多，其中以神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)技術(shù)最為前沿，其他機器學(xué)習(xí)方法還包括決策樹算法、回歸算法、分類算法、聚類算法等。
從算法技術(shù)應(yīng)用來看，主要包括了計算機視覺、情境感 知、自然語言理解、機器學(xué)習(xí)等。中國企業(yè)在技術(shù)領(lǐng)域的競爭力較強，不乏計算機視覺、語音識別和自然語言理解的初創(chuàng)企業(yè)。
雖然深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)在圖像處理和語義識別等領(lǐng)域已經(jīng)取得明顯進步，但要廣泛應(yīng)用于工業(yè)系統(tǒng)仍然要走很長一段路。最主要的原因是神經(jīng)網(wǎng)絡(luò)的預(yù)測結(jié)果往往不能自我解釋。在工業(yè)系統(tǒng)中的應(yīng)用除了對精度有非?？量痰囊笸?，還需要解釋預(yù)測結(jié)果的合理性，以及相關(guān)的不確定性風(fēng)險。
▲主要機器學(xué)習(xí)方法
工業(yè)云平臺是人工智能進行計算的場所，制造業(yè)生產(chǎn)中產(chǎn)生的海量數(shù)據(jù)將與工業(yè)云平臺相連，利用人工智能算法進行數(shù)據(jù)挖掘，提煉有效的生產(chǎn)改進信息，最終用于計劃排產(chǎn)、協(xié)同制造、預(yù)測性維護等領(lǐng)域。
目前科技/互聯(lián)網(wǎng)企業(yè)、通信企業(yè)和工業(yè)企業(yè)都已布局工業(yè)云平臺，如阿里巴巴ET工業(yè)大腦，中國聯(lián)通的CUII, 以及海爾的COSMOCPIat?；ヂ?lián)網(wǎng)企業(yè)優(yōu)勢在于資源整合能力強，工業(yè)企業(yè)則更為精準地了解行業(yè)痛點。預(yù)計未來會出現(xiàn)不同垂直領(lǐng)域的頭部企業(yè)，圍繞不同應(yīng)用場景打造護城河。
▲工業(yè)云平臺市場格局
3、應(yīng)用層面：讓人工智能去做擅長的事情
人工智能在生產(chǎn)制造的不同階段都有潛在應(yīng)用?？梢杂糜诋a(chǎn)品開發(fā)的生成性設(shè)計，或用于庫存管理的生產(chǎn)預(yù)測，還可用于在生產(chǎn)線上執(zhí)行缺陷檢查或生產(chǎn)優(yōu)化等任務(wù)，以及用于機械的預(yù)測性維護系統(tǒng)。上述應(yīng)用中，一些正在進入工廠，而另一些仍在等待突破。
現(xiàn)階段中國制造業(yè)智能化轉(zhuǎn)型升級的本質(zhì)就是從解決可見問題到解決和避免不可見問題的過程。工業(yè)大數(shù)據(jù)、人工智能技術(shù)的作用就是通過預(yù)測生產(chǎn)系統(tǒng)中的不可見問題， 實現(xiàn)制造系統(tǒng)生產(chǎn)效率的提升和產(chǎn)品競爭力的突破。
03.制造業(yè)+AI 重點市場解析
1、上游市場
未來幾年，中國人工智能芯片市場將保持年 均40%-50%的增長，GPU與FPGA市場已被國外寡頭占據(jù)，唯ASIC尚未被頭部企業(yè)壟斷，成為各方布局焦點。
人工智能芯片產(chǎn)業(yè)規(guī)模高速增長。全球人工智能芯片市場 規(guī)模將由2018年的66億美元(約437億人民幣)增長至2025 年的912億美元(約6,100億人民幣)，CAGR為45%。
預(yù)計未來幾年，中國人工智能芯片市場將同樣保持40%- 50%的增長速度。宏觀政策環(huán)境、技術(shù)進步以及人工智能應(yīng)用普及等利好因素將驅(qū)動中國人工智能芯片市場規(guī)模由2018年的80億元人民幣增至2025年超過千億元人民幣。
從市場格局來看，由于人工智能芯片技術(shù)壁壘高，國外企業(yè)在GPU和FPGA市場獨占鰲頭，只有ASIC尚未被頭部公司占據(jù)。英偉達和AMD憑借并行計算架構(gòu)專利以及人工智能廣泛成熟的開發(fā)生態(tài)環(huán)境壟斷GPU市場。
Xilinx(賽靈思)和英特爾Altera憑借與芯片配套的硬件程序語言、軟件設(shè)計工具專利和多年電路設(shè)計仿真測試經(jīng)驗占據(jù)了 FPGA市場。在中國FPGA市場中，Xilinx和Altera 雙寡頭市場占比高達52%和28%,從技術(shù)到知識產(chǎn)權(quán)等方面，國產(chǎn)FPGA廠商面臨著不小的挑戰(zhàn)。當前只有ASIC 尚未被頭部公司壟斷，由各企業(yè)針對不同的人工智能應(yīng) 用場景進行開發(fā)。
2018年以來，中國ASIC芯片企業(yè)數(shù)量激增，但目前仍以國外算法架構(gòu)設(shè)計為主，本土芯片算法設(shè)計企業(yè)的市場占有率僅為30%。
▲人工智能芯片市場格局
從細分產(chǎn)品來看，中國工業(yè)市場對于FPGA的需求高于全球。據(jù)MRFR統(tǒng)計，2019年全球FPGA的市場規(guī)模為69億美元左右，其中工業(yè)領(lǐng)域占比大約為12%,市場規(guī)模約 為8.3億美元。2019年中國FPGA的市場規(guī)模約為187.5億元人民幣，其中工業(yè)市場應(yīng)用占比約為28%，市場規(guī)模 約為52.5億元人民幣，預(yù)計2025年，F(xiàn)PGA在中國工業(yè)領(lǐng)域的市場規(guī)模將達100億元人民幣，主要應(yīng)用在工業(yè)通訊、電機控制、機器視覺、邊緣計算、工業(yè)機器人等場景。
相較賽靈思、英特爾等國際巨頭，中國FPGA的研發(fā)起步晚、但進度逐漸加快，與國際頭部企業(yè)的差距已經(jīng)由3代縮短至2代。在全球科技競爭激烈和中美貿(mào)易摩擦的背景下，國內(nèi)芯片企業(yè)的發(fā)展迎來機遇。
▲人工智能芯片市場規(guī)模增長預(yù)測
2、中游技術(shù)平臺
計算機視覺和機器學(xué)習(xí)技術(shù)帶動人工智能在制造業(yè)應(yīng)用市場的增長，預(yù)計到2025年計算機視覺在制造業(yè)領(lǐng)域的應(yīng)用市場將達到55億元人民幣，機器學(xué)習(xí)的應(yīng)用市場將達到44億元人民幣。
▲人工智能制造業(yè)應(yīng)用市場的規(guī)模(按技術(shù)分類)
人工智能的云部署方式也快速增長，預(yù)計2025 年市場規(guī)模將達60億元人民幣，占整體人工智能應(yīng)用市場的43%，為制造企業(yè)提供開發(fā)新服務(wù)和新商業(yè)模式的機會。
人工智能部署既可以在自有設(shè)備/私有云上，也可以在公有云上。由于目前人工智能和相關(guān)技術(shù)主要用于工業(yè)生產(chǎn)自動化，自有/私有云部署占據(jù)多數(shù)市場份額。
▲ 2016-2025人工智能制造業(yè)部署方式
3、下游應(yīng)用
人工智能在制造業(yè)中的應(yīng)用廣泛，圍繞提升效率、降低成本、增加產(chǎn)品和服務(wù)價值以及探索新業(yè)務(wù)模式等價值定位產(chǎn)生了不同的應(yīng)用場景，如下圖所示。
▲人工智能制造業(yè)主要應(yīng)用場景及市場規(guī)模預(yù)測
從應(yīng)用市場規(guī)模來看，預(yù)計到2025年，電子通信/半導(dǎo)體人工智能應(yīng)用的市場規(guī)模將達到41億元人民幣，汽車制造緊隨其后達37億元人民幣，能源電力25億元人民幣，制藥17億元人民幣，金屬及機械制造13億元人民幣，其他行業(yè)8億元人民幣。
▲ 2018-2025年中國工業(yè)細分行業(yè)人工智能應(yīng)用市場預(yù)測
04.五大挑戰(zhàn) 道阻且長
1、芯片核心技術(shù)有待攻克，專用芯片開發(fā)技術(shù)門檻參差不齊
芯片產(chǎn)業(yè)高度依賴知識產(chǎn)權(quán)，是典型的技術(shù)驅(qū)動和資本 驅(qū)動型產(chǎn)業(yè)。中國芯片產(chǎn)業(yè)過去幾年雖發(fā)展迅速，但在 軟件、設(shè)備、材料、設(shè)計、制造等領(lǐng)域和環(huán)節(jié)仍需攻克 核心技術(shù)。芯片設(shè)備領(lǐng)域，2019年全球前五名芯片設(shè)備生產(chǎn)商占全球銷售額的78%，其中三家來自美國。
芯片材料領(lǐng)域，全球五大硅晶圓的供應(yīng)商占據(jù)了高達92.8% 的產(chǎn)能，美國、日本、韓國的公司具有壟斷地位。芯片設(shè)計環(huán)節(jié)，國際三巨頭美國Synopsys、Cadence和德國西門子的Mentor Graphic占據(jù)中國95%的EDA軟件市 場。在芯片制造環(huán)節(jié)，盡管80%的產(chǎn)能在亞洲，但2019 年臺積電市場占有率高達52%，三星為18%左右，中芯國際和華虹半導(dǎo)體只占4.4%和1.5%。
國外芯片巨頭占據(jù)了絕大部分市場份額，具有絕對領(lǐng)先 優(yōu)勢。中國制造業(yè)亟需國產(chǎn)自主可控的高性能芯片來保 證供應(yīng)鏈安全以及核心數(shù)據(jù)和知識產(chǎn)權(quán)安全。目前，中國對芯片的研發(fā)投入強度落后于歐美。據(jù)統(tǒng)計，2019年 美國半導(dǎo)體產(chǎn)業(yè)的研發(fā)支出占銷售額的比重為16.4%，歐洲為15.4%，中國半導(dǎo)體產(chǎn)業(yè)的研發(fā)支出占銷售額的 比重為8.3%。
國內(nèi)企業(yè)布局主要集中在人工智能專用芯片(如ASIC), 以初創(chuàng)企業(yè)和互聯(lián)網(wǎng)企業(yè)為主。
一方面，專用芯片根據(jù)特定工業(yè)場景開發(fā)，可以更好的解決工業(yè)業(yè)務(wù)痛點。
另一方面，通用芯片技術(shù)壁壘高、回報周期長，而初創(chuàng)企業(yè)以生存為首要目標，因此很多企業(yè)更傾向于結(jié)合自己的產(chǎn)品算法和應(yīng)用特點開發(fā)各自獨特的體系，從而可以 較快的將算法和軟硬件結(jié)合為完整的解決方案，進而向市場推出。例如依圖科技在招股書中明確，未計劃單獨銷售芯片，而是基于芯片開發(fā)智慧服務(wù)器及智慧邊緣計算設(shè)備并對外銷售。但是由于人工智能芯片開發(fā)的技術(shù)門檻參差不齊，國內(nèi)企業(yè)尚未形成“芯片一平臺一應(yīng) 用”的生態(tài)，不具備與傳統(tǒng)芯片巨頭抗衡的實力。
2、工業(yè)數(shù)據(jù)資源的掌握與應(yīng)用能力不匹配，數(shù)據(jù)價值尚待挖掘
當前基于數(shù)據(jù)驅(qū)動的人工智能技術(shù)路線，對問題還原的 準確度離不開數(shù)據(jù)訓(xùn)練。采集數(shù)據(jù)的方法，數(shù)據(jù)的質(zhì) 量、多樣性以及規(guī)模直接決定了人工智能作用發(fā)揮的程 度。相較于商業(yè)數(shù)據(jù)，工業(yè)數(shù)據(jù)的來源和制式更加復(fù) 雜，而且對數(shù)據(jù)的可解釋性、可靠性和準確性要求更 高。目前工業(yè)數(shù)據(jù)應(yīng)用面臨以下挑戰(zhàn)：
數(shù)據(jù)采集匯聚：企業(yè)信息化基礎(chǔ)薄弱、設(shè)備不互聯(lián)、 通信協(xié)議不兼容造成數(shù)據(jù)采集困難，數(shù)據(jù)失真、缺乏 統(tǒng)一的數(shù)據(jù)標準等導(dǎo)致工業(yè)數(shù)據(jù)難以集成;
數(shù)據(jù)開發(fā)應(yīng)用：數(shù)據(jù)的管理和建模技術(shù)有待提高，海量實時異構(gòu)數(shù)據(jù)的挖掘能力不足;
數(shù)據(jù)流通共享：工業(yè)企業(yè)對于跨企業(yè)、跨行業(yè)數(shù)據(jù)共享合作的需求正在快速增加，但數(shù)據(jù)權(quán)屬界定不清、 規(guī)則不明、難以定價等基礎(chǔ)性問題沒有得到解決;
數(shù)據(jù)治理安全：網(wǎng)絡(luò)安全、系統(tǒng)安全、數(shù)據(jù)安全等挑戰(zhàn)。
中國信息通信研究院和工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟調(diào)研顯示， 中國工業(yè)企業(yè)只有不到1/3的企業(yè)開展了數(shù)據(jù)治理，51% 的企業(yè)仍在使用文檔或更原始的方式進行數(shù)據(jù)管理。盡管已經(jīng)有越來越多的工業(yè)企業(yè)意識到數(shù)據(jù)資產(chǎn)管理和應(yīng)用的重要性，但相比信息化程度較高的金融、電信、互聯(lián)網(wǎng)等行業(yè)，工業(yè)數(shù)據(jù)的應(yīng)用還處在探索階段。
3、技術(shù)能力和算法特質(zhì)無法滿足實際應(yīng)用需求，工業(yè)場景落地難
現(xiàn)有的通用計算架構(gòu)與芯片尚無法滿足工業(yè)實時性所帶來的計算要求，特定工業(yè)場景對端側(cè)推理需求迫切。以圖片高精度高速檢測和實時工業(yè)場景識別為例，傳統(tǒng)芯 片處理1080P圖片需要耗時1秒，而以上場景的圖像實時識別需要達到人眼識別幀率，即1/24秒。以設(shè)備實時控 制為例，中低端設(shè)備的控制周期是微秒級，高端設(shè)備甚 至要求200-500納秒級，當前人工智能技術(shù)無法實現(xiàn)。
另外，人工智能算法的“黑盒”特性與制造業(yè)追求的精 準、可靠與可解釋性存在矛盾。人工智能企業(yè)往往很難對算法的每一個步驟、算法的技術(shù)原理和細節(jié)進行解釋，簡單公開算法系統(tǒng)的代碼并不能提供有效的透明度，反倒可能威脅數(shù)據(jù)隱私或影響技術(shù)的安全應(yīng)用。
制造業(yè)的人工智能應(yīng)用在部分領(lǐng)域、核心環(huán)節(jié)對推薦參數(shù) 的準確性要求是100%，一旦參數(shù)出現(xiàn)問題，會對生產(chǎn)、制造等環(huán)節(jié)，甚至生命財產(chǎn)安全產(chǎn)生巨大影響。制造企業(yè)不清楚算法模型是如何得出某個結(jié)論，無法理解復(fù)雜的人工智能算法的決策理由，導(dǎo)致了企業(yè)對人工智能準確性的懷疑，加大了人工智能企業(yè)找到既符合應(yīng)用條件又愿意配合的制造企業(yè)的難度。
4、人工智能技術(shù)解決方案無法直擊核心痛點，復(fù)制性較差
許多人工智能技術(shù)目前還在關(guān)注表面的問題，而非核心痛點。例如，某手機制造企業(yè)希望通過人工智能提升制造工藝和良品率，而引入計算機視覺做質(zhì)檢只能在產(chǎn)品生產(chǎn)出來后發(fā)現(xiàn)缺陷，遠不能達到改進工藝、解決核心質(zhì)量問題的目的。
此外，由于工業(yè)設(shè)備產(chǎn)品、場景的差異化與任務(wù)的多樣 性，當前工業(yè)場景下機器學(xué)習(xí)模型的可復(fù)制推廣性較差。例如，工業(yè)場景下的產(chǎn)品檢測，不同生產(chǎn)線、不同 產(chǎn)品的缺陷種類情況可能完全不同，在某一企業(yè)可能獲得高效率的算法或解決方案，移植到另一企業(yè)或許并不能達到同樣的效果。
5、制造業(yè)企業(yè)自身意識和能力不足，認知理念、管理方式、人才計劃亟待變革
制造企業(yè)要想利用人工智能技術(shù)實現(xiàn)降本增效，就需要 進行認知和管理方式上的轉(zhuǎn)變。很多傳統(tǒng)工業(yè)企業(yè)認為，應(yīng)用工業(yè)智能數(shù)字化產(chǎn)品和采購設(shè)備的效果一樣，能夠快速的優(yōu)化和提高競爭力。但數(shù)據(jù)驅(qū)動的模型需要數(shù)據(jù)不斷迭代優(yōu)化，才能達到相對精準的效果。這意味著工業(yè)企業(yè)需要改變對軟件的看法，并在模型初期給予足夠的包容度。
制造企業(yè)既有的經(jīng)驗及組織架構(gòu)也會成為障礙。當人工智能技術(shù)的導(dǎo)入涉及到管理變革或流程優(yōu)化操作時，由于員工已經(jīng)熟悉原有的工作流程，要推行實施新流程就要經(jīng)歷一個非常困難的過程。資金、培訓(xùn)和時間的投入是公司難以承擔(dān)的巨大風(fēng)險。另外，不了解如何進行相 關(guān)的組織架構(gòu)調(diào)整，也是企業(yè)應(yīng)用人工智能過程中面臨的挑戰(zhàn)。
人才短板也是工業(yè)企業(yè)人工智能應(yīng)用的挑戰(zhàn)之一。在人工智能技術(shù)深入應(yīng)用并落地的過程中，需要人才既懂技術(shù)又懂傳統(tǒng)工業(yè)產(chǎn)業(yè)，才能實現(xiàn)深入融合。這要求人工 智能人才培養(yǎng)時注重跨學(xué)科能力與綜合應(yīng)用能力。
在人才培養(yǎng)計劃中可以推行高校人工智能人才培養(yǎng)與傳統(tǒng)工業(yè)企業(yè)平臺結(jié)合的方式。企業(yè)自身人工智能技術(shù)探索研發(fā)的過程，對培養(yǎng)高精專人工智能人才是很好的教育。人工智能與不同行業(yè)的結(jié)合可以為企業(yè)提供不同的發(fā)展思路，有利于人工智能理論在垂直產(chǎn)業(yè)的實際應(yīng)用落地。
（轉(zhuǎn)載）
