新一輪信息與產(chǎn)業(yè)變革蓬勃興起，工業(yè)經(jīng)濟(jì)數(shù)字化、網(wǎng)絡(luò)化、智能化發(fā)展成為全球關(guān)注重點(diǎn)與趨勢(shì)，工業(yè)智能也由此迎來了發(fā)展的新階段。然而，工業(yè)智能仍處于發(fā)展探索時(shí)期，尚未形成明確并具規(guī)模性的商業(yè)化應(yīng)用，而且各方對(duì)工業(yè)智能的產(chǎn)業(yè)發(fā)展尚未形成共識(shí)。

　　在此形勢(shì)下，近日，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟聯(lián)合多家企業(yè)共同編寫和發(fā)布了《工業(yè)智能白皮書》(2019討論稿)(以下簡(jiǎn)稱《白皮書》)，從應(yīng)用、技術(shù)和產(chǎn)業(yè)等方面研究和分析工業(yè)智能的發(fā)展脈絡(luò)和最新狀況，并在一定程度上對(duì)未來發(fā)展變革方向作出了預(yù)判。

　　在《白皮書》剖析的工業(yè)智能發(fā)展脈絡(luò)中，我們可以發(fā)現(xiàn)，工業(yè)智能產(chǎn)業(yè)視圖主要表現(xiàn)為“兩橫兩縱”，橫向?yàn)橹R(shí)圖譜和深度學(xué)習(xí)兩大關(guān)鍵技術(shù)，縱向?yàn)橥ㄓ眉夹g(shù)和應(yīng)用集成兩方面。

　　在橫向發(fā)展層面，ICT企業(yè)、研究機(jī)構(gòu)及相關(guān)行業(yè)協(xié)會(huì)3類主體提供通用技術(shù)能力，以“被集成”的方式為工業(yè)智能提供基礎(chǔ)支撐。其中，ICT企業(yè)如微軟、谷歌、亞馬遜、阿里等，提供幾乎涵蓋知識(shí)圖譜、深度學(xué)習(xí)的所有通用技術(shù)研究與工程化支持；研究機(jī)構(gòu)如加州大學(xué)、麻省理工、清華大學(xué)、中科院自動(dòng)化所等，主要提供算法方面的理論研究；行業(yè)協(xié)會(huì)提供相關(guān)標(biāo)準(zhǔn)或通用技術(shù)支持，如OMG對(duì)象管理組織提供統(tǒng)一建模語言等企業(yè)集成標(biāo)準(zhǔn)的制定，為知識(shí)圖譜的工業(yè)化落地奠定基礎(chǔ)；Khronos Group開展了深度學(xué)習(xí)編譯器的研發(fā)。

　　在應(yīng)用層面，裝備/自動(dòng)化與軟件企業(yè)、制造企業(yè)、ICT企業(yè)和初創(chuàng)企業(yè)4類主體以集成創(chuàng)新為主要模式，面向?qū)嶋H業(yè)務(wù)領(lǐng)域，整合各產(chǎn)業(yè)和技術(shù)要素實(shí)現(xiàn)工業(yè)智能創(chuàng)新應(yīng)用，是工業(yè)智能產(chǎn)業(yè)的核心。

　　這4類應(yīng)用主體中，裝備/自動(dòng)化、軟件企業(yè)及制造企業(yè)等傳統(tǒng)企業(yè)(如西門子、ABB、KUKA、Autodesk、富士康、新松等)，面向自身業(yè)務(wù)領(lǐng)域或需求痛點(diǎn)，通過引入人工智能實(shí)現(xiàn)產(chǎn)品性能提升；ICT企業(yè)(如康耐視、?？低暋⒋蠛銏D像、基恩士、微軟、KONUX、IBM、阿里云等)依靠人工智能技術(shù)積累與優(yōu)勢(shì)，將已有業(yè)務(wù)向工業(yè)領(lǐng)域拓展；初創(chuàng)企業(yè)(如Landing.ai、創(chuàng)新奇智、曠視、Element AI、天澤智云)憑借技術(shù)優(yōu)勢(shì)為細(xì)分領(lǐng)域提供解決方案；研究機(jī)構(gòu)(如如馬薩諸塞大學(xué)、加州大學(xué)伯克利分校)依托理論研究?jī)?yōu)勢(shì)開展前沿技術(shù)的應(yīng)用探索。

　　工業(yè)智能依靠通用技術(shù)實(shí)現(xiàn)各類創(chuàng)新的工業(yè)智能應(yīng)用。然而，通用技術(shù)往往無法滿足工業(yè)場(chǎng)景與問題的復(fù)雜性與特殊性要求，現(xiàn)階段依然存在大量特性問題需要解決。

　　《白皮書》指出，目前來看，ICT巨頭在深度學(xué)習(xí)框架、編譯器與芯片等通用技術(shù)領(lǐng)域占據(jù)絕對(duì)統(tǒng)治地位，但現(xiàn)階段端側(cè)推斷框架主要由蘋果、Facebook、騰訊、谷歌、百度五大ICT巨頭企業(yè)主導(dǎo)，初步判斷，百度更可能在工業(yè)領(lǐng)域發(fā)力。工業(yè)領(lǐng)域存在可移植性和適配性問題，對(duì)編譯器需求較為迫切，但是編譯器市場(chǎng)格局尚不清晰，并未產(chǎn)生面向領(lǐng)域的發(fā)展趨勢(shì)，預(yù)測(cè)英特爾及亞馬遜可能成為工業(yè)領(lǐng)域選擇。

　　此外，深度學(xué)習(xí)理論研究趨于平穩(wěn)，應(yīng)用落地成為關(guān)鍵。人工智能頂級(jí)學(xué)者李飛飛，微軟亞研院、人工智能頂級(jí)學(xué)者鄭宇，地平線創(chuàng)始人余凱等均認(rèn)為深度學(xué)習(xí)理論研究主流架構(gòu)會(huì)收斂，較難有革命性理論突破，目前瓶頸在于技術(shù)與傳統(tǒng)行業(yè)的對(duì)接。而現(xiàn)階段算法研究呈現(xiàn)兩大主要趨勢(shì)：一是算法可解釋性研究，斯坦福大學(xué)開展了基于“樹正則化”的可解釋性研究，美國(guó)德州農(nóng)工大學(xué)開展了遷移法解決深度學(xué)習(xí)可解釋性問題，南京大學(xué)則提出RNN可解釋性方法；二是相關(guān)前沿算法研究，國(guó)內(nèi)外頂尖研究機(jī)構(gòu)如麻省理工、以色列理工學(xué)院、清華大學(xué)、中科院自動(dòng)化所紛紛開展對(duì)膠囊網(wǎng)絡(luò)、遷移學(xué)習(xí)、(深度)強(qiáng)化學(xué)習(xí)和生成式對(duì)抗網(wǎng)絡(luò)等深度學(xué)習(xí)相關(guān)的前沿算法研究。

　　在發(fā)展路徑方面，《白皮書》認(rèn)為，工業(yè)化與智能化雙向滲透將成為兩類核心路徑。

　　從四大應(yīng)用主體具體分析來看，裝備自動(dòng)化、軟件及制造企業(yè)面向設(shè)備、產(chǎn)品性能提升的需求或自身業(yè)務(wù)發(fā)展痛點(diǎn)，圍繞人工智能技術(shù)的供給主線不斷尋求與人工智能結(jié)合的路徑，目前，這些企業(yè)發(fā)展工業(yè)智能主要有兩種方式：

　　一是部分需求迫切、實(shí)力雄厚的領(lǐng)域巨頭企業(yè)通過合作并購(gòu)人工智能技術(shù)公司，實(shí)現(xiàn)智能化升級(jí)。如發(fā)那科與人工智能初創(chuàng)企業(yè)Preferred Networks合作，增強(qiáng)機(jī)器人的智能化水平；GE收購(gòu)人工智能初創(chuàng)公司Bit Stew Systems和Wise.io，以打造人工智能實(shí)力；埃斯頓收購(gòu)美國(guó)高科技公司Barrett Tech 30%股權(quán)，拓展AI機(jī)器人和微伺服系統(tǒng)領(lǐng)域。二是通過人才引進(jìn)及成立相應(yīng)研究機(jī)構(gòu)，提升企業(yè)綜合競(jìng)爭(zhēng)力。如西門子成立中央研究院并推動(dòng)“Vision 2020”計(jì)劃，發(fā)展人工智能和機(jī)器人技術(shù)，并構(gòu)建了用于自身融資管理的工業(yè)知識(shí)圖譜平臺(tái)。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產(chǎn)業(yè)化落地。

　　而信息技術(shù)企業(yè)及研究機(jī)構(gòu)則憑借人工智能技術(shù)基礎(chǔ)，不斷豐富面向工業(yè)場(chǎng)景的應(yīng)用服務(wù)能力，同時(shí)加強(qiáng)與制造企業(yè)合作，通過推出工業(yè)智能解決方案或前沿技術(shù)產(chǎn)業(yè)化向工業(yè)領(lǐng)域進(jìn)行能力輸出。如阿里云工業(yè)大腦平臺(tái)將開放化工、光伏、電力三大行業(yè)知識(shí)圖譜，使開發(fā)者快速響應(yīng)，實(shí)現(xiàn)特定業(yè)務(wù)場(chǎng)景下人工智能的訴求。華為了構(gòu)建用于供應(yīng)鏈及零部件管理的工業(yè)知識(shí)圖譜。?？低曋鳡I(yíng)業(yè)務(wù)視頻監(jiān)控行業(yè)，2014年進(jìn)入工業(yè)領(lǐng)域，開發(fā)深度學(xué)習(xí)質(zhì)量檢測(cè)產(chǎn)品應(yīng)用于3C制造、金屬加工等領(lǐng)域。

　　不同于前二者，研究機(jī)構(gòu)更注重技術(shù)創(chuàng)新，他們也是前沿技術(shù)產(chǎn)業(yè)化的孕育者。例如麻省理工學(xué)院進(jìn)行意念控制機(jī)器的研究，電波識(shí)別的精確度已高達(dá)90%，對(duì)未來人機(jī)協(xié)作技術(shù)產(chǎn)生重大影響。伯克利機(jī)器人DexNet2.0搭載深度學(xué)習(xí)系統(tǒng)，通過對(duì)虛擬數(shù)據(jù)庫(kù)中1萬個(gè)具備不同特征的三維物體進(jìn)行學(xué)習(xí)，可以迅速對(duì)物體進(jìn)行預(yù)判并選擇合適的方案抓取各種不規(guī)則形狀的物體，德國(guó)某企業(yè)已致力于工業(yè)智能產(chǎn)業(yè)化應(yīng)用。

　　尤其值得注意的是，在以上大趨勢(shì)下，初創(chuàng)企業(yè)憑借技術(shù)與資金優(yōu)勢(shì)成為細(xì)分領(lǐng)域重要的解決方案提供商。一方面，大數(shù)據(jù)技術(shù)初創(chuàng)企業(yè)為中小垂直領(lǐng)域企業(yè)提供知識(shí)圖譜解決方案。依靠數(shù)據(jù)處理及人工智能技術(shù)優(yōu)勢(shì)，幫助人力、時(shí)間成本高的中小企業(yè)釋放企業(yè)數(shù)據(jù)價(jià)值。如明略數(shù)據(jù)發(fā)布明智系統(tǒng)2.0，為工業(yè)等垂直領(lǐng)域提供完整解決方案。另一方面，裝備領(lǐng)域成為初創(chuàng)企業(yè)深度學(xué)習(xí)應(yīng)用的主要切入領(lǐng)域，吸引大量投資。裝備領(lǐng)域是技術(shù)資金雙密集行業(yè)，初創(chuàng)企業(yè)具有先天優(yōu)勢(shì)，且產(chǎn)品上市快，投資回報(bào)率較高。如曠視全資收購(gòu)艾瑞思機(jī)器人，發(fā)力制造業(yè)，打造智能倉(cāng)庫(kù)；創(chuàng)新奇智專注于提供“人工智能+B2B”企業(yè)服務(wù)，應(yīng)用人工智能技術(shù)打造智能質(zhì)檢等解決方案，融資過億；Element AI為全球制造物流和機(jī)器人等領(lǐng)域企業(yè)提供人工智能解決方案，獲1.02億美元融資。