勤AI制造业应用调查报告：91%的AI项目未达企业预期

　　目前AI在制造业应用潜力的讨论大部分围绕技术提供商展开，对工业用户关注较少。本报告旨在进一步探索中国制造企业应用人工智能的真实情况和应用场景，探讨人工智能项目理想与现实的差距，以及行业未来发展趋势。

　　为了解人工智能在制造业领域的实际应用情况和趋势，德勤从「中国制造业500强」中选取110家大中型企业，并对其高管进行问卷调查。在问卷调查基础上，遴选代表性公司进行深度访谈。

　　在过去一百年里，五大趋势主导了全球技术的发展，依次为：电子工具、半导体、客户服务、电信、消费智能。如今，「互联网+消费者」模式所创造的价值已经充分释放并趋于平缓；而第六个趋势已经显现，我们叫做「企业智能」，企业自我主导、运用数字技术解决实际问题的智能化转型被视为未来技术发展的新趋势，成为下一阶段价值创造的主角。

　　庞大的制造业企业慢慢的开始加速数字化转型，推动智能管理、智能工厂、智能物流等全方位智能化，因而制造业也是其中上涨的速度最快的领域。

　　制造业的生产、质检、管理等所有的环节都在持续、大量、快速地产生着数据。对于一个拥有1000个传感器（传感器每10 秒发送一次信号）的工厂来说，每小时就有超过36万条数据流入。1天内就有超过100万条数据。据估算，制造业每年大概可产生1812PB的数据量，超过通讯、金融、零售等行业。

　　在过去二十年中，制造企业决策过程因数字信息的大量增长而变得复杂，企业正试图通过智能化技术有效地处理和利用信息，解锁数据的模式和可用性，解决之前甚至无法预见的问题。例如，机器学习正在帮助制造业企业提高车间每台机器的预测性维护精度，发现提高每台设备和相关工作流程的产量/吞吐量的方法，优化系统和供应链等。

　　制造公司制作经营过程中面临的最棘手问题分别是：生产所带来的成本上升、生产线设计缺乏灵活性，以及不稳定的产品质量及良率。

　　人工智能是在制造业智能转型过程中被寄予厚望的技术之一。过去10 年，AI领域开发了大量优秀算法，为实际应用储备了大量的工具；近年来，人工智能开始大规模应用于金融和互联网等领域，起到了较好的示范效应。业内人士一致认为，2019年是AI在工业制造领域快速发

　　这三点正是制造业的痛点所在。这也是制造业对AI寄予厚望的原因。本次人工智能制造业应用调查显示，93%的受访企业认同AI将成为全世界制造业増长和创新的关键技术，其中39%的企业强烈认同，54%的企业基本认同这一观点。

　　中国在AI应用领域表现突出，其中，AI在中国制造业的市场规模有望在2025年超过20亿美元，从2019年开始每年保持40%以上的增长率。

　　人工智能在中国制造业应用的高增长主要受政策利好、资金充足和制造业应用潜力三方面驱动。

　　在制造业，低技术上的含金量（第二产业、处理常规/可预测/可编程任务） 的工人将首先面临被机器人替代。中国制造业主要由传统产业驱动、从业者技术方面的要求较低，因此其劳动力可以被自动化的程度整体较高，重复性、规则性、 可编程性较高的工作内容将在未来主要由智能化工业机器人完成。

　　进一步运用机器人和传感器在产线运行、检测、运输、仓储等全过程源源不断产生数据流，为AI的计算提供大量的、相对规则的数据资料，助力机器学习进一步的算法优化、提高预测准确度。

　　毫无疑问，数据的收集是数据分析、测试、机器学习的基础。仅当拥有足量的数据基础时，机器学习才能够最大限度发挥其效用。

　　德勤2019人工智能制造业应用调査中，87%的受访企业表示已经或计划在两年内部署人工智能。从应用阶段来看，已经取得可见成果的企业占比18%，处于示范项目或测试阶段企业占比34%，计划部署企业占比35%，尚无计划企业占比13%。

　　这结果与企业人工智能项目的推动方式相辅相成。在已经在进行或计划人工智能项目的受访企业中，15%受访企业表示在完整的人工智能战略和连贯的计划下进行项目；28%的企业正在探索不同的倡议，搭建学习模型并测试概念的可行性；57%的企业有进行示范项目，但大部分是不连贯的、零散的项目。

　　人工智能在制造业的应用场景众多，大概能分为智能生产、产品和服务、公司运营管理、供应链以及业务模式决策五个领域。

　　本次调査发现，智能生产相关场景应用是目前及未来两年内，制造企业部署人工智能的首要选择，占比51%。其次为产品和服务相关场景，占比25%。选择供应链和公司运营管理均占比8%，业务模式决策为4%，还有4%的企业尚未计划部署人工智能。

　　在智能生产领域，目前应用比较多的场景是自动化生产工厂与订单管理和自动化排程；未来两年内将有更多人工智能技术用于产品质量监控和缺陷管理。计算机视觉技术的进步推动AI在质量监控和缺陷管理方面的应用。

　　人工智能在自动化生产工厂的应用特别大程度上与工厂大规模安装机器人相关。目前无法得知这些安装的机器人在多大程度上运行人工智能软件，但这样庞大的基础无疑会促进AI应用场景的增长。

　　中国的工业自动化和工作岗位的转移正在增加，过去三年里，一些中国的工业公司已经使其40%的劳动力自动化。自2012年以来，中国每年的机器人安装数量增长500% （欧洲为112%）。

　　虽然目前大部分自动化工厂的机器人是通过程式编辑以高精度和速度重复执行特定工作，我们大家都认为，随着人工智能嵌入，机器人将具有感知环境变化，识别并应对不同对象，甚至在特定情况下自主决策的能力。

　　人工智能用于自动化生产排程，往往关注交期承诺、计划与排产、加工顺序调度、物料准时配送的优化，特别是针对离散行业解决多工序、多资源的优化调度问题。

　　人工智能在产品质量监控和缺陷管理应用有望迅速增加，很大程度受益于机器视觉技术的进步。机器视觉工具利用机器学习算法，经过少量图像样本训练，可以在精密产品上以远超人类视觉的分辨率发现微小缺陷。

　　产品质量提升还能够最终靠工艺优化实现，AI对关键工艺步骤的数据来进行感知分析，并依此实施优化提升良品率。这些应用可以为那些生产昂贵产品、对产品质量发展要求高的企业创造可观的经济价值。

　　当然，由于采集数据的方法、数据的质量和多样性以及规模直接决定机器学习发挥作用的空间，AI在智能生产领域的应用对企业的硬件设施有一定要求，如自动化设备及管理系统配备齐全和传感器的广泛使用。

　　在产品与服务领域，目前已经在应用人工智能技术的企业较少，但计划在两年内优先部署的公司数明显増加，特别是在缩短产品设计周期、个性化客户体验以及提升营销效率的应用场景。

　　制造企业面临既要提升产品性能、降低能耗，又要缩短设计周期的挑战。生成式产品设计是目前比较受欢迎的利用人工智能缩短设计周期的应用。它根据既定目标和约束利用算法探索各种可能的设计解决方案。

　　人工智能在提升产品客户体验、挖掘客户的真实需求洞察和提高营销效率的应用方面同样具有很大潜力，因为制造业企业不仅有必要了解发生在工厂里的事，更要懂产品出厂后的生命旅程。

　　以用户体验（安全性）为例，iPhone X使用了安全性更高的Face ID，Face ID是通过人脸识别技术进行的生物特征认证。苹果表示，Touch ID指纹识别被相同指纹破解的概率是五万分之一，Face ID面部识别被相同面貌破解的概率为一百万分之一，Face ID面部识别的安全性整整提升了20倍。

　　在供应链领域，配送管理和需求管理与预测是目前制造企业应用人工智能的提升供应链效率的主要场景，未来两年内，物流服务、需求管理与预测、资产与设备管理场景的应用将快速増长。

　　配送管理解决的是货品安全精准配送的问题，也是目前AI在制造业供应链领域最多的应用。基于人工智能技术实现货架、商品、机器人的整体协调，能够更快速的实现产品出入库和高效的仓库货架规划。在工厂仓储中，很多类型的全自动流水线、自动分拨、仓储和配送机器人慢慢的开始慢慢应用，基于人工智能技术能让每一个物料都有最优路径，最短时间送达。

　　供应链管理的另一大挑战是预测下个季度的热销产品，从而让供应链人员对企业的库存、人员以及物流能力做到合理规划，甚至在消费的人购买之前将货物提前运送到临近销售点的仓库内。人工智能更深层次运用在对消费趋势的分析与预测，藉由整合内部销售数据、消费者产品使用记录、产品生命周期追踪、竞争情报、市场趋势变化分析和社会化媒体等数据对消费的人需求偏好与购买行为进行画像分析。设计师们可以为下一个季度创造热销品，企业能更精准计算预期收入。

　　在企业运营管理领域，目前比较多的应用场景是财务管理，未来两年内，AI在能源管理和人力资源管理的应用将显著増长。

　　制造企业的能源消耗占公司制作成本比例较高，不同的装备水平、工艺流程、 产品结构和能源管理上的水准对能源消耗都会产生不同的影响。将AI用于能效诊断的能够在一定程度上帮助企业提高节能效率。

　　有企业已经实现所有能源的消耗分析与优化都是通过人工智能来完成，进一步实现工厂整体能耗的降低。钢铁厂也逐步通过人工智能学习以及分析应用，来控制钢铁厂的能耗。

　　在业务模式决策领域，客户体验与成本结构是人工智能用于制造业业务模式决策的主要方向。

　　现今的客户无疑越来越挑剔，即希望获得定制化产品和服务，又要求更低廉的价格。相当一部分受访企业计划利用人工智能精准预测客户的真实需求、开发智能化产品和服务或采用灵活的定价和收费模式，从而给予客户新的整合并互动的服务体验。

　　在制造业人力成本和资源成本快速上升的大环境下，成本结构是企业关注的另一热点。AI在人力替代、库存管理、设备稳定性等方面的应用潜力能够更好的降低企业管理的成本和费用，优化成本结构。

　　如果不对应用领域进行区分，只是对具体应用场景进行扫描，会发现AI在制造业领域的热点应用场景将在两年内出现重大变化，大多数表现在两方面：

　　这种变化是制造业向工业4.0过渡的必然结果。制造业不仅关注生产的全部过程，而是整个价值链一一怎么样做需求感知并进行供应链相关规划，如何创造和增加智能产品和服务以增加收入，如何以新的方式与客户建立联系并整合客户信息等。人工智能处理大量数据及做出明智决定的能力使上述环节更有效的得以实现和创造价值。

　　中国制造业企业人工智能项目实施不在少数，效果如何？通过企业调查我们得知，不论是从企业获益角度，还是从预算及时间投入角度衡量，认为项目达到80-100%预期的企业占比仅为9%，这在某种程度上预示着91%的人工智能项目未能达到企业预期。

　　人工智能项目结果与预期差距较大是全球都会存在的现象。这种落差往往是由以下几方面的问题造成：

　　51%的收到访问的人会选择已经有成功经验的项目，因此不太能接受预期和现实的落差；49%的受访者认为试错没办法避免，并可接受预期和现实的落差。

　　德勤调查显示，83%的企业认为AI已经或将在未来五年内对企业产生实际可见的影响，其中27%的受访者认为人工智能项目已经为公司能够带来价值；56%的受访者认为AI将在未来2-5年为公司能够带来回报。

　　当然，不一样的行业应用人工智能的预备度不一样，从资产、技术、标准与法规以及生态系统四个方面衡量，电子及通信设施、家用电器制造、汽车制造、电力及电气行业的预备度较高。

　　32%的受访企业预计未来两年内部署人工智能的投资规模达2000万以上，还有32%的企业预计将投资不超过500万元，其余企业的投资规模处于500-2000万之间。

　　从技术倾向性来看，更多企业将投资于复合性技术体系，从而优化生产、成本、库存或质量控制等方面，或用于销量、价格预见性维护的预测。对单一技术类别，如视觉监测、机器人定位、专家系统等技术的投资热情相对较小。

　　人工智能在工业市场的应用存在可扩展性问题。人工智能解决方案通常针对特定的应用程序和公司进行定制。业界一致认为，工业人工智能平台让企业以更低的成本应用人工智能，是AI在工业领域的落地和普及的必要条件。许多技术提供商正在搭建这样的平台，工业公司对AI平台也表现出很大兴趣。

　　中国制造业正处于人工智能大规模落地应用爆发的前夕，领先企业慢慢的开始布局以赢得先机。德勤建议企业从自身战略、应用场景、数据基础、团队组建、合作伙伴、验证及实施开展人工智能的实际落地。

　　企业第一步是要确保其人工智能部署必须与企业的战略和业务目标匹配，不论这个目标是创造新的收入、减少成本或提升运营效率，关键是选择正真适合的复杂程度来满足企业的业务目标。

　　要找到合适的人工智能落地应用场景，本质上是要理解这项技术在哪几个方面可以做的比人类更好。

　　由于目前基于深度学习的人工智能高度依赖大数据，企业的数据基础往往是决定AI项目是否能成功实施的基石。

　　企业如果想打造AI能力，至少需要以下几类人才所组成的团队：AI技术专家、行业专家、AI应用专家。

　　有了应用场景，完善了数据基础，搭建好团队以后，接下去要做的是基于AI的过程设计原型验证(Proof of Concept)。在确认技术原型可行的情况下，再进行迭代和最终的大规模实施。

　　@工业互联网研习社 创始人兼首席行业分析师，《价值重构：读懂工业互联网发展逻辑》一书作者，深度聚焦工业互联网、智能制造及数字化转型等专业新媒体