一、工业互联网平台是人工智能(néng)应用(yòng)的重要载體(tǐ)

工业互联网平台覆盖全流程生产数据。数据是应用(yòng)人工智能(néng)的“燃料”。工业互联网平台从数据“量”和“质”两个维度入手，提升工业场景数据集的广度与深度，為(wèi)人工智能(néng)应用(yòng)提供支撑。

从“量”的方面看，工业互联网平台汇聚了数以千万计的设备和传感器，对异构系统、运营环境、人员信息等要素实施泛在感知、**采集和云端汇聚，实现了海量数据的广泛集成。

从“质”的方面看，工业互联网平台通过构建设备、产品、系统和服務(wù)全面连接的数据交流网络，充分(fēn)挖掘实时有(yǒu)效的工业大数据，搭建数据自动流动的赋能(néng)體(tǐ)系，為(wèi)深度學(xué)习的模型训练提供**的训练集、验证集和测试集，切实提高人工智能(néng)模型自學(xué)习、自决策、自适应的有(yǒu)效性。

工业互联网平台推动工业知识算法化。算法是人工智能(néng)应用(yòng)的关键。工业互联网平台作為(wèi)工业全要素、全产业链、全价值链连接的枢纽，打通了工业知识向工业算法转化的通路，為(wèi)构筑工业领域人工智能(néng)算法库提供助力。

一方面，工业互联网平台丰富了算法理(lǐ)论来源。依托工业机理(lǐ)基础和数据模型分(fēn)析，工业互联网平台将隐性的工业技术原理(lǐ)、行业知识和**经验进行代码化、算法化，重构了工业知识**和应用(yòng)體(tǐ)系，面向特定工业场景提供针对性强、鲁棒性高的算法。

另一方面，工业互联网平台降低了算法开发成本。工业互联网平台通过提供开发环境和各类工具，助力开发者打造工业ＡＰＰ与微服務(wù)體(tǐ)系，将各类工业知识封装成可(kě)交易的模块组件，推动工业算法在更大范围、更高频次、更短路径上**、传播和复用(yòng)。

工业互联网平台构建协同算力资源池。工业场景具有(yǒu)环境参数复杂、工序步骤精细、实时性要求高等特点，应用(yòng)人工智能(néng)技术对算力要求较高。工业互联网平台基于云架构汇聚企业内外算力资源，根据实际需要统一调配，搭建广泛聚集、**协作的算力供给體(tǐ)系，為(wèi)人工智能(néng)应用(yòng)提供稳定的支撑保障。

在企业内部，工业互联网平台汇聚内部算力资源构建算力资源池，针对不同时段、不同用(yòng)户和不同级别的算力需求，基于大数据分(fēn)析统筹使用(yòng)内部设备，提高设备使用(yòng)效率。

在企业外部，工业互联网平台对接各类算力提供商(shāng)，通过租借、購(gòu)买等方式，补充企业内部算力的不足，以提升整體(tǐ)算力水平，缩小(xiǎo)人工智能(néng)应用(yòng)需求和实际算力之间的差距。

二、应用(yòng)场景加快人工智能(néng)与工业互联网平台融合

设备层：机器智能(néng)构建新(xīn)型人机关系。企业依托工业互联网平台，在生产、控制、研发等领域的设备上运用(yòng)人工智能(néng)技术，构建人机协同、互促共进的新(xīn)型人、机、物(wù)关系。

一是设备自主化运行，如复杂工料分(fēn)拣、设备自运行等。机械臂、运输载具和智能(néng)机床等产品，通过搭载机器學(xué)习算法、路径自动规划等模块，实现对不同工作环境和加工对象的动态适应，提高设备操作的精度和复杂度。

二是人机智能(néng)化交互，如动作识别、语音用(yòng)户界面等。应用(yòng)语音识别、机器视觉等技术，打造人性化、定制化、**化的人机交互模式，提升控制装备在复杂工作环境的感知和反馈能(néng)力。

三是生产协同化运作，比如协作机器人、仿生工位等。利用(yòng)人工智能(néng)技术将人机合作场景转变成學(xué)习系统，持续优化运行参数，為(wèi)操作员提供生产环境。例如，德國(guó)Ｆｅｓｔｏ公司基于仿生协作型机器人开发人机协作生产的智能(néng)化工位，可(kě)将人从重复性、危险性高的工作中解脱出来，提高了生产效率。

边缘层：边缘智能(néng)提升边缘侧实时分(fēn)析处理(lǐ)能(néng)力。边缘智能(néng)技术通过协同终端设备与边缘服務(wù)器，整合计算本地性与强计算能(néng)力的互补优势，从而减少非必要的数据传输、降低模型推理(lǐ)延迟与能(néng)耗。

具體(tǐ)有(yǒu)以下三类应用(yòng)：一是智能(néng)传感网络。东方國(guó)信、寄云科(kē)技等企业通过建设智能(néng)网关，动态实现ＯＴ与ＩＴ间复杂协议的转换，提供安全高速的数据连接与数据采集服務(wù)，强化对带宽资源不足和突发网络中断等异常场景的应对能(néng)力。

二是噪声数据处理(lǐ)。天云网、海尔集团等通过智能(néng)传感器采集数据，利用(yòng)基于人工智能(néng)的软件识别减小(xiǎo)确定性系统误差，提高数据精度，从而实现物(wù)理(lǐ)世界隐性数据的显性化。

三是边缘即时反馈。思科(kē)、微软等企业通过分(fēn)布式边缘计算节点进行数据交换，及时比对云端广播的模型和现场提取的特征值，基于边缘端设备实现本地快速响应和操作优化，减少云端运算压力和处理(lǐ)延迟，实现云端协同。

平台层：大数据分(fēn)析构建“数据＋认知”算法库。工业互联网平台基于ＰａａＳ架构，打造由数据存储、数据共享、数据分(fēn)析和工业模型等组成的整體(tǐ)数据服務(wù)链，把基于数据科(kē)學(xué)和认知科(kē)學(xué)的两类工业知识经验沉淀在可(kě)移植、可(kě)复用(yòng)的人工智能(néng)算法库中。

在数据科(kē)學(xué)领域，企业构建以机器學(xué)习、深度學(xué)习為(wèi)核心的数据算法體(tǐ)系，综合利用(yòng)大数据分(fēn)析、机器學(xué)习和智能(néng)控制等算法，通过仿真和推理(lǐ)解决已知的工业问题。例如，美國(guó)康耐视公司开发了基于深度學(xué)习的工业图像分(fēn)析软件，能(néng)以毫秒(miǎo)為(wèi)单位识别缺陷，解决传统方法无法解决的复杂缺陷检测、定位等问题，使检测效率提升３０％以上。

在认知科(kē)學(xué)领域，企业从业務(wù)逻辑原理(lǐ)出发，通过搭建以知识图谱、**系统為(wèi)代表的认知算法體(tǐ)系，解决机理(lǐ)未知或模糊的工业问题，如企业智能(néng)决策、风险管理(lǐ)等。实际上，西门子、ＩＢＭ、华為(wèi)等公司通过构建供应链知识图谱，汇集气象、媒體(tǐ)、交通和物(wù)流等信息资源，大大提高了供应链风险管理(lǐ)效率。

应用(yòng)层：商(shāng)业智能(néng)提升工业ＡＰＰ数据挖掘深度。开发者依托工业互联网平台提供的开发工具和框架，面向不同工业应用(yòng)场景，开发搭载人工智能(néng)的特定工业ＡＰＰ，利用(yòng)人工智能(néng)手段赋能(néng)现有(yǒu)生产过程，為(wèi)用(yòng)户提供各类在平台定制开发的智能(néng)化工业应用(yòng)和解决方案。

主要有(yǒu)以下几类：一是预测性维护。利用(yòng)机器學(xué)习方法拟合设备运行复杂非線(xiàn)性关系，提升预测的准确率，降低运维成本与故障率。德國(guó)ＫＯＮＵＸ公司结合智能(néng)传感器及机器學(xué)习算法构建设备运行模型，使机器维护成本平均降低了３０％。

二是生产工艺优化。依托深度學(xué)习绕过机理(lǐ)障碍，通过挖掘数据隐藏特征间的抽象关系建立模型，并找出参数组合。ＴＣＬ格创东智针对液晶面板的成膜工序，通过机器學(xué)习算法实现了关键指标的预测与品质优化，年收益达到近千万元。

三是辅助研发设计。通过应用(yòng)知识图谱、深度學(xué)习等技术构建设计方案库，对设计方案提供实时的评估反馈。美國(guó)ＵＴＣ依靠知识图谱解决了多(duō)个产品研发问题，设计出的换热器传热效率能(néng)提高８０％，设计周期仅為(wèi)原来的１／９。

四是企业战略决策。利用(yòng)人工智能(néng)拟合工业场景中的非線(xiàn)性复杂关系，提取非结构化数据构建知识图谱和**系统，為(wèi)企业提供战略方案选择。美國(guó)初创公司Ｍａａｎａ聚焦石油和天然气领域，协同应用(yòng)知识图谱与数据科(kē)學(xué)，為(wèi)ＧＥ、壳牌、阿美等石油巨头提供企业级决策建议。

三、几点建议

夯实产业基础，突破人工智能(néng)与工业互联网平台融合的关键共性技术。一是构建高质量的公共数据集。鼓励满足条件的工业互联网平台企业开放具备一定规模的生产环境、视频图像、文(wén)本对话等数据集，建立高质量的公共测试数据库。

二是加大算法研发应用(yòng)力度。推动科(kē)研院所、行业龙头企业开展协同研发和**应用(yòng)，围绕卷积神经网络、递归神经网络等算法开发相关工具，完善开发环境。

三是提升算力支撑能(néng)力。引导和培育一批算力提供商(shāng)和算力交易平台，探索算力租赁、交易、托管等新(xīn)服務(wù)模式。

聚焦场景应用(yòng)，引导加快面向工业互联网平台的人工智能(néng)产品开发。一是加快**智能(néng)设备研发。加快智能(néng)传感控制、智能(néng)检测装配、智能(néng)物(wù)流仓储等**技术装备的开发，布局和积累一批核心知识产权。

二是突破边缘智能(néng)核心技术。**突破图形处理(lǐ)器、现场可(kě)编程门阵列、专用(yòng)集成電(diàn)路等一批关键核心技术，提高硬件基础支撑能(néng)力，实现围绕边缘设备的感知、控制、决策和执行等功能(néng)。

三是加快行业机理(lǐ)模型沉淀。聚焦ＡＩ工业应用(yòng)，建设工业互联网模型算法公共测试验证中心，坚持以测带建、以测促用(yòng)。

四是培育基于ＡＩ的工业ＡＰＰ。引导工业互联网平台企业搭建制造业**中心，开放开发工具和知识组件，构建开放共享、资源富集、**活跃的工业ＡＰＰ开发生态。

完善生态體(tǐ)系，构建工业互联网平台跨界融合新(xīn)模式。一是强化示范引领。在现有(yǒu)工业互联网平台相关专项和试点示范中，增添人工智能(néng)方向的应用(yòng)试点，加快推动复杂环境识别、新(xīn)型人机交互等人工智能(néng)技术与工业互联平台融合发展。

二是优化公共服務(wù)。面向语音识别、视觉识别、自然语言处理(lǐ)等领域，建设能(néng)够提供知识图谱、算法训练、产品优化等共性服務(wù)的平台和开源社區(qū)。

三是增强人才储备。鼓励高等院校设置人工智能(néng)工业应用(yòng)课程，开展人工智能(néng)专题教育和培训，加紧培育一批急需的人工智能(néng)人才。

四是加强宣传推广。通过开展现场会、人工智能(néng)大赛等形式，凝聚行业共识，提高公众认识，挖掘做法，推广典型案例，积极营造产业发展的良好氛围。