摘要：随着互联网时代的到来，产业互联网平台在国家政策引导下，核心能力显著提升，涌现出一批创新解决方案和应用模式，生态建设初见成效。但由于工业化进程较短，产业基础薄弱，平台的整体竞争力与国外相比还存在较大差距。
关键词：人工智能驱动；工业互联网；创新发展
引言
近几年，中国一直在努力发展工业互联网，推动传统行业和企业的转型升级。但工业互联网的逻辑和消费互联网不同，工业互联网具有鲜明的行业和企业属性，它可以是一个平台，也可以是一个企业，或者是围绕核心企业形成的一个小生态环境。
1工业互联网的价值
首先，工业互联网可以使企业加快对市场的反应速度，缩短交货期。现在的市场竞争不仅仅是价格竞争，而是企业综合能力的比拼，比价格甚至更重要的是比交货期，也就是能否对客户的需求做到快速反应。为什么客户对交货期要求越来越短？因为消费者对产品更新换代的要求越来越频繁。如果上新品慢了，商机就被别人抢去了。所以，市场竞争的结果是大家的节奏步伐都在加快，如果你跟不上客户的快节奏要求，就会在竞争中处于非常不利的地位。其次，“数字化+工业互联网”可以实现大规模定制。当今市场发展的趋势不仅仅是节奏加快，而且需求也愈发多样化。再次，工业互联网能够帮助传统企业，特别是制造型企业向服务业转型。以小松公司为例，它并不是把挖掘机直接卖给建筑公司，而是把机器放到建筑公司的工地上，卖机器的服务时间，也就是“机时”。这样做有什么好处？一是建筑公司按照使用时间付钱，闲置时可以不付钱，这就降低了设备的使用成本；二是小松会将迭代的旧版本机器收回，再把升级的新版本机器送过来，这就可以低成本地实现技术迭代；三是小松的设备已经全面数字化，和系统连接在一起，机器运转的情况可以随时反映到小松，小松根据机器的磨损、运行做大数据分析，然后提醒客户机器该维修或是超负荷了，这就解决了机器的维护问题。这一商业模式的转变，对很多制造业企业来说都是一个方向。制造业正在发生深刻的变化，这就要求企业的理念要跟上时代的发展，否则就会在竞争中被淘汰。此外，工业互联网带来设备和人员效率的提高。只要有了数据就可以分析，就可以有针对性地进行管理。工业互联网还能够形成具有想象空间的生态体系。数字化做好、工业互联网建起来，企业核心业务就可以逐渐向外扩展到供应商、客户，再下一步就形成一个小生态。虽然不会是天猫、阿里这样几亿消费者或者几千万家厂商的大生态，最多是几百、几千客户的量级，但在这个生态体系中，我们不知道会涌现出什么样新的商业模式和新的商机，将来的想象空间是非常大的。
2人工智能在工业互联网领域应用场景及挑战
2.1应用场景
人工智能应用在工业互联网的场景分类，按照不同的划分依据和维度，分类方式各不相同，以下从产业分工协作、业务应用以及应用场所和资源要素角度对工业互联网场景进行分类。从产业分工协作角度，工业互联网的应用场景可以划分为设备/产品管理、业务与运营优化和社会化资源协作。设备/产品管理包括状态监测与报警、预测性维护、远程运维管理、故障诊断和产品全生命周期管理。业务与运营优化涵盖生产制造优化、能源管理、研发设计优化、供应链优化、资源调度优化、质量管理、安全管理等。社会化资源协作由按需定制、协同制造、分享制造、产融合作和协同研发设计组成。从业务应用角度，工业互联网的应用场景可分为智能机器、预测性维护、智能运营、工业知识图谱、产业链金融和工业企业软件AI化。智能机器实现人工辅助操作到无人化操作，实现人力的解放。预测性维护指基于数据挖掘和深度学习建立动态的机器健康模型(故障诊断模型、异常报警模型和寿命预测模型等)。智能运营是人工智能支撑下的工业工艺流程优化和复杂决策的智能化。
工业知识图谱是以结构化的形式描述工业领域设计、仿真、工业和维修等概念及其关系的集合，将工业知识和知识之间关系转变成机器可理解的结构化网络。产业链金融是借助生产设备运行数据采集，机器训练的模型与金融融合创新新的商业模式。工业企业软件的AI化指传统工业企业软件如CRM、ERP和MES的智能化升级。从应用场所和资源要素角度，工业互联网的应用场景可划分为工厂、外场、机队和设施。在工厂环境，应用侧重在产品和生产过程的提质、降本、增效。在外场环境，关注点在于设备状态监控和资源之间的匹配优化。在机队环境，注重任务的动态调整和任务间的协同优化，优化资源利用率和降低运维成本。在基础设施环境的应用以能效优化、连续稳定运行和无人值守为核心。
2.2问题与挑战
工业互联网为人工智能技术提供应用场景的同时，也给人工智能的广泛应用和实施效果提出了新挑战。工业互联网的智能化本质上是通过海量多维的工业数据采集和感知化解复杂系统的不确定性，提高资源要素的配置效率，实现产品全生命周期优化控制和决策。从工业互联网智能化的源头出发，可将挑战归结为算力、算据和算法三个层面。从算力层面，传统的面向通用计算负载的CPU架构无法满足工业人工智能海量数据的并行计算需求；工业互联网需求的分散化、终端化和场景化的特点，对云侧算力和端侧算力(含边缘算力)的部署需求更加多元化。从算据层面，人工智能面临着工业大数据质量差、采集不规范、数据标记依赖人工、维度不全面、数据碎片化严重、隐性相关性关注不足等带来的数据可用性问题。此外，“小数据、大任务”的探索也在不断深入。从算法层面，人工智能算法缺乏严密的逻辑推理，实现过程近乎“黑盒”，不具备系统性，缺乏跨领域的知识迁移能力；其次，人工智能应用在起步阶段可能无法获取足够的数据对模型进行训练，“冷启动”问题也亟待解决；在关键性应用场景下，需要算法和模型在准确性上不断突破，兼顾考虑安全边界；工业场景下，更新算法的设置要保障不出现系统中断，保证原状态能稳定运行。
3人工智能促进工业互联网创新
人工智能利用其技术优势，充分与应用场景结合，从生产模式、服务模式和商业模式等方面驱动工业互联网创新发展。在生产模式方面，人工智能助力生产模式从供给侧驱动转向需求侧驱动。借助数字化生产线的数据采集和智能化升级，通过供需两侧的数据交换和匹配，以机器学习为基础，提升排产模型的优化水平，实现面向个性化和定制化需求的快速响应。如红领公司以数据驱动打版、裁剪、缝制、熨烫和质检，依靠分拣、送料、线号识别等环节的自动化和智能化，充分发挥人工智能的分析优化和决策优势实现生产线的平衡、库存优化和产能提升。在服务模式方面，人工智能驱动服务模式从被动式向主动式转变。基于数据挖掘和机器学习，构建和训练设备预测性维护模型，从故障的被动式响应和处置转变为主动式预测和防范。如盾安集团基于海量风机温度数据构建风机故障检测与感知预测模型，实现提前1-2周识别微小故障并预警。在商业模式方面，人工智能催生了产品即服务等新型商业模式，制造商从单纯出售产品向提供服务(如预测性维护)的模式转变。
结语
人工智能在工业互联网领域的应用的目标主要是使工业系统的隐性问题显性化及实现知识的积累、传递和规模化应用。随着新一轮技术与产业变革的不断发展，人工智能和工业互联网融合发展将成为国家数字经济增长的新动能、新引擎，对实现制造强国具有重要战略意义，机遇与挑战并存。
参考文献
[1]安筱鹏.重构:数字化转型的逻辑[M].北京:电子工业出版社,2019:34-40
[2]王建伟.工业赋能:深度剖析工业互联网时代的机遇和挑战[M].北京:人民邮电出版社,2019:21-24