来源：本文引用了中国工程院院士邬贺铨在2019未来工业智能峰会主题演讲的部分内容，引用了创业邦专栏脑极体《一九产业AI速写：工业篇》的部分内容 

2019年AI企业回归现实，越来越看重营收利润，注重在各行各业的场景落地。

一、工业（B端）

2019年3月中国工程院院士邬贺铨汇总了人工智能在工业的应用，包括质量分析、装备诊断、能源能效管理、采购管理、制造销售等环节。

1、生产质量监控

在今天绝大部分工业体系中，质检都是依靠人工来完成的。凭借的是人力的大量重复劳动以及相关经验，而使用智能摄像头和机器视觉算法，来学习和理解质检员需要找到的瑕疵与问题。于是从2018年开始，很多工厂找到相关供应商尝试搭建自己的智能质检体系。。华星光电通过机器学习与快速训练，对LED面板进行检验。识别出哪些是合格的LED，节省了60%人力。设备故障识别、电路巡检、仪表巡检、施工现场检测等，在2019年都可以找到成功的智能化案例。AI解决的痛点是：在单一场景中，解决人工重复劳动的问题

2、质量分析

台湾中钢公司引进了IBM的Power AI解决方案，用于分析轧钢过程中的缺陷。为了将27吨的钢坯，轧到0.5毫米的成品，预测和分析过程中的缺陷，他们收集了过去一年7000多批次的产品数据。经过数据清洗，筛选出了可能影响产品质量的特征数据，并且转换成了可供机器学习使用的数据。这些数据中，80%拿来做学习，20%拿来做检验。然后他们设计了4种数学模型，来看哪种模型更符合实际情况。最后他们根据模型分析一条产品线产生的2000多个数据，发现炉内压力对缺陷影响最大。最后中钢公司在人力资源和钢坯质量方面，都得到了很好的改进，成本大幅降低。

3、工业模型预测

所谓AI工业模型预测，一般是指利用工业大数据，通过AI对原料、产出、生产时间、废料排放等数据进行智能调配，最终得到高于粗放式生产的智能生产模型。当然，这只是工业AI预测的一个基本模式。广义的工业AI预测，还包括将专家经验转化成AI模型，再反向投入生产解决工人经验不足的问题；还有将维修与设备管理经验转化为AI模型，来预测设备故障，智能管理检修体系等等。工业AI预测，本质上是将人工经验与智能数据运算能力，抽象化成可复用的AI模型，来解决工业领域无处不在的数据关系问题。比如配料的比例、不同原料采购的数量和时间、设备维修周期等等，这些数据原本都是需要人工长时间摸索并进行经验总结的，也可能始终处在不合理的数据区间。AI的加入，可以让小师傅变老师傅，粗放经营变成智能经营。AI解决的痛点是：让小师傅变老师傅，粗放经营变成智能经营。

4、智能机器人

一些公司正在研发带有自主程序的机器人。比如机器手臂，它并没有预置程序，而是跟踪人的手臂运动，人怎么动，它就怎么动。机器人也没有预先编写程序，人怎么走，它就怎么走。在这个训练的过程中，机器人自动把编程完成了。还有人正在尝试，将工业机器人的大脑统一配置在云端，由云端来集中管理，而不是为工厂中大量机器人的每一台都分别配备一个大脑。沈阳新松公司开发智能焊接系统，能自主生成程序。

5、设计仿真

比如吉利，原本需要经过很多次的汽车碰撞实验，仿真时间很长。现在通过AI技术，仿真时间可以大大缩短，碰撞的车辆损耗也可以减少。仿真如果用上VR、AR技术，就会更加直观。浙江大学与某汽轮机厂合作，在网络上进行汽轮机的设计与仿真，使得整个过程更直观、更直接。通过这套设计与仿真流程，大大节省了汽轮机产品设计的时间成本。

6、数字化排产

工厂中排产过程是必不可少的。比如汽车企业的冲压车间，排产的特性是小批次、多边界、多约束。如果涉及到更换模具，时间长、次数多，很多时候影响生产效率。而且人工考虑的约束条件常常是不完善的，所以导致排产效率较低。上汽在传统冲压车间，将手工排产转变成数字排产，减少了物料的存放，快速响应了生产需求，提高了生产效率，减少了能耗和物流成本。

7、生产工艺优化

苏州协鑫是做光伏切片的，他们是全球最大的光伏切片供应商。光伏切片，切得越薄，成本越低，然而如果越薄，可靠性和成品率都会产生问题，他们的痛点是怎么平衡切片厚度和成品率？根据苏州协鑫积累的大量数据，利用工业大脑，他们从工艺的上千个参数中，找出60个关键指标。通过优化流程，良品率提了提升了1%。不要小看这1%，它意味着每年的利润增加一个亿。

8、个性化生产

中国青岛的红领，在西服制衣领域，他们有个性化的服装数据库，利用人工智能算法，优化了整个生产过程。所以红领的个性化生产只比批量生产的成本提高10%，但是回报翻番

9、预防性维护

清华大学跟金风科技合作，提升风机的效率。如果叶片对不准风向，则发电效率大大下降。如果在北方地区，叶片结冰了，不但效率下降，整个风机还有可能损坏。这种情况靠人工巡查是比较困难的，利用传感器、大数据和人工智能算法，能够很好地建立风机设备的健康评估模型，整个维护成本可以降低50%。利用数字孪生可以实现预防性维护。GE公司管理的数字风场，也是利用了这样的技术，预先发现问题，能够提升20%的效率。

10、供应链和销售

制造企业的产品销售很多是经过代理商的，难以直接获得最终用户的情况。联想利用全球数据中心掌握的数据，根据国际市场状况，与宝钢合作建立了钢铁的销量预测系统，预测精度是92.2%，库存周转期减少20%。

二、服务业（既有B端，又有C端）

1、智慧医疗/精准医疗

IBM的Watson Health将人工智能和大数据分析技术运用于医疗行业，深入洞察医学知识和医学数据，助力解决在肿瘤与基因、医学影像、生命科学、健康管理，医疗支付等健康领域的多重难题。

2、智慧教育

第一个是内容，包括学习地图，包括知识地图；第二个是算法，里面有推荐引擎，有学生的用户画像的引擎，有目标管理引擎；第三个是一个交互系统，就是这个系统如何和人进行交互。AI激发以“人”为本的快乐学习，突破学科边界助力精准教学，辅助个性化练习让大规模因材施教成为可能。

3、智慧零售

卖羽绒服的波司登，在全国有3000多家门店。门店的衣服到底是卖光了，还是有库存，过去很难掌握。现在他们也是利用了人工智能的管理技术，减少了存货损失。蒙牛利用AI，贯穿于从奶源、运输、仓储、生产、销售的整套环节，建立了全流程可追溯的系统。产品周转率提高30~40%，效率提高36%。亚马逊开了一家无人商店Amazon Go，以1,800平方呎（167 平方米）占地，供应餐点与食品，以手机连结亚马逊账号自动付费。 顾客每从架上拿下东西，就会在顾客的虚拟采购车记上一笔，如果顾客把东西再还回到架子上，这一笔数据就注销了，采购完了就大方走出去，不必排队结账。

4、智慧交通

自动驾驶目前在智慧交通领域被认为是具潜力的应用方向之一。通过车辆识别、行人识别和大数据来构建交通大脑，调动城市内的所有摄像头对车辆和目标进行感知。通过这个工作，可以实现车道级的车流统计与交通流仿真，道路参与主体人与车的跨镜头跟踪的道路事件应急处置方案，的道路路况感知与识别等。智慧停车是近年来特别火爆的一个智慧交通场景应用，通过车牌识别的应用已经落地了无感支付，无人值守收费等典型的AI场景应用。

5、智能安防

大安防领域成为AI技术最大应用场景之一。众多AI独角兽进入安防领域。在国内有商汤科技、旷视科技、云从科技和依图科技有AI四小龙之称，业务重心都放在安防业务。智能安防类产品主要有四类：人体分析、车辆分析、行为分析、图像分析；在安防领域的应用主要通过图像识别、大数据及视频结构化等技术进行作用。

6、智慧楼宇

楼宇自控系统能够全面的监控整栋建筑内的各种设备和环境，拥有它的存在，那么所有的设备就能够自动运行和调节，这就相当于人类大脑一样的存在。楼宇自控系统通过监测和遥控中央空调、给排水、供配电、照明、电梯等系统，来提高建筑的管理水平，降低设备故障率，减少维护及营运成本。智能照明系统中结合人员侦测感应和日光传感器，实现人体感应控制，光线感应控制，定时控制，场景预设控制等，由原来声控系统到实现区域就地感应的变革，当人员进入区域，感应装置会传至控制系统，自动调节室内照明，当区域无人使用时，照明会自动关闭、并减少能耗。

7、智能客服

阿里设计了语音助手，帮助快递员打电话。这个助手具备基本的人工智能，可以跟用户约定送货地点和时间，提高快递员的工作效率。印度的Infosys也是类似的情况，他们原来的客服中心里有8000多个座机员，现在被人工智能“接线员”取代。日本的保险公司也采用了人工智能技术，相当于代替了34名保险经纪人，每年节约110万美元的开支。

8、智慧营销/精准营销

亚马逊很早就利用了与用户产品属性相关联的知识图谱，既向用户做个性化推荐，也向销售商提供建议，令其增加了10~30%的附加利润。

9、企业管理

2014年华为的账实一致率只有78%，也就是有600多亿元的帐与货是对不上的，要花大量的人力物力去核对。2016年华为进行转型，现在账实一致率达到了98.62%，很多会计工作完成了由人到机器操作的转变。华为基本不是靠会计人员来做报销，都是机器报销。

10、智能投顾

美国Wealthfront、Betterment的崛起，使得智能投顾行业规模呈现几何级爆发。智能投顾在国内也开始崭露头角，比较有名的有灵犀智投、摩羯智投、理财魔方等。目前，数据、算法和模型是智能投顾的三大支点。其中数据是智能投顾产品的基础，算法和模型是核心竞争力所在。智能投顾以客户画像为起点，需要用户的风险偏好、收益目标和财务数据，投资组合再平衡需要以实时数据为基础，动态调整资产配置。海量有效的金融数据是机器学习的依据。 

三、农业（既有B端，又有C端）

2018年6月7日，云栖大会上海峰会正式发布阿里云ET农业大脑，将人工智能与农业深入结合。阿里云ET农业大脑已应用于生猪养殖、苹果及甜瓜种植，已具备数字档案生成、全生命周期管理、智能农事分析、全链路溯源等功能。

1、智慧畜牧

在四川阿坝红原地区，已经出现利用物联网和NB-IoT网络来实现智慧畜牧的案例了。将一个类似项圈一样的物联网设备挂在牛角上，便能够测量出耗牛的定位、耗牛一天行走的里程、耗牛的体温等数据。这些数据都是通过电信NB-IoT基站，传送到电信搭建的云平台上。如果系统检测到某头牛体温突然上升，而且位置相对偏远，那么系统就能判断出这头牛可能遇到特殊情况了。根据位置信息牧民能迅速做出反应。

2、农业决策

基于足够丰富的数据量，如今的农业可以做智能化的决策分析。通过遥感+大数据，农民巡地坐在家里就能完成。通过卫星遥感技术，农民能在电脑上观看自己田地中作物的涨势如何，哪一块需要施肥、哪一块需要浇水……当然，根据大数据也可以做粮食产量预测或者病虫害预测。通过人工智能分析监控视频，可24小时持续记录每一只猪的行为，具有猪只管理、存栏盘点、人员行为播报、猪只运动追踪等功能，为养殖场提供一整套智能视觉解决方案。

3、产业链打通

利用区块链+物联网做农产品的溯源。通过扫描农产品包装上的二维码，都能查到对应时间戳对应当时的图片、文字、甚至视频等数据。拥有了区块链技术，农产品以另一个更加精细的解剖维度呈现在消费者面前。

4、智慧分拣

将图像识别技术应用于农产品的分拣。让机器分类“学习”了大量照片，自动提取影响分类的要素，并形成自己的分类逻辑，学习后的机器就能像经验丰富的农民一样，快速辨别农产品的品质。

总结：

根据中国信通院2018年9月发布的报告，在各类垂直行业中，人工智能渗透较高的领域包括医疗健康、金融、商业、教育和安防等。其中，医疗健康领域占比居前达22%；金融和智能商业领域占比分别为14%和11%。调查显示，人工智能在工业领域的渗透明显较慢。人工智能在工业落地之所以缓慢，一方面因为相比于数据算法的迭代，硬件升级创新相对周期较长，从而导致滞后。另一方面，工业中应用人工智能要格外小心，因为工业中使用的人工智能与消费领域的人工智能有本质区别。