【编辑按】：当人们还沉浸于电影《机械姬》中人工智能带来的余悸时，阿尔法狗已将这种震撼从电影带入现实，人工智能开始冲击每个人的认知。面对新产业培育和传统产业转型升级的要求，人工智能又能给其带什么意想不到的惊喜呢？

1.人工智能2.0

继移动互联网、大数据、互联网+之后，新一波的人工智能（相对于上世纪五六十年代）的浪潮再次涌来。人工智能 (Artificial Intelligence, AI) 是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。人工智能的研究领域包括智能机器人、虚拟现实技术与应用、系统仿真技术与应用、工业过程建模与智能控制、人工智能理论、计算机感知、计算机神经网络、模式识别与智能系统、知识发现与机器学习、自然语言处理等。自诞生以来，人工智能理论和技术日益成熟，应用领域在不断扩大，其实际应用涵盖了机器视觉、指纹/掌纹识别、人脸识别、视网膜识别、虹膜识别、语言识别、图像识别、专家系统、自动规划、智能搜索、博弈、自动程序设计、遗传编程、智能控制、机器人学等领域，始终是计算机科学的前沿学科。

近年来，随着互联网的普及、传感器的普遍使用、大数据的出现、电子商务的发展、信息社区的兴起，以及数据和知识与社会、物理空间和网络空间的互连和融合、新技术的出现，AI发展的信息环境发生了深刻的变化，AI迈向了AI2.0新的阶段。AI2.0的主要特征包括：深度学习数据驱动的直觉感知能力、基于互联网的群体智能和技术型人机混合增强智能，以及跨媒体计算。

AI2.0时代这些新技术变化与发展极大地拓展了人工智能的领域范围，为人工智能更深、更广的应用提供了坚实的技术基础，而智慧城市、智能医疗、智能交通、智能物流、智能机器人、自驾汽车、智能手机、智能玩具、智能交通、智能制造和智能经济的不断发展，为AI技术和应用的新发展方向提供广泛的市场需求和驱动力。

2.人工智能在工业领域的应用

国际著名咨询公司埃森哲日前发布了 2017 年最新的人工智能报告，聚焦 AI 带来的产业创新的行业利润。在一系列报告中，埃森哲专门针对中国作了一篇题为《人工智能如何驱动中国的经济增长》的报告，显示当 AI 被视为生产的新因素，而不仅仅是生产率增强剂时，AI 将促进中国生产力大幅增长。到 2035 年，AI 有可能在中国的经济增长率上增加 1.6 个百分点。其中人工智能对制造业带来的影响最为显著。

目前，人工智能在工业领域的应用主要包括如下几个方面：

（1）基于互联网群体智能模式的定制创新设计。此类应用使用如协同创新和设计、量身定制应用等产品和技术，建立基于互联网群体智能客户定制和创新设计平台，实现基于云群体智能的产品选择、体验、用户参与设计和关键行业的实时跟踪，另外AI 还能帮助公司基于设计目标和种种约束创建新的产品。Autodesk 以其计算机辅助设计系统 Dreamcatcher 开创了这一新的方法。使用 AI 算法，Dreamcatcher 利用云的力量创建数千个虚拟原型不断迭代，并根据其指定的标准比较其功能、成本和材料。Dreamcatcher 以一种形状适合的材料开始，逐渐凿掉不需要的部分。去掉这些部分后，整体性能的改变会被算法“记住”，这样算法就能够理解每一块材料对性能的贡献。在医疗行业，Dreamcatcher 已被用于设计一种加速恢复和组织再生长的面部植入物。在汽车行业，AI 驱动的产品被用于开发新的跑车。

（2）合作研发群体智慧空间应用。此类应用使用协同、并行和集成系统方法来构建一个支持大数据处理、知识协作和创新聚合的群体智能空间，针对重点行业、企业和个人用户开发各类协同研发空间，鼓励这些用户通过互联网大众采购就研发挑战进行合作，拓展研发任务。

（3）智能工厂。大数据和大量基于知识的智能技术可能有助于实现智能调度和规划、过程参数优化、智能物流管理和控制、产品质量分析和改进、预防性维护、生产成本分析和估算、能耗监控和智能配置、生产流程和程序的监控，以及整个生产圈的综合车间绩效分析和评估。工厂运行控制中心和智能调度系统的建立，可能有助于实现云制造模式，以加快生产过程、实现企业和生产的智能管理。感知、机器学习和跨媒体的智能过程可以实现自主决策，以支持结合虚拟和现实的生产优化。

（4）人机材料合作车间。此应用使用人机材料合作智能机器人、智能优化技术处理代码，智能设备保障、智能监控、智能物流、云质量保证、云管理和云计划等技术和产品，构建智能设备、生产线、加工控制和车间决策系统，在智能车间操作中心的帮助下，实现人、机、材料的整合。

（5）自主智能制造单位范式。此范式使用先进的技术和产品，如基于先进的自主无人系统的智能制造分销和规划、在线检测、零件识别和定位、事故报警等，在基于先进的自主无人驾驶系统的控制中心的帮助下，建立智能设备、加工设备、在线监控系统、智能工作场所、安全报警系统和自动装卸设备。

（6）智能协同保证和供销服务应用。需要建立知识驱动的合作保证和供应/营销/服务平台，以收集物流、供应链、仓库和市场数据，然后利用神经网络对数据进行分析，优化供应链物流路径规划，通过预先交付、前端仓库和用户需求与产品特性的匹配分析，改进精简物流和精准营销。

（7）预测性智能运维。此类应用通过使用人工智能方法，如神经网络、隐马尔科夫等，对企业积累或外部相关的各类数据的变化趋势进行预测，以便及早采取应对措施，拓展公司业务或解决问题、排除危险与风险，达到为企业增加营收或节省大量人力、物力、财力的目的。如Google通过将DeepMind人工智能系统应用于数据中心，使用神经网络来预测耗电量变化，据其操纵服务器和制冷系统等相关设备，提升设备分配效率、降低耗电量，电力使用效率提升了15%，预计未来几年内将节约数亿美元电费。

作者简介：

王倩，上海产业技术研究院工程大数据服务创新中心架构师，主要从事物联网及工业大数据研究及应用，如公共出行路径分析、企业创新资源分析、商圈用户画像、食品安全舆情等众多大数据应用案例规划设计。并多次参与科委、经信委重大课题，曾获上海“十三五”规划前期研究公开征集课题成果奖三等奖，参与编写书籍《工业大数据：架构与应用》。

郑树泉，男，教授级高级工程师，上海产业技术研究院工程大数据服务创新中心主任，《工业大数据：架构与应用》作者，承担了“Ada开发环境”等多项国家科研项目，获国家科技进步奖，在英特尔惠普美标等多家著名跨国公司从事IT研究工作。近年参加多项大数据研发课题，具有较强的大数据分析能力，并发表论文多篇，并作为负责人申请6项专利。

本文由微言创新(ID:InnoTalk）授权转载

作者：王倩 郑树泉 上海产业技术研究院