AI時代漸近，工業互聯網也隨之掀起新一輪變革。

作為新基建的核心部分，工業互聯網可以在加速推動傳統產業升級改造的同時推動新興產業培育，已成為實現新型工業化的關鍵要素。據工信部數據，工業互聯網融入49個國民經濟大類，覆蓋全部工業大類，預計2023年核心產業規模達1.35萬億元。

“根據當前的市場動態和技術發展趨勢，隨著人工智能技術和大數據的不斷發展，將這兩種技術融合應用于工業互聯網中，可以實現更高效、更智能的生產制造和運營，幫助企業更好地提質降本減存。”思謀科技聯合創始人兼技術負責人劉樞告訴第一財經。

在AI應用逐步落地的當下，AI在工業互聯網的滲透越來越多，工業質檢、工業視覺、無人值守、優化調度、工業大腦、AloT設備互聯等領域應用正逐步落地，用友網絡、鼎捷軟件、賽意信息、漢得信息等相關企業紛紛爭搶工業AI灘頭。

AI質檢應用較成熟

目前，AI在工業領域的應用場景廣泛，涵蓋了研發、生產、供應鏈、銷售和服務等多個環節。

賽意信息副總裁、數字產品BG總裁劉偉超告訴第一財經，在研發端，AI可以助力知識庫管理、產品設計優化、模擬和仿真以及自動化設計；在生產端，AI則能夠提升質量控制、調度優化和預測性維護等方面的效率；在供應鏈端，AI可以應用于需求預測、庫存優化和風險管理；在銷售端，AI則可以實現個性化營銷和銷售預測；在服務端，AI也能提供智能客服和虛擬助手等支持。

“目前，預測性維護和工廠視覺檢測質量管理是AI在工業領域滲透率較高的應用，已經在眾多工業企業中取得顯著效益。”劉偉超表示。

其中，廢鋼識別是典型的人工智能在工業視覺質檢領域的應用，以工業視覺+大數據+算法為核心技術。

“在廢鋼判定領域，我們做了有四五年，現在國內的市場占有率第一，廢鋼識別率超過93%，比市面上其他企業做得都好。”用友網絡高端客戶解決方案事業群智能制造事業部總經理葉秀林接受第一財經專訪時表示。

據IDC測算，中國工業質檢市場規模至2025年將快速增長至62億元，2020-2025年復合增長率（CAGR）達28.5%。隨著AI大模型的圖像和音視頻處理能力取得大突破，AI質檢精確率還將邁上新臺階。

根據IDC數據，2022年創新奇智在工業質檢領域市占率僅次于百度智能云排名第二，在獨立第三方AI解決方案提供商中位列榜首。科遠智慧也已推出基于AI的工業質檢產品。

預測性維護是AI在工業互聯網的另一重要應用，依托于以工藝機理為核心的預測模型。

據華經產業研究院數據，2021年全球預測性維護市場規模達322.4億元，其中中國預測性維護市場規模達48.4億（占比約15%）。預計2027年全球預測性維護市場規模有望達1677億元，假設占比不變，則至2027年中國市場規模將達251.6億元。目前，容知日新等多家企業均有布局。

工業大腦增速最快

在葉秀林看來，工業大腦是未來工業AI增速最快的應用。

根據用友的定義，用友智能制造工業大腦定位于工業企業的生產、運營數據的分析優化，基于30余年服務46萬家工業企業的經驗積淀，通過數據連接，將企業核心業務模型與工業機理模型、工業算法相融合，普及工業智能在制造業中的應用，幫助制造企業實現合理排產、優化配料、質量診斷、故障預測。

“企業現在其實都已經到了管理深水區，傳統的信息化建設，例如ERP等，企業基本上都已采納并應用，眾多傳統應用也已成熟完備，積累了海量的數據資源。這些數據主要源于操作層面，但企業現正渴望深度挖掘其潛在價值，以轉化為實際的業務效益。”葉秀林介紹。

事實上，工業大腦的本質是針對工業領域不同業務的算法模型，可理解為小模型，而更具通用性的、面向工業領域的工業大模型也在陸續落地。業內認為，現階段工業領域主要以單模態模型服務為主，大模型與小模型相輔相成，未來大模型可能會替代高度定制化的小模型。

目前，用友已推出企業服務大模型YonGPT；鼎捷軟件基于鼎捷知識中臺和 GPT 技術構建了企業級知識機器人ChatFile；思謀科技推出工業多模態大模型IndustryGPT；賽意信息是華為盤古大模型的首批合作伙伴，已推出聚焦企業服務大模型的AIGC中臺（善謀GPT）；漢得信息也與華為云簽署漢得H-Copilot AIGC中臺&華為云盤古大模型合作協議。此外，中控技術據悉將推出首個面向流程工業運行優化與設計的AI大模型。

“賽意信息以632項目為起點，歷經了從項目服務型公司向產品公司的全面轉型。在這個過程中，我們成功地從定制化的經驗轉變為標準化實施流程體系和標準化產品體系。”劉偉超稱，“在AI這一新興轉型方向上，賽意信息已經開始在產品能力和交付能力上集成AI能力，將標準化的實施流程中融入AI員工，同時在標準化的產品中嵌入AI大腦，憑借貼近客戶的優勢和對數據標準化的清晰理解，我們的AI員工和AI大腦能夠實現更快的迭代速度，以更低的成本為客戶提供更高質量的服務。”

數據和算法仍是AI應用最大阻力

無論是工業大腦，還是工業大模型，都是AI算法的應用。但目前面臨的困境，一是工業數據復雜且難以公開獲取，目前積累的工業數據量不夠多，數據質量也不夠高；二是算法不成熟，需要不斷優化。

第一財經從業內相關人士處了解到，部分應用場景的適用算法難度較大，如化學反應等，產出結果有很強的不確定性，只能通過經驗摸索，但結果可能只能滿足80%的場景。那么，目前業內企業是如何應對的？

劉偉超告訴第一財經，從賽意信息自身經驗來看，工業大數據比傳統大數據維度更多，數據包含的含義也更加復雜。“為了解決這些問題，我們專門構建了一個公司級的AI應用平臺，整理所有交付團隊在項目中產生的問題，經過專家解答后，會同步將知識回歸到應用平臺，在某些應用場景下，我們平臺的訓練語料在一個月內突破了200w字符。此外，賽意信息還注重利用產學研合作、聯合實驗室等多元化形式，攜手多個團隊共同打造適應特定領域的專家級AI。”

漢得信息COO黃耿認為，一方面，企業要具備豐富經驗和領域專業知識，才更容易理解行業內部的需求和挑戰，并且能夠為客戶提供更加精準的AI解決方案。同時，工業互聯網領域對大量的數據支持和分析有著極高的需求，因此擁有豐富的數據積累和數據資源的企業可能更容易實現AI應用的落地。另一方面，建立廣泛的合作伙伴關系和完善的生態系統，能夠為企業提供更多的資源和支持，加速AI應用在工業互聯網領域的推廣和應用。

“真正深入接觸客戶一線，擁有大量客戶基礎，并在此過程中積累了大量數據的企業，將成為未來至關重要的能力提供商。”劉偉超表示。