随着人工智能、大数据、物联网、云计算等新兴科技发展,全球制造业开始进入新一轮变革浪潮。受政策支持、数据环境、算力提升、算法模型优化、商业化应用潜力五大利好因素驱动,中国制造业人工智能应用市场前景广阔,预计未来五年将保持年均40%以上的增长率,并在2025年超过140亿元人民币。
本期的智能内参,我们推荐德勤的报告《制造业+人工智能创新应用发展报告》, 深刻阐述人工智能赋能制 造业的背景与意义,客观呈现 “制造业+人工 智能”的总体态势,展示人工智能技术正如何改变传统的制造业,探讨制造业中各领域各环节中应用人工智能这一新兴技术的挑战。
全球经济环境变化使企业对数字技术应用的认知大幅提升,越来越多的企业开始关注人工智能技术及其应用。德勤的最新调研显示,大部分中国企业认为人工智能是企业确立当前和未来市场领导地位的关键,其战略重要性将在未来两年持续提升。
中国作为制造业大国,为人工智能提供了丰富的应用场景。据估算,人工智能在中国制造业的市场规模有望在 2025年超过140亿人民币:从2019年开始每年保持40% 以上的增长率。人工智能在制造业应用的快 速发展主要受益于5个驱动因素:(1)新基建等政策支 持;(2)人机物互联产生海量数据;(3)云计算、边缘计算、专用芯片技术加速演进实现算力提升;(4) 算法模型持续优化;(5)资本与技术深度耦合助推行业应用。
制造业为什么需要人工智能?人工智能技术赋能制造业主要体现在三方面:首先,人工智能可以帮助企业提高智能化运营水平,实现降本增效;其次,人工智能、5G、工业互联网等技术融合应用,推动制造业生产及服务模式、决策模式、商业模式发生变化;最后,人工智能带动制造业价值链重构,有利于中国抢占全球制 造业产业链上的价值高地。
制造商正面临着利润率低、市场变化快的压力,企业更需要透明的供应链和可预测的需求来指导生产和控制成本。 人工智能技术将原始运营和资产数据转化为可行的方案, 从而使人和机器能够在正确的时间采取正确的行动,以不断提高性能。
人工智能赋能制造业发展迎来新机遇,工业互联网助力制造业转型升级成效初显,推进人工智能与业务场景的融合。制造业将迎来更为广泛成熟的生态圈,将开发更智能化及网络化的新产品,并带动行业的生产、服务及商业模式升级。
而制造业是人工智能应用场景最具潜力的领域。有研究发现,人工智能的应用可为制造商降低最高20%的加工成本,而这种减少最高有70%源于更高的劳动生产率。到 2030年,因人工智能的应用,全球将新增15.7万亿美元 GDP,中国占7万亿美元;到2035年,人工智能将推动劳动生产力提升27%,拉动制造业GDP达27万亿美元。
制造业将成为人工智能应用蓝海。2016年,全球人工智能及相关技术的制造业应用市场约为1.2千亿美元,这个数字在2025年有望超过7.2千亿美元,复合年均增长率 预计可超过25%。
中国制造业转型升级为中国人工智能发展提供广阔平台。一方面,低技术含量(第二产业、处理常规/可预测/ 可编程任务)的工作将首先被人工智能替代。中国制造业在转型升级的过程中,重复性、规则性、可编程性较高的工作内容将逐步由协同智能化工业机器人完成。另一 方面,人工智能促进制造业研发、生产、运输、仓储、 服务等环节的智能化,与工业互联网叠加,创造出更多高质量的就业岗位,产生更多具有商业价值的新场景。
当前主流的制造业生产方式以流水线生产为标志,在这种模式下,企业竞争策略主要是产品多样化策略和成本控制策略。受限于标准化生产过程,消费者曰益增长的个性化需求难以被精准满足。随着消费升级,制造业 提高供给质量的必要性、迫切性不断增加。
在人工智能技术的引领下,刚性生产系统转向可重构的 柔性生产系统,客户需求管理能力的重要性不断提升, 制造业从以产品为中心转向以用户为核心。大规模生产 转向规模化定制生产,数据要素的附加值提高,生产者主导的经济模式转向消费者主导的经济模式,满足消费 者个性化需求成为企业的重要竞争策略,逐渐替代以往 企业依靠规模经济来降低成本的竞争策略。
人工智能还将帮助中国制造业应对产业链外迁的风险。 产业链外迁通常意味着企业搬离、就业流失、税收下降,特别是在疫情对中国经济造成一定冲击的情况下, 以服装为代表的制造业比较优势开始下降,行业规模以下企业众多,被动加速产业转移,由此引发居民收入下降和农民工失业风险,这些风险需要积极应对。中国需要加强基础研发力度,发展高技术制造业,推进制造业服务化,以人工智能赋能产业数字化转型,使产业拥有自己护城河的同时,增加居民收入和拉动就业。
在全球制造业的价值分配链中,中国并未占领技术研发、 产品设计、高附加值服务等产业链上的高价值部分,而借助人工智能可以加速中国向产业价值链高端攀升。
人工智能经过60多年的演进,已发展成多学科高度交叉的复合型综合性学科,涵盖计算机视觉、自然语言理解、语音识别与生成、机器人学、认知科学等领域的研究。人工智能与制造业融合,是指将人工智能技术应用 到制造业,使制造业在数字化和网络化的基础上,实现机器的自动反馈和自主优化。从“制造业+人工智能”的视角理解,其产业结构包含三层,如下图所示。
“制造业+人工智能”的基础层包括人工智能芯片、工业物联网,它们为人工智能提供在制造业落地所需的软硬件资源。
复杂的工业问题需要人工智能算法芯片高效运算来解决,当前能适应深度学习需求的芯片类型主要有 GPU、FPGA和ASIC,三者在性能、定制化程度、功耗、 成本等方面具有不同特点。
上游底层算法架构设计通常由具备丰富经验的大企业负责。晶圆工厂负责测试芯片算法效果。软件及其他专用材料、设备的供应商为中游企业提供所需硬件。
中游芯片厂商对算法架构设计及IP核授权企业依赖度较高,上 游架构交付企业对中游芯片制造企业议价能力较高。中游企业负责人工智能芯片的设计、制造以及测试。
实力较强的芯片企业可拓展业务至底层算法架构设计环节,整合芯片、模块及终端产品,提供一体式解决方 案,向下游各类企业提供人工智能运算产品和服务。中游不具备芯片设计能力的企业平均盈利水平较低。
人工智能芯片在制造业应用领域包括智慧工厂、智慧家电、自动驾驶等。由于人工智能芯片附加值高且产能有限,下游厂商对芯片制造企业的议价能力有限。
工业机器人诞生于20世纪70年代。机械臂作为典型的工业机器人,已经广泛应用于汽车、电子、金属、塑料 和化工以及食品和饮料等制造业垂直领域。人工智能时 代,工业机器人将被新的核心技术定义,包括深度学习、路径规划、任务级编程、柔性控制等,“人机协作”也正成为工业机器人的发展方向。
与传统工业机器人相比,协作机器人可以和人类伙伴并肩协作,高效安全地完成某项或多项作业。英国巴克莱银行的一份研究报告预测,协作机器人将迎来蓬勃发展的黄金时期,预计到2025年全球销量将从2018年的5.8 万台快速增至70万台。
工业机器人产业链分别由上游关键材料及零部件生产商、 中游机器人本体制造商、下游系统集成及服务和下游应用行业构成。
传统工业机器人产业链上游核心零部件主要包括减速器、 和伺服系统等,其成本约占机器人总成本的60%。 日本的纳博特斯克和哈默纳科占据工业机器人减速器70% 的市场份额。领域,日本、德国和美国的企业占据了主导地位。伺服系统由日韩欧美企业主导。随着人工智能技术在机器人领域应用的增加,人工智能芯片、传感器等底层智能硬件也成为工业机器人产业链上游的重要环节。
另一个基础层技术是工业互联网。工业物联网将具有感知、监控能力的各类采集或控制传 感器以及移动通信、人工智能等技术融合到工业生产过程中的各个环节,从而提高制造效率,改善产品质量, 降低成本和资源消耗。
工业物联网的本质是数据,可以为人工智能提供源源不断的数据支持,是人工智能在工业领域应用的基石。人工智能精准分析这些数据,在清晰的战略指引下,帮助企业将物联网产生的信息转化为有意义的洞见,帮助决策者更清楚地了解他们的客户、产品和市场,继而协助企业开发新产品、服务和商业模式。
中国工业物联网产业链已经初步形成,参与者包括上游设备制造商,中游技术和平台提供商,以及下游产业应用和系统集成商。
产业链上游主要负责现场信息采集,如传感器、RFID读写器、智能设备等的制造。上游作为工业物联网的数据入口,已率先受益并迅速扩大规模。但随着产业不断发展成熟,行业呈现完全竞争格局,技术门槛较低的企业 陷入同质化竞争,导致产业价值下沉。
产业链中游为工业物联网应用提供技术支撑,能够为设备制造商提供终端监控和故障定位服务,为系统集成商提供代计费和客户服务,为终端用户提供可靠全面的服务,为应用开发者提供统一、方便、低廉的开发工具等。中游主要包括工业物联网平台、工业数据平台、工 业云平台提供商等。
产业链下游负责打通工业数据和产业应用通道的最后关口,针对特定工业场景提供系统集成服务。相关企业包 括工业控制系统企业、工业软件企业等各类提供工业系 统解决方案的企业。国内从事工业控制、工业自动化的企业数量众多,在经营规模和经营效益上呈现“扁平大 金字塔”的分布状态,年营业额在40-50亿元的大企业 少,大部分企业年营业额为10亿元以下。
制造业融合人工智能的技术平台层包括制造业大数据、 公有制造云、制造业人工智能算法,即基于数据和网络,开发设计人工智能算法。
工业大数据是工业领域产品和服务全生命周期数据的总称,包括工业企业在研发设计、生产制造、经营管理、 运维服务等环节中生成和使用的数据,以及工业互联网平台中的数据等。
工业大数据是推动人工智能在制造业应用的关键生产要素。中国作为全球第一制造大国,工业大数据资源丰富,也催生了围绕工业大数据展开的一系列业务。2019年, 中国工业大数据市场整体规模达到146.9亿元,同比增 长28.6%,预计未来三年将保持30%以上的速度持续增长,至2022年达到346.1亿元,工业大数据将持续促进 传统制造业转型升级,助力工业智能化发展。
制造业人工智能算法是利用不同的机器学习方法,融合不同类型的数据去挖掘不可见的关系,对系统进行建模和优化,避免尚未发生的问题。目前机器学习方法众多,其中以神经网络、深度学习技术最为前沿,其他机器学习方法还包括决策树算法、回归算法、 分类算法、聚类算法等。
从算法技术应用来看,主要包括了计算机视觉、情境感 知、自然语言理解、机器学习等。中国企业在技术领域的竞争力较强,不乏计算机视觉、语音识别和自然语言理解的初创企业。
虽然深度学习神经网络在图像处理和语义识别等领域已经取得明显进步,但要广泛应用于工业系统仍然要走很长一段路。最主要的原因是神经网络的预测结果往往不能自我解释。在工业系统中的应用除了对精度有非常苛刻的要求外,还需要解释预测结果的合理性,以及相关的不确定性风险。
工业云平台是人工智能进行计算的场所,制造业生产中产生的海量数据将与工业云平台相连,利用人工智能算法进行数据挖掘,提炼有效的生产改进信息,最终用于计划排产、协同制造、预测性维护等领域。
目前科技/互联网企业、通信企业和工业企业都已布局工业云平台,如阿里巴巴ET工业大脑,中国联通的CUII, 以及海尔的COSMOCPIat。互联网企业优势在于资源整 合能力强,工业企业则更为精准地了解行业痛点。预计未来会出现不同垂直领域的头部企。