月份：2021年8月

5年过去,曾经击败了人类的AI,在走入商业世界的过程中却并不那么顺利。

当人工智能走出实验室,走进生产车间等实际场景的过程中,依然面临着巨大挑战。

AI泡沫本质上是价值支撑不足

与巨头创始人或投资人对AI的种种畅想形成鲜明对比的是,智能场景往往只存在企业的PPT里。

之所以要一边烧别人的钱,一边拿别人的钱去烧,本质是AI公司的实际业务撑不起估值。

落地慢、场景窄、商业化需要时间,拿了大额融资的AI公司要撑起估值,回应资本的期待,只能靠投资别的企业来完成。

从当前资本市场的情况来看,人工智能的大风依然强劲,但相比此前在舆论场的一呼百应,AI概念的严肃性已经在很大程度上被消解,AI泡沫的论调频频出现。

AI泡沫论的出现,很大程度和厂商的浮夸营销有关。当各种产品的宣传物料上写的全是[AI],却没几个让人真正感受到技术的作用,很难不让人觉得这是个伪风口。

国内企业AI落地现状

根据埃森哲《中国企业人工智能应用之道》面对全球企业高管的调研显示:高达79%的中国企业高管认为,他们必须借助人工智能来实现业务增长目标。

但其中,有52%的中国企业高管人员坦言,人工智能试点容易,但当设法将人工智能推广至全企业时,难度较大。

高质量数据缺乏、行业壁垒高、应用场景不清晰是当前人工智能与行业深度融合的主要瓶颈,应用场景难融合也意味着AI企业落地难。

①我国人力资源充裕,很多传统行业的数字化意愿并不强烈。到了AI时代,企业的数据基础不扎实,也就难以承载起上层的智能化转型。

②如今算力需求呈现指数级增长,而无论是算力设备的购置费用还是技术人员对算法优化的时间、人员和金钱的巨大投入。

④数据是制约AI成功落地的一大因素。如果缺少统一、标准化、高质量的数据,AI应用可能就是无米之炊、无源之水。

AI让企业开始习惯于大量依赖机器帮忙做决策。在这个过程中会带来隐私保护、AI可信度、伦理和社会的问题等,这些都是AI在落地过程中需要解决的。

大多数企业的AI创新都是点状的、实验性质的、局部的创新,缺少规模化、商业化、运行态的布局。

因此,人工智能在互联网领域的攻城掠地有多顺利,在实体经济中的落地就有多困难。

AI落地的行业场景化应用

各行业当下面临的痛点有所不同,如金融行业面临成本压力、产品服务单一、交易欺诈等;医疗与教育行业资源分配不均的问题突出;

也就是说,人工智能需求广阔,其商业模式是渗透到各行各业,提高行业效率。这一进程需要时间和持续投入,但也是生产力迭代趋势。

未来还是要结合场景和用户体验去重新设计,用 AI 本身的方式思考,才会产生真正的 AI 应用。

未来,可以肯定的是人工智能将能够在特定领域实现快速突破,而企业需要从自身所处的商业、工业和生存环境中选择恰当的角度,去定义特定场景,从而让人工智能可以针对性突破并解决问题。

目前AI技术正处于普及爆发的前夜

2018年,AI领域投资事件共410起,投资总额1078亿元。人工智能逐渐挤满了几乎中国所有的主流投资机构和产业资本。

资本华丽登台的另一面是,AI落地的过程不太优美。数据显示,2017年,90%以上AI企业处于亏损阶段,商业化落地成为众多人工智能企业发展的痛点。

AI将成为未来企业发展的一个必选项和企业的关键竞争力,这是毋庸置疑的。

对于各个公司、行业和国家来说,人工智能将是未来几十年里最大的商业机会。

预计从现在到2030年,人工智能的发展将使全球GDP增长14%,相当于对世界经济额外贡献了15．7万亿美元,其中AI将带动中国GDP增加7万亿美元。

商业落地呼唤标准配套

只有把应用做起来,底层AI芯片、软件技术才能够在应用过程中更扎实。

人工智能端到端完成一个项目落地至少需要3—6个月的时间,整个过程存在一定的复杂性,需要有一系列选型方案的指南。

以前产业界更侧重于算法,近几年算法开始和工程开源齐头并进,业内越来越重视软硬件协同发展,人工智能与大数据、云计算等新型信息技术融合越来越深入。

今年7月发布的《人工智能标准化白皮书(2021版)》中指出,深度学习框架依赖的生态建设、测试体系不够全面是我国人工智能产业发展目前遇到的两大问题。

我国深度学习框架起步较晚,在算法、芯片、终端和场景应用方面尚未摆脱对国外深度学习框架的依赖。

然而,国内人工智能测试体系尚未形成,现有测试基准的测试内容和模型高度重复,还未形成成熟的功能、性能测试基准,这将制约人工智能产品打开市场、获得市场信任度。

国内AI标准化进程加速

规范标准也是国内人工智能现阶段发展的关键词之一。赛迪顾问统计数据显示,2019年,中国人工智能产业规模达到1291．4亿元,同比增速为30．8%。

预计到2022年,中国人工智能产业规模达到2621．5亿元。

国内人工智能产业高速发展,场景应用逐渐丰富化,随着产业复杂度的提高,相关标准也亟待解决配套问题。

在2020年7月印发了《国家新一代人工智能标准体系建设指南》;同年12月,智用研究院、百度、浪潮联合发布面向产业应用的人工智能开源评测基准AI-Rank。

人工智能技术落地的关键环节

①技术的突破:一家成功的人工智能公司必须有一定的技术积累和壁垒。

②场景的探索:找到一个商业上可行、可拓展性良好,并且技术上可实现的场景是非常困难的,很多优秀的技术公司都在这个环节投入了大量的精力。

③团队的建设和成长:起步阶段顶尖的技术和商业团队的搭建需要大量工作,快速成长的过程中人员不断扩充也会带来各种问题,如何增效降本、保持创新风气很关键。

④标准制定:对具体行业具体场景下的人工智能技术应用进行规范化、标准化,保证整个行业的生态健康发展。

从保护基于软件的网络到对边缘和物联网的影响，解决方案提供商应在2021年密切关注五种5G趋势。

5G兴起

近年来，第五代移动网络技术(5G)一直是电信行业的头等大事，随着企业寻求通过新的连接选项来管理变更的方法，炒作声几乎席卷了其他所有市场。

与当今的4G和LTE速度相比，5G保证的数据速率快10到100倍。这意味着蜂窝技术不仅将有助于改善当今用例的性能，而且还将为全新的和新兴的应用提供支持。

全世界的5G网络正在建设中，尽管早期的讨论主要集中在该技术如何帮助消费者的问题上，但企业开始看到如何利用5G来促进和增强其应用。但首先，必须更加广泛地使用5G，这是各国许多大型电信公司誓言要在2021年实现的承诺。事实上，据美国媒体报道，来自电信巨头爱立信的数据，到2025年，预计5G用户将达到3.2亿。

随着新的蜂窝技术成为可行的连接选项，解决方案提供商今年应注意一些最重要的5G趋势。

下一代网络的建设仍在继续

下一代蜂窝技术可以提供比当前4G网络快10到100倍的数据速率，尽管全球疫情大流行影响了许多企业，但全球大的无线运营商还是在2020年增加了5G覆盖范围并建立了各自的网络。

在美国，位于达拉斯的AT&T网络目前覆盖了美国巴斯金里奇约16%的总部位于新泽西州的Verizon的5G超宽带网络目前已在31个州启用。总部位于华盛顿州贝尔维尤的T-Mobile于去年完成收购后接管了Sprint的5G足迹。该公司表示，截至2020年底，它在所有50个州的部分地区都已启用5G。消费者和企业用户很可能不得不更换设备，但是，由于许多现有设备并非针对新协议而设计的，因此需要购买新的移动设备。

5G对物联网的影响

5G可以提供更高的延迟和带宽，因此将进一步帮助物联网。物联网机会尤其将从移动和蜂窝连接中受益，包括运输、制造业、农业和智慧城市用例。5G甚至可能首次使新出现的用例和应用成为现实，例如联网汽车，它们需要闪电般的快速，低延迟的技术。

除了前沿的用例之外，许多行业现在还需要高度可靠的低延迟无线链路，这些链路可以为现有的物联网用例尽快为应用供电。

互联社区

近年来，随着全球都会区在室内和室外区域配备传感器来收集数据并获取见解以更好地管理其资产、资源和服务、智慧城市已成为主要的物联网趋势。

5G是智慧城市和互联社区用例一直在寻找的技术。现有的4G网络在支持同时连接、高功耗和高每位价格方面受到限制。另一方面，5G有望通过解决这些问题来推动智慧城市应用，并反过来利用新捕获的数据来改善城市运营。

5G与安全

随着5G实施数量的增加，对良好安全性的需求将变得更加关键。诸如AT&T、Verizon和T-Mobile之类的运营商一直在通过在网络边缘增加加密和附加防御来增强其下一代网络。

但是5G与以前的蜂窝技术迭代不同，它将由一个主要基于软件的网络组成，因此保护5G是另一种努力。物联网和智慧城市应用等将在5G网络之上运行的应用也将需要额外的安全层，以锁定将要加入网络的新设备和连接。

5G在边缘

5G与边缘计算之间的联系全都与延迟有关。5G有望通过支持全新的用例来推动边缘创新，实现比以往任何时候都更多的数据收集和更快的处理，同时为企业和组织提供另一种连接选项。

通过将5G与边缘计算相结合，组织将能够配备智能相机和传感器等设备来收集更多数据，这将在边缘推动更多计算用例。渠道合作伙伴告诉CRN，这将为解决方案提供商扩大在边缘收集数据的机会。

根据研究公司IDC的数据，到2024年，全球边缘计算市场预计将达到约2500亿美元，未来四年的复合年增长率为12.5%。预计5G技术将成为该市场增长的催化剂。

在商品市场动荡、矿石品位下降、能源成本上升和极端运营条件等挑战加剧的推动下，利用可靠灵活的通信系统的能力变得越来越重要。

 

在商品市场动荡、矿石品位下降、能源成本上升和极端运营条件等挑战加剧的推动下，利用可靠灵活的通信系统的能力变得越来越重要。领先的矿山运营商已经开始进行数字化转型，因为他们希望创建“互联矿山”。基于矿山日常工作所需的必要通信，以及利用大规模物联网传感器网络的应用程序和系统层，采矿业的未来肯定会更安全、更智能、更高效。事实上，世界经济论坛预测，通过数字化，未来五年该行业将增加 4250 亿美元的价值。

以下是采矿业物联网可以提高安全性、确保有效负载、减少运营延迟并为智能决策提供实时数据的 5 种方式。

1、 资产跟踪、远程诊断和预测性维护

作为资产密集型行业，采矿需要各种各样的设备，从钻机、挖掘机和输送机到泵、电机和风扇，这些设备广泛分布在地面和地下。监测和跟踪关键资产参数（如压力、振动、流量和温度）以及发动机性能的无线物联网传感器，可在整个矿区实现实时远程诊断、故障排除和资产跟踪。结合分析模型，可以有效地计划纠正性维护和备件采购，以防止设备停机，并帮助公司避免代价高昂的生产损失。

2、 排放和地下水位监测

地下挖掘设备和钻孔机排放的柴油废气含有有毒气体和微粒，对健康构成严重威胁。通过采用固定式和移动式气体探测器以及粒子传感器，可以有效控制排放水平和阈值限值，以维持符合安全标准的安全工作环境。

采矿作业产生的化学残留物有可能污染地下水，并引发严重的环境问题。利用来自液位传感器的数据，采矿经营者可以跟踪矿井地下水位的实时变化，尤其是在降雨期间。 可以及时有效地抽水，防止过度流入，从而避免污染和地下洪水。

3、 爆破后监测

在矿井内进行爆破后，该地区经常充满有毒烟雾和碎片。等待数小时以确保烟雾完全消散可能会导致代价高昂的停机时间。有了无线环境监测系统，操作员和矿工可以随时了解某个区域是否足够安全以恢复工作。这可以减少不必要的等待时间，从而在爆破后更快地开展工作并提高生产效率。

4、 基于可穿戴设备的事件报告和岩石螺栓监测

众所周知，矿山是最危险的工作环境之一，爆炸、设备事故和有毒物质暴露的风险很高，确保矿工的健康和安全一直是一个巨大的挑战。借助物联网可穿戴设备，现在可以实时跟踪矿工的健康状况和工作环境（即温度、湿度、辐射、噪音和气体水平）。管理人员会立即收到通知，告知其工人发生疲劳、疲惫和“超负荷”事件，而矿工会在发生潜在危险时收到及时警告。类似地，监测地下矿山地震活动的传感器可以安装在岩石锚杆上，以有效地评估其完整性并减少坍塌的致命风险。

5、 按需通风

通风可占地下矿山能源消耗的 30-40%。通过支持按需通风系统，物联网传感器可用于持续监测矿井不同区域的空气质量和气流，以远程调节风扇速度。传输来自占用传感器的数据或来自 NFC 标签的矿工登记数据还可以确保矿工所在工作区的通风被激活。这将显著节约能源，从而显著降低运营成本和环境足迹。

互联矿山的无线连接

虽然连接性是互联矿山收集数据的关键，但偏远位置、极深、密闭空间和非对称矿山拓扑结构为数据通信带来了最不利的条件。有线网络的覆盖范围有限、价格昂贵且极易受到采矿设备井下作业造成的物理影响。此外，Wi-Fi 等蜂窝和短距离解决方案无法在地下和难以到达的庞大矿井中提供足够的覆盖范围和可靠信号。

第三代低功耗广域网(LPWAN)面向低带宽、低计算端节点，在复杂的远程工业环境中提供高能效且经济实惠的物联网连接。在电池寿命、设备和连接成本以及易于实施方面，目前还没有任何无线类别能够胜过LPWAN。顾名思义，LPWAN 节点旨在依靠独立电池运行数年，而不是像其他无线解决方案那样仅运行几天。它们还可以传输数公里，同时提供深度穿透能力，以连接难以到达的室内和地下位置的设备，使其成为支持采矿业物联网的理想技术。

分析人士预测，到2030年，全球物联网设备的数量将增加两倍，达到241亿。虽然该领域的一些专家可能会争辩说这种预测过于乐观，但市场增长的迹象已经很明显。

这种说法适用于亚太地区，该地区的快速市场发展在医疗保健行业尤为明显，这也许并不令人意外。 然而，新连接设备的不断出现并不完全与COVID-19的预防和控制有关。大量亚太地区制造商也开始拥抱工业4.0，其中流程和运营的数字化将有助于使智能制造公司对外部因素更具弹性，从而确保业务连续性。

与此同时，在非洲和拉丁美洲等新兴市场，人们对物联网的兴趣日益浓厚，例如，物流行业的公司希望将车队和资产跟踪设备纳入其业务模式。

灵活性和面向未来

移动虚拟网络运营商(MVNOs)曾经是基本连接的经销商，近年来已经发展到与移动网络运营商(MNOs)更加集成，现在，一种新的连接服务提供商(CSP)正在发展，让企业拥有自己的物联网网络:企业网络运营商(ENO)。

除了增强的物联网安全性和基于订阅的计费和自定义发票之外，企业现在比以往任何时候都可以更好地控制其物联网SIM库，这要归功于增值管理平台，这些平台有助于远程SIM激活、数据限制配置和SIM诊断。然而，让企业而非网络运营商处于主导地位的不仅仅是实时连接管理。

如今，企业、制造商和系统集成商掌握的先进技术使他们比以往任何时候都能够更好地控制物联网连接。eSIM和eUICC技术尤其如此，它使设备用户能够灵活地立即响应网络覆盖范围和价格变化。通过无线(OTA)配置，只需按一下按钮，即可远程换入和换出网络服务提供商，并且可以通过将 eUICC与多IMSI配置文件相结合来实现额外的网络弹性。

eUICC只是提供长期网络可靠性和灵活性的新连接技术的一个例子。该行业的创新正在见证一些服务提供商开发越来越面向未来的物联网解决方案，这些解决方案将越来越多的控制权置于企业手中。

企业所有权和控制权

向4G蜂窝技术的迁移和越来越多的基于IP的网络使企业能够将越来越多的网络架构置于其控制之下。

虽然5G最终将促进需要高带宽和低延迟的新物联网应用，但要让这种新的蜂窝标准完全满足企业的需求，还有一段路要走。与此同时，共享和许可频段的可用性催生了高度灵活、安全和可扩展的无线连接解决方??案：集中管理的私有LTE网络解决方案，可在私有和公共网络之间无缝漫游。使用私有LTE，控制权掌握在企业手中，企业可以“切片”网络并动态部署具有不同带宽和服务质量 (QoS) 要求的额外数据包网关，以针对特定物联网应用优化网络。

让企业更好地控制其物联网连接，从SIM卡到完全私有的网络，企业将在未来几年从物联网应用的全部价值中受益。eSIM和专用蜂窝网络的推出都证明，对网络运营商的依赖已经比以前减少了，创新的连接服务提供商现在通过提供网络即服务等托管服务，使企业能够拥有和管理他们的物联网网络(NaaS)通过集中平台访问。

无论大小，企业都有越来越多的机会获得对其物联网连接的更多控制权。这种力量平衡的转变注定会永远扰乱物联网市场。

随着云计算和边缘计算的持续发展，数据中心正在迅速发展。云基础设施较大地影响了现代数据中心的需求，基础设施即服务(IaaS)业务模型和提供商允许企业方便地访问远程服务器。

边缘计算使计算过程和数据更接近终端用户，而终端用户通常位于网络的边缘。物联网(IoT)等技术的影响和对实时交互的依赖正迫使数据中心向终端用户靠拢。

企业正从本地数据中心向云数据中心转移，以部署关键的业务应用程序，利用本地数据中心和云数据中心的优势，形成混合云系统。然而，传统的数据中心如今面临着许多挑战。

数据中心的局限性

数据中心容量。COVID-19大流行扰乱了传统的工作方式。挑战在于数据中心需要扩大其容量以满足不可预测性和不断增长的需求。

不断发展的市场。世界各国现在都认识到数据的价值。因此，政府、行业和消费者都希望在他们的国家拥有安全的数据中心。这使得希望扩展到国外市场并获得市场份额的有名数据中心参与者更加困难。

对气候变化的影响。根据2018年进行的一项研究，数据中心使用了当年总用电量的1%。数据中心的碳足迹不断增长。消费者不仅注意，而且还大量参与环境问题。能源管理成为竞争对手之间竞争的一个附加维度。因此，数据中心必须采用高能耗的替代方案。

 

微数据中心的时代到了吗？

边缘计算正在许多行业中站稳脚跟。随着越来越多的企业拥抱云，数据中心变得越来越不集中。这种去中心化带来了让云服务更靠近网络边缘的机会。还需要克服超大规模数据中心的缺点。微型数据中心旨在成为数据中心演进的下一步。

微型数据中心是小型模块化数据中心，为企业提供服务或提供大型模块化数据中心难以提供的资源。微型数据中心还可以解决传统数据中心无法解决的问题。

数据中心与微型数据中心

一个基于容器的数据中心可能代表一个40英尺的集装箱中的数十台服务器。后者可能在一个大约20英寸的盒子中拥有少于10个服务器。典型数据中心的外形尺寸显着缩小。此外，微型数据中心的网络基础设施集中在边缘，因为计算是在本地处理的。这与围绕集中式远程数据中心开发网络基础设施不同，旨在从最终用户接收工作负载。

微型数据中心的一个很好的用例是支持未来的IT基础设施。微型数据中心将推动需要在源附近聚合的机器生成数据的持续增加。它们还将在实现端到端5G连接方面发挥关键作用，因为5G的短波长要求基站与数据中心之间的距离非常近，以实时支持关键应用。

微型数据中心的好处

降低成本。使用微型数据中心，企业不必将前期资本支出集中在传统服务器硬件上。与企业数据中心相比，微型数据中心的运营支出要低得多。此外，客户端和服务器计算机之间的距离降低了与将计算传输到集中式数据中心相关的更高的电力成本。

本地计算。微型数据中心减少了客户端和服务器计算机之间的地理距离。减少的接近度大大减少了延迟。

占地面积小。与大型数据中心相比，微型数据中心的碳排放量要低得多。

更大的弹性。如果优先线路损坏，传统数据中心往往面临服务中断的风险。即使网络冗余措施到位，传统数据中心仍难以与微型数据中心在发生故障时的选择竞争。微型数据中心可能有数十种故障转移策略。

灵活的基础设施方法。根据需求，企业可以选择向上或向下扩展其数据需求。微型数据中心的可扩展性使其易于与企业目标保持一致。

这对企业IT意味着什么？

IT经理知道运营成本降低了，整体效率提高了，就可以少些忧虑了。微型数据中心也与企业的碳减排目标保持一致。

与传统数据中心相比，微型数据中心可能不需要员工的监督。知道人为停机的可能性要小得多，IT 经理可能会安心。

它促进了企业之间的创新，因为它们可以基于无法在大型或远程数据中心运行的应用程序提供和改进服务。

微型数据中心还允许企业选择在异地处理哪些工作负载以及不处理哪些工作负载。最好在本地处理的关键工作负载可以在本地完成。例如，需要本地计算的远程位置的企业可以轻松地由微型数据中心提供服务。企业也可以在云数据中心和微型数据中心之间进行涉足，灵活适应自己的需求。

近年来，世界制造强国纷纷推进制造业向智能化、自动化转型。2016年，工业和信息化部发布了《智能制造工程实施指南（2016-2020）》，希望企业通过实施智能制造带来“两提升、三降低”，即：生产效率大幅度提升，资源综合利用率大幅度提升、研制周期大幅度缩短、运营成本大幅度下降、产品不良品率大幅度下降。

“十三五”时期，大力发展智能制造已成为我国企业界的广泛共识，大量企业初步解决了传统制造生产效率低下的问题，实现从劳动力为主的重复生产制造逐步向自动化设备普遍参与的数字化生产制造转变。一是有效缓解了制造业劳动力不足的问题；二是解决了企业在生产经营过程中的“盲点”；三是打通了企业研发、生产、物流之间的信息孤岛；四是为产业数字化和数字产业化奠定了坚实基础。尤其是疫情期间，智能制造赋予了广大企业强大的生命力，率先实现复工复产，部分企业通过业务转型拓展，及时调整生产线加工口罩、防护服等医疗用品，解决了现实迫切需求。

在智能制造的实施过程中也存在一些问题，企业实施智能制造容易“虚化”，过于超前网络化建设和部署，对于制造过程的数字化重视不够；广大中小微企业的数字化转型步伐仍然较慢，资金不足、技术缺失影响了中小微企业的积极性；智能制造人才供给水平无法满足下一步全国大规模数字化转型的需求。

“十四五”规划纲要明确提出，推进产业基础高级化、产业链现代化，提高经济质量效益和核心竞争力。“十四五”期间，实现制造业质量效益提升、保持制造业比重基本稳定、提高产业链现代化水平，仍然离不开智能制造这一关键手段。

一是要统一认识，强化智能制造作为制造强国主攻方向。

智能制造是我国制造业转型升级、实施高质量发展的重要途径，一方面通过数字化、网络化转型实现了企业数据采集、数据互联互通，提高了企业生产制造效率，并拓展了远程运维、定制化生产等新业态新模式，提升了企业核心竞争力，同时企业积累了大量数据，对于数字经济发展具有重要意义；另一方面随着人工智能技术的不断融合与深入推进，智能制造能够解决由于经验缺失导致的产品加工精度不高等传统问题，通过数据的积累，实现了产品加工精度的提升，同时，一批智能产品得以生产、面世，促进产品更加满足居民日益增长的生活需求。在“十四五”期间要更加重视智能制造的作用，要注意工业互联网、人工智能等新一代信息技术与制造技术相融合，将工业互联网、人工智能作为提升制造业企业效率、实现价值链跃升的技术手段，持续推动智能制造发展。

二是要坚持制造业企业为主体实施智能制造。

制造业是立国之本、兴国之器，制造业企业税率13%，是金融业的2倍，是名副其实的利税大户，只有切实提高制造业的营业收入和利润水平，才能推动社会经济的健康发展。同时，智能制造的核心在于新一代信息技术在制造业的深入应用，激发新的价值、新的增长点。在“十四五”期间，实施智能制造要避免“虚化”，避免互联网代表一切，避免脱离制造的“新一代信息技术”，要通过制造业为新一代信息技术提供广阔的应用场景，要推广解决制造业实际问题的新一代信息技术。

三是要关注广大中小微企业的智能制造。

中小微企业贡献50%以上的税收、60%以上的GDP、70%左右的专利发明权、80%以上的城镇劳动就业，但是中小微企业在固定资产投资、技术改造往往处于不利地位，缺少资金支持、缺少技术支持，往往使中小微企业在智能制造面前望而却步。在“十四五”期间，实施智能制造要重点解决中小微企业数字化网络化转型难题，开发低成本简易化的智能装备、工业软件，只有广大中小微企业走向了数字化，才代表我国迈向智能社会。

四是要提升产业链供应链整体智能制造水平。

从智能制造的历程来看，“十三五”期间大多数企业开展了单机数字化、生产线数字化、工厂数字化和企业数字化，智能制造在企业中逐步得以推广。在“十四五”期间，实施智能制造要围绕产业链现代化，重点推动若干条重点产业链供应链实现整体智能化，提升产业链协同制造效率，要鼓励产业链中的龙头企业加大产业链供应链体系的技术渗透、网络渗透、数据渗透，龙头企业应协助产业链上中下游企业按照统一标准实施智能制造，并推动智能制造人才在产业链中有序流动。

五是高等院校要发挥更大的作用。

当前，机器人和数控机床的应用基本解决了技能人才供给不足的问题，广大企业可以通过“无人工厂”摆脱对劳动用工的依赖。但是“无人工厂”不等于“零人工厂”，企业需要的熟练机器人和数控机床操作、维修人员，以及掌握信息技术的人员大幅度增加，也就是需要更多的技术人员，这些技术人员既要懂得制造技术，也要懂得信息技术，培养这些人才必须要依赖高等院校培养的本科生研究生。“十四五”期间，实施智能制造要抓紧智能制造专业技术人才培养，鼓励高校开设智能制造相关专业，鼓励企业和高校联合制定培养方案、联合设置课程，解决未来技术人才紧缺的问题。

随着科技的不断前进,“人工智能+制造”模式应用越来越广泛。但制造业的智能化过程与过去制造业的自动化有实际的差异,智能化并不等于自动化,更不等于无人化,而如何走向智能化,关系到求解现阶段的AI制造困境,以及加工制造业转型升级的真正落地。而现阶段,人,依然是智能制造的核心。

自动化追求的是机器自动生产,本质是“机器换人”,强调大规模的机器生产;而“智能化”追求的是机器的柔性生产,本质是“人机协同”,强调机器能够自主配合要素变化和人的工作。

可见,智能化一定不等于无人化。在推动大量智能制造过程中,只有通过机器和人的共融,推动这种决策思考的变化,才能让人的工作能力和方向得以拓展,让机器的的赋能实现最大化。

因此,人工智能+制造所追求的,不是简单的“机器换人”,而是将工业革命以来极度细化甚至异化的工人流水线工作,重新拉回“以人为本”的组织模式,让机器承担更多简单重复甚至危险的工作,而人承担更多管理和创造工作。

显然,想要实现人机共融的加工制造智能化,必然要经历从人到机器的过程。只有当机器融合了更多智能可能,才有可能拓展更多能力。

工业机器人的应用是这一阶段的重要标志,工业机器人作为工业化和信息化的完美结合,以其天然的数字化特性,打通了单个生产设备到整个生产网络的连接,进而支撑起第四次工业革命的应用场景。

如果说,过去二十年互联网的发展联通了智能时代下的每一个人,那么未来二十年工业智能化发展将会联通每一台工业机器人,从而带来生产效率乃至生产方式的全面革新。

但在实现从人到机器的过程中,工业机器人还需要具有能够在复杂和非典型的环境里与人进行互动的属性,只有灵活和便捷,才能满足人机共融的发展条件,对制造业智能化作全面的部署。此外,对于机器的部署还应具有可拓展性,即需要搭载更多智能化的平台来拓展工业制造的应用场景。

当前,人工智能与制造业融合应用已具备一定的基础,但是仅仅依靠单点的人工智能将企业升级到另外一个管理水平显然不可取,想要在制造的人工智能之路上加速,更应该从产业的整条价值链来优化提升。所以,现阶段的人工智能制造业还有待更新。