促進人工智能與制造業深度融合發展的難點及政策建議

／中國社會科學院工業經濟研究所 鄧 洲／

為加快實體經濟復蘇并搶占未來產業制高點，主要發達國家都在加強相關戰略部署，促進人工智能與制造業深度融合。近年來，國內外在人工智能與制造業融合發展領域的實踐取得可觀成效，提升了制造業生產效率與經濟效益、能夠有效緩解人力成本上漲壓力并彌補了人類勞動者的不足，提高生產柔性化程度從而實現低成本大規模定制，較為準確地預測市場與匹配供需，促進制造業服務化轉型，增強制造業質量控制能力。進一步推進人工智能與制造業深度融合是一項復雜的系統工程，世界各國都面臨人工智能標準化制定與實施、互聯網技術攻克、信息安全保障、復合型人才培養儲備等一系列共同的問題和挑戰，而我國還需面對關鍵核心技術、融合發展創新模式及引領全球融合發展趨勢的制造業企業等缺乏問題。對此，我國應通過多方協同發展促進人工智能與制造業深度融合。國家層面，高度重視人工智能與制造業的深度融合，進行科學規劃，并建立以基礎研究為重點的國家實驗室；產業層面，構建機器學習所需的工業大數據庫，夯實大數據基礎，推動人工智能與制造業深度融合的模式創新和業態創新；企業層面，鼓勵我國優勢制造業企業進行逆向整合，掌握核心要素資源，加強與互聯網和人工智能相關企業的戰略聯系；在配套方面，調整制造業相關的高等教育和職業教育體系，以適應制造業步入人工智能時代的需要，同時評估和防范人工智能發展過程中可能引發的社會問題。

人工智能是新一代信息技術的代表，被主要發達國家視為提升核心競爭力的戰略性產業。近年來，我國在人工智能技術研發、商業開發方面飛速發展，成效逐漸顯現。黨的十九大報告提出“加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合”[1]，明確了促進人工智能與以制造業為主的實體經濟部門深度融合的戰略決策。此后出臺的《促進新一代人工智能產業發展三年行動計劃（2018—2020年）》，進一步強調以推進人工智能和制造業深度融合，加快制造強國和網絡強國建設。隨著一系列國家層面的戰略、規劃、政策的頒布和實施，人工智能與制造業融合發展的重點和方向逐漸清晰，支持政策的體系框架逐步完善。當前，人工智能和制造業融合發展在實踐層面處于起步階段，進一步推進人工智能和制造業深度融合是一項復雜的系統工程，世界各國在不斷探索中都面臨人工智能標準化制定與實施、互聯網技術攻克、信息安全保障、復合型人才培養儲備等一系列共同的問題和挑戰，而我國還需面對缺乏關鍵核心技術、融合發展創新模式及引領全球融合發展趨勢的制造業企業等問題[2]。因此，相比發達國家，我國實現人工智能與制造業深度融合發展的需求更加迫切。在全球傳統制造業發展邁向人工智能時代的背景下，我國應搭乘國際人工智能高端科技發展的快車，提升制造業生產效率與經濟效益，促進傳統制造業轉型升級，并向全球價值鏈中高端攀升，實現制造大國向制造強國和網絡強國的根本轉變。

一、人工智能發展趨勢及我國優勢

（一）人工智能逐漸呈現新的發展趨勢

近年來，人工智能技術研發不斷取得突破，且在具體的產業化、商業化項目中的應用也更加廣泛。人工智能逐漸呈現新的發展趨勢。第一，“深度學習”+“大數據”成為人工智能發展的主要技術路線。如，人造神經網絡使機器人可以與人類一樣學習和思考，使其能夠處理更加復雜的任務。這一技術路線已成為大多數人工智能企業的主要研究方向，實現了人工智能的快速技術進步。第二，人工智能逐漸從僅限于實驗技術研發階段邁入技術研發與產業化發展同步進行階段，在圖像和語音識別、科學研究、預測分析等方面均已有成熟的商業化產品，催生多種新業態，并助推其迅速成長。第三，人工智能的應用領域逐漸從商業、服務業向制造業、農業拓展，使得人工智能的通用技術和基礎技術特征進一步顯現[3]。

（二）我國發展人工智能的突出優勢

1）我國人工智能趨于多方位發展。人工智能作為新興產業，拓展了很多新興產業僅在某一領域或產業鏈的某一環節具有優勢的片面式發展方式，趨于多方位發展。我國人工智能發展在很多方面和領域與發達國家的技術研發、產業化應用同步，甚至在部分領域實現了趕超。從技術研發角度看，在“深度學習”“深度神經網絡”等領域，我國在全球知名期刊上發表論文的數量已經超過美國；專利申請數量也僅次于美國位居全球第二；百度在2015年開發的“深度學習”語音識別的準確率達到97%，被《麻省理工科技評論》（MIT Technogly Review）評為 2016 年全球十大科技突破之一[4]，這是我國人工智能技術研發達到世界一流水平的重要標志。從投資、融資角度看，我國在人工智能領域的投資自2010年開始進入爆發期，最近兩三年投資增長速度進一步加快，投資額僅次于美國，居全球第二，2017年我國人工智能初創企業融資額高達73億美元，超過美國成為全球第一[5]。從產業發展角度看，近年來我國人工智能產業規模年均增速近40%，截至2017年年末產值約達到150億元[6]；人工智能產業體系初具雛形，北京、上海、深圳、成都等城市人工智能產業聚集區已經形成；百度、阿里巴巴、騰訊三巨頭在人工智能領域快速發展，同時，中小企業和初創企業也通過細分領域實現創新產品和服務模式的快速成長，如，在機器視覺識別領域已有100多家成規模的自主品牌，300多家代理商，100多家專業機器視覺系統集成商[7]。

2）我國人工智能市場化應用優勢明顯。在眾多人工智能核心技術研發領域，發達國家具有我國短期內難以超越的優勢和資源，其人工智能的商業化運營主要是依靠技術進步推動的。我國雖然在核心技術研發方面的領先優勢不足，但作為全球人口最多、移動通訊用戶最多、手機應用下載和在線用戶最多、制造業規模最大的國家，我國是全球最大的人工智能應用市場。為支撐人工智能應用市場需求，近年來，我國以率先實現商業運用為引領，實現了人工智能市場化應用的高速發展，尤其在實現人工智能應用的場景優化及其相應的商業布局方面走在世界前列。如，百度將語音技術、圖片識別技術與O2O服務場景融合，用戶只需要輸入一段語音就能夠預訂電影票、酒店和景區門票；阿里巴巴、京東等電商平臺通過大數據挖掘為用戶推送具有潛在購買欲望的產品；騰訊以微信、QQ為平臺向客戶精準投放感興趣的新聞和廣告等等。

二、國內外人工智能與制造業融合發展的主要實踐成效

制造業經過機械化、自動化、數字化等發展階段，目前正在逐步進入人工智能時代。在制造業順應時代潮流積極創新發展和轉型升級的過程中存在一些障礙和短板，主要表現為傳統制造業通過管理和技術革新提升效率和效益的方式難以克服“天花板效應”、人工成本不斷攀升且人的不確定性增強、技術研發的高風險和長周期影響創新的積極性、企業柔性化程度難以滿足個性化小批量市場需求、產品質量控制難度增大使真正意義上高質量發展難以實現等等。這些問題的存在是造成我國制造業難以進一步縮小與世界領先差距的主要原因。人工智能作為一個虛擬勞動投入，具有橫跨多個學科的專業能力和執行力、敏捷性和適應性、重復工作和自我學習等方面的優勢，形成比人類勞動者和制造業傳統運營方式更強的競爭力。因此，從制造業和人工智能兩方面考慮，短期內，制造業中部署人工智能的目標是通過精密的算法彌補人類專業能力和洞察力的不足和缺陷，突破制造業傳統經營模式的局限，促進制造業的轉型和升級。但在初始階段，人工智能與制造業融合發展的實現路徑一定是在某些特定行業、特定領域率先進行實踐。一方面，人工智能在很多領域和層面的表現尚未達到人類勞動者的傳統制造業投融資管理、技術研發、生產加工、組織協調、營銷策劃的要求，此時人工智能與制造業融合發展一定以發揮人工智能在特定領域和層面的優勢為原則；另一方面，制造業各部門面臨轉型升級的困境和短板不同，其價值鏈的形態也有區別。人工智能一定是在其自身具有比人類勞動者更大的競爭力，并且某個制造業部門在提升價值鏈邁向中高端水平或轉型升級補齊短板過程中的需求恰好與人工智能所具有的優勢相匹配時，就會率先實現人工智能與制造業的融合，并取得可觀成效。

（一）提升制造業生產效率與經濟效益

國際金融危機后，世界經濟持續低迷，各國都在尋求提高生產效率帶動實體經濟復蘇的方法，我國制造業更是面臨全要素生產率下降甚至負增長的局面[8]。改革開放以來，我國依靠技術引進、管理變革實現了制造業部門效率和效益的顯著提升，但隨著制造業裝備條件、技術和工藝水平、管理能力接近和達到世界領先水平，繼續依靠傳統手段進一步提高生產效率和經濟效益的空間已經很小。近年來，以人工智能為代表的新一代信息技術在商業上的運用取得顛覆性的效果，極大提高了商業和服務業的效率和效益。隨著人工智能在制造業應用條件的改善、應用場景的增多，人工智能逐漸成為一種全新的投入要素，改變生產函數，從而為制造業生產效率和經濟效益創造新的上升空間。如，自2015年起，我國陸續在30個省（市、區）、82個行業中遴選了206項智能制造試點示范項目。根據工業和信息化部的統計，試點示范項目智能化改造前后對比，生產效率平均提高30%以上，最高提高兩倍以上；運營成本平均降低20%左右，最高降低60%[9]，試點示范項目效率提升和成本下降的幅度是通過傳統手段難以達到的。

智能工業裝備的使用是人工智能提高制造業生產效率和經濟效益的重要途徑。與自動化時代的工業裝備比較，智能工業裝備主要在三方面能夠進一步促進企業效率和效益的提升。第一，大多數自動化裝備以單機為工作單元，設備與設備之間協作較少；智能化裝備建立在工業互聯網基礎上，所有設備在統一平臺上進行數據交換，接受統一指揮。第二，自動化設備只能執行事先預設的任務，完成固定不變的工作；智能化設備由于安裝各類傳感器，能夠自主調整、優化和修正，排除大多數故障，大大降低了對工程師的依賴，也減少了設備停機時間。第三，智能化裝備擁有“學習”能力，隨著數據量的積累能夠輔助管理者，或者自主決定生產任務、調整生產計劃，這是自動化設備不具有的功能。如，位于德國海德堡的ABB智能工廠主要生產微型斷路器等電氣產品，通過應用ABB Ability數字化解決方案，采用了7種智能機器人后，該工廠完全進入自主工作模式，機器人根據前序工段的情況進行自動調整，確保工廠始終處于最佳狀態。互聯網智能機器人的應用又將原本已經很高的生產效率進一步提升了3%，裝配線的靈活性也極大地提高，同時產品種類比之前豐富了3倍。

（二）有效緩解人力成本上漲壓力，彌補人類勞動者的不足

隨著經濟持續增長和人口老齡化的日益嚴重，勞動力供給逐漸減少，人口紅利逐漸消失，勞動力成本不斷上漲。我國尚處于工業化中后期，是成為工業化國家最艱難也是最困難的爬坡階段，很多后發國家沒有能夠最終實現工業化進入發達國家行列都是在這一發展階段沒有實現根本轉型。近幾年，我國將人工智能作為一種新的投入要素，在很多崗位和領域替代了人類勞動者，大大降低了制造業的勞動力密度。如，美的是空調行業自動化和智能化水平較高的企業，在2011年，美的空調板塊僅有機器人50臺，工人數量高達5萬人，而到2015年，機器人裝機超過500臺，用工數量下降到2.8萬人。通過使用智能化機器人，企業不僅增加了產量，而且縮減了近一半的人類勞動者。

制造業產品質量水平與工人的技能水平、工作態度密切相關。企業的現場管理能力提升、質量檢測級別提高能在一定程度上減少產品質量波動，但人的情緒、狀態始終是無法被完全控制的，人類勞動的精細化程度和耐力水平也是有上限的。相比較而言，機器設備不存在情緒和疲勞等問題，且能夠在極高精度水平下保持每次動作的一致性。從人類工業化歷史看，新設備的出現，總是最先在人類最不愿意從事，或者人類沒有能力勝任的崗位上替代人類勞動者，某種程度上，循序漸進的“機器換人”實際上提高了人類的福祉，只有在人類自身教育水平和素質提高的速度跟不上技術進步的需要時，“機器”才會危及人類就業。很多實證研究都發現，智能機器人密度與產品的質量和性能成正比，通過提高具有人工智能功能的工業機器人密度，可以有效提高產品生產品質和產業發展質量。

（三）提高生產的柔性化程度，實現低成本的大規模定制

第二次工業革命的一個顯著特征是通過規模化、標準化、流水線的方式實現了低成本大規模生產，同時也造成了制造業的剛性越來越強。工業設備解決的是確定性問題，如果客戶根據自己的需求訂購一款產品則會產生額外成本。二十世紀末，戴爾等企業提出了大規模定制化生產，但這僅限于模塊化程度很高的產品，所謂的“定制”也僅僅是有限的模塊組合選擇。而當前市場需求的一個重要變化是更加多樣化和個性化，模塊組合式定制模式已不能滿足市場需求，能夠在更低成本的條件下滿足小批量、定制化的客戶需求才能獲得制造業的核心競爭力。傳統制造企業柔性化程度較低主要是由于機器設備和流水線的剛性決定的，調整生產線需要花費時間和資金，面對巨額定制成本，很多企業無法為小批量定制化的產品安排合理的生產。人工智能的應用顯著提高了制造企業的柔性化程度，滿足低成本大規模定制的需求。如，日本工業機器人公司發那科與思科廠商合作，創建了發那科智能尖端連接和驅動系統（FIELD），這是一款依托先進機器學習技術的分析平臺，捕捉并分析來自制造流程各個環節的數據，由此改進生產作業，減少工廠停機時間的人工智能系統。據估算，一家大型汽車制造商每分鐘的停產成本高達2萬美元。目前，FIELD系統已經在一家汽車制造商完成了為期18個月的“零停機”試點，在此期間，不僅節省了巨額的停產成本，而且多次改變生產計劃滿足客戶定制需求，提高了企業生產的柔性化程度，實現了低成本的大規模定制生產。

（四）較為準確地預測市場與匹配供需

全球新科技革命和產業變革背景下，市場需求更新速度加快。人工智能可以實現對海量數據的實時跟蹤，并且具有自我學習能力，能夠從復雜的市場信息中挖掘有價值的內容，準確把握市場動向，并基于有效數據給出最優建議，同時通過工業物聯網系統將指令傳遞到價值鏈各個領域、環節。人工智能在整個產業鏈上匹配最佳生產計劃的準確性，已經超出了最優秀管理者和傳統信息系統的極限。如，ABB北京低壓工廠通過應用MES生產管理系統、機器人和無線終端，實現了從下單到交付整個價值鏈的全方位智能化升級。MES生產管理系統可對客戶訂單實時響應，基于客戶需求自動對生產設備和加工參數進行配置，裝配線在人工智能的支持下完成組裝和測試，采用人機協同作業模式。客戶需求和生產制造的無縫銜接，使企業能夠較為準確地預測市場需求，并根據需求匹配產品供給，不僅提升了產品和服務質量，也縮短了產品交付周期，進一步提升了效率和收益。尤其對于規模經濟比較突出的化工和冶金行業，預測市場和匹配供需的難度更大。人工智能的介入能夠打通制造企業與客戶之間的信息流，還能夠通過大數據的采集、分析和預測，幫助制造企業在合理的成本范圍內為客戶提供定制化的制造。如，南京鋼鐵集團應用人工智能打造定制化業務平臺，重構客戶關系模式，并通過定制化業務平臺，實現了準時制生產，定制鋼材的準時配送率高達100%。同時，下游企業也因此獲益，船廠的庫存由原來的2個月減少到7～10天，庫存資金占用大幅減少。即使在全球造船行業進入下行周期的不利環境下，南京鋼鐵及其下游船廠通過與人工智能融合依然實現了逆勢增長，有效降低了成本、提高了效率。

（五）促進制造業服務化轉型

制造業和服務業的融合是制造業發展的主要趨勢，也是制造業轉型升級的重要方向。人工智能的應用不僅能夠大幅度降低制造業進入服務領域的成本，并且可以創造更多制造業與服務業融合的新方式和新業態。如，日本小松機械在生產工程機械的基礎上推出了智能化工程服務項目，實現了由一隊無人機測繪三維地圖，并指導智能機器人控制大型工業車輛作業，幫助用戶大幅提高施工效率和品質。運用人工智能技術的各種先進設備為制造企業的服務化轉型提供了支撐，有效提高在維護服務環節的效率。如，德國電梯廠商蒂森克虜伯公司與微軟合作，為其旗下2.4萬名技術工人配備了集成人工智能技術的增強現實眼鏡，在安裝、檢修電梯設備時，智能眼鏡能夠輔助工程人員識別現場使其獲得技術支持，可有效提升精準度。業務升級后，技術工人的工作效率得以大幅提升，以往需要2小時才能解決的問題在增強現實眼鏡的幫助下20分鐘就能完成。

（六）提升制造業質量控制能力

質量控制一直是制造業現場管理的重要內容，在工業產品同質化趨勢明顯的情況下，國家之間、企業之間、品牌之間產品競爭的勝負與質量控制密切相關。人工智能可以提升質檢水平，提高產品良品率。如，基于人工智能的機器視覺工具分辨率遠超人類肉眼識別的水平，可以發現極為微小的產品缺陷。這樣的人工智能系統不僅能迅速檢測出缺陷，還能分析、識別出故障發生的根本原因，并基于此給出具體的解決方案，能夠有效提高產品整體的質檢通過率。如，日本NEC公司推出的機器視覺檢測系統可以逐一檢測生產線上的產品，從視覺上判別金屬、人工樹脂、塑膠等多種材質產品的各類缺陷，快速偵測出不合格產品，并指導生產線進行分揀，不僅提升了質檢效率、降低了人工成本，而且提升了出廠產品的合格率。人工智能能夠在制造業生產線各個環節全面并實時監控生產全過程，與傳統的在終端抽檢方式比較，實現對產品全流程的質量監管。如，保利協鑫與阿里云合作建設的智能工廠，人工智能對產品生產過程中60個關鍵參數實時監控并搭建參數曲線，使晶硅切片良品率提高了1個百分點，這相當于每年為企業增加上億元的利潤。

三、我國人工智能與制造業深度融合的難點

無論從全球還是國內看，當前，人工智能以及其顛覆性技術的應用場景主要還是集中于商業領域，因受專用性限制和數據量規模約束，人工智能與制造業的融合場景主要是在非制造的研發、營銷和售后服務環節。騰訊研究院發布的《2017年中美人工智能創投現狀與趨勢研究報告》對當前我國人工智能在各個行業的滲透進行了分析，研究表明，醫療、汽車、教育、金融等行業與人工智能融合的程度高于制造業[10]。而事實上，人工智能與制造業深度融合能夠帶來的效率和效益改進，促進經濟增長和產業發展的效果要遠遠高于其他行業。根據ABB的研究分析，人工智能與制造業深度融合，能夠帶動我國GDP增長率提高1.4%[11]。埃森哲比較了人工智能對我國各個行業部門增加值增速的影響，預計到2035年，制造業因人工智能的應用其增加值增速可以提高2.0%左右，是所有產業部門中提高幅度最大的[12]。可見，真正實現以科技創新重塑我國實體經濟，人工智能在制造業領域的大規模應用非常關鍵。而進一步促進人工智能與制造業深度融合發展，現階段必須高度重視影響我國人工智能與制造業深度融合的主要難點問題。

（一）人工智能與制造業深度融合所需的制造環節數據難以開發利用

人工智能與制造業深度融合發展需以大數據為基礎，而相對于消費環節，制造環節數據的可獲得性、可通用性、可開發性明顯更弱。消費者相關的數據，如對某類產品的喜好等，較容易搜集、整理和讀取；而制造業機器設備生成的數據通常較為復雜，多達40%的數據是沒有相關性的。此外，相對于消費環節數據可由電子商務平臺以較低成本獲取，制造環節的數據需要安裝大量高精度傳感器，不僅前期投入需要巨額資金，后期的日常維護也會產生檢修成本和人工成本等。而且即便是在數據獲取之后，制造環節數據經過人工智能處理分析的結果被決策者認知的難度也很大。根據統計，制造業企業的數據中約有90%是“扁平的”，這些數據不能進行關聯，也無法被人工智能系統讀取和使用［13］。另外，信息安全難以保障、缺乏相應的互聯網技術支撐等問題同樣嚴重制約制造環節大數據的開發和利用，對人工智能與制造業深度融合產生不利影響。

（二）人工智能與制造業深度融合不能采用可復制的系統和整體解決方案

人工智能必須根據制造業部門的具體場景進行定制，簡單照搬模板式的制造業商業化人工智能解決方案是不可行的，也不存在一個能夠被絕大多數制造業部門接受的統一的人工智能系統。與商業環節的人工智能應用不同，不同制造業之間技術、流程差異巨大，對人工智能有不同需求，一個人工智能系統難以勝任所有制造業部門的需要。事實上，在制造業自動化、信息化升級時，制造業間的差異性就決定了不同制造部門會引進不同的自動化和信息化系統，最常見的方式是由行業領軍企業自主開發或與信息化公司合作開發一套軟硬件體系，再逐步擴散到整個行業，這與商業領域采用較為統一的信息平臺進行信息化升級的方式有明顯不同。

（三）缺乏人工智能核心技術及人工智能與制造業深度融合發展創新模式

雖然我國人工智能在商業應用領域的發展走在世界前列，但支撐人工智能與制造業深度融合發展的最關鍵和核心的技術仍然被發達國家控制，器件、生產裝備也多為發達國家研發和生產。如，人工智能處理器市場幾乎被國外公司壟斷，其中，人臉識別人工智能處理器的產品市場以英偉達、英特爾、賽靈思公司的供應為主，而英偉達公司同時還是全球最先進無人駕駛處理器的供應商。相比較，我國人工智能企業產品在制造業很多領域的市場占有率非常低。如，在目前公布的39家進行人工智能芯片開發的中國企業中，絕大多數的研發面向安防和消費應用，只有一家在進行自動駕駛方向的研究。同時，智能制造、工業互聯網、工業大數據的應用模式和解決方案主要源自美國、日本和歐洲的領先制造企業，而我國雖有全球最大規模制造業體系，但在人工智能和制造業深度融合模式上仍缺乏創新，尚未形成完善的人工智能與制造業深度融合的中國模式。

（四）缺乏能夠引領全球人工智能與制造業深度融合發展趨勢的制造業企業

我國人工智能與制造業融合仍有較大發展空間，需要影響力較大的制造業企業引領帶動。我國制造業信息化始于20世紀90年代末，雖發展較快，但與發達國家跨國制造企業比較，在信息化的廣度和深度上還有明顯差距。實現人工智能和制造業深度融合的基礎較為薄弱，且缺乏能夠引領全球人工智能與制造業深度融合發展趨勢的制造業企業。中國社會科學院工業經濟研究所近年來對國內若干制造業企業的調研發現，超過90%企業的領導者對人工智能的理解是不準確的，在如何實現人工智能與制造業深度融合方面沒有具體的計劃和措施。

（五）人工智能與制造業深度融合所需的復合型人才嚴重缺乏

復合型人才嚴重缺乏是國際上人工智能與制造業深度融合發展存在的普遍問題。一直以來，人工智能高端人才通常集中于軟件和互聯網行業，而制造業部門負責信息化的人員對人工智能概念的理解、對技術的掌握總體上看還很不準確、不全面，難以支撐制造業企業智能化改造升級。從人才供給看，現階段既了解制造業技術和發展規律，又掌握人工智能關鍵技術，還能夠進行應用開發的復合型人才嚴重缺乏。雖然國內外一些高校已經開始設立人工智能專業或課程，但是針對制造業的人工智能教學內容還很少。

四、促進我國人工智能與制造業深度融合發展的政策建議

主要發達國家都根據自身特點，探尋人工智能與制造業深度融合的發展方向和有效措施。如，美國將下一代機器人作為人工智能與制造業深度融合的重要載體，旨在彌補美國發展實體經濟最重要的短板——勞動力成本劣勢；德國“工業4.0”計劃中包含構建嵌入式制造“智能生產”系統的內容，以形成“智能工廠—智能產品—智能數據”閉環，驅動生產系統走向智能化；英國憑借人工智能在教育領域的優勢培養儲備復合型人才，重構制造業價值鏈，重點支持大數據開發、能效計算、衛星及航天等前沿產業領域，利用人工智能重構產業競爭優勢；日本重點圍繞鞏固“工業機器人”強國地位，一方面促進新一代工業機器人的商業運用，另一方面利用工業機器人的使用獲得數據，形成工業大數據庫。雖然各國選擇的重點領域和方向有所不同，但總體看，發達國家促進人工智能與制造業深度融合無一不是在加強基礎研究、大數據構建、形成應用場景以及加強復合型人才培養等方面進行探索和努力。因此，我國要在人工智能時代鞏固和提升制造業在全球的競爭優勢，就應根據當前我國制造業轉型升級的發展需要，針對人工智能與制造業深度融合的難點，從以下多個方面加快補齊短板。

（一）編制制造業人工智能技術路線圖

由行業主管部門主導，其他政府部門、產業界和學術界專家共同編制制造業人工智能技術路線圖，可以幫助制造業企業及時、準確地把握人工智能技術、產業發展現狀及未來發展趨勢。在編制制造業人工智能技術路線圖過程中，需要更為關注制定技術戰略圖及預測過程本身，因為在這一過程不僅可以形成對人工智能技術發展趨勢的共識，更為重要的是可以形成學術界與產業界之間的知識互動，推動學術界與產業界之間、不同領域之間圍繞人工智能技術和人工智能與制造業深度融合的發展方向及可能出現重大突破的領域進行深入交流和探討，在知識互動過程中形成多學科知識融合、專業知識擴展，而這正是未來人工智能技術創新與應用發展的一個重要基礎。制造業人工智能技術路線圖制定完成后，需要定期和不定期根據技術和產業發展情況、趨勢進行調整，從而更好地指導下一階段的技術創新和產業化應用。

（二）組建以基礎研究為重點的人工智能國家實驗室

以官辦研究機構為基礎，聯合領先互聯網企業和制造企業組建人工智能國家實驗室。人工智能國家實驗室應聚焦于任務導向型、戰略性前沿基礎技術的研究，依靠跨學科、大協作和充沛資金支持開展人工智能領域的協同創新和戰略性研究，加強在大數據智能、人機混合智能、群體智能、自主協同等方面的基礎理論研究，并前瞻性布局高級機器學習、類腦智能計算、量子智能計算等跨領域基礎理論研究。加強國家實驗室與制造業企業的聯系，建立理論研究與市場應用的對接渠道。

（三）構建制造環節的工業大數據庫

電子商務是人工智能技術最初的應用領域之一，其中一個原因是消費環節已經形成大數據，使得機器學習有跡可循。相比較，工業領域主要以企業私有數據庫為主，且數據規模有限、數據質量不高，嚴重制約人工智能在工業領域的“自主學習”。要實現人工智能與制造業深度融合，就必須在制造業領域加強數據獲取和整合，以企業私有數據庫為基礎，打造全球領先和規模最大的制造業大數據庫，并逐步形成自主標準體系，提高人工智能的安全性和穩定性。

（四）促進人工智能在制造業領域的應用研究和模式推廣

鼓勵支持企業層面建立人工智能與智能制造創新中心。創新中心聚焦于人工智能在制造業應用中共性技術的研發與推廣。人工智能與智能制造創新中心可采取“公私合作”，運營經費來自于財政、政府的競爭性采購和市場。在治理機制方面，由技術專家、政府官員、企業家代表和學者共同組成專業委員會作為最高決策機構，創新中心最高管理者采取公開招聘的方式，通過專業委員會和管理社會化減少政府的行政干預，保證創新中心的高效運營和專業管理。

（五）鼓勵制造業企業利用綜合優勢實施逆向整合

充分利用我國在制造環節人工智能應用場景優化及其相應商業布局方面所具有的顯著優勢，整合利用全球創新資源，尤其是整合利用人工智能基礎技術、核心技術及關鍵零部件、裝備領域方面的創新資源。具體看，鼓勵國內優勢制造企業以應用技術上的優勢、龐大的國內市場、巨大的潛在利潤空間與較強大的資本力量為后盾，加強與國際領先人工智能企業在核心技術、關鍵技術方面的研究開發合作。對于發達國家封鎖、我國企業不能通過引進方式獲得的人工智能關鍵核心技術與裝備，可通過主動走出去的方式盡可能融入發達國家的本地創新網絡，逐漸積累相關的核心技術能力[14]。鼓勵我國領先制造企業通過在海外聯合設立人工智能研發機構，加強科技合作與信息交流，以充分利用國際技術、資本、人才等創新資源，提升核心技術、關鍵技術領域的研發能力。鼓勵有實力的本地企業“走出去”獲取國際高端技術要素，兼并具有技術實力的外國中小技術公司，轉移和消化吸收國際新興技術。

（六）逐步形成適應人工智能與制造業深度融合發展的高等教育與職業培訓體系

雖然在歷史上從未造成由于技術進步導致的長期失業，但引起就業結構性變化是必然的。人工智能與制造業深度融合會對簡單程序化、無需太多創造性思維的腦力勞動崗位形成沖擊，同時在體力勞動崗位上加速機器對人的替代。而現有的大學專業設置和職業培訓課程并不能適應新發展、新需求，未來人工智能與制造業大規模深度融合，制造業結構性失業風險較高。對此，應在短期內對人工智能與制造業深度融合直接形成沖擊的相關學科進行調整，減少招生數量規模，同時擴大技能型和知識型職業教育的比重[15]。在大學教育中增設智能制造相關的課程和專業，合理設置學科、完善教材編制，盡快形成教學體系。各級教育支出向智能制造相關專業傾斜，同時改革技術教育體系，滿足人工智能時代對技術人才的需求。

（七）評估和防范人工智能發展過程中引發的社會問題

在高科技產物替代人類承擔很多生產活動的同時，也對人類社會的運行規則和法規制度產生沖擊。不斷有新的人工智能通過圖靈測試，擬人機器人與真人的區別越來越小，人工智能倫理問題成為需要積極面對和解決的問題，這不僅涉及人工智能的使用安全，對人工智能技術、高科技產品、市場發展方向也至關重要。加強與發達國家的合作，共同應對人工智能可能造成的對傳統法規體系和道德倫理的沖擊和挑戰。建立適當的機制，準確衡量人工智能發展帶來的倫理道德、法律法規及社會影響，并且建立一個更加多元化的人工智能委員會，監管不斷變化的科技實踐，委員會要包括具有廣泛代表性的專家、從業人員、非政府代表等，通過明確的規則確保人工智能機器決策過程的透明性和規范性，構建一個結構合理的責任體系，以此確保人工智能的使用安全，提升人工智能與制造業深度融合的穩定性。