当前工业智能尚未形成明确并具规模性的商业化应用，基于工业智能两大关键技术架构梳理形成现阶段工业智能产业结构。每类技术的产业结构包含上下两层：底层是基础技术研究的相关主体，上层是将技术与主要工业场景问题结合形成工业智能应用的集成主体。
（一）工业智能形成两横两纵产业视图
当前，工业智能产业视图体现为“两横两纵”，横向为知识图谱和深度学习两大关键技术，纵向为通用技术和应用集成两方面。ICT 企业、研究机构及相关行业协会三类主体为工业智能提供通用技术支撑；在应用层面，装备/自动化与软件企业、制造企业、ICT企业和初创企业四类主体通过应用部署与创新实现工业智能价值。
![]()
1、ICT、研究机构与行业协会提供算力算法支持，成为工业智能重要支撑
三类主体现阶段提供通用关键技术能力，以“被集成”的方式为工业智能提供基础支撑。主要包括三类，一是 ICT 企业，提供几乎涵盖知识图谱、深度学习的所有通用技术研究与工程化支持，如谷歌、阿里等在知识图谱算法研究领域开展研究；英伟达、AMD、英特尔、亚马逊、微软、赛灵思、莱迪思、美高森美等开展 GPU、FPGA 等深度学习芯片研发；微软、Facebook、英特尔、谷歌、亚马逊等开展了深度学习编译器研发；谷歌、亚马逊、微软、Facebook、苹果、Skymind、腾讯、百度等开展深度学习框架研究; 谷歌、微软等开展了可解释性、前沿理论算法研究。
二是研究机构，主要提供算法方面的理论研究，如加州大学、华盛顿州立大学、马克斯-普朗克研究所、卡耐基梅隆大学、蒙彼利埃大学、清华大学、中科院、浙江大学等在知识图谱算法研究领域开展研究；蒙特利尔大学、加州大学伯克利分校等开展了深度学习框架研究；斯坦福大学、麻省理工、以色列理工学院、清华大学、南京大学、中科院自动化所等开展了深度学习可解释性与相关前沿理论算法研究。
三是行业协会，提供相关标准或通用技术支持，如 OMG 对象管理组织提供统一建模语言等企业集成标准的制定，为知识图谱的工业化落地奠定基础；Khronos Group 开展了深度学习编译器研发。
2、应用主体面向实际业务领域发挥应用创新作用
各类主体以集成创新为主要模式，面向实际业务领域，整合各产业和技术要素实现工业智能创新应用，是工业智能产业的核心。
目前应用主体主要包括四类：一是装备/自动化、软件企业及制造企业等传统企业，面向自身业务领域或需求痛点，通过引入人工智能实现产品性能提升，如西门子、新松、ABB、KUKA、Autodesk、富士康等。二是 ICT 企业，依靠人工智能技术积累与优势，将已有业务向工业领域拓展，如康耐视、海康威视、大恒图像、基恩士、微软、KONUX、IBM、阿里云等。三是初创企业，凭借技术优势为细分领域提供解决方案，如 Landing.ai、创 新 奇智 、 旷视 、 Element AI 、 天 泽智 云、 Otosense 、Predikto、FogHorn 等。四是研究机构，依托理论研究优势开展前沿技术的应用探索，如马萨诸塞大学、加州大学伯克利分校等在设备自执行领域开展了相应探索。
（二）工业智能通用技术产业发展趋势各异
1、ICT 巨头称霸深度学习框架、编译器与芯片市场，工业适配化发展程度不一
目前来看，ICT巨头在深度学习框架、编译器与芯片等通用技术领域占据绝对统治地位，但工业领域延伸及适配化发展程度并不统一。现阶段端侧推断框架主要由五大 ICT 巨头企业主导，初步判断，百度更可能在工业领域发力。苹果 CORE ML 深度学习框架目前仅支持 IOS 系统，且苹果并未有向工业领域延伸的趋势。Facebook Caffe2go 与腾讯 NCNN 深度学习框架目前仅为手机端提供优化，且仅支持 CPU。谷歌 TensorFlow Lite 深度学习框架现阶段首先支持安卓和 IOS，同时在工业领域应用普及度也较高。百度 Paddle-mobile 深度学习框架支持包括 FPGA的多种硬件平台，且重视在工业领域的延伸/合作，更可能在工业领域发力。编译器市场格局尚不清晰，英特尔及亚马逊可能成为工业领域选择。现阶段编译器并未产生面向领域的发展趋势，英特尔的 nGraph 及亚马逊的 NNVM TVM 框架初步具备兼容ONNX 等其它编译器或模型格式的能力。工业领域深度学习芯片的技术门槛极高，市场格局稳定，赛灵思（Xilinx）和英特尔（Intel）未来可能主导。目前 FPGA 市场主要有两大阵营，一是以 Xilinx 和 Intel 为代表，占据近 90%的市场份额，专利超过 6000 项，涉及工业自动化、机器视觉、机器人、监控等多个工业领域。另一阵营是以 Lattice 和 Microsemi 为代表，占据近 10%的市场份额，专利约 3000 项，重点布局汽车行业、人机界面与接口等传统领域。较高的技术门槛阻隔了其它厂商，Xilinx 和 Intel 企业阵营占据市场优势，工业领域布局广泛，有可能成为未来主导。
2、研究机构成为深度学习算法研究主力，理论研究弱化，可解释性和相关前沿算法研究火热
深度学习理论研究趋于平稳，应用落地成为关键。Google学者 François Chollet、人工智能顶级学者李飞飞、微软亚研院、AI 顶级学者郑宇、地平线创始人余凯等均认为深度学习理论研究主流架构会收敛，较难有革命性理论突破，目前瓶颈在于技术与传统行业的对接。而现阶段算法研究呈现两大主要趋势，一是算法可解释性研究，斯坦福大学开展了基于树正则化的可解释性研究，美国德州农工大学开展了迁移法解决深度学习可解释性问题，南京大学则提出 RNN 可解释性方法。二是相关前沿算法研究，国内外顶尖研究机构如麻省理工、以色列理工学院、清华大学、中科院自动化所纷纷开展对胶囊网络、迁移学习、(深度)强化学习和生成式对抗网络等深度学习相关的前沿算法研究。
（三）工业化与智能化双向渗透成为两类核心路径
1、装备自动化、软件及制造企业围绕设备、产品及业务需求提升智能化水平
装备自动化、软件及制造企业面向设备、产品性能提升的需求或自身业务发展痛点，围绕 AI 技术的供给主线不断寻求与AI 结合的路径，目前，这些企业发展工业智能主要有两种方式。一是部分需求迫切、实力雄厚的领域巨头企业通过合作并购 AI技术公司，实现智能化升级。例如发那科与 AI 初创企业Preferred Networks 合作，增强机器人的智能化水平。GE 收购AI 初创公司 Bit Stew Systems 和 Wise.io，以打造人工智能实力。埃斯顿收购美国高科技公司 Barrett Tech 30%股权，拓展AI 机器人和微伺服系统领域。二是通过人才引进及成立相应研究机构，提升企业综合竞争力。如西门子成立中央研究院并推动“Vision 2020”计划，发展人工智能和机器人技术，并构建了用于自身融资管理的工业知识图谱平台。富士康、新松等成立 AI 研究院，加快人工智能研究和成果产业化落地。
2、ICT 企业及研究机构依靠技术积累，向工业领域进行能力输出
信息技术企业及研究机构凭借 AI 技术基础,不断丰富面向工业场景的应用服务能力，同时加强与制造企业合作，通过推出工业智能解决方案或前沿技术产业化向工业领域进行能力输出。信息技术企业凭借技术及数据服务能力将已有业务向工业领域延伸。例如阿里云工业大脑平台将开放化工、光伏、电力 3大行业知识图谱，使开发者快速响应，实现特定业务场景下人工智能的诉求。华为了构建用于供应链及零部件管理的工业知识图谱。海康威视主营业务视频监控行业，2014 年进入工业领域，开发深度学习质量检测产品应用于 3C 制造、金属加工等领域。微软 Azure 基于机器学习实现设备的远程监控与预测性维护。研究机构注重技术创新，成为前沿技术产业化的孕育者。例如麻省理工学院进行意念控制机器的研究，电波识别的精确度已高达 90%，对未来人机协作技术产生重大影响。伯克利机器人DexNet2.0搭载深度学习系统，通过对虚拟数据库中10000个具备不同特征的三维物体进行学习，可以迅速对物体进行预判并选择合适的方案抓取各种不规则形状的物体，德国某企业已致力于产业化应用。
3、初创企业成为重要的解决方案提供商，装备成为主要切入领域
初创企业凭借技术与资金优势成为细分领域重要的解决方案提供商。
一是大数据技术初创企业为中小垂直领域企业提供知识图谱解决方案。依靠数据处理及 AI 技术优势，帮助人力、时间成本高的中小企业释放企业数据价值。如明略数据发布明智系统 2.0，为工业等垂直领域提供完整解决方案，网感至察建立了工业产品服务的知识图谱，提升产品管理的洞察力。
二是装备领域成为初创企业深度学习应用的主要切入领域，吸引大量投资。装备领域是技术资金双密集行业，初创企业具有先天优势，且产品上市快，投资回报率较高。例如，智能检测系统方面，创新奇智专注于提供 AI+B2B 企业服务，应用人工智能技术打造智能质检等解决方案，融资过亿；Landing AI 目前集中于企业 AI 质量检测应用，获 1.75 亿美元投资。物流机器人、协作机器人方面，旷视全资收购艾瑞思机器人，发力制造业，打造智能仓库；Element AI 为全球制造物流和机器人等领域企业提供 AI 解决方案，获 1.02 亿美元融资。设备预测维护、运营管理优化、财务管理方面，FogHorn 通过打造资产性能优化、运营智能化和预测性维护解决方案，完成 3000W 美元融资；C3IoT 提供基于 AI 的预测性维护、运营管理等服务，实现 1.1亿美元融资。
延展阅读：
先进制造业
工业智能化的转型战略路径是什么？实现工业智能化的支撑技术是什么？工业智能化的使命愿景又是什么？围绕这三个命题，在2019世界智能制造大会上，20位来自世界各国的大咖探讨了工业智能化融合的思维方式、实现渠道，通过产品、技术与解决方案，为制造赋能。
1埃森哲大中华区工业X.0业务主管、董事总经理江崇龙
1、中国制造业现在还处于工业2.0迈向3.0的阶段，我们的目标是远大的，我们要向工业智能化的目标快步前进，但是这条路肯定不是一条平坦之路，它是一条充满坎坷的道路。
2、中国的智能制造，工业智能化已经在路上，前进之路充满了很多挑战，但是对于制造业，我们心存高远，砥砺前行，我们相信一定能实现中国制造强国的梦想。
2中国科协智能制造学会联合体智能制造研究所副所长、北京联讯动力咨询有限公司总经理林雪萍
1、不管我们怎样定义工业新未来，面临的问题其实还是认识的问题，我们需要去解决企业的竞争力、利润、设备安全问题，以及人如何更好地让机器更聪明工作的问题。
2、数字化转型是一个浩浩荡荡的的趋势，有的企业是义无反顾的引领者，有的是犹豫者，有的可能采用视而不见的鸵鸟主义，这跟很多因素有关，包括技术、组织、文化、理念这些问题。
1、智能制造真正需要解决的是生存问题，而后在生存的基础之上能够实现进一步引领。
2、在智能制造领域，要认识到顶层设计的重要性。
想要实现数字化、智能化的企业，就要思考怎样透过精益生产理念找出企业的痛点和问题，然后有针对性地解决问题，在最关键的地方做一步步地持续改进。
3、在工业领域，我经常传递一个概念：
你要先会爬，再会走，然后会跑。
所谓的会爬，是指最基本的自动化、信息化，会走是指数字化，会跑是指智能化，这是一个循序渐进的过程。
但是，中国具备跳跃式向前提升的能力，我对中国下一步的智能制造非常有信心。
4、在智能制造领域，跨界合作的需求是非常巨大的，没有任何一家企业能够跳出来说他可以做所有的智能制造，所以合作共赢理念是非常重要的。
5、中国具备快速接受新事物的包容能力，且具备跳跃式增长的改变能力。
比如中国的移动支付目前在全世界是最领先的，直接跳过了信用卡的需求，从原本的现金支付跳到移动支付，所以说中国具备非常好的条件，中国的智能制造也很有潜力。
4施耐德电气（中国）有限公司战略与发展高级副总裁熊宜
1、从企业角度出发，工业智能化要关注三个方面：
第一，在生产过程中提高效率，降低成本；
第二，生产过程的安全性，包括设备、人员甚至于数据的安全；
第三是绿色可持续发展，可持续发展是全球智能制造追求的目标。
2、不同的行业，不同的企业发展阶段，面临的挑战是不一样的。
企业要实现智能制造或者数字化，并不是所有东西都要自动化，也并不是把所有东西都打通，而是把每一个数字化场景和方案落地，真正带来效率的提升。
3、做数字化转型也好，智能制造也好，很多企业都缺乏真正的顶层设计和未来三到五年的规划。
所以，我们特别愿意跟生态圈的伙伴们一起真正把数字化转型的顶层设计和规划做好，未来达到一步步实现可持续发展、绿色智能制造这样的目标。
1、智能制造范围宽，纵深长，从目的性来理解包括三个方面：
第一是有价值，或者说有接地气的商业价值，这就要实现“三高”——高效率、高质量和高性价比；
第二是可推广和可复制，通过数据标准的制订，更容易推广、延展和复制；
第三是应变能力强，要通过智能制造打造符合个性化、定制化需求的产品服务和解决方案。
2、企业在迈向工业智能化的道路上面临三大挑战：
第一个挑战是一个优秀的企业需要优秀的生态链共同打造才能取得很好的价值，其中数据标准非常重要，数据标准在行业中的推广，或许能让各个产业链相结合，变得更加融洽和高效；
第二个挑战是信息化的完善，要把很多信息转换成可以透明和分享的东西，然后再和智能制造相结合；
第三个挑战是心理上的准备，要舍得投入，耐得住寂寞，最后才能等到花开。
6三菱电机株式会社执行董事、中国总代表，三菱电机（中国）有限公司董事长兼总经理富泽克行
1、中国智能化现在最大的问题是中小企业的智能化。
首先要通过人、设备、生产线和IT高度融合的生产制造，实现覆盖整个生产供应链和工程链的优化，全面提升制造业的企业价值。
2、中国应该更重视中小企业的制造发展，如果不能很好地分析自己的现状，是没有办法继续发展下去的。
中国今后的制造应该不断推进绿色制造的发展，不仅仅要加大投入一些环保机器，更应考虑实现智能，以智能化提高生产效率，实现能源消费和环境保护的平衡。
3、关于智能化制造，数字化、自动化都只是手段，不能局限于这一点，最重要的是各类型企业分析自己的现状，思考自己想打造什么样的企业，想达到什么样的目的，然后跨越现在的隔阂，实现最优效率，采取最简单的措施去实现智能化。
7菲尼克斯电气集团执委会委员、菲尼克斯（中国）投资有限公司总裁顾建党
1、我们越来越相信技术将会改变产业的形态，改变企业的未来，或者说技术将会改变一切。
但在这种情况下，对企业来讲，最根本的是让技术转换为数字化能力，最终让数字化能力去提升企业的内部竞争力。
其次，是要从企业内部视角，让技术转换为赋能的力量，成为能够贴近客户的武器，让客户能够信任你，能够认同你的新商业模式，特别是以新的数字化能力赋能的商业模式。
如果这两者能够与时俱进，企业的转型升级就会变成可能。
2、中国企业必须要转型，必须要通过新常态的倒逼来改变自身的竞争力模式。
在中国未来的制造浪潮中，不管是横向、纵向，还是打破内部边界提升全方位竞争力，最终还是要回到客户，回到在市场层面上获得客户的认可。
如果最终不能打造一个完美的数字化能力，导致客户不买账，你是活不下去的。
3、我给大家分享一个铁三角，没有一个点是能够帮助你走到永远的，只有这个铁三角可以。
以技术为核心的数字化能力的重塑，以客户为核心的商业模式的重塑和重建，以及以人为核心的组织能力的建设，要天天去想这三者之间处在什么状态，不断推动企业前进，焦虑会帮助你走得更远。
我们可以把中国制造做得更好，在工业智能化道路上走得更加稳健。
8美国密西根大学终身教授、世界经济论坛未来制造委员会主席、杭州安脉盛智能技术有限公司董事长倪军
1、我们正处于第四次工业革命起步阶段，不同的企业面临不同的挑战，跨国企业有足够的人力、财力作为最先进技术的应用者或实践者，通过试点推广应用。
但也有众多中小企业面临资金困难，对于投资非常谨慎，他们面临的问题是如果不及时采纳合理的技术，可能与数字化转型差距越来越大；
也有众多国企有人力资源和财务资源，在国内市场占有独特的领导地位，但缺乏一种创新的动力和对风险承担的能力。
所以，如何利用第四次工业革命所带来的新技术的机遇，对企业做一些升级转型，是我们需要思考的问题。
2、在工业上，大家往往说的是工业大数据，但实际上很多场景是工业小数据的应用场景。
谈到数据，我们还要思考如何与供应商之间分享数据，因为数据分享涉及保密性和安全性，而数据分享对于智能制造又是非常关键的。
1、不要盯着那些比较时髦的深度学习，而是应该更多地在工业中关注机器学习，关注怎样把现有的算法跟我们的专业知识结合，然后落地实施，这是工业应用中的一大痛点。
2、第一，任何企业无论大小，打铁还需自身硬，做好你的本行，做好你自己最擅长的部分。
第二，在数据化转型时，我们需要抬头看看新技术的引进，用价值导向引入技术，从点做起，有点才能有面。
第三，要有愿景，数字化洪流不可逆转，如果跟不上洪流就会被逆转。
1、智能制造的核心还是制造。
制造有两个核心的概念，第一是制造什么，第二是怎么制造。
智能是手段，是帮助我们找到制造什么，帮助我们高效实现制造。
2、智能制造包括四个产业层面：
第一是原材料层面，第二是部件和核心的软件，第三是系统集成，第四是系统集成的应用。
这四个层面涉及到不同的技术，智能制造的技术是根据产业链的不同层次进行划分的。
总体来讲，智能制造的核心在精益，精益的核心在基于原子和分子的工业工程和工业软件。
3、智能制造未来的三个技术发展趋势：
第一，机械电子化，但是电子永远代替不了机械；
第二，硬件软件化，硬件软件化以后，软件一定是专业的软件；
第三，软件平台化，专业的软件一定要平台化，要标准化。
4、在中国不做单点自动化，一定做不好智能制造。
没有工业工程就没有中国强制造，没有AI就没有制造强，没有工业软件化的工业AI，一定做不了中国智能制造，要智能制造必须AI软件化。
5、智能制造的核心是数据革命，数据的获取、数据的存储、数据的分析、数据的传输都会带来一系列的革命。
数据是企业最根本的基础建设。
1、互联网企业AI应用和制造业数据有非常大的不同，首先从数据量来说，互联网企业有非常大的优势，具有大量数据，且很多数据已经被标识过，可以说我们每个人都在给各个互联网企业共建大量的标识数据，而在工业领域这种标识数据是非常少见的。
2、人工智能在产业界落地的困难其实不在人工智能方面，而是在整体解决方案上，我们发现，整个人工智能算法在一个项目中所占的比例可能不会超过20%，尤其在工业人工智能应用方面，很多时间是花在对整体解决方案的定制上，然后进行落地。
3、在工业界，大家去工厂做质检时，对每个产品定义一个缺陷手册，现在最大的问题是你怎样把缺陷定义准确，把数据标识准确，然后让人工智能发挥作用，否则就算你有很好的人工智能算法，缺陷本身定义是错的，算法再好也没有用。
4、现在落地比较成功的是人脸识别，首先数据量很大，人工智能的好处是很多算法是公开的，真正把算法应用到实际场景中，核心的问题还是数据的问题。
12中国商飞上海飞机制造有限公司董事长、党委书记，5G制造创新生态联盟秘书长魏应彪
1、基于5G网络和IT技术，中国商飞打造了三个全连接的车间，两条全连接的生产线，用数据来定义产品，用数据来驱动制造，用数据来创造价值，以此实现人员、工装、设备、产品、物料等生产要素的数字定义和实时互联。
2、在新一代科技革命和产业变革中，从制造业来讲，趋势就是要与新一代信息技术紧密结合起来，信息技术和先进的制造业紧密结合，能够催生出很多东西，中小企业也好，传统的国有企业也好，只要新一代先进技术与信息技术融合发展，都能开创出属于自己的天地。
3、对于未来工厂的定义有几个词：
第一是软件定义，第二是可移动的，第三是柔性的，第四是智能的。
作为企业来讲，有一点非常重要，就是企业本身的行业知识非常重要，比如你是搞飞机的，飞机的技术和知识就是非常重要的。
13法国达索系统公司全球副总裁、工业设备行业总裁菲利普·巴蒂索尔（Philippe Bartissol）
1、通过数字孪生，我们可以预测产品未来将会发生的变化。
关于服务，我们可以通过制造服务，通过数字孪生将数据和服务相结合，使本身已经机械化的机器变成基于软件的在线工具，这样就可以改变和更新产品线，也能够进一步对产品线进行升级。
2、达索已经建立了一个数字孪生，可以根据产品线中已经有的一些产品去制作新的产品，所以不管产品的规模是大是小还是中型的，达索都能够进行很好的定制。
14英国伟尔集团（中国）总裁、全球报告倡议组织GRI董事局董事吕建中
1、先进制造业的转型升级，不是我们关起门来自己可以做的，它是一个开放的生态系统，我们要特别注意与利益相关方的合作，包括与供应链上下游客户的合作，以及产学研合作。
2、使命和愿景是非常具体的，是实实在在的，也是非常重要的。
实际上，使命和愿景在推动着社会的发展，社会发展的目标是可持续发展，要做到这一点，就要扎扎实实把环保、安全、效率、成本等各方面做好，同时还要开展广泛的社会合作，培养复合型人才。
要想成功，要想取得创新的成功，只有两个字——坚持。
15中控科技集团创始人、宁波工业互联网研究院创始人褚健
1、作为工业智能也好，智能制造也好，未来的趋势是不可逆转的：
自动化、智能化、网络化。
无论企业怎么发展，工业智能怎么发展，最后不外乎社会环境的可持续发展。
对社会来讲，所有的制造业，所有的工业企业都应该转型升级。
2、中国的智能工厂从现在起步也不算太晚，如何扎扎实实地把我们中国企业变成智能工厂，能够成为百年老店甚至几百年老店，这是我们需要思考的问题。
3、真正的传统制造业才是我们所谓的国之重器，才是立国之本，希望人才能够更好地服务于我们的制造业。
16世界经济论坛先进制造和生产行业总监弗朗西斯科·贝蒂（Francisco Betti）
1、我们正在经历一场风暴，有三个趋势驱动：
第一个是第四次工业革命，第二个是气侯变化，第三个是全球化进程。
第四次工业革命就是要弥补物理世界和数字世界的鸿沟，它改变了我们的生活方式，重新定义了生产方式。
在制造方面，制造业贡献了全球64%的增长，而制造业也是推动第四次工业革命非常重要的力量。
2、人才是非常重要的，没有人才的话，我们不可能实现智能的转化，所以产学研结合非常重要。
3、要使投资效益最大化，一定要准确地理解供应链和产品链。
17瑞典皇家工程院副院长白瑞楠（Magnus Breidne）
1、现在联合国有可持续发展的计划，其中有三个与智能制造相关，其他的也有间接与智能制造相关的，这为工业奠定了基调，这意味着要节省材料，要更多地利用可再生资源。
2、中国大部分公司和欧洲公司对比，可能有三个方面的差距：
第一是技术，第二是信任，第三是人才。
信任和人才是密不可分的，在技术方面，中国和欧洲其实没有太大差别，就算有差距也并不是非常重要的，因为智能制造企业并不需要世界上最智能的技术来完成升级。
3、中国在发展智能制造或者工业智能的过程中，建立一些有用的标准是很重要的。
1、站在企业的立场，使命是在电器方面制作更新的机器，用更成熟的技术提高效率，做那些所不能做的、做不到的事情，为客户和社会生产这样的机器。
2、人才培育和智能化的发展速度非常惊人。
在智能工厂，技术人才的培养非常关键。
1、企业要转型，要向智能化、数字化、清洁化和标准化转型。
如果企业可以很舒适地生产，很顺利地营销，企业也有惰性，是不愿意改革的，企业的每一次升级都是倒逼出来的，首先是国家社会标准的倒逼，其次是劳动成本的倒逼。
2、海螺最宝贵的就是坚守，如果没有坚守就没有创新。
我们现在强调的创新是创新创新再创新，对一个产业要坚守，对一个产品要坚守，对一个方法、对一个技术都要坚守，没有坚守，我们的创新就没有立足之地。
做到极致是我们成功的唯一诀窍。
3、对于建设智能化的生产线，第一要有想法，第二要看准，第三要开门合作。
合作非常重要，没有合作就没有成功。
1、关于智能制造的使命，第一，要顺应技术发展的自然规律。
第三次工业革命后，技术发展的速度非常之快，包括网络技术，包括信息物理系统底层产品的关键技术，这些技术在发展过程中逐渐使智能成为可能；
第二，智能制造要助力，以实现提高效率、降低成本为目标。
2、从行业标准角度来说，对于绝大多数企业和行业，智能制造标准相对不是很完善。
为了促进行业的健康发展，国家各个部门都在积极加大基础环境、基础技术等示范工程方面的工作力度，最终目的是使企业明确按怎样的标准去做，怎样围绕企业自身特点把效益最大化。
3、我们国家如何能够快速地进入智能化领域，最根本的问题是培养复合型人才。
在过去的工作中，我们对信息化了解不够，真正推进这项工作时，我们深深感受到复合型人才在其中起到的巨大推动作用。
复合型人才对智能制造的发展至关重要。
![]()
先进制造业+工业互联网
产业智能官 AI-CPS
加入知识星球“产业智能研究院”：先进制造业OT（自动化+机器人+工艺+精益）和工业互联网IT（云计算+大数据+物联网+区块链+人工智能）产业智能化技术深度融合，在场景中构建“状态感知-实时分析-自主决策-精准执行-学习提升”的产业智能化平台；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。
产业智能化平台作为第四次工业革命的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎；
重构设计、生产、物流、服务等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生
新技术、新产品、新产业、新业态和新模式；
引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。
产业智能化技术分支用来的今天，制造业者必须了解如何将“智能技术”全面渗入整个公司、产品、业务等商业场景中，
利用工业互联网形成数字化、网络化和智能化力量，实现行业的重新布局、企业的重新构建和焕然新生。
![]()
版权声明：产业智能官（ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源，涉权烦请联系协商解决，联系、投稿邮箱：erp_vip@hotmail.com。
微信扫码咨询专知VIP会员