工業互聯網的建設促進了企業IT系統的雲化遷移，實現了ICT系統與OT系統間要素的流轉，打通了數據孤島，企業得以獲取靈活便捷、高效率、低成本的信息化、網絡化、數字化基礎，但要想實現真正的數字化和智能化則必須借助人工智能技術對工業數據價值進行充分挖掘。數據是工業互聯網的核心資產，也是其價值創造的來源，對數據分析和挖掘的深度在很大程度上決定了工業互聯網實際應用價值的高低。目前對數據挖掘價值依賴程度高的生產管控類及設備管理服務類應用是我國工業互聯網的高熱度場景，結合深度數據分析的設備 健康 管理、生產質量管理、生產工藝優化、能耗與排放管理等應用為工業企業創造了運維成本及能耗成本降低、產品質量及服務價值提升等顯著的直接優化價值。
1.2 人工智能是工業互聯網實現真正數智化價值的前提
工業互聯網之於工業企業而言，是企業實現數字化、網絡化、智能化轉型的工具，其中平臺層搭建了工業數據匯聚與處理的基礎，工業軟件的應用本質上實現數字化和自動化，強調機器設備的自動化功能，工業互聯網的互聯工具應用則是強調
企業內外部的打通與協同，是工業角度的互聯網+模式，人工智能的加入是在數字化、網絡化的基礎上實現真正的智能化。工業互聯網為工業企業提供通用的算力-工業雲計算和邊緣計算、算據-工業大數據以及算法-工業人工智能，其中大數據作為人工智能技術發揮作用的必要燃料，其背後價值的挖掘深度決定了工業互聯網價值呈現的合理邏輯是從網絡化、數字化轉而最終實現智能化，這也正是工業企業實現降本增效、升級優化的必經之路。
二、人工智能成為重新定義工業互聯網產品邏輯的抓手
強化數據洞察力，拓寬工業互聯網可解問題邊界
工業互聯網的核心是數據驅動的智能分析與決策優化，人工智能技術從廣義上來看正是壹種通過算法模型對數據的處理方式，人工智能技術因此開始進入工業互聯網產品建設方的視野，成為服務商拉高產品價值的落腳點。以深度學習和知識圖譜的為代表的人工智能技術從根本上提高系統建模和處理復雜性、不確定性、常識性等問題的能力，顯著提升了工業大數據分析能力與效率，為解決工業各領域診斷、預測與優化問題提供得力工具，進壹步擴大了工業互聯網平臺可解工業問題邊界的深度和廣度。人工智能驅動的工業數據智能分析支撐工業互聯網實現數據價值深挖掘，強化了工業企業的數據洞察能力，成為打通智能制造最後壹公裏的關鍵環節。
使能工業互聯網形成數據優化閉環，催生多場景系統化應用
工業領域內存在著紛繁復雜的應用場景，產品研發設計、產品瑕疵質檢、生產工藝優化、流程自動化等許多場景的工業機理復雜、數據分析能力需求較高，人工智能因此被視為是使能工業互聯網形成數據優化閉環的關鍵。目前以深度學習、知識圖譜、自然語言處理為代表的人工智能技術正處於多方創新和突破的時期，通過與工業領域知識融合的不斷加深，AI技術正逐漸加速向工業互聯網滲透，在工業企業“研產供銷管”業務鏈條下形成眾多落地應用。從工業AI技術角度來看，主要有聲音、圖像、知識圖譜和自然語言方向的應用，聲音和圖像多用於質量檢測與安全監管兩個領域，是目前應用較多，經濟效益較為明顯的場景；自然語言處理更多用在智能助手，這裏有別於智能客服，智能助手更加垂直和專業，如設備維修助手；知識圖譜則擅長處理大規模、復雜、多點的問題，典型應用是產品質量回溯。
以解決通用型問題為能力基礎，面向特定行業差異化延伸
工業智能的本質是通用人工智能技術與工業場景、機理、知識結合，實現設計模式創新、生產智能決策、資源優化配置等創新應用。工業智能在工業系統各層級各環節已形成了相對廣泛的應用，其細分應用場景可達到數十種，正如前文所述工業領域不同細分行業對工業互聯網類型與功能的需求各不相同，工業智能亦是如此。不同行業依托工業智能，獲取解決通用型問題的能力的同時，基於行業特點、面向行業特性痛點問題延伸出差異化方向。
五、人工智能在工業互聯網中的部署
應用部署將從以平臺側為主向平臺+邊緣***生演進
當前人工智能主要通過三種模式融入工業互聯網。第壹，直接將AI算法或模型嵌入工業互聯網平臺層，以提升平臺層數據分析能力；第二，提供工業AI軟件系統，並通過雲端部署形成標準化的工業互聯網SaaS層應用；第三，提供壹套工業互聯網框架下包含軟件和邊緣側硬件的完整系統。部署過程中會根據行業類別、產品相似度、場景條件、問題***性等因素對不同AI模型進行組合，對同壹個行業來說，針對同壹個環節將模型盡量標準化以實現移植應用。現階段工業智能應用以平臺側為主，後期會向邊緣側發展，邊緣側的實時性要求需要AI模型產出的結論與產線或者設備形成控制閉環，艾瑞認為目前我國工業企業自動化程度不壹，現場數據質量不高，並且企業對於人工智能的應用較為保守，時下落地較多的應用無論是安全監管還是質量檢測都主要集中於平臺側，邊緣側工業智能的下壹階段發展需要配套基礎設施和能力的***建。
六、基於AI的工業互聯網參與者拓展思路
技術為先，場景為王，合作***贏
隨著《互聯網+人工智能三年行動實施方案》、《新壹代人工智能發展規劃》、《促進新壹代人工智能產業發展三年行動計劃》等多份國家政策文件的發布，開展人工智能與工業結合應用成為了重要發展趨勢。工業領域每個下遊行業場景都有
其原生的價值鏈條，同時各個行業的Know – how有著較高的壁壘，人工智能服務商在開展工業領域業務時，大多基於自身技術優勢和特點去尋找適合實景落地的垂直細分行業或者某壹***通性工業場景，在特定場景應用中持續打磨自身工業智能產品和服務。“聚焦”被大多數AI廠商視為優先的發展策略，通過與成熟的工業互聯網平臺型企業開展合作，以融入而非自主開發的方式獲取平臺能力，不僅極大地減少了自研開發的成本和風險，而且為叠代、優化、創新自身工業智能解決方案提供了豐富的資源儲備。
數據、算法、算力的不足制約了AI在工業領域的普及應用
人工智能技術本身的發展離不開數據的支撐，工業領域由於自身復雜、多樣且專業性強的行業特性，導致其缺乏優秀的工業主題AI數據模型，也沒有很好的工業標註數據集用於AI算法訓練。此外包括底層硬件、計算框架、開發平臺等AI基礎設施在工業領域的建設也較為落後，這直接限制了工業智能化的發展。數據、算法和算力的短板導致了當前AI技術在工業領域的應用場景主要呈現點狀分布，普及範圍有限。
人工智能在工業領域應用的市場前景廣闊
2020年，中國人工智能市場主要客戶來自政府城市治理和運營（公安、交警、司法、城市運營、政務、交運管理、國土資源、監所、環保等），互聯網與金融行業也位居前列，然而作為國民經濟支柱產業的工業在人工智能市場份額中僅占到5%。隨著人工智能與工業互聯網***同被納入新型基礎設施建設範疇，行業雙雙提速發展的態勢基本確定，加之工業領域多樣化的場景需求，預計未來五年，中國工業領域中人工智能技術的使用率將顯著提高，工業智能的應用市場前景將十分廣闊。
人工智能將重新切割工業互聯網投入空間
2020年以機器學習與深度學習、知識圖譜、NLP、計算機視覺為技術主導的我國工業智能應用核心產業規模為68億元，年均復合增長率達到27.96%，產業整體具備高成長性。然而目前人工智能服務商多以自身獨立的系統交付工業智能解決
方案，工業互聯網平臺服務商提供的平臺AI功能也以基於開源框架的算法模型自主開發為主，平臺AI功能集中於基礎性的數據分析能力優化，AI技術並未在工業互聯網中實現廣泛化應用。總體來看，現階段工業智能與工業互聯網的結合應用呈星點狀分布，未來隨著工業互聯網對數據價值深度挖掘的依賴性提升，人工智能技術將加速向工業互聯網融入，工業互聯網建設的資金投入比例將重新洗牌。
四大工業智能布局方向助力工業互聯網塑造競爭優勢
工業互聯網的真正價值不在於為工業企業錦上添花而應是雪中送炭，人工智能技術的註入是以系統化的方法和規則助力工業互聯網解決工業實際場景中的某些痛點。基於深度學習技術的計算機視覺在質檢、巡檢等場景中實現了機器代人，在提高生產效率的同時釋放了企業人力成本；以知識圖譜、自然語言處理為主的認知智能技術，促進了工業知識的積累，提升了企業決策速度與精度；AutoML平臺的模型自動化塑造能力則提高了算法模型在實景中的適配性。AI技術的縱向升級使得采用多種路徑解決復雜工業問題成為可能，未來融合多種AI技術的工業互聯網將是相關服務商打造競爭優勢的重要切口。