AI时代渐近，工业互联网也随之掀起新一轮变革。
作为新基建的核心部分，工业互联网可以在加速推动传统产业升级改造的同时推动新兴产业培育，已成为实现新型工业化的关键要素。据工信部数据，工业互联网融入49个国民经济大类，覆盖全部工业大类，预计2023年核心产业规模达1.35万亿元。
“根据当前的市场动态和技术发展趋势，随着人工智能技术和大数据的不断发展，将这两种技术融合应用于工业互联网中，可以实现更高效、更智能的生产制造和运营，帮助企业更好地提质降本减存。”思谋科技联合创始人兼技术负责人刘枢告诉第一财经。
在AI应用逐步落地的当下，AI在工业互联网的渗透越来越多，工业质检、工业视觉、无人值守、优化调度、工业大脑、AloT设备互联等领域应用正逐步落地，用友网络、鼎捷软件、赛意信息、汉得信息等相关企业纷纷争抢工业AI滩头。
AI质检应用较成熟
目前，AI在工业领域的应用场景广泛，涵盖了研发、生产、供应链、销售和服务等多个环节。
赛意信息副总裁、数字产品BG总裁刘伟超告诉第一财经，在研发端，AI可以助力知识库管理、产品设计优化、模拟和仿真以及自动化设计；在生产端，AI则能够提升质量控制、调度优化和预测性维护等方面的效率；在供应链端，AI可以应用于需求预测、库存优化和风险管理；在销售端，AI则可以实现个性化营销和销售预测；在服务端，AI也能提供智能客服和虚拟助手等支持。
“目前，预测性维护和工厂视觉检测质量管理是AI在工业领域渗透率较高的应用，已经在众多工业企业中取得显著效益。”刘伟超表示。
其中，废钢识别是典型的人工智能在工业视觉质检领域的应用，以工业视觉+大数据+算法为核心技术。
“在废钢判定领域，我们做了有四五年，现在国内的市场占有率第一，废钢识别率超过93%，比市面上其他企业做得都好。”用友网络高端客户解决方案事业群智能制造事业部总经理叶秀林接受第一财经专访时表示。
据IDC测算，中国工业质检市场规模至2025年将快速增长至62亿元，2020-2025年复合增长率（CAGR）达28.5%。随着AI大模型的图像和音视频处理能力取得大突破，AI质检精确率还将迈上新台阶。
根据IDC数据，2022年创新奇智在工业质检领域市占率仅次于百度智能云排名第二，在独立第三方AI解决方案提供商中位列榜首。科远智慧也已推出基于AI的工业质检产品。
预测性维护是AI在工业互联网的另一重要应用，依托于以工艺机理为核心的预测模型。
据华经产业研究院数据，2021年全球预测性维护市场规模达322.4亿元，其中中国预测性维护市场规模达48.4亿（占比约15%）。预计2027年全球预测性维护市场规模有望达1677亿元，假设占比不变，则至2027年中国市场规模将达251.6亿元。目前，容知日新等多家企业均有布局。
工业大脑增速最快
在叶秀林看来，工业大脑是未来工业AI增速最快的应用。
根据用友的定义，用友智能制造工业大脑定位于工业企业的生产、运营数据的分析优化，基于30余年服务46万家工业企业的经验积淀，通过数据连接，将企业核心业务模型与工业机理模型、工业算法相融合，普及工业智能在制造业中的应用，帮助制造企业实现合理排产、优化配料、质量诊断、故障预测。
“企业现在其实都已经到了管理深水区，传统的信息化建设，例如ERP等，企业基本上都已采纳并应用，众多传统应用也已成熟完备，积累了海量的数据资源。这些数据主要源于操作层面，但企业现正渴望深度挖掘其潜在价值，以转化为实际的业务效益。”叶秀林介绍。
事实上，工业大脑的本质是针对工业领域不同业务的算法模型，可理解为小模型，而更具通用性的、面向工业领域的工业大模型也在陆续落地。业内认为，现阶段工业领域主要以单模态模型服务为主，大模型与小模型相辅相成，未来大模型可能会替代高度定制化的小模型。
目前，用友已推出企业服务大模型YonGPT；鼎捷软件基于鼎捷知识中台和 GPT 技术构建了企业级知识机器人ChatFile；思谋科技推出工业多模态大模型IndustryGPT；赛意信息是华为盘古大模型的首批合作伙伴，已推出聚焦企业服务大模型的AIGC中台（善谋GPT）；汉得信息也与华为云签署汉得H-Copilot AIGC中台&华为云盘古大模型合作协议。此外，中控技术据悉将推出首个面向流程工业运行优化与设计的AI大模型。
“赛意信息以632项目为起点，历经了从项目服务型公司向产品公司的全面转型。在这个过程中，我们成功地从定制化的经验转变为标准化实施流程体系和标准化产品体系。”刘伟超称，“在AI这一新兴转型方向上，赛意信息已经开始在产品能力和交付能力上集成AI能力，将标准化的实施流程中融入AI员工，同时在标准化的产品中嵌入AI大脑，凭借贴近客户的优势和对数据标准化的清晰理解，我们的AI员工和AI大脑能够实现更快的迭代速度，以更低的成本为客户提供更高质量的服务。”
数据和算法仍是AI应用最大阻力
无论是工业大脑，还是工业大模型，都是AI算法的应用。但目前面临的困境，一是工业数据复杂且难以公开获取，目前积累的工业数据量不够多，数据质量也不够高；二是算法不成熟，需要不断优化。
第一财经从业内相关人士处了解到，部分应用场景的适用算法难度较大，如化学反应等，产出结果有很强的不确定性，只能通过经验摸索，但结果可能只能满足80%的场景。那么，目前业内企业是如何应对的？
刘伟超告诉第一财经，从赛意信息自身经验来看，工业大数据比传统大数据维度更多，数据包含的含义也更加复杂。“为了解决这些问题，我们专门构建了一个公司级的AI应用平台，整理所有交付团队在项目中产生的问题，经过专家解答后，会同步将知识回归到应用平台，在某些应用场景下，我们平台的训练语料在一个月内突破了200w字符。此外，赛意信息还注重利用产学研合作、联合实验室等多元化形式，携手多个团队共同打造适应特定领域的专家级AI。”
汉得信息COO黄耿认为，一方面，企业要具备丰富经验和领域专业知识，才更容易理解行业内部的需求和挑战，并且能够为客户提供更加精准的AI解决方案。同时，工业互联网领域对大量的数据支持和分析有着极高的需求，因此拥有丰富的数据积累和数据资源的企业可能更容易实现AI应用的落地。另一方面，建立广泛的合作伙伴关系和完善的生态系统，能够为企业提供更多的资源和支持，加速AI应用在工业互联网领域的推广和应用。
“真正深入接触客户一线，拥有大量客户基础，并在此过程中积累了大量数据的企业，将成为未来至关重要的能力提供商。”刘伟超表示。
