本文《【原创·干货】制造业智能变革之道|技术篇之四：人工智能》是傻大方资讯网小编整理于开放的互联网，版权归原作者所有。

新朋友点上方蓝字“制信网”快速关注

　　随着中国经济发展的战略转型及中国制造2025、工业4.0概念的提出，制造业迎来了新的发展浪潮。在这个背景下，越来越多的传统企业感受到了重重压力，开启了转型与变革之路。对于制造企业而言，如何部署企业智能制造解决方案？如何建立企业自身特色的智能制造建设体系？如何规划企业数字化转型升级平台？您将从“SAP智造社区”精心撰写的”制造业智能变革之道”系列主题文章中，找到一些灵感。该系列文章将围绕智能制造的关键技术，智能制造的核心解决方案以及各行业企业如何推进智能制造三大版块展开，希望能给您和您的企业一丝启发。

　　近年来，从德国的“工业 4.0”到中国制造2025，以及美国政府正在积极推动的全球制造业回流。在全球范围来看，为重塑自身在全球制造业领域的产业竞争力，工业大国相继推出了各自的工业转型战略。由此可见，未来制造业依然是国家之间竞争的核心战场。

　　为将中国制造2025战略落到实处，从2015年开始，中国政府以智能制造为突破口，启动了一系列针对基于模型的企业、网络物理系统、工业机器人、先进测量与分析、智能制造系统集成等智能制造关键要素的计划和项目，推动中国制造业加快开启智能化变革与转型之路。在这一进程中，人工智能作为推动智能制造转型的关键使能技术开始受到企业越来越多的关注。

　　| 探讨人工智能的本质

　　美国作家卢克?多梅尔曾在《人工智能》一书中提出“智能奇点”的概念，即机器在智能方面超过人类的那个点。他认为，人工智能在技术和产业两个方面正在临近“奇点时刻”。第一，信息革命正从技术深化到科学向智能方向提升，人工智能正处在科技革命的奇点上。第二，信息革命正从科学转化为技术向智慧产业深化，人工智能正处在产业革命的奇点上。

　　人工智能（Artificial Intelligence，AI）的本质其实就是为了研制出具有类人智能的机器或系统，能够模拟、延伸和扩展人类智能的理论、方法、技术以及应用形式。人工智能作为一门学科诞生至今已超过60 年，期间经历了2 次高潮和低谷，从2010 年开始迎来第三次发展浪潮。从当前人工智能产业发展情况来看，可以将人工智能分成技术支撑层、基础应用层和方案集成层。

　　★技术支撑层：主要由算法模型（软件）和关键硬件两部分构成。关键硬件主要包括用于数据采集的各种传感器和用于高性能并行计算的各种人工智能芯片，如GPU、FPGA、NPU等。算法模型（软件）主要用于训练数据，利用算法模型对数据进行运算分析，进而提升机器的自主学习能力。

　　★基础应用层：主要由感知类技术和其他深度学习应用构成。该层主要是为了让机器完成对外部世界的探测，即看懂世界、听懂、读懂世界，由计算机视觉、语音识别、语义识别构成，是上层智能产品或方案不可或缺的基础。

　　★方案集成层：为特定的应用场景提供产品或方案。根据不同行业或应用场景的需求构建不同的人工智能解决方案。比如智能物流、智能安防、无人驾驶汽车、工业机器人以及智能工厂等。人工 智能重构领域很多，有着非常庞大的应用空间和市场。

　　随着大数据、云计算和物联网等技术应用的逐渐发展成熟，人工智能也迎来来新的发展机遇。从机器学习到深度学习，推动人工智能实现快速发展的主要动力基于两大因素：其一，快速提升的智能芯片并行运算能力。其二，让机器具备自主学习能力的算法模型正在逐步取得突破。

　　| 人工智能：支撑智能制造转型

　　推进智能制造转型的根本原因在于：机器功能表现不遂人愿，人很难掌控机器的全部状态情况。机器不容易改变和提升功能，任何的功能更改都需要重新开发某些甚至全部零部件；机器运行状态不为人知，且不说远程监控，就是人站在机器前面，也未必知道哪个零部件正常与否，还有多长时间需要更换；机器不灵活，例如无法像人手一样灵巧地装配零件；机器不认人，无法判断谁是合法的操作者并给以相应的配合；机器不会自主发声，告诉所有者或其他人，“我已空闲，请给我安排工作”等等。在机器不智能的时代，只能靠人的智能来弥补。但是，人的体力有限易疲劳，人的智力和技能有差异，人的心理状态不可控，更重要的是，很多问题限于人的辨别力是无法解决的，例如机器中的一个关键零部件现在复合受力是多大？环境的振动是否会引发加工质量问题？车间中的粉尘状态何时会爆炸？等等。

　　因此，人们一直期望在制造活动中能够有某种人体以外的“智能”要素的参与，无论是类似人还是其它生物的智能要素，加入到机器、生产环境或者生产的流程之中，使得整个制造活动可以满足这样的需求：所有的状态信息都能实时获取和快速响应，所有的决策都恰当且及时，所有的产品特征变化（个性化需求）都能充分满足，所有的产品都是高质量高附加值的，所有的制造过程都是高效安全的，所有的设备维护都是主动、预测式的，所有的企业运营都是高利润、低成本、绿色环保的等等。作为制造业智能制造转型的关键使能技术，人工智能的发展在为智能制造赋能的同时，也为机器从“劳动工具”向“劳动伙伴”的角色演进提供新路径。

　　当前，制造企业从原材料采购、生产制造，到产品销售与流通，所有经营生产过程正越来越趋于数据化和智能化。数据的不断累积以及数据算法和模型的不断发展成熟，为人工智能融入到制造业提供了机会，进而促进企业从传统生产向智能生产转型。企业可以通过遍布车间的传感器和智能芯片，实现对生产过程中的全链路数据的处理和分析，进而提升生产效率、库存周转率、设备利用率等关键指标。在销售层面，通过对海量的交易数据进行挖掘、计算和分析，人工智能可以为企业制定自动化和智能化的生产计划；在生产层面，通过对产品数据、生产设备数据的采集和分析，人工智能实现对生产设备和产品质量的智能化诊断，提高产品良品率；在流通层面，通过产品上部署的传感器及时采集产品状态数据，为企业的生产过程提供决策支撑，同时也可以提供预测性的维修维护服务。

　　| 机器学习：人工智能背后的实现

　　人工智能大师西蒙曾说过：“学习就是系统在不断重复的工作中对本身能力的增强或者改进，使得系统在下一次执行同样任务或类似任务时，会比现在做得更好或效率更高。”机器学习是人工智能应用的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。现有的计算机系统和人工智能系统至多也只有非常有限的学习能力，因而不能满足科技和生产提出的新要求。对机器学习的讨论和研究，必将促使人工智能和整个科学技术的进一步发展。

　　SAP认为，机器学习就是计算机从数据中学习而不被明确编程，所依据的只是不断优化的算法和经验。机器可以看到、阅读、聆听、理解和交互。当前，支撑机器学习的软硬件技术正在逐步发展成熟。比如改进的硬件计算单元如英伟达的GPU、谷歌的TPU等，以及正在实现突破的各种深度学习算法和训练模型。目前，SAP Leonardo就是用包括机器学习在内的新兴技术（机器学习、物联网、大数据、商务分析和区块链）打造的创新平台，能够把不同软件功能整合在一起，同时融入了SAP的经验、流程和行业知识，以及先进的设计思维方法。

图 1 SAP机器学习解决方案组合

　　在SAP Leonardo的机器学习解决方案组合中，包含了SAP的内存计算平台、云平台、智能化的功能服务模块，以及预测分析模型套件等，是一套以人工智能的开发与应用为核心的开放性综合平台。基于SAP机器学习解决方案组合，企业可以基于自身的业务需求进行应用开发。

　　基于SAP Leonardo平台，成都艾米奇鞋业和SAP中国研究院合作，利用机器学习部署了一套创新的解决的方案，开始了定制鞋业务。通过机器学习，艾米奇的设计师可以评估市场需求，并使用不同的时尚元素和造型来启动设计流程。客户可以在互联网上利用不同的元素来设计自己的鞋，并且通过3D扫描和VR技术来预览鞋子在自己脚上的样子。在下单后一周, 客户就能收到自己设计的鞋。

　　想要跟多了解艾米奇鞋业的人工智能故事？

请观看下面这段短视频：