隨著人工智能技術在生活領域的快速傳播，越來越多來自不同領域的學者及科研人員開始嘗試將制造領域的專有知識注入人工智能模型中，并將其與制造業中的典型軟件、系統及平臺相集成，形成了一系列融合創新技術、產品與模式。產品研發方面，美國工業設計軟件巨頭歐特克推出的產品創新軟件平臺Fusion360和Netfabb 3D打印軟件集成了人工智能和機器學習模塊，能夠理解設計師的需求并掌握造型、結構、材料和加工制造等數字化設計生產要素的性能參數，在系統的智能化指引下，設計師只需要設置期望的尺寸、重量及材料等約束條件即可以由系統自主設計出成百上千種可選方案。
生產制造方面，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，從而快速偵測出不合格品并指導生產線進行分揀，在降低人工成本的同時提升出廠產品的合格率。
供應鏈運營方面，美國多聯式運輸公司C.H. Robinson針對卡車貨運的運營需求開發了用于預測價格的機器學習模型，模型既整合了不同路線貨運定價的歷史數據，又將天氣、交通以及社會經濟挑戰等實時參數加入其中，為每一次貨運交易估算出公平的交易價格，在確保運輸任務規劃合理的前提下實現了企業利潤的最大化。
市場營銷方面，美國亞馬遜商城基于機器學習模型對用戶的購買習慣以及產品的屬性進行深度學習，形成了全面的知識圖譜，在此基礎上向用戶進行個性化推薦，也向銷售商提供相關的生產與營銷建議，這項技術的應用使亞馬遜增加了10%到30%的附加利潤。
產品服務方面，日本的小松機械在生產工程機械的同時推出了智能化工程服務項目，可實現由一隊無人機測繪三維地圖，然后指導智能機器人控制大型工業車輛作業，從而幫助用戶大幅提高施工效率和品質。
售后運維方面，電梯廠商蒂森克虜伯公司與微軟合作，為其旗下24000名技術工人配備了集成人工智能技術的增強現實眼鏡，以便在安裝、檢修電梯設備的時候能夠智能化輔助識別現場并獲得技術支持。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通常20分鐘就能完成。
可以看到，當前人工智能技術向制造領域的滲透從廣度、深度來看均在快速推進，對制造業整體發展的支撐效應初顯。其主導企業既有小松機械、蒂森克虜伯這樣的傳統制造企業，也有谷歌、亞馬遜等具有人工智能技術優勢的互聯網企業，還有歐特克、ABB等向人工智能領域轉型的工業軟硬件產品提供商，總體上呈現多領域融合、多行業合作的發展態勢。但是我們也可以看到，當前產業界對人工智能的融合應用大多數還處于探索階段，對部分環節的應用模式還存在較大爭議，多數企業仍處于觀望狀態。
人工智能向制造業的融合滲透仍面臨挑戰
盡管當前人工智能與制造業的融合發展已經顯露出一些成效，但是從世界范圍看，該領域仍然較為前沿，在技術架構、實施路徑、行業標準及產業生態等方面均存在一定的發展瓶頸。
首先是產業總體發展尚不成熟。作為一項基礎性、通用性的技術，人工智能在工業領域的應用實踐需要產業界多方合作開展大量的融合創新探索，對相關產品和解決方案的成本、可靠性等指標也有較高的要求。從已有的實踐案例中可以看到，當前人工智能在制造業的融合創新主要是由數據、知識密集型的制造企業與具備人工智能技術優勢的互聯網企業或軟件企業強強聯合推進的，其開發成本、技術壁壘較高，應用覆蓋面也相對較窄，這使得人工智能技術暫時不具備在制造業大范圍推廣的條件。
其次是行業標準有待完善。工業領域的人工智能應用需要基于大樣本的數據集建模，這些數據通常是來自智能裝備及現場部署的獨立傳感器。然而，工業現場目前的數據通信標準之間通常不能兼容，無法滿足人工智能技術對優化建模數據量的基本需求。以工業現場總線為例，目前工業界常見的通信協議有20余種，這些協議之間不能直接互聯互通，使得信息孤島的情況在工業界廣泛存在。
再次是產業發展保障體系有待健全。人工智能技術作為信息技術的一種，其自身就存在一定的安全風險，引入工業領域后，將與工業系統自身的功能風險疊加放大，這將直接危及到生命安全和國家安全。此外，在面對某些與倫理道德相關的抉擇問題時，人工智能系統的研發也缺乏相關的法律標準。例如，向人工智能視頻識別系統中輸入帶有欺騙特征的圖片，有可能會引起系統誤判而觸發一系列的危險動作；在工業事故中，人工智能應急管理系統在面對重大資產與人員安全無法兼顧時也沒有權威的處理標準。
推動人工智能與制造業融合發展的建議
作為一項極具發展前景的領域，人工智能與制造業的融合發展尚需政府和產業界多方發力。首先是要培育產業發展環境。政府和行業協會需要通過培育解決方案服務機構、開展試點示范等方式，引導人工智能技術在ICT、互聯網等領域的應用成果向制造業輸出，尤其是在輕量化設計、節能降耗、工藝優化、質量提升、運行維護等當前人工智能已經涉足的領域培養一批成熟的解決方案。與此同時，要針對系統開發、現場操作、管理規劃等不同層面的需求，分類型、分等級推進人工智能階梯形人才隊伍的培育工作，加強企業員工的再培訓，做好工業智能化變革下新舊動能的承接工作。其次是要加快制定行業標準。產業界需要通過組織聯盟等形式開展多方合作，面向各工業分類的人工智能應用對數據采集、應用部署等方面的需求，聯合制定機器設備、工控系統、工業互聯網平臺的標準化數據接口及應用參考架構，確保支撐人工智能應用的工業數據能快速有效地得以應用。再次是要統籌協調構建保障體系。面向人工智能技術在未來可能大范圍覆蓋的工業應用場景，由立法部門及行業協會共同研究制定應用規范、開發守則等涉及應用安全、倫理道德的行業標準，盡可能規避未來可能出現的相關風險。同時，政府需要加快建立工業智能公共評測服務平臺，加強對工業智能系統的安全測試服務，制定完善人工智能裝備、系統在工業生產應用場景中的安全操作規范守則。