中国通信学会-工业智能前沿报告（2020年）-2020.12-35页_675kb

工业智能前沿报告总结（2020年）

核心内容概述

工业智能是人工智能技术与工业场景深度融合的产物，已成为推动工业产业形态跃迁的关键技术。它以工业数据为基础，人工智能算法为核心，结合物联网、云计算、数字孪生等先进信息技术，实现对工业产业链的全流程、全要素感知、监测、控制与优化，从而提升工业效率，优化资源配置，推动产业生态升级。

工业智能的发展不仅体现在技术层面，还涉及政策、产业布局、安全与能耗等多方面挑战。本报告从全球和国内两个角度，分析了工业智能的发展现状、技术预见、工程难题及政策建议，旨在为工业智能的进一步发展提供指导。

主要观点

• 技术融合是工业智能发展的核心：工业智能不是简单的“工业+人工智能”，而是多技术融合的综合智能技术，包括深度学习、迁移学习、联邦学习、区块链、5G、边缘计算等。
• 工业智能推动产业变革：通过智能化、网络化、信息化手段，工业智能正在重塑工业形态，提升生产效率，优化资源配置，并向其他产业延伸，形成“以增量带动存量”的发展路径。
• 国内外发展态势各异：国际上更注重模型迁移、数据挖掘和多协同计算；国内则聚焦能耗控制、数据安全和5G融合，以推动工业智能的落地与应用。
• 技术瓶颈与挑战：包括算法适应性差、数据处理复杂、云边交互困难、绿色制造不足、安全技术不成熟、5G技术尚未完全融合等。
• 政策建议：加大人工智能基础算法研究投入、提升数据驱动的安全性能与能耗控制、加快人工智能与5G等技术融合、完善基础设施与产业链建设。

关键信息

一、全球发展态势

• 技术应用广泛：工业智能在电力能源、工业制造、数据处理、过程监控等领域均有成熟应用。
• 技术趋势：模型迁移、数据挖掘、多协同计算成为推动工业智能多场景复用和泛在支持的关键技术。
• 典型案例：
  • 加拿大温莎大学采用自适应贝叶斯算法预测风电设备寿命；
  • 智利天主教大学使用CNN和动态增量主成分分析进行电机故障检测；
  • 美国Corus公司使用专家系统进行设备状态诊断。

二、我国发展现状

• 政策支持：国家高度重视工业智能发展，自2013年起陆续出台多项政策推动智能制造和工业互联网发展。
• 应用场景：主要集中在钢铁冶炼（流程工业）和汽车航空制造（离散工业）。
• 发展成果：
  • 上海宝钢通过AI优化能耗，年节约成本近70亿元；
  • 福田汽车引入计算机视觉技术提升喷涂质量；
  • 北京大兴机场利用深度学习优化资源调配。
• 挑战：工业数据安全、能耗控制、5G融合、绿色制造等方面仍需突破。

三、技术预见

国际技术预见

1. 模型迁移：

   • 提高算法的场景适应性，减少重复建模；
   • 推动工业智能在不同场景的复用，降低资源浪费；
   • 适用于设备故障诊断、剩余寿命预测等场景。

2. 数据挖掘驱动认知与决策：

   • 通过知识图谱与深度学习实现智能认知与决策；
   • 在智能制造、预测性维护、工艺优化等场景中发挥重要作用。

3. 多协同计算：

   • 云边协同是工业智能泛在支持的关键；
   • 提升数据处理效率，降低工业生产成本；
   • 企业如微软、阿里、华为等正在开发相关平台。

国内技术预见

1. 能耗控制：

   • 通过轻量化算法、定制化芯片、无线电能传输等方式降低能耗；
   • 提高工业物联网设备的运行效率与使用寿命。

2. 数据安全保障：

   • 区块链与联邦学习技术被广泛应用于工业数据安全；
   • 提高数据共享的安全性与隐私保护；
   • 解决数据采集、传输、存储等环节的安全问题。

3. 高速通信助力创新：

   • 5G技术为工业智能提供低时延、高带宽、广覆盖的通信支持；
   • 推动设备故障监测、预测性维护等高实时性场景的落地；
   • 国内5G技术尚需与工业场景深度融合。

工程难题

国际工程难题

1. 智能算法适应性差：

   • 算法难以适应新场景，泛化性不足；
   • 需要研究可伸缩、自进化的人工智能算法。

2. 数据处理复杂：

   • 工业数据协议多样，数据采集、清洗、加工难度大；
   • 数字孪生建模需考虑多因素，建模难度随复杂度指数增长。

3. 云边交互稳定性不足：

   • 需要优化资源调度与任务分配；
   • 动态命名机制、边缘设备移动性等问题亟待解决。

国内工程难题

1. 绿色制造优化不足：

   • 工业能耗管理模型复杂，数据共享机制不完善；
   • 无法准确制定统一节能方向。

2. 安全技术待开发：

   • 联邦学习与区块链面临隐私、加密、性能等问题；
   • 安全防护体系尚不成熟。

3. 5G技术融合不足：

   • 5G芯片/终端方案与工业场景需求存在差距；
   • 工业企业数字化水平低，制约5G应用。

政策建议

1. 加大基础算法研究投入：提升模型迁移性和自进化能力。
2. 强化数据安全与能耗控制：研究多源异构数据处理技术，提升数据效用。
3. 推动人工智能与5G融合：加快多模态计算在工业场景中的应用。
4. 出台配套政策：支持教育、基础研究、基础设施建设和产业转型。
5. 加快标准化建设：建立统一业务标准，推动工业智能的落地与推广。

结论

工业智能作为第四次工业革命的核心技术，正在全球范围内快速推进。我国虽在政策和技术层面取得一定进展，但仍有诸多挑战需克服。未来，工业智能的发展将依赖于多技术融合、算法优化、数据安全与能耗管理等多方面协同努力。政策支持与产业实践的结合，是推动工业智能向更高层次演进的关键。