本次分享中，芯闻路1号有幸邀请到航天云网专业副总师-唐蕾女士。

唐蕾女士将为我们重点分享的主题是：“人工智能在工业互联网领域的研究与实践”，下面是唐蕾女士的精彩发言：

今天跟大家分享的主题，主要包括四个部分：工业互联网的现状、AI和工业互联网结合发展的新趋势、航天云网的应用实践以及生成式AI在工业领域的应用展望。

工业互联网发展到现今主要经历了三个阶段：从2009年航天科工集团李伯虎院士率先在国际上提出了云制造的理念，2012年，美国一公司提出了工业互联网的概念，这一时期呢，主要是出于理论探索和概念提出的萌芽期。从2018年到2020年呢，工业互联网进入了起步发展期，形成了工业互联网技术的基础体系，为工业互联网的发展奠定了坚实的基础。从2021年到2023年，工业互联网和各个行业领域进行了深度的融合，产生了很多具有综合影响力的跨行业跨领域的工业互联网平台，也就代表着工业互联网进入的高速发展的深度应用期。

综合三个时期的发展，人工智能以技术驱动形成了这个制造业新的模式和新的样态，形成了信息驱动的制造、资源的云化改造、数据驱动的制造、各环节的开放共享以及人工智能所驱动的融合创新。这三种样态也不断在进行动态优化和持续迭代。时至今日，主要的工业国家都把制造业和工业互联网的联合发展作为重塑国际竞争优势的重要国家战略。

我国密集发布了一系列的国家政策，来强调工业互联网基础设施的建设推进制造业数字化和智能化的转型。美国在2022年的10月也发布了美国先进制造业的国家战略，提出要重视发展数字化，网络化，智能化的制造来重拾它在制造业的竞争优势。欧盟也在工业4.0的基础上提出了工业5.0的概念，强调要推动绿色化，数字化的双转型，建设以人为本，弹性生态可持续的产业链和供应链。

在这样一个国际大环境之下，我国工业互联网的应用场景越来越丰富和广泛。根据国家信息安全发展中心的调查，对77个平台企业的206个应用进行了分析。其中，有83%的企业开展了设备及产品管理的应用。68%的企业呢，围绕生产制造，优化资源调度，优化能耗等11个细分的应用场景，开展了业务和运营优化的实践。还有19%的企业围绕数字化产品，按需制造等等，开展了新模式新业态的探索。通过这些应用，帮助工业企业实现节约成本效率，提升产品与服务提升以及业务和模式的创新，从而支撑整个制造业，实现降本增效和安全绿色的发展。

随着工业互联网的发展和人工智能技术进行深度的融合，新的领域应运而生，也就是工业智能。工业智能区别于传统的AI，它主要是聚焦于工业领域，以工业领域更高质量、高精密、高效率的发展为目标，贯穿在整个工业的设计，生产管理，服务等各个环节来模仿和超越人类的感知分析决策。

那工业智能和工业互联网之间是什么关系呢？

首先，工业互联网给工业智能提供了关键的基础设施，为工业智能提供基础的算力和数据。工业互联网则提供感知能力、控制数字模型和决策、优化三大层级的服务并支持整个信息流自上而下的决策流，来帮助工业企业实现海量资源的全面感知，深度互联集成应用的高效处理和融合应用，从而促进整个数据的闭环优化。

而工业智能，是实现工业互联网数据闭环优化的核心引擎，它可以为工业互联网提供计算和算法，实现自主的建模决策和反馈。从而帮助工业互联网实现从数据到信息知识决策的转化，从而推动制造企业实现精准决策和动态优化。人工智能技术应用在工业互联网领域会产生非常丰富的应用，基于专家知识的人工智能技术可以固化现有的生产经验，可以解决工业机理相对清晰，计算简单的问题。

比如说德国康纳结合智能传感器和机器学习的算法。通过采集传感天气数据和维护日志，构建了设备运行模型，可以帮助机器维护的成本降低30%，实际的故障率降低70%。而对于一些图像，视频等数据，可以应用深度学习的方法来进行复杂的产品质量检测，特别是在一些电子和汽车的大规模制造当中，针对频繁变化的条件可以实现非常细微，非常复杂的产品缺陷的检测，比如说美国康奈氏公司开发的工业图像分析软件，就可以实现以毫秒为单位来识别缺陷，支持高效应用，并且提高吞吐量，那检测效率可以提升30%以上。

此外，人工智能技术还可以应用于设备运维领域，通过机器学习呢，来拟合设备运行过程中复杂非线性的关系，来提升设备运维的效率。那这也是工业智能应用最广泛的场景之一。

航天云网作为世界首批中国首个工业互联网平台，我们围绕人工智能也开展了一系列理论研究和相关的应用实践，在平台侧自主研发了人工智能训练平台可以为开发人员提供人工智能的代码开发，运行环境进行数据集的管理。并且提供大量的基础算子，可以实现这种一站式可视化拖拉拽的模型快速构建，实现模型的沙盒部署。通过API接口的方式供上层应用调用，我们开发了面向工业全站全场景的AI生态服务平台，可以支持AI开发应用的全生命周期管理。

航天云网面向应用场景，研究了基于智能推送的生产辅助排程，基于大数据预警的制造资源调度等等人工智能模型。在产业链的智能分析、黑洞工厂的智能生产以及设备远程运维领域都开展了相关的实践，并且取得了一定的成效。比如说在机械行业，大家都知道这个热处理是一个非常普及的工艺，那针对热处理高炉设备维修所存在的重大安全隐患的痛点问题。我们结合专家知识设备运行状态和工业机理，构建了高炉温度场的智能分析模型，采集了炉内的510个数据的采集点，包括温度，压力，探视等等，通过模拟产品表面的温度场以及碳式分布可以对产品的质量指标进行预测等。

针对国资布局的结构性问题不明显，产业链的卡脖子问题和薄弱环节识别不足的挑战，以工业互联网为底座，汇聚了20个产业400多个领域产品数据,构建了全要素、全行业、全地域的产业知识图谱。通过构建命名实体识别关系、抽取模型，可以实现上下文识别中找到有意义的实体，并且可以自动抽取分析产品实体的关系。在此基础上，构建了全国各省市区的产业发展潜力指数和卡脖子技术的发现模型。针对于产品设备工艺的国产化程度、供应商多元化程度、国际竞争力和创新能力等等，从不同的维度建立一个综合的智能分析模型，对产业链的成长趋势进行实时评价，发现产业链的卡脖子环节，为产业链的精准补垫固链提供决策支持。

这个模型目前已经应用到国资委的国有资产大数据分析平台，已经分析了200多个高度依赖于国外的这种薄弱环节的产业链，找到了400多个卡脖子问题，为产业链的精准补垫固链提供决策支持。

未来，工业互联网和生成式AI结合，可以产生更广泛的应用。比如，在研发设计领域，基于历史数据和用户需求，生成大量设计方案，从而提高设计师的设计效率和创造力；在生产制造领域，可以结合自然语言处理进行生产线、图像、声音、文字信息的自动识别和分类；在装备制造领域，可以识别零部件的尺寸和形状，自动调整生产设备参数，自动检测产品的质量；在设备管理领域，进行虚拟训练辅助部署调试；在知识管理领域，结合知识图谱技术，应用工业互联网所提供的专家知识，形成基于知识库的专家智能交互产品。帮助用户通过自然语言就可以快速的，精准易用的获得专家的技术服务；在软件开发领域，基于自然语言的处理，帮助用户快速获取工业互联网平台所提供的开放微服务、接口、工业模型、设备模板等等丰富的开发资源，并且基于这些开发资源，自动生成开发代码提供代码修改建议，从而提升应用开发效率，支持企业深度参与工业软件开发，不断丰富和拓展平台应用生态。

芯闻路1号：十分感谢唐蕾女士的精彩分享，希望在不远的将来，我们可以共同见证这一产业的兴盛与成就。精彩回顾请点击此处文字，即可跳转观看完整版研讨会。