來(lái)源：智通財(cái)經(jīng)APP

隨著人工智能(AI)技術(shù)的快速發(fā)展,，越來(lái)越多的制造商開(kāi)始將AI技術(shù)融入日常運(yùn)營(yíng)中，據(jù)微軟(MSFT.US)與MIT Technology Review Insights聯(lián)合進(jìn)行的研究顯示,，約35%的受訪制造商已將AI應(yīng)用案例投入生產(chǎn),，而有64%的企業(yè)仍在研究或試驗(yàn)AI技術(shù)。

研究表明,，許多回答調(diào)查的高管計(jì)劃在未來(lái)兩年內(nèi)大幅增加AI投資,。目前還未在生產(chǎn)中啟動(dòng)AI的企業(yè)正逐步推進(jìn)此過(guò)程。調(diào)查樣本包括來(lái)自全球的300位高級(jí)執(zhí)行官,，這些執(zhí)行官所在的組織年收入達(dá)到或超過(guò)1億美元,。

接近60%的受訪高管預(yù)計(jì)在工程和設(shè)計(jì)方面的AI支出將增加10%或更多。還有43%的人計(jì)劃在工廠運(yùn)營(yíng)上保持相同的支出水平,。

大型企業(yè)在集成AI方面領(lǐng)先

規(guī)模較大的公司在集成AI方面動(dòng)作更快,。雖然大多數(shù)主要制造商都計(jì)劃在某個(gè)時(shí)點(diǎn)將AI整合進(jìn)其運(yùn)營(yíng)，但最大的公司在這方面取得了最多的進(jìn)展,。航空航天,、汽車(chē)和電子制造商最有可能已經(jīng)在生產(chǎn)中部署了應(yīng)用案例。

在年收入100億美元以上的公司中,，近80%已經(jīng)部署了AI應(yīng)用案例,。這一數(shù)字對(duì)于年收入在10億至100億美元的公司來(lái)說(shuō)降至38%，而對(duì)于年收入在1億至9.99億美元的公司,，這一比例幾乎消失,，只有2%至4%的公司部署了應(yīng)用案例。

然而,，即使是大多數(shù)規(guī)模較小的公司,，仍在某種程度上研究或試驗(yàn)AI。

施耐德電氣的首席AI官菲利普·蘭巴赫(Philippe Rambach)表示：“制造業(yè)對(duì)AI充滿期待,，但實(shí)際上用AI進(jìn)行規(guī)?；D(zhuǎn)型的公司相對(duì)較少,?！?/p>

小公司指出,，人才和技能短缺阻礙了AI的進(jìn)展。對(duì)于預(yù)算較緊的制造商來(lái)說(shuō),，維護(hù)和改進(jìn)AI模型的成本也成為問(wèn)題,。

麻省理工學(xué)院工業(yè)表現(xiàn)中心執(zhí)行主任本·阿姆斯特朗(Ben Armstrong)表示：“雖然我們?cè)谝恍┥a(chǎn)商中看到了AI的有限影響使用，但幾乎沒(méi)有證據(jù)顯示AI引領(lǐng)了轉(zhuǎn)型,。我們很少看到制造商將AI技術(shù)的使用擴(kuò)展到前臺(tái)以外的生產(chǎn)運(yùn)營(yíng)中,。”

目前,，制造商的主要AI應(yīng)用案例在于產(chǎn)品設(shè)計(jì),、內(nèi)容創(chuàng)建和聊天機(jī)器人。

微軟制造解決方案的首席技術(shù)官因德拉尼爾·?？?Indranil Sircar)表示：“設(shè)計(jì)越來(lái)越多地在模擬環(huán)境中進(jìn)行,，這可以大大減少周期時(shí)間。設(shè)計(jì)工程正在變得更加以數(shù)據(jù)為中心,，AI通過(guò)模擬使其成為可能,。”

制造商還投入資源開(kāi)發(fā)AI技術(shù),，以提高生產(chǎn)力和效率,。

制造業(yè)AI應(yīng)用面臨數(shù)據(jù)挑戰(zhàn)

研究發(fā)現(xiàn)，對(duì)多數(shù)制造商來(lái)說(shuō),，擴(kuò)展AI的最大挑戰(zhàn)是數(shù)據(jù),，因?yàn)檫@個(gè)行業(yè)產(chǎn)生的數(shù)據(jù)量比其他行業(yè)要多，而且目前很多數(shù)據(jù)對(duì)AI模型來(lái)說(shuō)還不適用,。

為了解決這個(gè)問(wèn)題,，57%的受訪者表示他們正在增加機(jī)器連接性。同樣比例的受訪者還表示,，數(shù)據(jù)質(zhì)量是整合AI到運(yùn)營(yíng)中的最大挑戰(zhàn),。

研究指出：“AI需要一定程度的數(shù)據(jù)成熟度。需要確定組織如何收集,、存儲(chǔ)和處理數(shù)據(jù),，并采取具體措施來(lái)糾正弱點(diǎn)，然后才能將AI應(yīng)用案例投入生產(chǎn),?！?/p>

如果沒(méi)有正確的數(shù)據(jù)基礎(chǔ)，規(guī)?；赡軙?huì)停滯不前,。受訪者明確表示，不足的數(shù)據(jù)質(zhì)量(57%)、弱數(shù)據(jù)集成(54%)和弱治理(47%)阻礙了AI應(yīng)用案例的開(kāi)發(fā),。只有大約五分之一的受訪制造商擁有可用于現(xiàn)有AI模型的生產(chǎn)資產(chǎn)的數(shù)據(jù),。當(dāng)制造商將應(yīng)用案例投入生產(chǎn)時(shí)，這個(gè)數(shù)字會(huì)減少,。制造商越大,，不適合數(shù)據(jù)的問(wèn)題就越大。

因此,，必須解決碎片化問(wèn)題,，AI才能規(guī)模化,。大多數(shù)制造商發(fā)現(xiàn),，一些數(shù)據(jù)架構(gòu)、基礎(chǔ)設(shè)施和流程的現(xiàn)代化是支持AI以及其他技術(shù)和業(yè)務(wù)優(yōu)先事項(xiàng)所必需的,。改善工程和設(shè)計(jì)與工廠之間以及操作技術(shù)(OT)與信息技術(shù)(IT)之間數(shù)據(jù)系統(tǒng)的互操作性的現(xiàn)代化策略是一個(gè)合理的優(yōu)先事項(xiàng),。

此外，在工程和設(shè)計(jì)以及工廠運(yùn)營(yíng)方面,，制造商將人才和技能的缺乏視為擴(kuò)展AI應(yīng)用案例的最大挑戰(zhàn),。應(yīng)用案例越接近生產(chǎn)，這種缺陷的影響就越大,。許多受訪者表示,，不足的數(shù)據(jù)質(zhì)量和治理也阻礙了應(yīng)用案例的開(kāi)發(fā)。在工程和設(shè)計(jì)中,，對(duì)云計(jì)算力量的不充分訪問(wèn)是另一個(gè)常被提及的約束,。