來源：智通財經(jīng)APP

隨著人工智能(AI)技術(shù)的快速發(fā)展,，越來越多的制造商開始將AI技術(shù)融入日常運營中,，據(jù)微軟(MSFT.US)與MIT Technology Review Insights聯(lián)合進行的研究顯示，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AI技術(shù),。

研究表明，許多回答調(diào)查的高管計劃在未來兩年內(nèi)大幅增加AI投資,。目前還未在生產(chǎn)中啟動AI的企業(yè)正逐步推進此過程,。調(diào)查樣本包括來自全球的300位高級執(zhí)行官，這些執(zhí)行官所在的組織年收入達到或超過1億美元,。

接近60%的受訪高管預(yù)計在工程和設(shè)計方面的AI支出將增加10%或更多,。還有43%的人計劃在工廠運營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方面動作更快,。雖然大多數(shù)主要制造商都計劃在某個時點將AI整合進其運營,，但最大的公司在這方面取得了最多的進展,。航空航天、汽車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)字對于年收入在10億至100億美元的公司來說降至38%,，而對于年收入在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AI充滿期待,，但實際上用AI進行規(guī)模化轉(zhuǎn)型的公司相對較少,。”

小公司指出,，人才和技能短缺阻礙了AI的進展,。對于預(yù)算較緊的制造商來說，維護和改進AI模型的成本也成為問題,。

麻省理工學院工業(yè)表現(xiàn)中心執(zhí)行主任本·阿姆斯特朗(Ben Armstrong)表示：“雖然我們在一些生產(chǎn)商中看到了AI的有限影響使用,，但幾乎沒有證據(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)的使用擴展到前臺以外的生產(chǎn)運營中,?！?/p>

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

微軟制造解決方案的首席技術(shù)官因德拉尼爾·希卡爾(Indranil Sircar)表示：“設(shè)計越來越多地在模擬環(huán)境中進行,，這可以大大減少周期時間,。設(shè)計工程正在變得更加以數(shù)據(jù)為中心，AI通過模擬使其成為可能,?！?/p>

制造商還投入資源開發(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),，對多數(shù)制造商來說，擴展AI的最大挑戰(zhàn)是數(shù)據(jù),，因為這個行業(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AI模型來說還不適用,。

為了解決這個問題，57%的受訪者表示他們正在增加機器連接性,。同樣比例的受訪者還表示,，數(shù)據(jù)質(zhì)量是整合AI到運營中的最大挑戰(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,、存儲和處理數(shù)據(jù)，并采取具體措施來糾正弱點,，然后才能將AI應(yīng)用案例投入生產(chǎn),。”

如果沒有正確的數(shù)據(jù)基礎(chǔ),，規(guī)?；赡軙磺啊Ｊ茉L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),。當制造商將應(yīng)用案例投入生產(chǎn)時,，這個數(shù)字會減少。制造商越大,，不適合數(shù)據(jù)的問題就越大,。

因此，必須解決碎片化問題,，AI才能規(guī)?；４蠖鄶?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)先事項所必需的。改善工程和設(shè)計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)代化策略是一個合理的優(yōu)先事項,。

此外,，在工程和設(shè)計以及工廠運營方面，制造商將人才和技能的缺乏視為擴展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)用案例的開發(fā),。在工程和設(shè)計中，對云計算力量的不充分訪問是另一個常被提及的約束,。