| 人工智能與制造業(yè)融合發(fā)展面臨三大挑戰 |
| 新聞類(lèi)別： 行業(yè)動(dòng)態(tài) 瀏覽量：2158 |
一是制造業(yè)與人工智能融合應用成本高昂。人力成本方面，人工智能領(lǐng)域基礎人才短缺，直接導致用人成本升高，進(jìn)而大幅提高了制造業(yè)與人工智能對接成本。目前人工智能人才培養暫時(shí)落后于產(chǎn)業(yè)發(fā)展步伐，人工智能與制造業(yè)的融合型技術(shù)人員數量滯后于人工智能與制造業(yè)融合發(fā)展的要求，企業(yè)不得不通過(guò)提高薪資待遇來(lái)?yè)寠Z稀缺的人工智能領(lǐng)域人力資源。資源成本方面，人工智能所需設備購置、運營(yíng)維護升級均會(huì )提高制造業(yè)與人工智能對接成本。人工智能技術(shù)所需的各類(lèi)高精傳感器價(jià)格昂貴，一系列的技術(shù)應用和系統維護都不是免費服務(wù)，最終形態(tài)成本將高于傳統的低技術(shù)含量產(chǎn)品。技術(shù)成本方面，人工智能技術(shù)尚處“弱人工智能”階段，技術(shù)落地應用多需要人力輔助，形成雙倍成本。目前人工智能技術(shù)很難實(shí)現理想的“無(wú)人化”，其定位更像是一種工具，彌補人類(lèi)在計算力和操作能力等方面的不足，幫助人類(lèi)簡(jiǎn)化操作，制造企業(yè)即便在已經(jīng)購置人工智能設備之后，仍需聘用技術(shù)工人予以輔助。
二是產(chǎn)融學(xué)對接尚不充分。產(chǎn)融協(xié)同方面，制造業(yè)資本投入不足。制造業(yè)自有資金不足。近年來(lái)制造業(yè)利潤普遍不高，只靠企業(yè)自身投入幾乎難以支撐長(cháng)期所需的大量資本投入。此外，制造業(yè)融資困難，制造企業(yè)的投資回報率相對其他高新技術(shù)領(lǐng)域相對偏低，短期效益可能很難顯現，資本逐利特性導致資本投入更為謹慎，商業(yè)資本的關(guān)注度持續走低。產(chǎn)學(xué)協(xié)同方面，人工智能前沿技術(shù)在制造業(yè)難以落地。高校以一流期刊論文發(fā)表引用為衡量標準的評價(jià)導向，導致學(xué)界專(zhuān)注于學(xué)術(shù)研究，對產(chǎn)品商業(yè)化理解不足，不能及時(shí)針對市場(chǎng)變化的對研發(fā)重點(diǎn)進(jìn)行調整，致使技術(shù)與市場(chǎng)脫節，難以將人工智能研發(fā)成果轉化為現實(shí)生產(chǎn)力。
三是制造業(yè)數據孤島問(wèn)題嚴重阻礙與人工智能融合應用。制造業(yè)信息化建設尚不完善。目前人工智能技術(shù)主要基于機器學(xué)習，數據的體量與質(zhì)量將直接決定人工智能技術(shù)效能。然而目前我國大部分制造企業(yè)尚停留在工業(yè)2.0階段，大量數據下沉在各條生產(chǎn)線(xiàn)之間，信息化建設不足導致各類(lèi)生產(chǎn)制造數據極度缺乏。制造業(yè)數據標準不統一。我國制造企業(yè)諸多生產(chǎn)設備均采購于多家國外廠(chǎng)商，不同制造企業(yè)，甚至是同一制造企業(yè)不同生產(chǎn)線(xiàn)之間，數據標準差異大，各類(lèi)數據之間難以互通共享，極大增加了人工智能頂層設計標準的復雜度，不具備應用落地普適性。
文章來(lái)源：賽迪智庫 |
