提起人工智能，我们首先想到的都是科幻电影、智能机器人等，如今随着云计算、大数据技术的发展，包括更好的机器算法的出现，人工智能技术取得了突飞猛进的发展，迅速从“科幻”走进了现实，从衣食住行到医疗教育再到工业生产等各个领域，人工智能已被广泛部署于应用之中，以解决不同的业务问题。

民用or工业？这是个问题！

在德国，人工智能主要由车企和传统制造业牵头引领的，围绕着升级工业制造而服务。这和德国雄厚的工业积累及疲软的互联网企业是有关系的。德国的车企结合自身的资源配置，会很自然地把 AI 优先落地在工业领域，比如优化生产流水线，提升机床加工效率，降低质量检测中的坏件率等。

2019年汉诺威工博会的主题，就是工业与人工智能的融合。在这届工博会上，发布了超过500项人工智能在企业中的应用，小编在展会上就看到了大量人工智能技术在传统工业生产领域的应用案例。

例如，德国企业IBG展示的人机协作：四只机械臂举起了一辆汽车，操作人员站在传感器前分别做出移动、抓取、捏握等不同的动作，一组类似人类双臂的机械臂就能在汽车底盘上做出同样的动作。

还有西门子也演示了一系列人工智能的案例：不论零件在何处、形状如何，机器人通过机器学习都能独立地找到零件；采用灵活系统结构，机器人能自主制造电动车电池，并自动将电池与底盘组装起来。

在中国，人工智能或者说是AI，几乎是人人耳熟能详的名词，它遍布在人们的生活中。中国拥有着规模巨大的市场，正好为民用 AI 提供了高速发展的土壤。现阶段中国的人工智能是由互联网公司牵头引领、围绕着改善民生而服务的。

例如，阿里巴巴的盒马，苏宁智慧无人店，以及从2018年起吸引不少企业加入的无人便利店行业，背后的逻辑都是通过AI和数据计算，对于传统零售店模式的变革。这些互联网企业的应用技术更加集中于视觉和语音，而基础硬件占比偏小，更看重智能机器人、无人机和智能驾驶等终端产品的市场。

根据相关统计数据显示，2019年，中国互联网、金融、安防和交通等领域的 AI 应用，占据了超过50%的市场份额，而作为一个制造业大国，对于占据经济近半壁江山的制造业，其份额只有5%。

从中德两国的人工智能发展对比中我们可以看到，德国作为一个工业强国，把人工智能服务于工业企业，推动经济发展的经验，对于我们来说有很多借鉴意义。但由此相信大家对于人工智能技术到底是先民用还是先工业，也产生了疑问？ 

德中人工智能协会主席肖涵对此曾表示，二者各有好处也各有局限。全民 AI 及其商业模式在短期内会吸引来大量的人才和资本，但对国家和社会的长远发展缺乏实际支撑。工业 AI 正好相反，是一个厚积薄发的过程。但在人才资本高速流动的今天，这种模式显得有些古板而缺乏弹性，吸引不了年轻人。

工业AI市场前景更为广阔

根据埃森哲的报告显示，在比较了人工智能对我国各个行业部门增加值增速的影响后得出，预计到 2035 年，制造业因人工智能的应用其增加值增速可以提高 2.0% 左右，是所有产业部门中提高幅度最大的。

在制造业中，各类先进技术不断发展，为智能制造的实施提供了可靠的感知基础。但是目前的工业界大都以人的决策和反馈为核心，这就导致系统中有很大一部分的价值并没有被释放出来。系统越是复杂，人的学习曲线就会越缓慢，而当人的学习曲线比技术的进步速度慢时，人就会成为制约技术进步和应用的瓶颈。而人工智能的应用则为工业带来了革命性的改变，摆脱了人类认知和知识边界的限制，为决策支持和协同优化提供了可量化依据。

在世界经济论坛评选的全球26家“灯塔工厂”中也可以发现，人工智能应用实现了工厂产出平均提升7%~10%、生产效率增加4%~17%、产品质量提升至少10%，并减少了至少50%的延迟交付和2%~4%的能源消耗。在制造业全面优化成本、效率、质量和敏捷性的过程中，人工智能发挥了关键作用，成为继自动化和数字化技术之后，推动企业智能制造转型的全新杠杆。

工业AI成熟度有待提高

但到目前为止，人工智能在工业领域的应用并不及民用那么成熟。因为工业AI一直都被看做是最难的、也最复杂的应用领域。

小编认为主要原因在于，一方面行业外延十分广泛，细分领域很多，要求的专业知识也很广泛。从应用部署角度，人工智能专业人员的知识价值不仅体现在其对算法的研究和应用，更要结合一定的行业Know how。另一方面，一些制造企业的基础薄弱，在最开始的数据采集环节就存在较大问题，缺乏高质量的数据，更不要提后续的数据处理和分析。

除此之外，成本原因也是制造企业踌躇不前的原因之一，他们会顾虑应用AI技术既费时又费钱，将AI集成入到现有的系统之中不但成本高而且很复杂。这也导致绝大多数制造企业都在谈论，但是当涉及到将人工智能付诸实践时，多数公司却仍处于观望状态。

虽然当前很多制造业企业都希望在自身的生产和经营流程中引入人工智能，但这一过程并不是一蹴而就的，对于企业来说，需要首先学习和思考如何将人工智能顺利融入到自身当前的生产活动中，找到最适合自己发展路径的人工智能应用切入口，才能最终达到希望实现的目标。

本文参考：路飞学城、对话德国、德勤、麦肯锡