【人工智慧】“網際網路+”之後，人工智慧如何影響製造業？

響應十九大“推動網際網路、大資料、人工智慧和實體經濟深度融合”的號召，3月7日，由騰訊研究院聯合國家工業資訊保安發展研究中心，依託網際網路+工業研究中心平臺，發起的首屆“人工智慧+”產業研討會如期舉辦。本次研討會以“人工智慧+製造業”為主題，邀請人工智慧及製造業領域相關的協會機構、高校、企業等多方專家，就進一步掌握人工智慧融合實體產業的模式和方法，展開了充分交流和探討。

騰訊研究院祕書長張欽坤、產業研究中心主任李剛出席了會議，熱烈歡迎各位專家到場。會議由高階研究員吳朋陽主持，首先介紹了“人工智慧+”產業研究課題的背景。

目前我國製造業發展面臨內外壓力較大，人工智慧及相關技術成為製造業轉型升級的契機。但在這一發展過程中，不同的製造行業企業面臨的困難和問題有別、對新技術應用的理解和需求也不同，再巨集觀、籠統地分析意義已然不大。

如何深入理解不同製造企業的現狀和需求，歸納主要需求場景、明確合適的技術和應用，為企業逐步實現數字化、網路化、智慧化的轉型提供可實踐的路徑參考，最終推動製造企業的競爭力提升，是本次課題研究的主要目的。

國家工業資訊保安發展研究中心、資訊化戰略研究室主任高曉雨，負責牽頭本次研究工作，對“人工智慧+製造業”的課題研究思路進行了闡述。

首先要明確概念，回答什麼是“人工智慧+製造業”；其次是把握國際情況，主要發達工業國家如何在政策上推動和扶持這兩個產業融合發展；然後歸納案例方法，不同的製造業環節如何利用新技術應用實現智慧化。其中我國的網際網路企業已形成一定的國際競爭優勢，應重點分析總結其賦能製造業的創新經驗；接著分析製造業現狀，基於定量調研、掌握當前製造企業對人工智慧相關技術應用的理解、痛點和需求；最後制定融合發展建議，從政府、產業和企業不同層次給出決策參考。

隨後各位專家與研究學者暢所欲言，圍繞“人工智慧+製造業”課題展開了熱烈探討。

王安耕：不要把“智慧泛化”

原中信集團總工、國家資訊化專家諮詢委員會專家王安耕首先發言，回顧了中國製造業資訊化的歷史和現狀，並指出目前的最大挑戰。

從數字計算機出現起，社會就步入了數字化階段。製造企業開始轉型的第一階段一定是數字化，其面臨的加工物件由模擬變成了數字。這一階段開始得很早、同時也很漫長，很多模擬型檔案要轉化為數字型檔案錄入計算機，比如財務工作。

第二個階段是網路化，這一階段首先從單位內部網路化開始，如美國最初將網路用於軍隊內部網的建立，之後擴充套件到整個社會成為網際網路。企業如果想參與“網際網路+”這一模式，就必須先擁有內部網路，各個部門要統一規則、資訊共享，而非資訊孤島式獨立存在的部分。

在網路化充分實現後，企業逐步向智慧化（第三階段）過渡。目前我國僅有1/6的製造業企業可以達到“網際網路+”（網路化）水平，其餘5/6的企業連內部網路構建都還不完善，企業部門、流程等還沒有構成一個整體，無法實現跨越空間、資訊交流的功能。這是當前我國製造業面臨的最大挑戰。

基於自身的豐富經驗，王安耕對研究的整體內容提出了四點建議：

一是概念框架要清楚。現在市場上“人工智慧”相關概念太多，不宜再造一個新概念，而應建立一個能把主要概念都框住的通用框架；

二是不要把“智慧”泛化。智慧化是數字化、網路化之後的高階階段，不能混為一談，研究智慧化應該聚焦在人工智慧上；

三是可增加新的評估體系。針對智慧化水平，可從主要的三個維度評估：覆蓋範圍（如智慧化在企業中覆蓋了一個工位還是一條生產線）、實現程度（如智慧化裝置達到了感知、決策、執行或自我提升的哪一階段）和技術水平（如企業是自主研發還是外包採購智慧化裝置）。同時注意智慧化應該以數字化、網路化為基礎，比如單項應用，不管多複雜都只能算處在數字化階段。

四是要考慮讀者特點。給非專業讀者閱讀，國際政策等內容不宜太多、綜述即可。

蔣明煒：應從需求場景出發、用要素定義“智慧”

機械工業自動化研究所首席專家蔣明煒，對“人工智慧+製造業”融合的發展階段劃分提出了不同意見。其表示：“數字化-網路化-智慧化”按階段劃分未必合適。很多情況下，都有可能同時涉及這三方面。比如企業實施ERP是數字化，同時也一定要有網路否則無法實現（也就包含網路化）。人工智慧具有非常明確的特徵，不能與一般數字化、網路化、兩化融合混淆。

那麼該如何定義智慧化？蔣明煒用數控機床舉了兩個生動的例子。

①傳統的數控機床有沒有智慧？沒有。因為其在給定程式下，即使程式出錯也會繼續運轉；②智慧的數控機床應該如何？智慧數控機床能感知切削力的變化，並分析判斷刀具磨損，進一步決定是用刀具補償還是換刀以保證加工精度。具有自動感知、分析、反饋、決策、控制等要素，這才是智慧。

因此他建議以實現智慧化的要素為基礎，圍繞製造業企業的需求場景，來定義和描述“人工智慧+製造”的發展框架模型，並基於此為提出具體建議。主要包括6大場景：①智慧產品；②智慧設計（如專家系統）；③智慧經營（如產業鏈、價值鏈協調）；④智慧生產（車間級以下，如裝備）；⑤智慧服務；⑥智慧決策。

針對這些場景，結合具體案例分析，歸納總結出在哪些方面、具備哪些要素才能叫做智慧。這樣做的好處是，由於不同型別的企業特徵和需求不同，可以根據具體情況選擇適合自己的場景參考，而並不需要面面俱到。比如蘋果和小米公司專注於設計和售後服務、製造都是交給代工廠，如果用全面評估智慧等級的方式（如1.0/2.0/3.0），它們在生產製造環節的缺失就會導致難以評估。

此外，王安耕和蔣明煒兩位專家，還就廣為人知的紅領集團案例進行了深入探討。兩位認為紅領集團的定製化製造確實好，但不能算作“智慧生產”。因其生產製造的環節，實際上還是使用大量的人工作業。紅領真正超前的地方，是在於實現大規模的量體裁衣。通過對幾億個模板的分析，紅領總結出了五個特徵引數，根據特徵引數實現快速的大規模定製。該企業模式應算作“智慧設計”——通過標準化、模組化、系列化的材料和專家系統，最大限度地縮短設計時間。

孫富春：可從感、聯、知、控、安全五方面，論述人工智慧在製造業中的應用

清華大學智慧科學系教授孫富春是人工智慧領域專家，主要從人工智慧角度闡述了觀點。一是對人工智慧的定義要明確清晰，可以從正規化發展的角度統一定義，即從符號主義到聯接主義再到生物啟發；二是人工智慧落到製造業，可以基於CPS理論從感、聯、知、控、安全等五個方面，結合工業生產流程來定義和描述。

此外，孫富春還談到人工智慧給社會、企業帶來的諸多改變。如快遞服務已經可以實現當天付款當天到貨，增添了不少便利；製造業企業應用機器人進行生產製造，不但降低了人工投入、還提高了數倍產量等。

人工智慧極大地提高了效率、推動了生產進步，由此引發各國紛紛出臺相關政策引領和發展人工智慧。各方面的突破逐漸累積起來，最終形成企業、社會的整體突破，才是人工智慧應用的真正突破，需要“量變引起質變”的過程。

陳海濤：研究需要有科普性和展望性

吉林大學管理學院教授陳海濤，主要從研究方法和邏輯的角度提出了建議：一是要明確研究主線，是以人工智慧為主、還是製造業為主；二是要有科普性和展望性，面對普通讀者要弱化學術性，案例不用寫太大，更多用白話的方式、描繪遠景和未來；三是寫先進的代表，不用分省、分地域，大家都向先進看齊即可；四是研究成果不必大而全，主要為讀者提供有邏輯的、遞進性的、有趣的內容；五是政策解讀要分析背景，幫助讀者瞭解政策背後的原因和條件才有借鑑意義。

針對“人工智慧+製造業”的融合，陳海濤認為可以將“人工智慧+”作為主線，研究其逐步嵌入到製造業中的過程。可以重點描述企業製造模式中智慧化的各種典型場景，如向企業描述理想中的智慧化工廠是怎樣進行運作的，以此為企業展現值得期待的遠景圖。

陳琛：應重點構建平臺，幫助中小企業轉型

機械工業資訊研究院、智慧製造發展研究所副所長陳琛，更多從製造業企業的現狀痛點出發提出了思考。其表示在考察過的一百多家制造企業、尤其是中小企業中，發現了很多問題。如企業資訊化口號與實際技術、裝置並不匹配，難以實現；智慧製造方面的服務諮詢較缺乏，企業不知如何做等等。其呼籲政府和業界不光要關注代表性企業，更應聚焦中小型企業的困難，重點研究如何形成針對中小企業的平臺式解決方案，為它們提供感測、影像識別、資料探勘等先進技術的有效支援。

針對本次課題研究，陳琛建議：一是可為中小企業專設章節，重點研究為這類企業升級提供的平臺化服務；二是政策研究可圖表化，易於讀者理解；三是案例要多、覆蓋面要廣，這樣可以為不同製造業企業提供參考選擇；四是強調發展的“視窗期”，增強“人工智慧+”處於關鍵機遇時期的分析、以提高企業的緊迫感與行動力。

秦業：人工智慧+製造，一是專家系統、二是深度學習

中國資訊通訊研究院、政策部主任工程師秦業認為，首先要弄清人工智慧+製造業是什麼。目前主要有兩方面：①專家系統，就是if-then體系，如焊接機器人；②深度學習。其次是分清楚融合的階段環節，包括生產、採購、供應、銷售和服務等方面，人工智慧與製造業的融合過程是單點逐步滲透、而非全方位的迅速轉變。然後提供成功的轉型案例，讓企業學習到如何發現並解決過程中的痛點問題。最後建立產業生態系統，明確各類企業在其中承擔的不同角色，便於企業快速對接能夠解決自身需求的技術和服務提供商。

晉文靜：製造業智慧化三大目標—時間、節拍和質量

北京天澤智雲首席資料科學家晉文靜，從製造業服務商的角度闡述了觀點：一是要從製造業發展的終極目標出發，掌握製造業智慧化發展的重點方向。製造業企業的發展，最終是為了①降低生產製造時間；②維持高效率；③提高產品質量。主要關注三大指標：時間、節拍、質量。因此“人工智慧+製造業”可以從裝置、能效和質量三方面，研究融合轉型的方法。

二是要明確智慧化與自動化的差別。自動化是做人不願意做的事情（如簡單重複勞動），而智慧化是做人做不了的事情（如高階經驗的傳遞）。

三是強化工業智慧在製造業的應用。如何把工業智慧和工業網際網路的技術，真正用於製造業的提質、降本、增效、減存，最終實現企業從以產品為核心、到以服務為核心的價值轉型。

人工智慧的發展方興未艾、製造業的轉型命運攸關，兩者的融合如何能跨越發展？本次研討會有幸邀請多方專家，提供了不同角度的思考與啟發，為“人工智慧+”產業研究這一重要課題研究拉開了序幕。

人工智慧將為傳統制造業帶來什麼？

　  石澤：吳恩達離開百度後，將創業專案聚焦在製造業，希望通過為製造業轉型提供技術、培訓、運營流程管理等解決方案，成為這一領域的AI服務提供商。

　　“物理世界”(以製造業裝置所代表)和“數字世界”(由人工智慧、感測器等技術代表)的碰撞催生了製造業的巨大的轉變。兩個世界的融合將為下一輪經濟發展注入新的動能。以人工智慧為代表的新技術正在對生產流程、生產模式和供應鏈體系等生產運營過程產生巨大影響。

　　據埃森哲公司測算，到2035年，人工智慧技術的應用將使製造業總增長值(GVA)增長近4萬億美元，年度增長率達到4.4%。作為新的“生產要素”，人工智慧對於製造業的影響有幾方面：(1)機器將部分取代人的工作，實現智慧自動化。在中國、日本等國家，可以彌補由於老齡化、人力資源成本提升帶來的勞動力短缺問題。(2)人工智慧通過增強勞動力技能帶來生產效率的提升，以提高人的效率，經過重新培訓的員工可以執行更高階的設計、程式設計和維護任務或創造性的工作。(3)人工智慧與製造業的深度融合不但將加速新產品的開發過程，還將徹底顛覆原有的生產流程，人工智慧程式不僅可以自動完成任務，而且還可以實現全新的業務流程。比如，根據客戶的個性化需求自定義產品配置。這將是人工智慧在製造業領域的最終目標。

　　史丹佛人工智慧實驗室主任、前谷歌大腦專案負責人、前百度首席科學家吳恩達(Andrew Ng)離開百度以後，將自己的創業專案聚焦在製造業領域，希望通過為製造業轉型提供技術、培訓、運營流程管理等一系列解決方案，成為在製造業領域的AI服務提供商。我通過與吳恩達的交流，希望瞭解這位站在AI前沿的科學家是如何理解人工智慧將為傳統制造業帶來的改變。

　　人工智慧將改變製造業的哪些方面

　　吳恩達認為，目前，人工智慧可能在製造業的四個領域中得到應用。

　　首先，製造業的很多細分領域依賴視覺檢查。 AI裝置對樣品進行視覺檢查的能力正在迅速提高，這使我們能夠建立自動視覺檢測系統。人工智慧能夠比較產品和照片，並決定是否通過檢查。吳恩達團隊將機器視覺應用在製造業中的精確質量分析領域，通過比人眼敏感多倍的相機結合AI技術提升影像理解的能力。該公司開發了機器視覺工具，用於在超出人類視覺範圍的解析度下發現電路板等產品中的微觀缺陷，並使用機器學習演算法對極少量的樣本影像進行培訓。

　　經濟發展新動力

　　大型傳統企業如何向人工智慧轉型?

　　石澤：這一輪技術浪潮中的積累的先發優勢將不斷擴大差距。那些沒能及時轉變的公司，將不得不在鉅變的商業環境裹挾中艱難應付。

其次，優化生產過程。AI通過調節和改進生產過程中的引數，對於製造中使用的很多機器進行引數設定。生產過程中，機器需要進行諸多引數的設定。例如，在注塑中，可能需要控制塑料的溫度、冷卻時間表、速度等等。所有這些引數都可能受到各種外部因素的影響，例如，外界溫度等。通過收集所有這些資料，AI可以改進自動設定和調整機器的引數。

　　第三，提高新產品製造過程中的設計、製造效率。製造新產品無論在設計還是在生產過程中都是一個迭代的過程，充滿了微調。人工智慧將能夠顯著縮短這一過程，提升製造行業的效率。

　　第四，確定產品質量問題來源。許多產品的製造過程涉及到一系列的步驟，因此，如果最終產品沒有通過檢驗，有時難以確定問題來源。人工智慧、資料科學和資料分析將幫助自動識別生產中有問題的步驟。

　　目前Landing.ai為製造行業的合作伙伴提供了視覺檢測、自動化控制、智慧化校準以及問題根源分析等解決方案。除了吳恩達提到的這些應用。未來工廠可能會採用智慧自動叉車和傳送帶搬運材料和成品。機器視覺領域，除了在微觀層面質量檢測方面的應用，未來還可以訓練機器人感知周圍的環境、避免中斷或者危險。此外，人工智慧還可在製造業領域中的自適應製造、自動質量控制、預防性維護、無人駕駛等領域應用。

　　傳統企業向人工智慧轉型面臨的挑戰

　　吳恩達認為，對大企業而言，在應用人工智慧方面，目前最大的挑戰是如何應用AI技術擴大業務規模，目前能夠幫助企業完成這一挑戰的人才和AI工具和還不存在。對於傳統制造企業來說，應用AI的主要障礙有幾方面，其中之一是人工智慧技術的複雜性。目前很少有團隊能夠很好的理解並且有效的實施這項技術。同時，在AI科技公司之外，很少有公司能夠獲取足夠的AI技術人才。

　　AI整合戰略本身和技術一樣複雜，這個過程涉及到資料採集、組織結構設計、AI專案的優先次序等等。而且，好的AI戰略專家比AI技術專家更加罕見。企業轉型是牽一髮動全域性的過程，尤其是涉及到勞動力結構調整，過程本身比較複雜，其中也包括文化挑戰，這方面特別是勞動力轉型的問題，需要一定的時間過渡。製造企業需要為員工提供更完善的再培訓，幫助他們為未來的工作做好準備。傳統企業除了需要做好轉型方面的人才、技術儲備，同時需要讓員工理解人工智慧的目的不是為了取代勞動力，而是為了增強員工能力、為企業賦能，幫助其成功。

　　人工智慧可以通過自適應製造、自動質量控制、預防性維護等解決方案有效地應對當今製造業面臨的挑戰。這些AI在製造業的應用中，有些技術已經開始部分的應用，但還沒有得到廣泛的應用，技術的複雜和資源(包括人力資源)的匱乏目前轉型的障礙之一。

　　傳統制造業公司和AI技術公司的定位

　　由於傳統制造業在人工智慧方面缺乏相應的人才。人工智慧科技公司應該在培訓勞動力方面發揮作用，率先在傳統行業的新一波轉型浪潮中幫助傳統公司員工傳授必要的技能。現階段，傳統公司可能會認為AI是一個難以想象的未來，但AI可以幫助企業實現部分任務的自動化，使員工能夠承擔更高層次的工作職責，並將其思想用於創造更多有價值的貢獻。

　　此外，吳恩達提到最近參加在北京舉行的2018年工業網際網路峰會，發現很多中國公司已經走上應用人工智慧的道路。中國政府推進工業網際網路發展的速度很快，並推動了許多改造傳統工業的舉措。通過組建工業網際網路聯盟，制定支援產業升級新政策，一大批企業開始全身心地迎接機器人、物聯網、大資料和機器學習融合的工業物聯網發展趨勢。

　　在傳統制造業的全球版圖中，轉型對於已開發國家和發展中國家所產生的影響各有不同。在發展中經濟體，製造業向AI轉型將使產品更容易實現規模化生產進而降低製造成本。AI還將幫助小規模生產者向全球供應鏈銷售產品並從中受益。在發達經濟體，人工智慧與製造業的深度融合也將為推動新一代產品、裝置和經驗鋪平道路。

　　製造行業面臨的某些挑戰是普遍的，並非針對某一公司或者行業。在製造行業中應用AI技術背後的一些原則和理念是可重複性的。但吳恩達希望Landing.ai能夠實現的目標是與製造企業合作開發針對特定行業的技術與培訓，而不是做通用的技術工具。吳恩達團隊開發了包括引進新技術、運營流程管理、重塑組織結構、AI人才戰略在內的各方面AI轉型計劃，目前已與富士康、鴻海等公司達成合作。

　　在此，請設想一下未來製造業的遠期場景：由人工智慧、大資料、雲端計算、5G通訊、物聯網等為代表的一系列技術簇將使未來的製造業從價值鏈、生產模式、商業模式、產品設計等多方面發生本質上的變化。由於技術的進步，產品自身將攜帶更多的資訊或者更加智慧。伴隨消費力量的崛起，消費者主動參與設計和共同創造產品將成為可能。而個性化與定製化需求增加將逐漸瓦解目前所謂的大眾消費市場。由於3D列印等技術的普及，“規模”未必“經濟”。製造業的價值鏈也將重新分配。生產者繞開中間商直接吸引消費者。產品的生產模式也將發生轉變，從“按預測量生產”到“按訂單生產”。從想法到市場的速度加快，消費者也更直接的將需求反饋給生產者。伴隨技術的演進，傳統制造業需要擁抱未來，進行一場自我革命。

人工智慧賽博物理作業系統

AI-CPS OS

“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧）分支用來的今天，企業領導者必須瞭解如何將“技術”全面滲入整個公司、產品等“商業”場景中，利用AI-CPS OS形成數字化+智慧化力量，實現行業的重新佈局、企業的重新構建和自我的煥然新生。

AI-CPS OS的真正價值並不來自構成技術或功能，而是要以一種傳遞獨特競爭優勢的方式將自動化+資訊化、智造+產品+服務和資料+分析一體化，這種整合方式能夠釋放新的業務和運營模式。如果不能實現跨功能的更大規模融合，沒有顛覆現狀的意願，這些將不可能實現。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。面對新一代技術+商業作業系統AI-CPS OS顛覆性的數字化+智慧化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位：

1. 重新行業佈局：你的世界觀要怎樣改變才算足夠？你必須對行業典範進行怎樣的反思？

2. 重新構建企業：你的企業需要做出什麼樣的變化？你準備如何重新定義你的公司？

3. 重新打造自己：你需要成為怎樣的人？要重塑自己並在數字化+智慧化時代保有領先地位，你必須如何去做？

AI-CPS OS是數字化智慧化創新平臺，設計思路是將大資料、物聯網、區塊鏈和人工智慧等無縫整合在雲端，可以幫助企業將創新成果融入自身業務體系，實現各個前沿技術在雲端的優勢協同。AI-CPS OS形成的數字化+智慧化力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置：

1. 精細：這種力量能夠使人在更加真實、細緻的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品個性化控制、微觀業務場景事件和結果控制。

2. 智慧：模型隨著時間（資料）的變化而變化，整個系統就具備了智慧（自學習）的能力。

3. 高效：企業需要建立實時或者準實時的資料採集傳輸、模型預測和響應決策能力，這樣智慧就從批量性、階段性的行為變成一個可以實時觸達的行為。

4. 不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了複合不確定性這種顛覆性力量。主要的不確定性蘊含於三個領域：技術、文化、制度。

5. 邊界模糊：數字世界與現實世界的不斷融合成CPS不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

AI-CPS OS形成的數字化+智慧化力量通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的複雜任務，即“智慧自動化”，以區別於傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智慧的普及，將推動多行業的相關創新，開闢嶄新的經濟增長空間。

給決策制定者和商業領袖的建議：

1. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智慧，為企業創造新商機；

2. 迎接新一代資訊科技，迎接人工智慧：無縫整合人類智慧與機器智慧，重新

   評估未來的知識和技能型別；

3. 制定道德規範：切實為人工智慧生態系統制定道德準則，並在智慧機器的開

   發過程中確定更加明晰的標準和最佳實踐；

4. 重視再分配效應：對人工智慧可能帶來的衝擊做好準備，制定戰略幫助面臨

   較高失業風險的人群；

5. 開發數字化+智慧化企業所需新能力：員工團隊需要積極掌握判斷、溝通及想象力和創造力等人類所特有的重要能力。對於中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《論語·子路》雲端計算、大資料、物聯網、區塊鏈和 人工智慧，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，擴充的是人類的物理空間。那麼這一次地理大發現，擴充的就是人們的數字空間。在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。雲端計算，大資料、物聯網和區塊鏈，是進入這個數字空間的船，而人工智慧就是那船上的帆，哥倫布之帆！

新一代技術+商業的人工智慧賽博物理作業系統AI-CPS OS作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，並創造新的強大引擎。重構生產、分配、交換、消費等經濟活動各環節，形成從巨集觀到微觀各領域的智慧化新需求，催生新技術、新產品、新產業、新業態、新模式。引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

產業智慧官  AI-CPS

用“人工智慧賽博物理作業系統”（新一代技術+商業作業系統“AI-CPS OS”：雲端計算+大資料+物聯網+區塊鏈+人工智慧），在場景中構建狀態感知-實時分析-自主決策-精準執行-學習提升的認知計算和機器智慧；實現產業轉型升級、DT驅動業務、價值創新創造的產業互聯生態鏈。

長按上方二維碼關注微信公眾號： AI-CPS，更多資訊回覆：

新技術：“雲端計算”、“大資料”、“物聯網”、“區塊鏈”、“人工智慧”；新產業：“智慧製造”、“智慧金融”、“智慧零售”、“智慧駕駛”、“智慧城市”；新模式：“財富空間”、“工業網際網路”、“資料科學家”、“賽博物理系統CPS”、“供應鏈金融”。

官方網站：AI-CPS.NET

本文系“產業智慧官”（公眾號ID：AI-CPS）收集整理，轉載請註明出處！

版權宣告：由產業智慧官（公眾號ID：AI-CPS）推薦的文章，除非確實無法確認，我們都會註明作者和來源。部分文章推送時未能與原作者取得聯絡。若涉及版權問題，煩請原作者聯絡我們，與您共同協商解決。聯絡、投稿郵箱：erp_vip@hotmail.com