AI+工业互联网应用的局限性分析

作者简介

孙頔  

中国联合网络通信有限公司研究院高级研究员，主要从事碳达峰碳中和、工业互联网、数字经济等方面的研究工作。

杨锦洲  

中国联合网络通信有限公司研究院数字经济研究中心总监，主要从事数字经济、智慧城市、政企数字化转型等方面的研究工作。

夏璠  

中国联合网络通信有限公司研究院研究员，主要从事数字经济、工业互联网等方面的研究工作。

（中国联合网络通信有限公司研究院，北京 100176）

摘要：在建设中国式现代化、推进新型工业化的关键时期，AI和工业互联网的不断深入融合，已成为推动工业领域产业升级，建设制造强国、网络强国和数字中国的“扣合点”。基于AI+工业互联网模式在智慧能源综合管理、设备预防性维护、智能计划排产及仓储管理等领域的应用效应分析，论证了其对工业智能化转型的重要支撑作用，并着重研究了新兴生成式AI产品对助力AI+工业互联网模式发展升级的积极作用，同时也指出现阶段AI+工业互联网模式应用面临的局限性因素，以期为促进更多的AI+工业互联网模式应用场景加速落地、防范应用风险提供参考。

关键词：人工智能；工业互联网；工业数字化转型

0  引言

工业是国民经济的命脉，在我国经济迈入高质量增长的进程中，在加快推进新型工业化的同时，促进数字经济和实体经济深度融合，对转变经济发展方式、优化经济结构、转换增长动力具有重要推动作用。当前，工业互联网凭借“全面连接、信息共享、上下联动、资源整合”等优势，已全面融入45个国民经济大类，对重塑工业体系、实现数字中国和制造强国的关键支撑效应正逐渐显现[1]。政府高度重视工业互联网的发展，相继发布《“十四五”信息化和工业化深度融合发展规划》《“十四五”智能制造发展规划》《“十四五”数字经济发展规划》等政策，明确提出2025年工业互联网平台普及率达到45%的目标[2]，要求建设可靠、灵活、安全的工业互联网基础设施，为制造业数字化、网络化、智能化转型创造条件[3-4]。工业和信息化部会同工业互联网专项工作组各单位制定出台了《工业互联网创新发展行动计划（2021—2023年）》，着力解决工业互联网发展中的深层次难点、痛点问题，加快工业互联网平台体系化升级。

工业互联网是新一代信息通信技术与工业经济协同发展的新型基础设施、应用模式和工业生态[5]，云计算、人工智能（Artificial Intelligence，AI）和5G等先进技术共同构成的新技术体系，正是其生长的土壤。其中，AI作为新一轮科技革命和产业变革的重要驱动力量，具备复杂分析、预测算法、人机交互等能力，能够充分挖掘、利用工业互联网中各类智能设备采集的海量数据价值，反哺工业企业，实现降本增效，使数据真正成为数字经济引擎的“燃料”。

1  AI+工业互联网模式已成为产业智能化新范式

国内研究机构将AI+工业互联网模式概括为在工业互联网的架构基础上融合人工智能技术的模式，其特点是“以大量数据采集为算料基础、以机器学习或深度学习算法为核心、以用户需求为导向，面向工业场景提供智能解决方案，帮助工业企业更好地实现数据价值和效能提升，实现数据驱动的业务转型和创新”[6]。

工业企业拥有复杂的生产线，其确保盈利的关键在于最大限度地提高生产率、降低转化成本和保证按时交付产品，但需求和供应的不确定性导致传统的管理方式难以帮助企业实现高效生产[7]。在这种情况下，AI+工业互联网模式在工业生产环节中的融合应用，以工业互联网对各类工业数据资源的泛在连接能力为基础支撑，充分发挥AI在工业互联网平台的边缘设备层、平台层以及应用层等多个领域的高级计算、智能分析价值，不仅能拓展和丰富AI在工业领域的应用场景，促进工业互联网服务能力提升，而且可促进机器、人、信息流的高效连接，有助于生产与服务资源在更大范围内精准、高效配置，实现工业知识的沉淀和复用，提升从生产到应用的全产业链数字化、网络化、智能化水平，提高企业的效率和竞争力，为企业创造巨大价值，进而推动我国从制造大国迈向制造强国。

现阶段，在电子信息制造、装备制造和石油化工行业，AI+工业互联网平台的行业渗透率已分别达到10.5%、8.6%和8.5%[6]，应用领域以智慧能源综合管理、设备预防性维护、智能计划排产及仓储管理等生产相关环节中的辅助性单点应用为主。

1.1  智慧能源综合管理

能源是工业的血液，是企业正常运转的根本保障。尤其在“双碳”目标指引下，在推动能耗双控转向碳排放双控的过程中，对于占全社会能源消费65%的工业领域[8]，积极应用可再生能源、践行节能降碳已经成为企业发展的必选路径。然而，风电、光电等可再生能源具有间歇性、随机性和波动性等特点，需与电网供电合理配合，并充分结合波峰波谷电价，才能在确保生产安全稳定的同时，降低碳排放，节约运营成本，提高经济效益。

基于AI+工业互联网模式建立的智慧能源综合管理系统，综合各类用能设备的运行数据，可分析确定企业经营生产的高耗能、高碳排环节，并提供智能科学的优化建议。同时，结合可再生能源发电功率预测结果，以安全性和经济性为目标，制定工厂内部及厂区范围的多能源协同策略，保证多种能量来源之间的平滑切换，实现用能设备运行于最优效率区间、产品良率提升、绿色低碳生产及用能成本降低等多方面效益共赢。

工业互联网标识智库征集案例显示，某国家级高新区（简称“高新区”）有数百家制造企业入驻，存在电网、自建热电厂、分布式光伏/风电、集中式储能等多种电力来源，存量系统复杂。在应用AI+工业互联网智慧能源综合管理平台的实践中，该高新区以工业互联网对能源数据、设备数据、质量数据的高精度采集为支撑，结合企业的个性化需求，利用AI对以上数据进行系统级解析，并建立发电及负荷预测模型，从而帮助企业准确预测能源供给，精准匹配负荷调节，制定峰谷期电能应用策略。该高新区的AI+工业互联网智慧能源综合管理平台通过智能分析挖掘34 家企业的可调节负荷资源潜力，实现聚合调节能力27 MW，基本覆盖高新区在用电高峰时段的错峰需求，以降低供电紧张时对生产造成的影响[9]。同时，AI+工业互联网智慧能源综合管理平台还挖掘出118 家企业的潜在节电量约6 425 万kWh/年，78 家企业的峰谷期降费收益约1 571 万元/年[9]。

1.2  设备预防性维护

在过程工业中，设备的正常运行是保障工厂高效、可靠和安全生产的关键。根据国际自动化学会的数据，全球每年因为机器故障引发的停机时间导致了6 470 亿美元的损失[10]。如何使工厂在提升产能的同时降低维护成本、提高关键设备的可用性、减少非计划性停产，一直是困扰工业生产安全运行和降本增效的重要因素。为保证设备长期稳定运行，大部分工厂采用定期的预防性维修维护策略，然而这种方法不仅极易导致过度维护，而且依然无法有效避免非计划停产，甚至可能造成维修性故障的发生。

应用AI+工业互联网模式，基于设备正常运行时所采集的海量历史数据训练模型，并综合考虑各类传感器数据之间的关联关系，能够建立具备分析判断复杂规则能力、在实际数据出现偏差时快速预警的智能化预防性维护系统。智能预警机制将为企业应对潜在故障或风险争取宝贵的时间，以及时采取相应措施，避免非计划停产的发生。同时，基于AI+工业互联网模式的预防性维护系统还能进行故障维修维护指导，以帮助企业有效控制风险，实现安全生产。

工业互联网产业联盟在实践研究中发现，某石油公司基于AI+工业互联网模式建立的智能生产预警系统，利用工业互联网采集井口平台上相关生产设备设施的实时性能状态数据并上传至中心平台，应用AI技术实时比对分析设备运行参数和历史健康数据，自动判断预警设备异常状态，并制定预防性维护措施，避免因重要元器件损坏造成设备计划外停机。该系统应用后，该石油公司每年节省人工成本约600 万元，减少维修设备投入成本约4 000 万元[11]。

1.3  智能计划排产

为了达到最佳生产运营目标，企业需以最有效的方式调配利用人力、设备和仓储等各类资源。生成排产计划的过程既耗时又复杂，不仅需考虑可用资源、设备效率、员工数量、市场需求和既定产品服务目标等诸多因素，还要根据订单变动、计划外停机等约束条件的不断变化做出及时合理的优化调整，以确保安全生产、任务达成以及经济性优良。

AI+工业互联网模式能够有效赋能排产计划生成，利用工业互联网采集的各生产线数据，基于智能化分析能力评估各环节实际生产效率限度，结合多维约束条件，快速、准确地制定出优化的排产计划，节约人工成本，增强过程控制。此外，AI+工业互联网模式的应用还能将外部市场形势与内部工况信息进行融合研判，及时、高效地做出适应性调整，降低对既定目标和运营效益的影响。在AI+工业互联网模式下，开展排产计划与仓储管理数据实时共享也将有助于加快物资周转，提高保供服务水平并不断优化库存结构，降低库存成本[12]。

在北京大成企业研究院开展的案例分析中，某新能源电池生产企业为解决规模不断扩大中出现的各业务环节割裂、生产协同不足、决策效率低、排产效率差等问题，基于AI+工业互联网模式构建了决策分析与智慧排产系统。利用AI的高级计算和快速反馈能力，深度挖掘工业互联网监测、采集的各基地生产、仓储数据价值，并结合区域市场需求、物流运输情况等信息开展排产运营策略制定及优化，实现智慧化的排产设计、订单响应、决策制定，促进数据分析对生产运营的反哺。基于AI+工业互联网模式的决策分析与智慧排产系统实施后，该企业排产效率提升17%，订单响应速度提升1倍，跨部门协同效率增加40%，订单履约率提升22%[13]。

在数字中国、制造强国的建设过程中，人工智能和工业互联网的融合应用已成为新阶段工业数字化、网络化、智能化发展的必由之路。未来，随着产业转型的逐步深入，工业互联网、AI相关技术的不断进步，AI+工业互联网模式在工业领域的渗透性将进一步增强，呈现出多点落地的规模化趋势。

2  生成式AI的应用将助力AI+工业互联网模式发展升级

2022年11月30日，美国开放人工智能（OpenAI）公司推出了对话式AI工具——ChatGPT。ChatGPT是一个超大的统计语言及顺序文本预测模型，其核心技术为生成式AI。2023年3月15日，OpenAI发布多模态预训练大语言模型GPT-4，带来了自然语言处理在表述逻辑性、自然性等人机交互体验领域的巨大提升[14]，随后我国百度、阿里、华为等科技公司也相继推出了本土化的“类ChatGPT”生成式AI产品。由于具备更大的语料库、更强的计算能力、更通用的预训练和更强的自我学习能力，这些创新产品将为优化传统工业互联网赋能方式、助力工业产品全生命周期的效率和质量提升带来更多可能性。

2.1  促进全方位数据挖掘分析

在工业领域中，各类传统行业工程技术人员与数字化工程师之间往往存在着协作壁垒，严重阻碍了对工业生产各类数据的全方位挖掘分析，很大程度上约束了全面数字化转型的落地。生成式AI具备的人机协同和编程能力，能够更好地理解任务需求，有效扩展数据获取渠道，并结合工业互联网的生产数据采集功能，利用智能化算法为企业制定更合理的经营生产策略，也有助于解决“工业+数字化”复合型人才短缺的问题。

2.2  支持跨行业信息融合

产业融合是全球经济增长和现代产业发展的重要趋势。在此背景下，企业亟需扩展产业链相关环节的技术、知识、生产经营数据等信息，以提升融合发展水平，促进向价值链“微笑曲线”两端的高附加值环节延伸。生成式AI依托丰富的数据库资源，可以在线解答各种科技、生产等相关问题，并将复杂的技术知识快速简化为易于理解的形式，从而帮助从业人员高效获取跨行业技术、知识。同时，生成式AI还能对产业链中以“机器-工业互联网-AI-人”形式传播的信息流进行整合，根据不同的颗粒度、种类和实时性等需求，以更加智能的方式将各环节的数据信息进行差异化生成和推送，并提供智能化的跨行业融合方案，促进资源共享、技术交互以及业务优化配置，不断推动产业高质量融合发展。

2.3  满足个性化需求

新消费群体和新需求对“个性化”的强烈诉求向企业准确捕捉需求痛点、增强柔性化生产水平、兼顾个性化与低成本的能力提出了更高的要求。生成式AI具有强大的人机对话交互能力，可以更精准地理解用户的需求，助推企业与用户的深度交互变革，实现用户在产品全生命周期中的深度参与。其与工业互联网的融合应用可有力破解传统生产经营方式中，客户个性化需求难以有效指导企业生产的难题，并通过制定科学合理的差异化生产方案，提高柔性化生产能力，让企业以低成本、高质量、高效率的运营，实现产品个性化设计、生产、销售及服务，提升用户满意度，强化企业竞争力。

3  AI+工业互联网应用的局限性分析

尽管AI+工业互联网模式的应用对打破工业生产的效率瓶颈、进一步激活生产数据要素的潜能、促进工业智能化转型具有重要意义，但由于工业具有细分领域众多、流程环节复杂、容错性低、可靠性和安全性要求高等特点，因此目前AI+工业互联网模式在工业领域的规模化推广还存在诸多限制因素。

3.1  结果可靠性与可解释性不足

工业生产过程交互环节多、业务复杂性高、容错率极低，要求智能化分析、决策的每一步阶段性结果具有可解释性。然而，许多AI算法通常采取“黑盒”机制，致使其决策结果的产生逻辑具有不可辨识性和不可推论性，这种模糊性直接降低了结果的可信任度，与工业生产依赖的准确严谨的过程预测、决策之间存在较大矛盾，也与工业互联网的高可靠性、强确定性要求不相符，严重阻碍了AI+工业互联网模式的部署应用。

3.2  模型构建难度大

一方面，AI算法模型的准确性提升需要以大量的训练数据为基础，但工业数据具有私密性高、有价值信息提取难、有效标注少等问题，尤其是对模型敏感能力影响极大的生产设备异常等训练数据量不足，将制约AI算法模型的持续调优、升级。另一方面，工业场景复杂多样，工艺流程差异化较大，采用单一场景或流程训练的AI算法模型泛化能力差、复用难度大。以上两方面因素不利于AI+工业互联网模式的大范围推广应用，难以实现对工业生产发展的及时跟进。

3.3  开发成本过高

AI算法模型集大算力、大算法、大数据为一体，在训练时依赖海量的数据、计算资源与云化存储能力，且需经历复杂的训练、验证环节，耗费成本极高。华为公布数据显示，仅一次AI大模型的开发训练成本就高达1 200 万美元[15]。由此将给企业带来沉重的经济负担，导致企业对AI+工业互联网模式的研发应用望而却步。这不仅影响产业投入的积极性、阻碍技术发展，而且难以达到工业互联网赋能中小企业数字化转型发展的目标要求。

3.4  数据安全性难以保障

工业数据包含了企业生产、经营和管理等信息，具有重要价值，如果遭遇威胁，可能会对企业的经营造成严重损害。同时，工业数据也是国家安全和国民经济的重要基础，一旦遭受破坏或泄露，将对社会稳定和经济发展造成重大损失。因此数据安全一直以来都受到企业和政府部门的重点关注。为防范企业内部因生成式AI产品储存用户聊天记录或通过互联网开展人机交互而可能造成的数据泄露和隐私保护相关风险问题，苹果、三星、SK海力士等企业已宣布禁用ChatGPT等生成式AI产品。

4  结束语

在产业升级转型逐渐步入深水区的进程中，随着数据量呈现爆发式增长、计算能力显著提升、深度学习算法取得突破性进步，AI技术同工业领域融合应用的滞后周期正不断缩短，并将通过与工业互联网融合等模式，渗透到生产制造、运营管理、人员培训等过程。尤其在鼓励AI+工业互联网发展的政策陆续出台后，AI与工业互联网融合的模式将迎来高速发展期，对推进我国新型工业化发挥更大作用。在此过程中，不仅应努力拓展AI+工业互联网模式的赋能水平，丰富其应用场景，而且应针对现存的发展限制性因素从技术、管理、政策等多方面研究制定应对策略，以更充分地发挥AI+工业互联网模式对企业新旧动能转换和价值链延伸的推动作用，使其能更好助力中国制造业高质量发展。

审核编辑：黄飞