人工智能正在加速與實體經濟深層融合。近日舉行的“2018人工智能和實體經濟深度融合發展論壇”上，為我們揭示了諸多案例。

該論壇公布了“2018年人工智能與實體經濟深度融合創新項目申報工作”的評選結果，106個項目在2428個申報項目中脫穎而出。值得注意的是，申報項目中傳統行業佔比可觀。

“在應用類目中，科技企業佔比10%，而傳統行業高達90%。美的、伊利、上海飛機制造、長江電力、中日友好醫院等，在各細分領域都形成了示范性的案例。”工業與信息化部科技司高技術處處長趙策說。

人工智能對於解決傳統行業復雜系統、多約束條件下的生產問題展現出了明顯優勢。

以飛機制造行業為例。8大主要系統、28個關鍵協調界面、33種關鍵功能、450萬個零件……上海飛機制造有限公司董事長魏應彪在論壇上列出了一系列數字，以說明飛機設計之復雜。大飛機被稱為“工業皇冠”。海量的數據、頻繁的人機交互、高度復雜的算法軟件系統，這些為飛機制造帶來了智能制造的場景需求。

什麼是智能制造?“智能機器+先進分析工具+人機交互，就是智能制造。”中國工程院院士鄔賀銓介紹，“人工智能與雲計算、大數據、5G技術一起，成為支撐智能制造的信息技術。”

據魏應彪介紹，上海飛機制造公司正在建設5G園區，部署覆蓋整個園區的普及網絡，“5G方便設備的互聯互通及數據實時採集，為智能制造奠定了大數據的基礎。”同時，一批先進智能裝備的使用，解放了工人的雙手，如自動噴涂機器人、柔性軌制機器人、自動鑽鉚機器人、激光掃描機器人等。

在此基礎上，人工智能發揮作用，利用機器視覺、圖像識別、語音交互、大數據分析等技術，實現智慧感知、智慧排產、智慧檢測、智慧決策。

以飛機復合材料結構檢測為例。“傳統的檢測過程包括，制造預埋典型缺陷的標准對比版塊，掃描復合材料的結構、形成類似X光片的圖像和模型，進行人工對比與評判。”魏應彪說，由於版塊制作難、成本高，飛機結構復雜，缺陷種類多，圖像信號復雜，快速可靠的飛機復合材料結構檢測一直是世界性的難題。

人工智能的出現，讓事情出現了轉機。“我們針對典型缺陷的樣本進行海量數據採集，提取關鍵信息后建立數據庫，並運用5G技術存儲在雲平台上，連接評價系統。建立的深入學習模型可以對缺陷進行檢測，並且不斷迭代。”魏應彪介紹，目前評判的時間已經由4個小時縮短為幾分鐘，專業人員的成本降低95%。

事實上，將人工智能技術用於智慧檢測后，帶來的良品率提升，可給企業帶來可觀利潤。“良品率每提升1%，會增加幾個億的利潤。”深圳華星光電技術有限公司董事會秘書張瑋說。作為一家面板公司，華星光電採用人工智能對面板海量圖片進行快速學習與訓練后，建立高精度模型，實現機器自主質檢。這一技術配合自動化生產線，從材料投入到成品，整整兩周的時間內，都不需要人為干預，“生產效率能提升5%”。

鄔賀銓為我們列出了人工智能與實體經濟更多的結合點。“傳統視覺設備誤判率可能高達20%，人會犯重復的錯誤，但人工智能通過對錯誤的學習，可將誤判率下降到3%以下。”

“接下來說說，人工智能技術在優化生產參數中的應用。膠源產地、加工廠、批次數千個復雜因子都會影響橡膠質量，引入人工智能后，混煉膠平均合格率提升3%-5%，年增千萬元級的利潤。”

雖然實體經濟與人工智能的融合已經有了初步的成果，但仍有大量問題需要探索。大量的數據、豐富的應用場景、足夠的算力、活躍的用戶，這些對於人工智能的使用至關重要，但這些條件對於不少企業來說還有較大差距。

“我們在江浙考察，發現很多傳統的實體經濟企業，仍處在非常初級的數字化階段，數據獲取能力還比較薄弱，傳感器也比較一般。”天堂硅谷行業合伙人許肇元說。

專家還建議，不要盲目追求大數據。“不管有多少數據，距離轉化價值還有很多工作要做。數據從採集到錄入，需要大量工程的配合。企業一定要核算，要有成本約束。”中國移動通信研究院首席科學家馮俊蘭說，企業還要考慮到，人工智能技術的應用會對原有運營體系構成很大沖擊。