人工智能与制造业融合面临三挑战

李雅琪

人工智能与制造业融合发展是新一轮产业变革的核心内容，是制造业高质量发展的必由之路。虽然人工智能加快向各领域渗透，但在制造业这一最具潜力的场景下应用落地困难重重，面临诸多挑战，亟待务实推进人工智能和制造业融合发展。

制造业与人工智能融合应用成本高昂

一是人工智能领域基础人才短缺，直接导致用人成本升高，进而大幅提高了制造业与人工智能对接成本。

目前人工智能人才培养暂时落后于产业发展步伐，人工智能与制造业的融合型技术人员数量落后于人工智能与制造业融合发展的要求，企业不得不通过提高薪资待遇来抢夺稀缺的人工智能领域人力资源。

二是人工智能所需设备购置、运营维护升级均会提高制造业与人工智能对接成本。

三是人工智能技术尚处“弱人工智能”阶段，技术落地应用多需要人力辅助，形成双倍成本。目前人工智能技术很难实现理想的“无人化”，制造企业即便在已经购置人工智能设备之后，仍需聘用技术工人予以辅助。

产融学对接尚不充分

一是产融协同尚不充分，制造业资本投入不足，制造业自有资金不足。

近年来制造业利润普遍不高，只靠企业自身投入几乎难以支撑长期所需的大量资本投入。

二是产学脱节导致人工智能前沿技术在制造业难以落地。

高校以一流期刊论文发表引用为衡量标准的评价导向，导致学界专注于学术研究，对产品商业化理解不足，不能及时针对市场变化对研发重点进行调整。

制造业数据孤岛问题严重阻碍与人工智能融合应用

一是制造业信息化建设尚不完善。

目前人工智能技术主要基于机器学习，数据的体量与质量将直接决定人工智能技术效能。然而目前我国大部分制造企业尚停留在工业2.0阶段，大量数据下沉在各条生产线之间，信息化建设不足导致各类生产制造数据极度缺乏。

二是制造业数据标准不统一。

我国制造企业诸多生产设备普遍采购于多家国外厂商，不同制造企业，甚至是同一制造企业不同生产线之间，数据标准差异大，各类数据之间难以互通共享，极大增加了人工智能顶层设计标准的复杂度。

对策建议

一是构建多方协作生态体系。

包括依托产业技术研究院在大学和企业之间的桥梁作用，推进产学研用合作机制建设，加快推进大学产业技术研究院与企业联合共建一批研发中心和实验室，加快打造产学研合作基地。同时，以企业为主体、产学研合作组建人工智能+实体经济创新基地，鼓励新兴人工智能企业与传统制造企业以一种开放的心态，互相重新理解和重新构建一些商业模式和商业合作，共同打造一个共生共融的体系。

二是健全融合人才培養机制。

强化高等教育，以各大高校人工智能学院和相关研究院为依托，完善人工智能+制造业的复合型人才培养模式，加速培养制造领域人工智能专业人才。强化培训机制。鼓励相关企业和研究机构推出医疗人工智能人才培养计划，通过合作交流、短期培训等多种路径，培养一批既懂制造有掌握人工智能技术的复合型、战略型人才。强化人才交流。加强人工智能领域和制造行业专业人才的互动交流，加快智能型制造技术工人培养，包括智能专业技术人才和智能产业操作人员的培养。

三是建立有效的资金支持机制。

建立适应“人工智能+制造业”特点的投融资体系。构建以政府资金为引导、金融机构为主体、企业投入为支撑、风险投资为助力的多层次投融资体系。围绕人工智能与制造企业发展需求，支持金融机构开展科技金融产品创新，发展知识产权质押贷款、股权质押贷款、信用保险、信用保险保单融资增信、融资租赁及贸易融资等金融服务。推进产融结合创新试点，支持转型升级的制造企业探索股权债权相结合的融资服务。