雖然人工智能作為一項先進技術已經在制造業得到了一些典型成功應用，得到了制造業的廣泛關注與重視。但現實中人工智能對于制造業的滲透率仍然處于較低水平，尤其是中小企業直面生存提高效率的需求，以及大型企業行業改善運行效能確保和提升行業地位的需求，尤其在對于人工智能應用路徑不明和應用風險存在等顧慮情況下，人工智能在制造中的應用發展，仍然處于探索階段和需要進行深入思考。結合目前的認知和已有經驗，提出如下發展建議。
（1）從場景角度而言，實現從“人工智能+制造”向“制造+人工智能”的轉變
整體而言，人工智能在制造當中的應用尚處于一種技術驅動而不是業務驅動的方式，這也是目前人工智能與實際業務融合深度不足的主要原因，技術與業務脫節甚至兩張皮的現象是我們需要高度警惕和規避的。目前我們普遍看到的關于人工智能在制造當中應場景的分析，都存在一定程度的制造場景不明、應用效果較為單一或單點的模式。人工智能作為一項先進技術，其應用領域是較為寬泛，不同領域對于人工智能的技術與應用需求是不一樣的。人工智能在制造業當中的應用，必須立足于制造業業務本身，制造業務特點不僅具有相當程度的復雜性，同時體現出更為突出的定制性特點，這個方面對于人工智能技術本身的發展同樣提出了更高的要求。
（2）從模式角度而言，人與人工智能的互補結合，是當前發展人工智能應用的重要考慮因素
從某種程度角度來說，我們以前所提到的機器換人，不僅僅是簡單的自動化，而更應該強調機器智能對人工智能的補充、提升或替代。制造企業對于智能制造的需求也需要一個逐步發展的過程，寄希望于完全替代人類專家在制造當中的智力活動，在當前人工智能技術條件下也是不現實的，企業也需要有清醒的認識與判斷。因此通過引入人工智能技術去擴大、延伸、部分取代或輔助制造參與人員更好的做出推理、構思、判斷、決策是當前更為可行的應用發展模式。
（3）從現實角度而言，人工智能技術應該結合企業的經驗知識沉淀以及先進制造模式落實，作為應用發展的切入點
傳統的制造系統運行是以人的智能作為核心的，而人工智能是對人的智能的補充和完善。現實當中，企業其實具有很多的經驗和知識，甚至這些經驗知識是企業得以保持競爭優勢的核心支撐，這些經驗知識的軟件性物化沉淀其實是人工智能介入到制造系統運行一個核心的切入點。同樣的在智能制造之前所衍生演化的先進制造模式，例如并行工程、敏捷制造、快速響應制造、精益生產等，這些先進制造模式對于制造系統運行的改進和完善，其實都有賴于一些關鍵性業務決策支持，同樣是人工智能需要重點考慮的應用領域。
（4）從技術角度而言，人工智能技術與企業數字化轉型發展密不可分，對企業制造數據的深入挖掘也是應用發展的發力點
不論是從CPS角度還是數字孿生角度，人工智能都是對標其中的決策分析環節的。但任何決策分析都需要充足必要的數據輸入，同樣也需要精準的閉環執行支持。因此，人工智能技術與企業的數字化轉型密不可分，需要通過數字化轉型為人工智能技術的發展提供充足的技術支撐環境和條件，尤其在企業經過長期的發展之后，已經沉淀下來了海量的制造數據，對于其中優質制造數據的深入挖掘以發揮其應有的價值，也是人工智能應用發展的重要發力點。
作者信息：王愛民，工作于北京理工大學數字化制造研究所，長期專注從事APS技術研究、系統開發與實施應用。
筆者公眾號：智能制造隨筆，歡迎關注。
微信號：TimePatient