工业智能前沿报告（2020年）.docxVIP

目 录 一、 研究概述 1 二、 全球发展态势 2 三、 我国发展现状 6 四、 技术预见 10 （一）国际技术预见 10 模型迁移推动工业智能多场景复用 10 数据挖掘驱动工业智能认知与决策 11 多协同计算促进工业智能泛在支持 12 （二）国内技术预见 13 能耗控制拓宽工业智能布局 13 数据安全保障工业智能应用 14 高速通信助力工业智能创新 15 五、 工程难题 15 （一）国际工程难题 15 可适应、可进化的智能算法 15 多特征、广覆盖的数据处理 16 快响应、高稳定的云边交互 18 （二）国内工程难题 19 绿色制造有待优化 19 安全技术仍待开发 20 5G 技术尚需融合 21 六、 政策建议 22 一、 研究概述 随着人工智能技术体系的不断发展完善以及物联网、云计算、数字孪生等新一代信息技术的不断成熟，智能制造和工业互联网正成为学术界与产业界的重点研究课题。工业智能正是智能制造和工业互联网发展的核心。 工业智能以工业产业链为主，服务于工业产业链上下游，以工业数据为基础，人工智能算法为核心，其他先进信息技术为辅助，通过对工业产业链中的各个环节、对象进行深度渗透与改造，从而达到重塑工业形态、提升工业能效的目的；同时工业智能亦形成了向工业产业链外相关产业辐射的趋势，通过在工业场景下的工业智能成功案例推广，推动综合智能技术在其它领域的应用，从而达到促进生活、生产模式整体升级的目的，也即以增量带动存量，以创新引领革新。 在工业智能的发展和应用过程中，多技术的升级与融合是促成这一演进的重要推动力。以深度学习、迁移学习为代表的新兴人工智能技术打破了传统以知识驱动为核心的专家系统，同时大数据、边缘计算、区块链、数字孪生、知识图谱等先进技术的发展为重塑产业生态提供了可靠支撑。工业智能在复杂的工业场景中，必须要依靠通信技术、信息技术、数据技术以及人工智能技术的深度融合，才能实现针对不同场景的适应度好的应用落地，因此，工业智能不是简单的工业 +人工智能，而是一种多技术融合应用到多场景的综合智能技术。 前三次工业革命分别把工业推向了机械化、电气化、自动化，但 人们日益增长的生活需求促使着工业向更高等级跃迁，而随着传统工 业模式的逐渐成熟，节能减排的措施不断落实，旧的工业模式已经无法涌动出更大的产能。因此，如何挖掘现有工业规模的潜力，释放出最大化的能效，是工业领域践行可持续发展和绿色发展方针所需要解决的重要问题。工业智能正是解决这一问题的关键手段，通过智能化、数字化手段改造传统人工作业模式，形成设计、生产、管理自主决策，优化工业各环节的资源配置，综合智能技术打破传统工业应用中的实施壁垒，由此激发整个工业生态的高效稳定产出。 尽管如此，工业智能的发展仍然存在着阻碍与挑战，传统算法伸缩性较弱、适应性较差，不利于同步新技术与适应新场景；工业数据安全性较低、保护机制不够成熟，不利于智能生态闭环建设；工业智能模型复杂，部署成本高，消耗能量大，不利于项目落地。在此背景下，国务院、教育部、工信部、科技部等部门发布多项政策，从基础教育、产业布局、资金投入、政策倾斜等多个角度，为工业智能的发展构建了良好的环境。因此，撰写组以工业智能为核心，围绕工业智能与新兴技术、工业产业的结合点，总结了国内外工业智能发展现状，提出了应用过程中出现的工程难题及挑战，编写了此份前沿报告。主要内容包括：工业智能的全球发展态势和我国发展现状、国内外的技术预见及工程难题，最后给出了我们在技术和产业政策方面的建议。 二、 全球发展态势 工业智能概念是随着人工智能技术不断发展以及其与工业应用不断融合下出现的，以人工智能技术为代表的第四次工业革命正在发生，其所促进的工业升级从传统的机械化、电气化、自动化向网络化、 数字化、智能化转变，而工业智能正是新型工业形态的核心要素。各国早早地认识到工业智能为工业发展带来的好处，已经在各个工业生产领域投入大量的研发资源，将大量先进技术投入到工业生产中，探索出一批成熟应用并将其快速推广，以源头推动工业产业链的升级。 新的计算基础设施、算法以及工业流程和不断增长的数据注定了工业智能必将从传统的依赖专家知识的算法和计算机系统向借助人工智能技术进行智能化、数字化的实时监测和控制转变[1]。当前，工业领域中运用最多的是如卷积神经网络、循环神经网络等深度学习方法，它们主要被应用于图像分类、目标识别和视频跟踪等计算机视觉应用与语音分析中。除此之外，其它人工智能技术如强化学习、迁移学习、联邦学习等，也在各个工业领域、环节中发挥了巨大的作用。 在电力能源领域的研究中，人工智能技术主要通过处理系