近一年来，以ChatGPT为代表的大模型技术引发通用人工智能新一轮发展热潮，成为改变世界竞争格局的重要力量。围绕人工智能治理的议题探讨显著增多，全球人工智能治理体系加速构建。与此同时，人工智能加速向各产业渗透，已成为促进新兴产业与传统产业、技术与社会跨界融合发展不可忽视的动力。

伴随第四次工业革命以及工业数字化、网络化、智能化发展的大浪潮，工业制造业持续深化探索人工智能融合创新及应用：深度学习、大模型等技术创新、组合赋能和工程化落地不断加速；产业爆发期临近，老玩家不断推陈出新、新玩家入局积极活跃；一批新应用场景涌现，并不断向研发、生产等核心环节渗透赋能，在更大范围内发挥更核心的作用。

工业互联网产业联盟组织产业界系统梳理了相关内容，展开工业智能系列科普活动。

Q1

问

工业智能的应用模式有哪些？

目前，工业智能三大应用模式分别是视觉识别类应用、数据集建模类应用和经验知识推理类应用。三大模式占比如图1。

视觉识别类应用以AI视觉算法技术为核心，实现工业检测识别。

数据建模类应用以机器学习等数据驱动算法为核心，实现参数寻优或流程优化。

经验知识推理类应用以知识工程技术为核心，实现工业规则、知识图谱的推理决策。

Q2

问

识别类应用模式目前的现状和趋势如何？

视觉识别类应用模式成熟度最高，但可解问题相对有限，主要集中在生产环节，与工业机理相关度较弱，占比47.5%，其中，视觉识别是最主要的技术应用方式，在识别类的占比超 85%，部分领先企业针对小样本、微小缺陷等问题开展了深度学习、GAN、迁移学习等前沿技术探索，但目前多数常见问题仍主要依靠图像处理与传统机器学习方法，深度学习在视觉识别技术中的应用还有待提升。

Q3

问

数据建模优化应用当前发展到了何种程度？

数据建模类应用是当前主要应用探索模式。由于产品研发仿真、制造及设备运行等工业环节存在大量结构化数据场景，需进行定制化建模优化。目前在生产制造等工业核心环节，针对参数优化、规划、预测等部分复杂问题已经出现融合需求与典型场景，但与识别类模式相似，传统机器学习技术仍占主要比重，且多数处于局部应用或是以科研院所为主的理论验证阶段。

Q4

问

经验知识推理类应用模式的特点是什么？

经验知识推理类应用模式“两极分化”特点较为突出。专家系统技术应用占比超过70%，主要针对设备故障监测、过程控制等部分边界有限、经验规则易显性化的场景，已经逐步融入现有软件系统中；知识图谱需要与机理结合，构建难度与成本较高，目前总体处于知识检索服务等初步应用阶段。