如果說，2023年有什么行業(yè)以肉眼可見的速度影響著我們的生活，那么答案非“人工智能”莫屬。

從2022年底一直火爆到今年夏天的生成式人工智能，還有汽車廠商“卷”起來的智能駕駛，以及藥物智能研發(fā)、機(jī)器人……人工智能產(chǎn)業(yè)的熱度絲毫未減，并且開始滲透其他各行各業(yè)。有不少人已經(jīng)將“AI+”視為下一個(gè)“互聯(lián)網(wǎng)+”，并對(duì)AI可能帶來的產(chǎn)業(yè)變革報(bào)以極大的信心。

對(duì)于各行各業(yè)來說，AI賦能產(chǎn)業(yè)發(fā)展已成為主流趨勢(shì)。根據(jù)艾瑞咨詢數(shù)據(jù)，2022年我國(guó)AI產(chǎn)業(yè)規(guī)模達(dá)到1958億元，產(chǎn)品形態(tài)和應(yīng)用邊界不斷拓寬。

上一個(gè)產(chǎn)業(yè)爆發(fā)熱潮，的確是在互聯(lián)網(wǎng)領(lǐng)域產(chǎn)生的。如今的人工智能產(chǎn)業(yè)又能否重現(xiàn)彼時(shí)的盛況？又能不能給更多人帶來“一飛沖天”的發(fā)展機(jī)遇呢？

制造到“智造”的躍遷

9月20日，2023世界制造業(yè)大會(huì)在合肥開幕。值得注意的是，今年的大會(huì)，首次設(shè)立了數(shù)字化轉(zhuǎn)型展區(qū)，“世界燈塔工廠”“國(guó)家級(jí)智能工廠”示范場(chǎng)景、AI大模型成了大會(huì)的亮點(diǎn)。

制造業(yè)的高質(zhì)量發(fā)展，向來是經(jīng)濟(jì)高質(zhì)量發(fā)展的重中之重。而人工智能蘊(yùn)含的產(chǎn)業(yè)變革潛力，將促進(jìn)制造向“智造”躍遷。將人工智能技術(shù)應(yīng)用到制造業(yè)，可以使制造業(yè)在數(shù)字化和網(wǎng)絡(luò)化的基礎(chǔ)上，實(shí)現(xiàn)機(jī)器的自主反饋和自主優(yōu)化。

根據(jù)中泰證券的分析，Al+制造業(yè)的產(chǎn)業(yè)結(jié)構(gòu)包括三層，分別是基礎(chǔ)層、技術(shù)平臺(tái)層、應(yīng)用層，涉及AI芯片、工業(yè)機(jī)器人、工業(yè)物聯(lián)網(wǎng)等軟硬件資源，公有制造云、制造業(yè)大數(shù)據(jù)、制造業(yè)AI算法，和利用Al技術(shù)在制造業(yè)生產(chǎn)和服務(wù)的各個(gè)環(huán)節(jié)創(chuàng)造價(jià)值。

目前，在制造業(yè)的多個(gè)環(huán)節(jié)，如產(chǎn)品設(shè)計(jì)、生產(chǎn)、銷售、售后等過程中，人工智能均有滲透且成熟度不斷提升。例如，在產(chǎn)品設(shè)計(jì)環(huán)節(jié)通過AIGC完成工程設(shè)計(jì)中重復(fù)的低層次任務(wù)，或者通過AIGC生成衍生設(shè)計(jì)，為工程師提供靈感。在生產(chǎn)計(jì)劃策劃環(huán)節(jié)，則可以進(jìn)行需求預(yù)測(cè)、智能排產(chǎn)。例如，用AI分析不同數(shù)據(jù)，包括銷售歷史數(shù)據(jù)、供應(yīng)鏈建構(gòu)、產(chǎn)品價(jià)格等數(shù)據(jù)，做出更加準(zhǔn)確的需求預(yù)測(cè)，從而使企業(yè)更好地安排生產(chǎn)計(jì)劃，降低庫(kù)存水平，降低運(yùn)輸、倉(cāng)儲(chǔ)、供應(yīng)鏈管理成本；或者，在給定工單、可用資源、約束條件和公司目標(biāo)多重條件下，生成最佳生產(chǎn)計(jì)劃。

在制造生產(chǎn)過程當(dāng)中，則可以實(shí)時(shí)運(yùn)行預(yù)測(cè)性設(shè)備維護(hù)、生產(chǎn)工藝優(yōu)化、智能化產(chǎn)品檢測(cè)、智能搬運(yùn)等。通過挖掘和提煉生產(chǎn)中產(chǎn)生的海量信息，優(yōu)化設(shè)備運(yùn)轉(zhuǎn)、工藝流程、提高檢測(cè)效率、提高自動(dòng)化程度，減少設(shè)備損耗，提高生產(chǎn)效率。此外，在銷售和售后環(huán)節(jié)，利用Al技術(shù)實(shí)現(xiàn)精準(zhǔn)營(yíng)銷、快速響應(yīng)的售后服務(wù)。

以被稱為“智能制造之眼”的機(jī)器視覺領(lǐng)域?yàn)槔谥圃鞓I(yè)越發(fā)重要，Markets and Markets數(shù)據(jù)顯示，2021年全球機(jī)器視覺市場(chǎng)規(guī)模約為804億元，同比增長(zhǎng)12.15%。GGII預(yù)計(jì)至2025年該市場(chǎng)規(guī)模將超過1200億元。它的四大核心驅(qū)動(dòng)力是成像、算法、算力和應(yīng)用。機(jī)器視覺算法與軟件的結(jié)合是機(jī)器視覺產(chǎn)業(yè)的根基，伴隨下游應(yīng)用持續(xù)拓寬，亦對(duì)算力提出了更高要求。

而AI技術(shù)的發(fā)展，為機(jī)器視覺實(shí)現(xiàn)進(jìn)一步智能化提供了必要技術(shù)支持。在AI的加持下，機(jī)器視覺迎來了底層技術(shù)的突破。從算法、技術(shù)到應(yīng)用，AI技術(shù)極大程度賦能機(jī)器視覺在圖像模型上的智能化應(yīng)用，優(yōu)化了圖像識(shí)別的復(fù)雜度及精度，實(shí)現(xiàn)萬物識(shí)別。例如，Meta公司發(fā)布了首個(gè)圖像分割基礎(chǔ)模型SAM（Segment Anything Model，分割一切），底層以NLP模型的通用方式解決圖像分割和識(shí)別問題，SAM模型可應(yīng)用于各種領(lǐng)域，用于查找和分割圖像中的任何對(duì)象。

分割技術(shù)是圖像處理的底層技術(shù)，Meta以NLP的通用模型，極大地降低了圖像處理的門檻，是機(jī)器視覺領(lǐng)域的底層突破性技術(shù)。又如，基于全球市場(chǎng)需求持續(xù)增長(zhǎng)而來的產(chǎn)能和質(zhì)量提升的訴求，催發(fā)了AI動(dòng)力電池缺陷檢測(cè)解決方案的需求。這樣的解決方案既要能滿足總部逐層管控的要求，還需要具備更高效的實(shí)時(shí)缺陷檢測(cè)能力，即在圖像處理速度上實(shí)現(xiàn)單工序400FPS以上且達(dá)到零漏檢的目標(biāo)。

為此，電池業(yè)巨頭寧德時(shí)代在電池產(chǎn)品制造工廠的每一條電池生產(chǎn)線上都部署了多個(gè)攝像頭，每秒鐘即可產(chǎn)生數(shù)百?gòu)垐D片，而一個(gè)廠區(qū)至少有十幾條生產(chǎn)線，所以一個(gè)廠區(qū)每一秒就有幾千張甚至上萬張圖片產(chǎn)生。為了處理這些海量的圖片，寧德時(shí)代引入了集成AI加速能力的英特爾至強(qiáng)可擴(kuò)展平臺(tái)產(chǎn)品組合，構(gòu)建起了一套橫跨“云-邊-端”，融合計(jì)算機(jī)視覺（CV）、深度學(xué)習(xí)（DL）和機(jī)器學(xué)習(xí)（ML）技術(shù)的AI電池缺陷檢測(cè)方案。

除了機(jī)器視覺，數(shù)控系統(tǒng)也是制造業(yè)與AI融合日益加深的一個(gè)很好的例子。數(shù)控系統(tǒng)可以控制裝置根據(jù)加工程序進(jìn)行插補(bǔ)運(yùn)算，發(fā)出控制指令到伺服驅(qū)動(dòng)系統(tǒng)，后者將控制指令放大，由伺服電機(jī)驅(qū)動(dòng)機(jī)械按要求運(yùn)動(dòng)，位置測(cè)量系統(tǒng)檢測(cè)機(jī)械的運(yùn)動(dòng)位置或速度，并反饋到控制系統(tǒng)，來修正指令。它的底層是軟件算法，在應(yīng)用層，數(shù)據(jù)交換、數(shù)據(jù)庫(kù)搭建、實(shí)時(shí)監(jiān)控等均可借助AI（主要是決策式AI）來實(shí)現(xiàn)，進(jìn)而快速收集數(shù)據(jù)，進(jìn)行決策分析。AI具備類神經(jīng)網(wǎng)絡(luò)可對(duì)硬件運(yùn)行狀態(tài)實(shí)時(shí)跟蹤并反饋，從而對(duì)錯(cuò)誤運(yùn)行及時(shí)糾偏，保障系統(tǒng)穩(wěn)定運(yùn)行。

目前，借助AI技術(shù)，國(guó)產(chǎn)數(shù)控系統(tǒng)正在加快縮小與國(guó)外先進(jìn)技術(shù)的差距，國(guó)產(chǎn)化將加快推進(jìn)。中泰證券認(rèn)為，國(guó)家政策支持疊加頭部數(shù)控企業(yè)自身技術(shù)實(shí)力的提升，中高端通用型數(shù)控系統(tǒng)的國(guó)產(chǎn)化率持續(xù)提升，通過布局AI，國(guó)產(chǎn)數(shù)控系統(tǒng)有望在高速、高精、高穩(wěn)定性等方面縮短與國(guó)際頂尖數(shù)控系統(tǒng)企業(yè)的差距。

人工智能可以幫助工廠們擺脫對(duì)土地、人力資源的依賴，轉(zhuǎn)而對(duì)知識(shí)技能型人才、金融、產(chǎn)業(yè)鏈生態(tài)產(chǎn)生高黏性。智能化、數(shù)字化轉(zhuǎn)型逐漸成為制造業(yè)的必選項(xiàng)，智能制造帶來的躍遷式變革成果也顯而易見。

上汽乘用車臨港工廠，得益于焊接、涂裝、整車裝配實(shí)現(xiàn)了數(shù)字裝備全鏈接，通過供應(yīng)鏈一體化協(xié)同平臺(tái)，以點(diǎn)帶鏈、以鏈帶面，可以拉動(dòng)上下游1100多家零部件企業(yè)配套協(xié)同生產(chǎn)；安波福中央電氣自主創(chuàng)新的研、產(chǎn)、供、銷、人、財(cái)、物高效協(xié)同的智能信息系統(tǒng)和高度模塊化、自動(dòng)化、柔性化的智能裝備，可以使產(chǎn)品研發(fā)周期提升26%、運(yùn)營(yíng)成本下降30%。中科云谷總經(jīng)理助理石恒則向媒體介紹，中科云谷基于人工智能的工業(yè)互聯(lián)網(wǎng)平臺(tái)2.0投入使用后，設(shè)備維修響應(yīng)時(shí)間縮短了10%-20%。

AI+醫(yī)療，叩響神秘領(lǐng)域的大門

在生物和醫(yī)療領(lǐng)域，人工智能早已成為業(yè)界冉冉的新星，被寄托了厚望。自DeepMind的AlphaFold2以驚人的速度和準(zhǔn)確率做出蛋白質(zhì)結(jié)構(gòu)的預(yù)測(cè)之后，AI在生物醫(yī)療的各個(gè)層面開始發(fā)光發(fā)熱。

AlphaFold可以通過氨基酸序列預(yù)測(cè)蛋白質(zhì)的三維結(jié)構(gòu)，從結(jié)果來看，它能夠輕松達(dá)到與實(shí)驗(yàn)相媲美的精度。根據(jù)DeepMind官網(wǎng)，最新的AlphaFold數(shù)據(jù)庫(kù)發(fā)布了超過2億個(gè)條目，提供了蛋白質(zhì)序列和注釋的標(biāo)準(zhǔn)存儲(chǔ)庫(kù)的廣泛覆蓋。Meta公司也加入了這個(gè)行列，并利用自己開發(fā)的大型語言模型算法ESMFold預(yù)測(cè)了6.17億種來自宏基因組信息的微生物蛋白質(zhì)結(jié)構(gòu)。

受到這些成果的激勵(lì)，研究者們開始采用AI來“設(shè)計(jì)”新的蛋白質(zhì)——?jiǎng)?chuàng)造出一種能夠滿足人類需求的、在自然界并不存在的蛋白質(zhì)。目前已經(jīng)出現(xiàn)了數(shù)種蛋白質(zhì)設(shè)計(jì)軟件，在實(shí)際應(yīng)用過程中，研究者會(huì)結(jié)合多種方法來實(shí)現(xiàn)最終的設(shè)計(jì)。雖然目前AI設(shè)計(jì)出來的蛋白質(zhì)結(jié)構(gòu)在驗(yàn)證階段的表達(dá)和合成依然存在問題，但這種探索未知的神秘領(lǐng)域的嘗試依然帶來了無限的想象空間。

在臨床領(lǐng)域，醫(yī)學(xué)影像分析和輔助診斷過程，AI的影子已經(jīng)隨處可見。

深度學(xué)習(xí)算法模型的訓(xùn)練需要海量數(shù)據(jù)支撐，而醫(yī)學(xué)影像數(shù)據(jù)密集，這給了人工智能技術(shù)巨大的用武之地，而其中又以X光、CT等類型影像的識(shí)別分析最為成熟。在診斷時(shí)間方面AI模型的單視野圖像診斷用時(shí)明顯短于病理醫(yī)師。此外，人機(jī)交互醫(yī)療信息技術(shù)系統(tǒng)中，AI可以輔助衛(wèi)生從業(yè)人員提供臨床決策。通過數(shù)據(jù)、模型等輔助完成臨床決策，為醫(yī)生和其他衛(wèi)生從業(yè)人員提供決策支持。具體包括治療方案輔助決策、術(shù)前規(guī)劃、術(shù)后導(dǎo)航和預(yù)后評(píng)估、面向醫(yī)療機(jī)構(gòu)及患者提供智能化解讀檢驗(yàn)報(bào)告服務(wù)等?；谌斯ぶ悄艿呐R床輔助決策，通過構(gòu)建自進(jìn)化醫(yī)學(xué)知識(shí)庫(kù)，提供覆蓋診前、診中、診后的就醫(yī)全流程的解決方案，推動(dòng)行業(yè)智能化發(fā)展。

在制藥領(lǐng)域，一款創(chuàng)新藥從研發(fā)到上市，平均成本超過10億美元，研發(fā)周期大于10年，這被稱為“雙十困境”。中國(guó)科學(xué)院院士魏于全就提出，現(xiàn)在做一個(gè)創(chuàng)新藥一般要十幾年，花費(fèi)幾億美元甚至幾十億美元，AI或許就是一個(gè)更快速、成本更低的方法。

不少人寄希望于人工智能來擺脫這個(gè)困境，但目前AI藥物研發(fā)仍然處于初級(jí)階段，藥物研發(fā)相關(guān)高質(zhì)量數(shù)據(jù)獲取門檻高，而且AI藥物研發(fā)中算法模型的精準(zhǔn)度、計(jì)算速度、模型體量、泛化性能各有不同，專業(yè)人才也十分稀缺，目前專研AI新藥研發(fā)的企業(yè)，其成果也都集中在藥物發(fā)現(xiàn)或苗頭化合物識(shí)別階段，距離真正的臨床應(yīng)用還有很長(zhǎng)的路需要走。

微軟旗下語音識(shí)別子公司Nuance Communications發(fā)布的AI臨床筆記軟件由GPT-4驅(qū)動(dòng)，可幾秒鐘內(nèi)自動(dòng)生成臨床筆記草稿，是醫(yī)療行業(yè)第一款結(jié)合GPT-4模型的應(yīng)用。全球100多家醫(yī)療保健企業(yè)正在與NVIDIA就藥物設(shè)計(jì)模型Clara合作，通過不同AI生成分子，來完成蛋白質(zhì)生成、分子生成與對(duì)接等任務(wù)，甚至可以預(yù)測(cè)蛋白質(zhì)和分子的三維相互作用，從而優(yōu)化藥物在體內(nèi)的作用方式。百圖生科AIGP平臺(tái)也提供多種蛋白質(zhì)生成能力，構(gòu)建了千億參數(shù)的跨模態(tài)大模型“xTrimo”，該大模型從跨物種、跨模態(tài)的生命信息中學(xué)習(xí)蛋白質(zhì)如何構(gòu)成和實(shí)現(xiàn)功能、如何相互作用、如何組合和調(diào)控細(xì)胞功能的關(guān)鍵規(guī)律。

智能駕駛，拐點(diǎn)將至？

2022年我國(guó)智能駕駛產(chǎn)業(yè)市場(chǎng)規(guī)模已達(dá)2894億元。據(jù)中國(guó)信通院預(yù)計(jì)，到2025年中國(guó)智能駕駛汽車市場(chǎng)規(guī)模將接近萬億元。中國(guó)智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟副秘書長(zhǎng)李曉龍認(rèn)為，未來隨著城市級(jí)“車路云一體化”規(guī)模示范應(yīng)用，2025年有望成為智能網(wǎng)聯(lián)汽車商業(yè)化應(yīng)用的關(guān)鍵節(jié)點(diǎn)。

隨著智能駕駛產(chǎn)業(yè)的高速發(fā)展，生態(tài)的逐漸構(gòu)建，產(chǎn)業(yè)發(fā)展帶來了系統(tǒng)性的投資機(jī)會(huì)，產(chǎn)業(yè)鏈的多條細(xì)分賽道也均受到了市場(chǎng)的高度關(guān)注，各大機(jī)構(gòu)紛紛布局智能駕駛賽道，挖掘智能駕駛產(chǎn)業(yè)鏈的長(zhǎng)期投資機(jī)會(huì)。

智能車輛是一個(gè)集環(huán)境感知、規(guī)劃決策、多等級(jí)輔助駕駛等功能于一體的綜合系統(tǒng)。人工智能技術(shù)支持智能汽車進(jìn)一步升級(jí)，目前，AI技術(shù)在智能汽車方向主要應(yīng)用于智能駕駛、智能座艙、車聯(lián)網(wǎng)等方面。在智能駕駛方面，人工智能技術(shù)通過機(jī)器視覺與智慧公路等技術(shù)使汽車具有自動(dòng)駕駛能力，并通過不斷訓(xùn)練感知，增強(qiáng)智能駕駛的安全性。在智能座艙方面，人工智能大模型通過感知算法與記憶算法檢測(cè)車艙內(nèi)外環(huán)境、駕駛員狀態(tài)、情緒、偏好等內(nèi)容來保證駕駛的安全與舒適。在車聯(lián)網(wǎng)方面，人工智能通過數(shù)據(jù)收集與處理，一方面為廠商測(cè)試汽車性能，汽車統(tǒng)一調(diào)控等提供便利，另一方面為客戶端提供實(shí)時(shí)路況，最優(yōu)駕駛路線以及緊急報(bào)警服務(wù)。總的來說，AI技術(shù)顛覆了傳統(tǒng)行車模式，在駕駛過程中兼顧安全、便捷、舒適三大優(yōu)勢(shì)。

2021年7月，特斯拉展示了基于BEV+Transformer（BEVFormer）的自動(dòng)駕駛感知新范式。基于BEV+Transformer進(jìn)行的視覺感知任務(wù)，可以實(shí)現(xiàn)將360度環(huán)視的時(shí)間、空間融合，并輸出靜態(tài)（車道線、紅綠燈、道路邊緣等）和動(dòng)態(tài)（行人、兩輪車、汽車等）信息，使得依靠純視覺也可以得到準(zhǔn)確三維世界信息。自特斯拉提出BEVTransformer技術(shù)范式后，理想、蔚來、小鵬、小馬智行、百度等多家主流車企、自動(dòng)駕駛方案解決商推出相關(guān)量產(chǎn)方案，在城市場(chǎng)景的智能駕駛實(shí)現(xiàn)上，“重感知輕地圖”成為業(yè)內(nèi)共識(shí)的技術(shù)路線。

華為更是一腳踏入了智能駕駛的領(lǐng)域。據(jù)華為官方介紹，其高階智能駕駛系統(tǒng)ADS2.0（全稱Advanced Driving System）能進(jìn)一步提升高速、城區(qū)和泊車環(huán)節(jié)的感知、判斷、決策、執(zhí)行能力。通過多傳感器融合的感知，ADS2.0能夠有效識(shí)別側(cè)翻車輛、落石等異形障礙物，并減速剎停。近日有消息稱，ADS2.0無圖版智能輔助駕駛今年年底將在全國(guó)所有城市開通。

人工智能產(chǎn)業(yè)與互聯(lián)網(wǎng)產(chǎn)業(yè)的相同點(diǎn)，在于都充滿了令人興奮和向往的革新性；但它們最大的不同，可能就體現(xiàn)在與“舊”產(chǎn)業(yè)的深度融合上。

互聯(lián)網(wǎng)行業(yè)更多地催生了新產(chǎn)業(yè)、新業(yè)態(tài)和新的商業(yè)模式，而人工智能或許能夠更深入地改造乃至革命既有的一些產(chǎn)業(yè)。互聯(lián)網(wǎng)出現(xiàn)以后，制造業(yè)依然是制造業(yè)，汽車依然是載人載貨的工具，醫(yī)療健康仍然需要醫(yī)生來診斷。但人工智能出現(xiàn)后，過往的經(jīng)驗(yàn)或許將失去效果。

那些具備更大的改造潛力的“舊”產(chǎn)業(yè)，或許能夠乘著這股東風(fēng)扶搖直上、占得先機(jī)。