不同應用場景的智能化基礎存在較大差異，有些具備了較為完善的數(shù)字化基礎，有些信息基礎設施落后。根據(jù)工信部數(shù)據(jù)統(tǒng)計顯示，目前我國32%的制造企業(yè)達到了智能制造能力成熟度一級水平，21%的企業(yè)達到了二級，12%的企業(yè)達到三級，四級及以上是成熟度最高等級，其企業(yè)占比達4%，其他31%企業(yè)都尚未達到最低的一級成熟度的水平。同時，不同的應用場景有不同的智能化需求，對人工智能包括算力、算法、數(shù)據(jù)的需求和配置也不同。應用場景智能化基礎不同和智能化需求不同，決定了其應用人工智能起點不同，場景化落地的條件和實施方式也會隨之不同，制造業(yè)人工智能場景應用解決方案需要進行定制化開發(fā)，以適應特定的生產(chǎn)流程、設備配置、數(shù)據(jù)格式等，導致難以復制推廣統(tǒng)一的人工智能解決方案實施規(guī)?；膱鼍奥涞?。

2.場景應用要求的高度實時性、可靠性和準確性，增加了場景應用落地的難度

制造業(yè)場景應用對高度實時性、可靠性和準確性的要求，源于制造業(yè)生產(chǎn)流程的連續(xù)性和設備的精密性以及對產(chǎn)品質量和安全性的嚴格標準。制造業(yè)生產(chǎn)需要實時控制和響應，以確保生產(chǎn)流程的連續(xù)性和穩(wěn)定性。目前有些通用計算架構較難滿足制造業(yè)實時性的計算要求，端側推理需求迫切。電商平臺的推薦系統(tǒng)達到60%-70%的準確率算是比較高的精準度，而制造業(yè)部分核心環(huán)節(jié)對推薦參數(shù)的準確性要求非常高，一旦參數(shù)出現(xiàn)問題，將對生產(chǎn)、制造等環(huán)節(jié)產(chǎn)生巨大影響。制造企業(yè)不敢輕易應用人工智能技術于具體的生產(chǎn)場景和生產(chǎn)流程，擔心應用人工智能導致生產(chǎn)流程停頓、生產(chǎn)過程出問題、產(chǎn)品質量出問題。場景應用要求的高度實時性、可靠性和準確性，增加了場景應用落地的難度。

3.制造業(yè)人工智能應用場景的多樣性增加了應用落地成本，企業(yè)擔心應用落地的成本效益，影響了場景應用落地

一是應用場景的多樣性增加了應用落地成本，影響了場景應用的落地。以大模型為例，很多企業(yè)參與場景應用落地基本采用“一個場景一個模型”的小作坊模式，需要針對每個場景獨立地完成模型選擇、數(shù)據(jù)處理、模型優(yōu)化、模型迭代等開發(fā)環(huán)節(jié)，導致周期長、成本高。場景應用解決方案需要進行定制化開發(fā)，以適應特定的生產(chǎn)流程、設備配置等，這增加了軟件開發(fā)和硬件設備的成本，這些因素影響了場景應用的落地。

二是技術人員成本、算力成本、維護和運營成本支出較高等因素，制約了制造業(yè)人工智能的應用落地。在技術人員成本方面，傳統(tǒng)制造業(yè)企業(yè)缺乏對人工智能技術精通的技術人員，從外部招聘面臨高昂的人力成本。算力成本除了硬件設備的購置和維護費用，硬件設備和軟件系統(tǒng)需要定期升級或更換，會產(chǎn)生較高的成本，電力消耗也是算力成本的重要組成部分。在維護和運營成本方面，硬件設備的維護、軟件系統(tǒng)的維護、技術支持服務、數(shù)據(jù)的維護和處理、故障診斷和修復等都需要投入大量成本，影響制造業(yè)人工智能的應用落地。

制造業(yè)人工智能的場景應用落地的建議

1.對于制造企業(yè)：提高場景應用解決方案的通用性，促進場景應用規(guī)?；涞?/strong>