到2024年 工业制造业将有超过1500万台安装了人工智能的设备

近年来，人工智能(AI)被吹捧为一项强大的技术，将对工业制造领域产生革命性的影响。观点是有道理的，但现实却是极其复杂的。工业制造中的人工智能是产品开发中的生成性设计、库存管理中的生产预测、机器视觉、缺陷检测、生产优化和生产阶段的预测维护等不同制造阶段的各种用例的集合。ABI Research预测，到2024年，工业制造业人工智能设备的总安装基础将达到1，540万台，2019年至2024年的CAGR将达到64.8%。

“工业制造业的人工智能是一个边缘实施的事情，”ABI Research首席分析师LianJye Su说，“由于制造商不愿意将数据传输到公共云上，几乎所有的工业人工智能培训和推理工作都发生在边缘，即设备、网关和前置服务器上。”为了促进这一点，AI芯片组制造商和服务器供应商专门为工业制造设计了支持人工智能的服务器。越来越多的工业基础设施配备了人工智能软件或专用的AI芯片组来执行AI推理。

尽管有这些解决办法和制造环境中丰富的数据，但人工智能在工业制造中的实施并不像业界所期望的那样无缝。在所有的用例中，由于相关AI模型的成熟，预测维护和设备监控是迄今为止实现最商业化的。到2024年，仅这两个用例的安装总数预计将分别达到980万和670万。值得注意的是，由于AI芯片组的进步，许多这些启用AI的工业设备支持同一设备上的多个用例。一些关键的初创公司，如Uptake, SparkCognition, FogHorn和Falkonry都推出了基于云和边缘的解决方案，以监控工业制造资产和流程的整体表现。

另一个商业用例目前正处于增长势头的是缺陷检查。这个用例的总安装基础预计将从2019年的30万增加到2024年的370万以上。这是一种在电子和半导体制造中非常流行的用例，三星、LG和富士康等主要制造商一直在与AI芯片组供应商和软件供应商如 CEVA、 Gyrfalcon Technology、Lattice、Instrumental、Landing AI和Neurala合作，开发基于人工智能的机器视觉，用于进行表面、泄漏和元件级缺陷检测、微粒子检测、几何测量和分类。传统的机器视觉技术由于其被证明的重复性、可靠性和稳定性，仍然在制造工厂中流行。然而，深度学习技术的出现为扩大能力和灵活性提供了可能性。这些算法可以发现意想不到的产品异常或缺陷，超越现有的问题，为制造商发现有价值的新见解。

目前，制造商在构建和培训内部数据科学团队以实现人工智能方面面临着巨大的竞争。大多数人工智能人才更喜欢与网络巨头或人工智能初创企业合作，这使得人才获取成为工业制造商的一项具有挑战性的任务。因此，他们有一个可行的选择，那就是与人工智能生态系统中的其他参与者合作，包括云服务提供商、纯播放的人工智能初创公司、系统集成商、芯片组和工业服务器制造商以及连接服务提供商。“人工智能用例的多样性需要创建合作伙伴关系，”SU总结说。

来源：ABI Research

编译：南山