人工智能在工业互联网平台的四大应用场景.pdf

当前，以深度学习为主导的人工智能（AI）进入推广培育期，在医疗、金融、

零售、安防、交通、能源等领域的探索步伐不断加快，自然语言处理、计算机视

觉、精准营销、自动驾驶等人工智能应用市场增长迅猛。但在工业领域，受数据、

算法、算力等因素制约，AI应用的广度和深度受到限制。近年来，随着工业互联

网平台的快速崛起，其海量的数据、内嵌的高效算法和对算力的强大支撑能力，

为AI在工业领域的发展应用提供了土壤。尤其是AI应用于工业互联网平台设备

层、边缘层、平台层、应用层等四类应用场景，正在推动传统生产模式向实时感

知、动态分析、科学决策、精准执行和优化迭代的智能化生产模式转变，为工业

转型升级赋能。

一、工业互联网平台是人工智能应用的重要载体

工业互联网平台覆盖全流程生产数据。数据是应用人工智能的“燃料”。

工业互联网平台从数据“量”和“质”两个维度入提手升，工业场景数据集的广度与深

度，为人工智能应用提供支撑。

从“量”的方面看，工业互联网平台汇聚了数以千万计的设备和传感器，对异

构系统、运营环境、人员信息等要素实施泛在感知、高效采集和云端汇聚，实现

了海量数据的广泛集成。

从“质”的方面看，工业互联网平台通过构建设备、产品、系统和服务全面连

接的数据交流网络，充分挖掘实时有效的工业大数据，搭建数据自动流动的赋能

体系，为深度学习的模型训练提供优质的训练集、验证集和测试集，切实提高人

工智能模型自学习、自决策、自适应的有效性。

工业互联网平台推动工业知识算法化。算法是人工智能应用的关键。工

业互联网平台作为工业全要素、全产业链、全价值链连接的枢纽，打通了工业知

识向工业算法转化的通路，为构筑工业领域人工智能算法库提供助力。

一方面，工业互联网平台丰富了算法理论来源。依托工业机理基础和数据模

型分析，工业互联网平台将隐性的工业技术原理、行业知识和专家经验进行代码

化、算法化，重构了工业知识创造和应用体系，面向特定工业场景提供针对性强、

鲁棒性高的算法。

另一方面，工业互联网平台降低了算法开发成本。工业互联网平台通过提供

开发环境和各类工具，助力开发者打造工业APP与微服务体系，将各类工业知识

封装成可交易的模块组件，推动工业算法在更大范围、更高频次、更短路径上创

造、传播和复用。

工业互联网平台构建协同算力资源池。工业场景具有环境参数复杂、工

序步骤精细、实时性要求高等特点，应用人工智能技术对算力要求较高。工业互

联网平台基于云架构汇聚企业内外算力资源，根据实际需要统一调配，搭建广泛

聚集、高效协作的算力供给体系，为人工智能应用提供稳定的支撑保障。

在企业内部，工业互联网平台汇聚内部算力资源构建算力资源池，针对不同

时段、不同用户和不同级别的算力需求，基于大数据分析统筹使用内部设备，提

高设备使用效率。

在企业外部，工业互联网平台对接各类算力提供商，通过租借、购买等方式，

补充企业内部算力的不足，以提升整体算力水平，缩小人工智能应用需求和实际

算力之间的差距。

二、多维应用场景加快人工智能与工业互联网平台融合

设备层：机器智能构建新型人机关系。企业依托工业互联网平台，在生

产、控制、研发等领域的设备上运用人工智能技术，构建人机协同、互促共进的

新型人、机、物关系。

一是设备自主化运行，如复杂工料分拣、设备自运行等。机械臂、运输载具和智

能机床等产品，通过搭载机器学习算法、路径自动规划等模块，实现对不同工作

环境和加工对象的动态适应，提高设备操作的精度和复杂度。

二是人机智能化交互，如动作识别、语音用户界面等。应用语音识别、机器

视觉等技术，打造人性化、定制化、高效化的人机交互模式，提升控制装备在复

杂工作环境的感知和反馈能力。

三是生产协同化运作，比如协作机器人、仿生工位等。利用人工智能技术将

人机合作场景转变成学习系统，持续优化运行参数，为操作员提供最优的生产环

境。例如，德国Festo公司基于仿生协作型机器人开发人机协作生产的智能化工

位，可将人从重复性、危险性高的工作中解脱出来，提高了生产效率。

边缘层：边缘智能提升边缘侧实时分析处理能力。边缘智能技术通过

协同终端设备与边缘服务器，整合计算本地性与强计算能力的互补优势，从而减

少非必要的数据传输、降低模型推理延迟与能耗。

具体有以下三类应用：一是智能传感网络。东方国信、寄云科技等企业通过

建设智能网关，动态实现OT与IT间复杂协议的转换，提供安全高速的数据