智东西内参|德勤深度：140亿元大蛋糕！制造业中的产业链( 七 )

另外，人工智能算法的“黑盒”特性与制造业追求的精准、可靠与可解释性存在矛盾。人工智能企业往往很难对算法的每一个步骤、算法的技术原理和细节进行解释，简单公开算法系统的代码并不能提供有效的透明度，反倒可能威胁数据隐私或影响技术的安全应用。
制造业的人工智能应用在部分领域、核心环节对推荐参数的准确性要求是100%，一旦参数出现问题，会对生产、制造等环节，甚至生命财产安全产生巨大影响。制造企业不清楚算法模型是如何得出某个结论，无法理解复杂的人工智能算法的决策理由，导致了企业对人工智能准确性的怀疑，加大了人工智能企业找到既符合应用条件又愿意配合的制造企业的难度。
4、人工智能技术解决方案无法直击核心痛点，复制性较差许多人工智能技术目前还在关注表面的问题，而非核心痛点。例如，某手机制造企业希望通过人工智能提升制造工艺和良品率，而引入计算机视觉做质检只能在产品生产出来后发现缺陷，远不能达到改进工艺、解决核心质量问题的目的。
此外，由于工业设备产品、场景的差异化与任务的多样性，当前工业场景下机器学习模型的可复制推广性较差。例如，工业场景下的产品检测，不同生产线、不同产品的缺陷种类情况可能完全不同，在某一企业可能获得高效率的算法或解决方案，移植到另一企业或许并不能达到同样的效果。
5、制造业企业自身意识和能力不足，认知理念、管理方式、人才计划亟待变革制造企业要想利用人工智能技术实现降本增效，就需要进行认知和管理方式上的转变。很多传统工业企业认为，应用工业智能数字化产品和采购设备的效果一样，能够快速的优化和提高竞争力。但数据驱动的模型需要数据不断迭代优化，才能达到相对精准的效果。这意味着工业企业需要改变对软件的看法，并在模型初期给予足够的包容度。
制造企业既有的经验及组织架构也会成为障碍。当人工智能技术的导入涉及到管理变革或流程优化操作时，由于员工已经熟悉原有的工作流程，要推行实施新流程就要经历一个非常困难的过程。资金、培训和时间的投入是公司难以承担的巨大风险。另外，不了解如何进行相关的组织架构调整，也是企业应用人工智能过程中面临的挑战。
人才短板也是工业企业人工智能应用的挑战之一。在人工智能技术深入应用并落地的过程中，需要人才既懂技术又懂传统工业产业，才能实现深入融合。这要求人工智能人才培养时注重跨学科能力与综合应用能力。
在人才培养计划中可以推行高校人工智能人才培养与传统工业企业平台结合的方式。企业自身人工智能技术探索研发的过程，对培养高精专人工智能人才是很好的教育。人工智能与不同行业的结合可以为企业提供不同的发展思路，有利于人工智能理论在垂直产业的实际应用落地。
【智东西内参|德勤深度：140亿元大蛋糕！制造业中的产业链】智东西认为，尽管中国是世界第一制造业大国和“世界工厂”，但中国制造业仍然处于国际分工中价值链相对低端的位置，面临着生产率增速下降、技术学习难度加大，人口红利消失，制造业外移和国际环境的外部冲击的根本性挑战。所以，制造业与人工智能的结合是中国从制造大国走向制造强国的重要一步，是中国直面国内国际挑战的重要超车机遇。

智东西内参|德勤深度：140亿元大蛋糕！制造业中的 产业链( 七 )

智东西内参|德勤深度：140亿元大蛋糕！制造业中的产业链( 七 )