人工智能重塑產(chǎn)業(yè)的奇點臨近

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“互聯(lián)網(wǎng)+”，并對AI可能帶來的產(chǎn)業(yè)變革報以極大的信心。

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

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

制造到“智造”的躍遷

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

制造業(yè)的高質(zhì)量發(fā)展，向來是經(jīng)濟高質(zhì)量發(fā)展的重中之重。而人工智能蘊含的產(chǎn)業(yè)變革潛力，將促進制造向“智造”躍遷。將人工智能技術(shù)應用到制造業(yè)，可以使制造業(yè)在數(shù)字化和網(wǎng)絡化的基礎上，實現(xiàn)機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，分別是基礎層、技術(shù)平臺層、應用層，涉及AI芯片、工業(yè)機器人、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)和服務的各個環(huán)節(jié)創(chuàng)造價值。

目前，在制造業(yè)的多個環(huán)節(jié)，如產(chǎn)品設計、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)品設計環(huán)節(jié)通過AIGC完成工程設計中重復的低層次任務，或者通過AIGC生成衍生設計，為工程師提供靈感。在生產(chǎn)計劃策劃環(huán)節(jié)，則可以進行需求預測、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)、供應鏈建構(gòu)、產(chǎn)品價格等數(shù)據(jù)，做出更加準確的需求預測，從而使企業(yè)更好地安排生產(chǎn)計劃，降低庫存水平，降低運輸、倉儲、供應鏈管理成本；或者，在給定工單、可用資源、約束條件和公司目標多重條件下，生成最佳生產(chǎn)計劃。

在制造生產(chǎn)過程當中，則可以實時運行預測性設備維護、生產(chǎn)工藝優(yōu)化、智能化產(chǎn)品檢測、智能搬運等。通過挖掘和提煉生產(chǎn)中產(chǎn)生的海量信息，優(yōu)化設備運轉(zhuǎn)、工藝流程、提高檢測效率、提高自動化程度，減少設備損耗，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)實現(xiàn)精準營銷、快速響應的售后服務。

以被稱為“智能制造之眼”的機器視覺領域為例，它在制造業(yè)越發(fā)重要，Markets and Markets數(shù)據(jù)顯示，2021年全球機器視覺市場規(guī)模約為804億元，同比增長12.15%。GGII預計至2025年該市場規(guī)模將超過1200億元。它的四大核心驅(qū)動力是成像、算法、算力和應用。機器視覺算法與軟件的結(jié)合是機器視覺產(chǎn)業(yè)的根基，伴隨下游應用持續(xù)拓寬，亦對算力提出了更高要求。

而AI技術(shù)的發(fā)展，為機器視覺實現(xiàn)進一步智能化提供了必要技術(shù)支持。在AI的加持下，機器視覺迎來了底層技術(shù)的突破。從算法、技術(shù)到應用，AI技術(shù)極大程度賦能機器視覺在圖像模型上的智能化應用，優(yōu)化了圖像識別的復雜度及精度，實現(xiàn)萬物識別。例如，Meta公司發(fā)布了首個圖像分割基礎模型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別問題，SAM模型可應用于各種領域，用于查找和分割圖像中的任何對象。

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，是機器視覺領域的底層突破性技術(shù)。又如，基于全球市場需求持續(xù)增長而來的產(chǎn)能和質(zhì)量提升的訴求，催發(fā)了AI動力電池缺陷檢測解決方案的需求。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時缺陷檢測能力，即在圖像處理速度上實現(xiàn)單工序400FPS以上且達到零漏檢的目標。

為此，電池業(yè)巨頭寧德時代在電池產(chǎn)品制造工廠的每一條電池生產(chǎn)線上都部署了多個攝像頭，每秒鐘即可產(chǎn)生數(shù)百張圖片，而一個廠區(qū)至少有十幾條生產(chǎn)線，所以一個廠區(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，寧德時代引入了集成AI加速能力的英特爾至強可擴展平臺產(chǎn)品組合，構(gòu)建起了一套橫跨“云-邊-端”，融合計算機視覺（CV）、深度學習（DL）和機器學習（ML）技術(shù)的AI電池缺陷檢測方案。

除了機器視覺，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)加工程序進行插補運算，發(fā)出控制指令到伺服驅(qū)動系統(tǒng)，后者將控制指令放大，由伺服電機驅(qū)動機械按要求運動，位置測量系統(tǒng)檢測機械的運動位置或速度，并反饋到控制系統(tǒng)，來修正指令。它的底層是軟件算法，在應用層，數(shù)據(jù)交換、數(shù)據(jù)庫搭建、實時監(jiān)控等均可借助AI（主要是決策式AI）來實現(xiàn)，進而快速收集數(shù)據(jù)，進行決策分析。AI具備類神經(jīng)網(wǎng)絡可對硬件運行狀態(tài)實時跟蹤并反饋，從而對錯誤運行及時糾偏，保障系統(tǒng)穩(wěn)定運行。

目前，借助AI技術(shù)，國產(chǎn)數(shù)控系統(tǒng)正在加快縮小與國外先進技術(shù)的差距，國產(chǎn)化將加快推進。中泰證券認為，國家政策支持疊加頭部數(shù)控企業(yè)自身技術(shù)實力的提升，中高端通用型數(shù)控系統(tǒng)的國產(chǎn)化率持續(xù)提升，通過布局AI，國產(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土地、人力資源的依賴，轉(zhuǎn)而對知識技能型人才、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，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、整車裝配實現(xiàn)了數(shù)字裝備全鏈接，通過供應鏈一體化協(xié)同平臺，以點帶鏈、以鏈帶面，可以拉動上下游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、物高效協(xié)同的智能信息系統(tǒng)和高度模塊化、自動化、柔性化的智能裝備，可以使產(chǎn)品研發(fā)周期提升26%、運營成本下降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2.0投入使用后，設備維修響應時間縮短了10%-20%。

AI+醫(yī)療，叩響神秘領域的大門

在生物和醫(yī)療領域，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以驚人的速度和準確率做出蛋白質(zhì)結(jié)構(gòu)的預測之后，AI在生物醫(yī)療的各個層面開始發(fā)光發(fā)熱。

AlphaFold可以通過氨基酸序列預測蛋白質(zhì)的三維結(jié)構(gòu)，從結(jié)果來看，它能夠輕松達到與實驗相媲美的精度。根據(jù)DeepMind官網(wǎng)，最新的AlphaFold數(shù)據(jù)庫發(fā)布了超過2億個條目，提供了蛋白質(zhì)序列和注釋的標準存儲庫的廣泛覆蓋。Meta公司也加入了這個行列，并利用自己開發(fā)的大型語言模型算法ESMFold預測了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，研究者們開始采用AI來“設計”新的蛋白質(zhì)——創(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)設計軟件，在實際應用過程中，研究者會結(jié)合多種方法來實現(xiàn)最終的設計。雖然目前AI設計出來的蛋白質(zhì)結(jié)構(gòu)在驗證階段的表達和合成依然存在問題，但這種探索未知的神秘領域的嘗試依然帶來了無限的想象空間。

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

深度學習算法模型的訓練需要海量數(shù)據(jù)支撐，而醫(yī)學影像數(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等類型影像的識別分析最為成熟。在診斷時間方面AI模型的單視野圖像診斷用時明顯短于病理醫(yī)師。此外，人機交互醫(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)后導航和預后評估、面向醫(yī)療機構(gòu)及患者提供智能化解讀檢驗報告服務等。基于人工智能的臨床輔助決策，通過構(gòu)建自進化醫(yī)學知識庫，提供覆蓋診前、診中、診后的就醫(yī)全流程的解決方案，推動行業(yè)智能化發(fā)展。

在制藥領域，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”。中國科學院院士魏于全就提出，現(xiàn)在做一個創(chuàng)新藥一般要十幾年，花費幾億美元甚至幾十億美元，AI或許就是一個更快速、成本更低的方法。

不少人寄希望于人工智能來擺脫這個困境，但目前AI藥物研發(fā)仍然處于初級階段，藥物研發(fā)相關高質(zhì)量數(shù)據(jù)獲取門檻高，而且AI藥物研發(fā)中算法模型的精準度、計算速度、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)或苗頭化合物識別階段，距離真正的臨床應用還有很長的路需要走。

微軟旗下語音識別子公司Nuance Communications發(fā)布的AI臨床筆記軟件由GPT-4驅(qū)動，可幾秒鐘內(nèi)自動生成臨床筆記草稿，是醫(yī)療行業(yè)第一款結(jié)合GPT-4模型的應用。全球100多家醫(yī)療保健企業(yè)正在與NVIDIA就藥物設計模型Clara合作，通過不同AI生成分子，來完成蛋白質(zhì)生成、分子生成與對接等任務，甚至可以預測蛋白質(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)的生命信息中學習蛋白質(zhì)如何構(gòu)成和實現(xiàn)功能、如何相互作用、如何組合和調(diào)控細胞功能的關鍵規(guī)律。

智能駕駛，拐點將至？

2022年我國智能駕駛產(chǎn)業(yè)市場規(guī)模已達2894億元。據(jù)中國信通院預計，到2025年中國智能駕駛汽車市場規(guī)模將接近萬億元。中國智能網(wǎng)聯(lián)汽車產(chǎn)業(yè)創(chuàng)新聯(lián)盟副秘書長李曉龍認為，未來隨著城市級“車路云一體化”規(guī)模示范應用，2025年有望成為智能網(wǎng)聯(lián)汽車商業(yè)化應用的關鍵節(jié)點。

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)性的投資機會，產(chǎn)業(yè)鏈的多條細分賽道也均受到了市場的高度關注，各大機構(gòu)紛紛布局智能駕駛賽道，挖掘智能駕駛產(chǎn)業(yè)鏈的長期投資機會。

智能車輛是一個集環(huán)境感知、規(guī)劃決策、多等級輔助駕駛等功能于一體的綜合系統(tǒng)。人工智能技術(shù)支持智能汽車進一步升級，目前，AI技術(shù)在智能汽車方向主要應用于智能駕駛、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)通過機器視覺與智慧公路等技術(shù)使汽車具有自動駕駛能力，并通過不斷訓練感知，增強智能駕駛的安全性。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時路況，最優(yōu)駕駛路線以及緊急報警服務?？偟膩碚f，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。

2021年7月，特斯拉展示了基于BEV+Transformer（BEVFormer）的自動駕駛感知新范式。基于BEV+Transformer進行的視覺感知任務，可以實現(xiàn)將360度環(huán)視的時間、空間融合，并輸出靜態(tài)（車道線、紅綠燈、道路邊緣等）和動態(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、自動駕駛方案解決商推出相關量產(chǎn)方案，在城市場景的智能駕駛實現(xiàn)上，“重感知輕地圖”成為業(yè)內(nèi)共識的技術(shù)路線。

華為更是一腳踏入了智能駕駛的領域。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，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)?；ヂ?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扶搖直上、占得先機。