人工智能虽然如此火热，但技术要想产生更大的价值，必须要在行业中落地应用。
而制造业无疑是人工智能在行业中落地的最好选择。
最近两年，第四次工业革命成为全球制造业的焦点之一。
在人类历史上，第一次工业革命是随着蒸汽机驱动的机械制造设备的出现；第二次工业革命是基于劳动分工的，电力驱动的大规模生产；第三次工业革命是用电子和IT技术实现制造流程的进一步自动化。
如今，第四次工业革命来临。
第四次工业革命的核心其实就是智能制造。而这和人工智能无疑有着天然的结合点。
中国工程院院士、清华大学自动化系教授吴澄就曾表示，人工智能的发展，为智能制造的发展提供了巨大的推动力。比如80年代的智能制造注重专家系统，包括模糊计算、神经网络，但当时的神经网络只有单层或者两层的网络，如今，神经网络已经发展到152层以上的深度学习，在图像识别、翻译等方面接近了人类的水平。人工智能向着“计算机+人”的混合智能发展，人的回路向着计算机加网络的群体智能发展，大数据智能、跨媒体智能和大量的无人系统都在为智能制造的发展带来机遇。
百度创始人、CEO李彦宏也曾表示，人工智能影响最深的一个行业将是制造业。当人工智能时代到来的时候，物联网就会变成一个很大的市场，它会彻底地改变我们的制造业。
而经济学家、清华大学国家金融研究院院长朱民更是直言，中国制造业的未来，制造业2025取决于人工智能。
显然，传统制造业企业也意识到了这一点。
其中一些领先的工业企业已经开始在人工智能领域布局，踏上制造业和人工智能的融合之路。
GE就是其中的代表。
今年上半年，美国通用电气公司GE在柏林宣布，将成立一家人工智能公司，致力于利用数据分析、机器人和人工智能技术，为油气、运输和能源行业等提供先进的检测服务。目前，GE公司已经开始了对用于炼油厂、工厂、铁路以及其他工业设施检测的自主无人机和机器人“爬虫”的检测工作。
这已经不是GE第一次在人工智能领域发力了。
就在2016年11月时，GE对外宣布收购了两家高科技公司初创公司，以打造人工智能实力。通用电气表示，收购Bit Stew Systems和Wise.io两家公司的目的是拓展Predix平台，该平台适用于工业化互联网应用，连接着从电厂、飞机引擎到数据库和分析软件等大型机器。GE旗下的软件分支机构GE数码的首席执行官比尔·荣(Bill Ruh)在接受采访时说，Wise.io 公司的总部位于加利福尼亚州伯克利市，他们拥有先进的机器学习技术，GE认为它“非常适宜应用于工业世界”。
不过，将人工智能应用于工业领域，还面临很多挑战和困难。
1、工业数据经常是不准确的
要想机器学习正常工作，就需要大量的数据。这个问题在消费级市场并不难。因为，消费级的数据很难被误读，比如，你买了一个披萨或者点了一下广告，那么你的数据就是披萨和广告的信息。可是，在工业领域则完全不同。以工业互联网为例，其所产生的40%的数据是有争议的，而且这些数据没有任何用处。
举个例子，当你使用联合收割机的时候，你必须计算联合收割机要钻多深，并且你需要将湿度传感器插到地面进行测量。此外，你的读数可能会受到各种条件的影响，比如极端温度、人为意外、硬件故障，甚至一只小虫无意间进入到了设备之中也会造成不小的影响。
如何解决这一问题，对于人工智能在工业领域的应用至关重要。
2、工业人工智能需要在终端运行，而不是云端
我们知道，消费级数据通常是由看起来拥有无限容量的云计算集中处理的。亚马逊（Amazon）可以奢侈地用他们的时间来大数据跟踪你的浏览和购买记录，并且向你展示新的推荐。
而且，在消费级市场，对于预测准确性的要求并是那么严格。即便你预测错了，也只是被消费者骂几句而已。
但在工业领域，则完全不同。任何一次错误，都有可能造成几百万、几千万元的经济损失，甚至会对人的生命带来致命威胁。
在这种情况下，工业级的功能就不可能放在云端运行，必须在本地实现，也就是在我们所说的“终端”。
比如，在千里之外的深海石油钻井平台上，有一个名为提升管的设备，一种将油从海底油井运送到地面设备的导管。如果提升管出现了某个问题，好几个夹具必须立即响应关闭阀门。那些管理夹具执行器的复杂软件必须能够追踪实时的温度和压力才行。因为，一旦出现错误，造成的后果将是十分可怕的，任何错误都可能是一场灾难。
因此，在工业领域应用人工智能，远比消费级领域复杂的多，挑战也更加艰巨。
上述两个问题只是诸多挑战的代表。如果你真正深入到人工智能和制造业的融合应用中，你会发现困难重重。
显然，要解决这些问题，单靠一两家企业的力量是很难实现的。因此，强强联手或许是一个更好的选择。
今年4月，瑞士ABB集团和美国IBM公司在德国汉诺威工业博览会上对外宣布，双方将联合开发高端工业人工智能，把ABB的数字化解决方案和IBM“沃森”物联网相结合，为用户提供应对工业领域各项重大挑战的全新解决方案，如加强质量控制、减少故障停工时间、提升工业流程速度和产量等。
新解决方案的应用之一是将实时认知分析嵌入工业产品检测流程，从而实现质量控制自动化。ABB的系统负责捕获实时产品图像，通过IBM的物联网认知计算技术进行分析，从而迅速识别不合格产品。
据悉，该解决方案可在产品部件组装流程中向生产者提醒一些人眼无法识别的关键故障，使质量控制专家快速介入。这在提高生产线产量的同时，还可提升生产准确性和产品一致性，从而帮助厂家避免昂贵的产品召回和信誉损失。
在智能电网领域，新解决方案可通过提取历史和天气数据，预测电力供应侧及需求侧的模式，帮助客户优化运营并维护智能电网。气温、光照和风速预报将会被用于预测电力消费需求，帮助客户决定最佳电力负荷管理及实时电价。
这种合作的效果如何，目前还不得而知，不过可以预见的是，未来这种类似的合作会越来越多。
例如，在国内，腾讯就已经和三一重工展开合作。
据悉，三一重工与腾讯云合作的“根云”工业互联网平台，主要为本土制造企业提供端到端的物联网解决方案。其中，腾讯云主要提供底层云计算基础架构能力，如IaaS、PaaS层的大数据存储和运算能力，可快速提升机器运行效率，并将物联网技术与工业生产力相结合，具有很强的广泛适用性。
“三一重工通过于腾讯云的云计算能力相结合，把分布全球的30万台设备接入平台，实时采集近1万个运行参数，利用云计算和大数据，远程管理庞大设备群的运行状况，不仅实现了故障维修2小时内到现场、24小时内完成，还大大减轻了备件的库存压力。”腾讯公司董事长兼首席执行官马化腾在2017中国“互联网+”数字经济峰会上如是说道。
人工智能和制造业的融合是必然的趋势。
虽然，现在只是刚刚开始，参与者却个个重量十足。而且，每个参与者也都有自己的杀手锏。
传统工业企业、IT巨头、互联网新贵，在这场人工智能市场未来十年最重要的战争中，究竟谁能笑到最后？
