2019年1月10日，由中国自动化学会牵头中国科学院自动化研究所、中华人民共和国工业和信息化部与中国人工智能产业发展联盟主办的2019国家智能产业峰会在山东青岛开会。峰会以“工业智联网：AI赋能，智联世界”为主题，目的使广大从业人员更佳地解读工业智联网本质，挖出工业智联网潜在能效，进而推展智能产业发展。中国工程院院士、中国自动化学会的副理事长桂卫华以“人工智能助力制造业升级”为主题同台公开发表了演说。

桂卫华教授主要融合有色金属的行业背景，谈及了人工智能助力制造业升级问题。桂卫华从习近平总书记对人工智能的命令谈到，谈及了国家对于人工智能的推崇，以及期待的发展方向。

精研主席关于人工智能的命令：一、人工智能是国家战略技术，重要性不言而喻。二、人工智能牵涉到到基础技术、系统等各个方面的研究，具备多学科交叉简单特征，要将其放到战略制高点的方位。三、人工智能技术要与一二三产业深度融合。四、人工智能技术要汇集人们生活。

五、要推展人工智能技术身体健康发展。基于技术的发展和市场需求的推展，人工智能科学技术发展现在又处在一个高潮上。

目前的发展方向分成两个方面：一个是了解人的大脑的脑科学方面；另一个是针对性应用于方面。从国内外研究指出，人工智能与生产过程的深度融合，是具备挑战性的。

但从将来来看，人工智能技术在应用于制造业方面，是有一点我们大力推展的。此前很多人工智能研究，并没很好考虑到怎么样与生产过程融合。

因此，桂卫华教授重点明确提出了知识型工作自动化这一概念。知识型工作自动化目前整个社会发展，知识型工作，在当代社会分工当中是占据压倒性的最重要定位，核心拒绝工作人员具备分析、辨别和决策能力。

2009年，美国帕罗奥多研究中心辩论关于知识型工作的未来。认为知识型工作自动化将沦为工业自动化革命后又一次革命。

2013年，全球研究院公布的未来发展2025，要求未来经济的12大政治宣传技术报告里专门谈及知识型工作自动化。报告认为，知识型工作自动化预计在2025年可带给5.2万亿至6.7万亿的极大经济效益。所以将其指出是驱动未来经济的颠覆性技术，但目前并没获得注目。2015年，涉及调查报告分析了当前的知识型工作，指出通过自动化方式的替代可以构建三到十倍的收益。

并且，知识型工作的科学知识程度对收益有潜在影响，科学知识越难，将来收益越高。传统知识型工作实质上，知识型工作自动化牵涉到的方面很广。

基础研究方面还包括提供科学知识回应、推理小说、进化、关联、重组等等。而这些研究工作，最重要的是融合场景和对象来研究自动化问题。

而严苛意义上，现在并没系统构建知识型工作的自动化。现代工业中间，机器在很多的方面早已代替或者正在代替体力劳动，但工厂中还有很多核心工作仍是由知识型工作者在已完成。这反映在运营、计划调度、管理决策三个层面：运营层面，主要是指工程师根据数据、经验对参数展开改动，发布命令命令。计划调度层面，主要是指调度员根据经验协商各部门，展开计划调度、决定和生产与制订。

管理决策层面，主要是指管理者指根据经验、市场信息和企业运营的情况来展开决策。传统知识型工作面对的挑战在这三个层面，核心工作是由知识型工作者已完成的知识型工作。随着社会的发展，由传统的人力已完成工作时，这些工作已面对着一些挑战。

第一个挑战是社会经常出现新的拒绝。随着社会发展，客户现在对企业明确提出了更高的拒绝，因此企业对生产过程要更加精细化。

而制造业由于生产过程的简单，很难准确建模。由于客户市场需求常常变化，拒绝模型维持灵活，以应付还包括原料和产品市场不确定性，因此拒绝企业展开信息化掌控。

第二个挑战是新的信息环境。云平台、移动计算出来、物联网、大数据等新技术、新的平台的经常出现使数据的种类和规模很快减少，知识型工作者面临海量信息深感无所适从。

以前的数据量有可能依赖一个人、一张表格就可以已完成工作，而现在很多数据往往个人几乎无法处置。第三个挑战在于如何利用好数据。

因为知识型工作已完成的质量，相当严重依赖个人的素质，并且个人工决策往往渐趋主观，具备不一致性，无法仅有流程平稳运营。同时，个人的经验、科学知识在推展、累积和承传等都面对艰难。师傅带徒弟是传统办法，但这种机制有利于人工智能的构建。所以，知识型工作自动化，跟原本的知识型工作还是有一定区别。

比如，原本人在专门从事知识型工作的时候不会不存在一些问题与严重不足，未来的知识型工作自动化不会通过机器展开填补。知识型工作自动化的案例桂卫华提及了一个原材料工业中冶炼厂原料订购的例子。

原材料工业企业当中，原料订购占有着企业大部分的资金。但很多规模相当大的企业，对产品的库存、订购企业的考虑到都是由人来做到的。

原料订购人员在订购过程中必须考虑到小到订购目标、费用、金属总量、原矿品位、杂质、上上限等问题，大到供求关系、市场情况、宏观经济政策等因素带给的影响。同时，还必须融合企业本身的能力，比如存储能力、财务状况等等，综合各方面，作出辨别、检验、决策。

这些过程几乎由知识型工作者去做到更容易产生很多简单问题，比如贪腐就是其中的问题之一。利用机器知识型自动化的办法来解决问题这个问题则比较简单，并且能有十分低程度的优化。知识型自动化不会如何已完成这项工作呢？桂卫华提及，当时，他们通过数据科学知识鼓舞模型把作为原料订购目标的一百多家矿山以品类的质量、范围展开基准，分为五大类。第一步，充份虑市场科学知识和企业生产科学知识，将原料订购目标的五大类展开检验、决策。

第二步，根据明确的供应商展开分析，评估已检验出有的每个类别。第三步，在检验的每一类里面决策出有适当的供应商，最后获得一个原始的企业订购。

意味着这一部分的内容，就可以为企业每年节约数千万的经费。人工智能赋能有色金属工业面对的问题绿色高效发展现在面对很多挑战性问题。

我国要构建绿色高效发展，要排在于世界，必需要利用人工智能技术。要推展有色金属工业的升级，构建绿色高效，人工智能是一个有力的抓手。而推展有色金属工业的升级、发展某种程度面对着许多挑战:1.适应环境有色金属行业的特点。

2.升级后的工业流程须要平稳运营问题。3.人工智能要赋能工业也须要已完成更进一步的升级。其中，企业需要平稳运营是尤为关键的环节。只有工业流程构建平稳运营，才能带给确实的效应。

桂卫华在最后特别强调，在增进人工智能身体健康发展时，一定要使得人工智能技术需要落地，需要解决问题。如果人工智能技术飘浮在空中而不落地，人工智能的发展不免再行起起伏伏。

本文来源：中欧体育-www.cjsb158.com