获悉，随着人工智能(AI)技术的快速发展，越来越多的制造商开始将AI技术融入日常运营中，据微软(MSFT.US)与MIT Technology Review Insights联合进行的研究显示，约35%的受访制造商已将AI应用案例投入生产，而有64%的企业仍在研究或试验AI技术。
研究表明，许多回答调查的高管计划在未来两年内大幅增加AI投资。目前还未在生产中启动AI的企业正逐步推进此过程。调查样本包括来自全球的300位高级执行官，这些执行官所在的组织年收入达到或超过1亿美元。
接近60%的受访高管预计在工程和设计方面的AI支出将增加10%或更多。还有43%的人计划在工厂运营上保持相同的支出水平。
大型企业在集成AI方面领先
规模较大的公司在集成AI方面动作更快。虽然大多数主要制造商都计划在某个时点将AI整合进其运营，但最大的公司在这方面取得了最多的进展。航空航天、汽车和电子制造商最有可能已经在生产中部署了应用案例。
在年收入100亿美元以上的公司中，近80%已经部署了AI应用案例。这一数字对于年收入在10亿至100亿美元的公司来说降至38%，而对于年收入在1亿至9.99亿美元的公司，这一比例几乎消失，只有2%至4%的公司部署了应用案例。
然而，即使是大多数规模较小的公司，仍在某种程度上研究或试验AI。
施耐德电气的首席AI官菲利普·兰巴赫(Philippe Rambach)表示：“制造业对AI充满期待，但实际上用AI进行规模化转型的公司相对较少。”
小公司指出，人才和技能短缺阻碍了AI的进展。对于预算较紧的制造商来说，维护和改进AI模型的成本也成为问题。
麻省理工学院工业表现中心执行主任本·阿姆斯特朗(Ben Armstrong)表示：“虽然我们在一些生产商中看到了AI的有限影响使用，但几乎没有证据显示AI引领了转型。我们很少看到制造商将AI技术的使用扩展到前台以外的生产运营中。”
目前，制造商的主要AI应用案例在于产品设计、内容创建和聊天机器人。
微软制造解决方案的首席技术官因德拉尼尔·希卡尔(Indranil Sircar)表示：“设计越来越多地在模拟环境中进行，这可以大大减少周期时间。设计工程正在变得更加以数据为中心，AI通过模拟使其成为可能。”
制造商还投入资源开发AI技术，以提高生产力和效率。
制造业AI应用面临数据挑战
研究发现，对多数制造商来说，扩展AI的最大挑战是数据，因为这个行业产生的数据量比其他行业要多，而且目前很多数据对AI模型来说还不适用。
为了解决这个问题，57%的受访者表示他们正在增加机器连接性。同样比例的受访者还表示，数据质量是整合AI到运营中的最大挑战。
研究指出：“AI需要一定程度的数据成熟度。需要确定组织如何收集、存储和处理数据，并采取具体措施来纠正弱点，然后才能将AI应用案例投入生产。”
如果没有正确的数据基础，规模化可能会停滞不前。受访者明确表示，不足的数据质量(57%)、弱数据集成(54%)和弱治理(47%)阻碍了AI应用案例的开发。只有大约五分之一的受访制造商拥有可用于现有AI模型的生产资产的数据。当制造商将应用案例投入生产时，这个数字会减少。制造商越大，不适合数据的问题就越大。
因此，必须解决碎片化问题，AI才能规模化。大多数制造商发现，一些数据架构、基础设施和流程的现代化是支持AI以及其他技术和业务优先事项所必需的。改善工程和设计与工厂之间以及操作技术(OT)与信息技术(IT)之间数据系统的互操作性的现代化策略是一个合理的优先事项。
此外，在工程和设计以及工厂运营方面，制造商将人才和技能的缺乏视为扩展AI应用案例的最大挑战。应用案例越接近生产，这种缺陷的影响就越大。许多受访者表示，不足的数据质量和治理也阻碍了应用案例的开发。在工程和设计中，对云计算力量的不充分访问是另一个常被提及的约束。