2024年工业 AI应用现状与趋势调查

2024AI应用现状今天，随着技术的迅猛发展和创新，I技术逐渐开始融入到各种各样的工业场景当中，并逐步实现具体的应用落地。与此同时，越来越多的工业用户也认识到了I技术今后在工业领域将要起到的关键作用，并将相关的技术准备或培训等举措提上日程，试图抓住这波创新技术趋势带来的可观机遇。为了让各行各业的广大用户了解AI在工业领域的最新发展态势，更好地制定自身在AI方面的投资和应用策略，我们面向读者发起了以下这一针对工业AI发展现状的问卷调查，并对调研结果加以分析，希望为广大受众提AI本次调查共收回有效问卷共632份，参与调查的用户覆机械制造、电子制造、汽车制造、食品饮料、冶金、电力、石油、化工、新能源等行业，有行业最终用户（占56%、系统集成商（28%）和自动化供应商（16%，具有典型的样本分布。问题1.

问题2.A.B.C.E.F.3.您对于AIA.A.B.C.D.F.A.A.B.AIC.用过GPTD.可以看到，借助于今天信息时代的各种传播方式，工业界各个领域、各个岗位的从业人员都已经对工业A产生了关注的兴趣，并拥有了不同程度的了解。然而，真正会使用AI工具来进行分析和应用开发的人群仍然比例不高。当然我们相信，相对各行各业的社会大众人群而言，工业领域人士深入接触和使用AI工具的比例仍然是非常高的，这也让我们看到了工业AI未来发展的广阔前景。4.您关注AI

面对新兴的技术趋势，人们常常会产生一种“害怕错过（M，即FarfMising）的心态，这种心态会促使人们对新技术进行主动关注和研究。谈到关注AI的出发点，28.27%的受访者认为“AI将成为未来竞争的关键27%的受访者认为“AI将改变产业，必须有技术储备”。事实上，这两个选项具有类似的含义，它们均是受访者对AI技术抱有FOM心态的集中体现，这也是目前一种较为普遍的心态。与此同时，“从企业自身的技术规划”来聚焦AI的受访者占比则相对较低，也揭示了国内业界对待AI整体略显被动的心态。能够将AI和企业自身技术战略规划相结合，在5.您公司目前在AI相关技术研发应用方面的 A.B.AIC.AID.AIE.A.B.AIC.AID.AIE.AIAIF.521.94%受访者的企业已经在部分应用上对AI进行了验证,而AI进入实际现场应用阶段的受访者所在企8.02%AI团队并制定AI1%。从这一结果可以看到，I目前在工业领域的实际现场应用和规模化应用尚处于初始阶段。在此基础上，结合受访者对I的关注都是属于M阶段，显示出I在工业的应用在整体上仍属于前期了解阶段，并未进入实质性应用阶段。6.您公司目前在对AI应用最大的关注点在哪

6关于AI的应用场景，选择比例最高的“生产调度与排程实际上是一个约束条件下的效率最优问题。对于复杂产品、长流程生产而言，排程的准确度、精确度以及时间粒度，都决定了生产系统的效率。在大规模生产阶段，这个排程是很容易实现的；生产排程在今天变得越来越重要的原因，恰恰在于“产品变化”越来越频繁，生产的柔性要求与日俱增。位列其后的两个选项——“预测性维护”、“良率提升”，显然也与工厂对于运行效率和良品率的追求有关，这些仍然是制造业的基准性需求。其它较常见的需求还包括7.AI的主要障 A.B.C.D.E.F.G.H.A.AI/B.AIC.AID.AIE.F.AIG.H.F.F.G.H.J.任何企业投资研发一个技术应用，都会有清晰的回报需求。对I的投资是否有回报，在很多时候尚无法有效评估，这也是AI应用被阻碍的原因之一。同时，企业一旦缺乏I的应用基础，也很难专门为I方案进行数据准备，或进行数据治理的规划。“数据治理”本身就是一个随着大数据、信息化、I等技术的发展而被关注的话题。显然，大多数企业仍然缺乏对数据治理的基本概念，聚焦于人才、工具平台和数据安全等方面的担忧，同样是AI应用的阻碍之一。目前，最为紧俏的人才可能并非负责AI而可以在管理、AI应用、业务三者之间构建完整关联并制定AI战略的管理人才。因此，一旦将AI视为企业发展的驱动源或推进器之一，AI方面的工作。要厘清AI该如何发展，还需要引入专业的咨8.AI应用中的哪些

8AI的工业应用紧密相关，它们共同构成了解决品质、效率、语义规范、稳定与可靠、实时性问题是工业AI与商业这个问题，我们可以参考OPCUA作为一个广泛被工业应用的语义互操作规范，将其作为与AI集成方面的接口。然而，OPCUA其AI工具/平台间“简单”的接口也是我们需要考虑的问题。实时性、稳定性是与AI构成的应用架构——可持续运AI应用架构中，从实时的采集、分析、推理构成的工业AI闭环中，其架构流程应该是一个自动被AB.C.AB.C.D.总的来说，要解决这些问题并实现I的工业应用，需要制定规范和标准，建立匹配的接口和规范，并确保实时性和稳定性。这对于大型集团企业来说可能可行，但对于I企业和自动化企业来说，如何实现更为规范和标准的接口，如何自动构造I应用架构，如何确保其可持续运行等问题仍然需要我们进一步探索和研究。问题9.您认为工业需要什么样的AI，以匹配工业A.B.C.D.-E.F.G.H.9可以看到，大部分受访者认为，简单易用、适合工景的工具是工业所需的I关键点，这是符合常识的判断。毕竟，对于生产制造型企业来说，其核心在于自身的业务或产品和技术，而AI作为一种辅助工具，必须AI的应用带来障碍，因为如果要为企业配置I团队，请一批数据科学、机电相关的博士、专家来做这件事情，对大型企业来说可能比较难，更不用说大多数的中小型企业了。在工业AI应用中，对于数据采集的配置和定义（

能来自I/O、通信网络的配置、数据的清洗、标定、数据特征的定义、训练模型选择及其参数定义、评估、优化等流程中的“可视化”和“提示”，应该有一个能够自动构造、配置、优化的流程型工具，帮助非AI专业工程师进行AI对于自动化企业来说，可以在其系统配置AI的插件，以便与编程平台进行“耦合”，以实现I任务与控制任务之间的动态交互，或者依据人工确认，构成应用流。理与数据结合也是工业用户希望达到的应用场景。人机结合的目的是挖掘隐藏在人脑中的“经验这种非显性知识。人机的能力，同时结合机器本身的“算力”强项来发挥作用。与此同时，机理与数据结合也是工业AI比较看重的，出于工业对确定性和可解释性的需求，工业机理更能直观、准确地描述机械、电气、工艺之间的相互作用关系。然而，工业机理模型在准度（相关性的方向性）和对关系描述的精确性方面需要不断的迭代，这时候则需要I实现这种迭代。这些结合方式是符合AI在工业应用的实际情况和需求的。10.培养AIA.B.C.AID.E.F.G.A.A.B.C.D.AI在这个问题中，“对复杂系统问题的拆解与架构能力”1152.74%第二个选项“对AI工具和算法边界的理解”，这也是一

56.54%的受访者选择了与自动化公司合作。这可能与目前自动化企业都在积极推进AI战略，同时拥有较好数据源和对工业机理的理解有关。因此，受访者认为可以与自动化公司在原有的任务基础上进一步加强合作，以将自动化系统升级为更为智能的系统。对于大型企业，或者对于业务转型有清晰理解并已制定了清晰的I发展战略的企业来说，他们可能更倾向自建团队。然而对于那些意愿度不高的企业，可能与大学在工业I植根于大量的工业实践。为了不同任务而可选用的AI的方法、掌握同样是基本功。除此之外，“软件工程规范”和“与对客户价值理解”属于业务层面的能力，即对项目经理、产品经理的能力需求。他们需要能够规划整个项目，进度、质量控制，并能够完成自身业务目标或外部客户的应用需求。11.您计划如何实现未来的AI

AI方向可能并不适用于工业，这12.AI（GPT、各类大 C.E.E.F.12对于大模型的应用，大部分受访者认为它可作为辅个知识库，便于检索或用于客户服务。这是受访者对AI的一种普遍认知。至于其能否作为精准分析与预测服务的提供者，例如在预测性维护或质量预测等领域，仍存在一定的争议。与此同时，仍有大约十分之一的人认为它不适合工业应用，尽管这部分观点不能被忽视，但随着时间推移，一13.AI在工业领域得到广

有接近半数的人倾向于认为AI大规模应用将在接下来的3-5（TRL-TechnologyReadinessLevel）相关，在工业AI领域，该技术的成熟度尚未达到较高水平，仍处在初步阶段。因此，对中长期的应用预期是比较合理的。还有一部分人（31%）5-10年甚至更长远的未来，这部分人对于长期应用AI在工业领域抱有很高的期望。总的来说，人们对AI在工业领域的应用在本次问卷调查的模型设计和收敛过程中，得到了贝加莱工业自动化(中国)有限公司技术传播经理宋华振等专家、学者的支持和指导，在此特别表示感谢！我们衷心地希望，在未来关于工业AI的探讨和交流中，能够有更多业界的有识之士集智汇策，共同描绘出工业AI发展的A.1-3B.3-5C.5-10D.10AI实际工业应用场景的检验，始终是考验和磨砺新技术的一块“试金石”于方兴未艾的工业AI同样如此。在这里，我们尝试以一组采用AI技术对产品进行辅助检测的实际案例为引导，帮助您初探AI在工业领域的典型应用价值。提供柜体集成。在变频器上电前，需要进行线路检查，包括柜内器件核查、线缆插接检作人员在进行相关工作时，需要花费大量时

分为模型训练和AI推理应用两部分。首先，通在AI模型应用过程中，现场操作员接收到系统中需要进行变频器柜查线的工作请求通过平板电脑对现场进行视频拍摄系统会自动调用边缘侧(EW.服务器上的模型进行元器件识别。如果拍摄质量不佳系统会提差和漏查。现场操作人员希望通过应用AI技术，示操作人员重新拍摄。系统获得图像信息后

会自动判断接线结果是否合格并展示识别结果，明确指出操作员需要如何修改线缆接这一创新的工业AI单都有一定的定制性，采用按订单工程（ETO）施耐德电气部署的中压变频器柜AI视频智

自动解析、装配规划引导、装配检查和报告生成等功能。操作人员只需要通过平大幅减少了每台机器上电前的准备时间，提高了数据准确性，帮助工程师更快地完成装配作业。国内某橡胶厂一丁苯橡胶装置氨气制冷压缩机组为某进口品牌大型双螺杆制冷冰机。该机组采用容量调节滑阀和内容积比调节滑阀组合式的连续无级控制方式，原控制方式采用橇装单片机系统，其控制程序具有保密性、画面简单、功能不透明、问题诊断困难等问题，特别是大型双螺杆压缩机特有的内压缩过程内容积比控制技术，更是成为制约控制系统升级改造的一大瓶颈，国内同型号机组的多次改造尝试均未成功。面对这一挑战，中控技术团队针对客户的AI建模工具成功解锁了螺杆压缩机内容积比滑块控制的黑匣子”难题，实现了容量与内容积比双连续无级可调的大型复杂双螺杆压缩机控制技术

的突破，彻底解决了大型复杂螺杆压缩机就地控制盘的黑匣子与信息孤岛问题。在此次改造中，中控采用T9100压缩机控制系统替换了原厂家配套的单片机就地控制柜，满足了客户对于工厂关键机组运行安全性和稳定性的要求。改造后，系统控制策略清晰、算法透明，有助于客户理解和掌握螺杆压缩机的能量滑阀及内容积比滑块控制功能、调节原理。系统画面美观、功能全面，数据记录与历史趋势完备，提升了客户使用体验，并为机组运行异常原因分析提供了可靠手段。同时，专业控制算法与软件包还实现了螺杆压缩机组的全自动启停控制与高度自动化运行，实现了完全可视化、内却是难点问题，而破解这一难题的关键在于实现多变量、大滞后、强耦合系统控制。罗克韦尔智能加药投加系统将I与大数据、先进控

行实时调节，实现全厂药剂的精确投加，加药量的节省，能有效降低重金属对水的二次污染，保障百姓用水安全。该系统一改以往依赖人工经验的加药模式，实现无人化、安全、自动加药，同时大大提升水厂的数字化水平，并在制深度结合，在提升水质、提高产率、降低能耗、提升水质、提高产率、降低能耗、减少污染、

保障安全方面收效显著。以珠海水务集团唐家水厂为例，该水厂负责珠海城区供水，日供水12/日。作为中国首个采用罗克韦尔自动化智能加药投加系统Pavilion一改以往依赖人工经验的加药模式，实现无人化、MPC的自来水厂，唐家水厂出厂水浊度波动++先进控制的深度PavilionMPC可根据水质变化对加药量进

50%，余氯波动减少了45%，药物节20%以上。此外，受益于这一系统，加药混凝沉淀环节还实现了全自动加药，不需要任何人工介入也能正常工作。AI【西门子作为一家全球领先的自动化和数字化解决方案供应商，西门子已在工业AI领域耕耘超过50年。目前，西门子已经拥有多款应用I术的产品和方案，并在全球的一些工业场合得到了应用。2024年9月，西门子发布了工业时序数据基础模型。2024年4月，西门子在德国汉诺威展会上，展示了其全球第一款工业工程设计生成式AI产品IndustrialCopilot，目前这款工在中国，西门子本土研发了生成式人工智能产品SiePAXssistant和ChatGMC。SiePAAIXssistantAI能够与用户进行实时、自然的交互。无论是问题咨询、任务下达还是状态报告，都能实现快速响应和高效沟通，降低流程工业中用户对AI应用（即SiePA）的入门门槛，实现高效、便捷的设备资产管理。同时基于知识增强的LLM（Q-R-A框架，I助手Xssistant具备强化的上下文理解能力、任务解决能力和泛化能力，能够根据领域专业知为维修工程师生成实用且专业的解决方案。AIChatGMC，能够理解并回答用户提出的GMC相关产品和方案问题。通过对GMC专有知识库的学习，具备了提供高一致性和较高准确性的技术支持的能力。对于

不同客户提出的问题，ChatGMC都能基于统一的知识库和算法，尽可能提供专业准确的回答，从而确保客户体验的一致性，避免了SiePA是西门子基于AI&机理模型的设备预测性维护软件平台，融合工业AI与行业经验，以机器学习和自然语言处理等先进的人工智能技术为工具，内置常见工业设备模型、AI模型模版与检测维修措施，帮助企业固化相关经验，建立起一整套完整的预测性运维体系。充分利用工厂的历史数据，对在运行的设备进行状态评估并及时预测预警、智能SIMATICRobotPickAI是西门子一款基于深度学习的预训练视觉软件，适用于机器人分拣产品的相关应用领域。部署简单，开箱即用，它能够在运行时对任意物品的吸盘抓取点做出精确可靠的决策，无需额基于CAD的训练。该软件通过使用标准API的用户友好界面，无需额外的开发工作，6轴机器人和多种品牌的3D相机。并且可快速轻松的集成到SIMATICTIAPortal现成的模块化解决方案，使行业合作伙伴能够独立构建新一代高级分拣机器人系统，能够帮助客户提高相关流程的效率，实现成本节约。【施耐德电气

工艺AI优化：在油气化工领域，施耐德电气利用严格机理的数字孪生模型与强化学习应用相结合，帮助用户优化装置操作的标准操地了知识管理和生产质量检测两大AI应用场景。短装置瞬态操作时间，减少产品物料损失和能源消耗。在知识管理的AI应用场景当中，施耐德电气的LEXIUM18机器人应用了无监督学习，通过随机森林和聚类算法，对样本资料进行自动分析和归类，并建立在线知识库。在使用过程中，操作员只需在对话框中描述应用场景和现场参数，智能机器人便可自动匹配，并生成BOM从而实现快速配置，并助力操作员快速检索错误代码描述和处理方法。在生产质量检测的AI应用场景当中，施耐德电气的中压变频器柜AI视频智能检测应用可此外，施耐德电气针对不同行业用户的需求，通过融合机器视觉、设备根因分析、强化学AI应用场景：

AI智能报警分析：在化工和电力领域，施耐德电气的智能报警助手AI模块，可基于关联智能识别软PLC：在离散生产工厂，施耐德电气通过EcoStruxure开放自动化平台能够直接通过IT技术集成机器视觉算法，以软PLC控制多个设备，从而降低总体硬件成本，【和利时和1993年，是全球智能化系统

AI+大模型、AI+大数据、AI+机器视觉等应用模块。AI+大模型：通过AI+大模型，运用人工智能技术，实现自动问答、数据分析、自动化决策，提升智能化管理水平，为企业和用户终引领着国内工业自动化行业的技术发展方向，每年承担工程项目数千项，业务广泛涵盖炼化、新质生产力，依托和利时在AI技术方面的积

AI+大数据：通过AI+大数据，依托智能模型训练，实现工艺流程优化、故障预测AI+机器视觉：通过AI+机器视觉，融合智能视觉算法与控制技术，赋能DCS等方向不断布局，目前已形成了可为企业转型升级提供支持的HiaPlant数智N种行业，重构企业“未来核心力”。AI【罗克韦尔自动化动化技术和AIAIRockiiNet-Zero净零解决方案等。罗AI在制造业中的应用。FactoryTalk®Analytics™LogixAI®OT专业人员通SoftSensor®应用程序的开箱即用、无代码边缘机器学习功能，提升产品质量和产量。近期，罗克韦尔又宣布将生成式人工

和利时以科技力量助力用户实现高效生产、精益生产和智慧生产，用AI技术赋能，形成新质生产力，以用户价值为导向，使工(GenAI)规范性工单添加至Fiix资产风险预测器软件中，进而打造出旗下首款可完整罗克韦尔面向中国市场需求定制的RockiiNet-Zero净零解决方案，通过充分发挥AI潜能，可助力实现更加智能的节能优化分析与运行策略优化，进而达成更加精准且高效的能源管理。同时，罗克韦尔智能加药投(PavilionMPC)将AI与大数据、先进控制深度结合，在提升水质、提高产率、【中控技术依托在行业知识、数据积累、应用场景和专业算法等领域的优势，中控技术正加快向工业AI“AI+安全“AI+质“AI+“AI+效益”的智能化解决方案，探索工业AI创新发展之路。2024年6月，中控技术面向全球重磅推出软件定义、全数字化、云原生的新一代通用控制系统UCS（UniversalControlSystem）—Nyx，彻底颠覆了延续近50年的传统集散控制系统的技术架构。同时，Nyx深度融合了Al技术，充分实现数据预测和自适应控制等，大幅提升装置运行的效益，解放生产力。此外，中控技术推出的流程工【贝加莱贝加莱作为ABB机器人离散自动化业务20227月新建成的全球创新中心，就旨在聚焦于AI技术的研2016

TPT，成为工业数据价值挖掘最强有力的智能引擎。TPT是基于中控技术自研的生成式AI算法框架，以及不同行业训练而成。目前，TPT已经在氯碱、热电、石中控技术还重点投入了“AI+机器人”业20243月、8月分别发布了人形机器人整机领航者12号。未来。中控技术将不断强化在数字技术尤其是工业AI领域的产品技术创新能力，赋能全球流程工业用户的数智化转型和可持续发展。OS驱动系统、Codian机器人系统、OStrak和OSD的输送技术中，都将集成I来实现系统的自我优化，变得更为AutomationStudioCopilot版本中也将会融合生成式AI用于工程开2024OPCUAFX的研发，AIAI始开发基于LinuxPLC，以与智能技术代表的开源社区紧密融合。在其智能机器视觉中也与AI芯片厂商及机器视觉软件厂商合作，将深度学习技术融入到智能视觉（SmartCamera）的产品，并与控制与驱动系统形成整体的应用平

司Memind，彰显了贝加莱在I方面的投资决心。2023年，贝加莱的企业使命新定义为“智能自动化，更美好的未来”表明贝加莱将智能技术融入自动化，为产业带来更好未来的企业使命。【研华科技达的GPU技术形成了从AI加速模组、AI开发

行方案联合共创，例如研华携手创新奇智打造的AIoT边缘智能解决方案，实现了针对工厂锡渣回收场景的自动安全管控。除去与英AI伟达、英特尔、AMD等一直保持深度合作外，2023年，AI大模型浪潮来袭，研华布局英伟达GPUAI推理系统、边缘云解决方案以及AIBox边缘解决方案。当前，研华正积极打造全栈式AI产品体系，全面布局EdgeAI产品，并将这些产AI模组、AI板卡、AI边缘服务器、AI服务器，乃至行业解决方案进行了全面AI化，包括与生态伙【费斯托费斯托作为自动化元件供应商深耕自动化各行业多年，与客户语言相通，深刻了解客户的生产工艺流程、挑战和痛点。Festo推出的人工智能解决方案FestoAXFestoAutomationeXperience)将自动化和行业知识与人工智能和高级分析技术相结合，利用人工智能、物联网和边缘计算等技术，使FestoAX更加适配各种工业应用场景。FestoAX

研华还将与昇腾联合打造从模组、开发板到AI系统的全栈EdgeAI国产产品体系。2024年，研华正式对外公布了“Platform+Orchestration+Sector”企业战略，即以全面的硬件产品体系为基础，工业软件、AI融合为行业knowhow和行业服务载体，产业驱动为导向，最终提供更具行业独有价值的智能化解决方案，并将之作为研华面向当下人工智能时代制定的转型战略。期，费斯托还推出了FestoAX平台下的气动执行器预测性标准包，让客户可以自助式实现人工智能预测性维护。目前该软件包在汽车、机床、食品包装行业已获得广泛的使用。AI模型的引入进一步优化了客户在关键工艺段维护过程。较之前客户在关键工艺段采用的预防性维护，FestoAX基于过程数据的预测性维护方案真正做到了各元件的物尽其用。后续，费斯托还计划推出基于FestoAX平台的电动执行器的预测性维护标AVEVA

AVEVA在提供专用人工智能方面拥有超过18年的经验。AVEVA的人工智能解决方案建立在可信且安全专用人工智能，AVEVA在人工智能市场脱颖而例如，AVEVA工业人工智能助手结合了大型语言模型（LLM）、生成式人工智能（GenAI）和正在申请专利的人工智能技术来分析客户数据、发现问题并帮助解决问题。【东土科技

保一致性，并实现更快的结果和投资回报。A高级分析工具可以通过基于云的码功能，实现生产效率最大化，最大限度地减少浪费、优化能源使用并提供最佳工艺条件。EA视觉I助手可以通过实时摄像头反馈，进行I质量控制和异常检测，并采用深度学习来训练机器学习模型，并提高态势感知能力、设备正常运行时间并防止机器故障。A预测性资产优化则可以结合预测分析、实时模拟和优化，大幅降低运营风险。Intewell工业操作系统为智能控制系统提业AI控制器——NewPre3102智能控制器。东土科技工业AI控制系统的成功研发，不仅标志着工业AI领域的一个重大突破，也预示工业AI智能机器人控制系统基于东土科技NewPre3102智能控制器打造，此款控制器是国内首个实现工业AI的智能控制器，内嵌鸿道Intewell工业操作系统和MaVIEW业软件，通过AI大模型将人类自然语言指令转换成机器人的运动命令，由人类语言来控制机器人工作。这套控制系统基于Intewell工