智通財經APP獲悉，隨着人工智能(AI)技術的快速發展，越來越多的製造商開始將AI技術融入日常運營中，據微軟(MSFT.US)與MIT Technology Review Insights聯合進行的研究顯示，約35%的受訪製造商已將AI應用案例投入生產，而有64%的企業仍在研究或試驗AI技術。
研究表明，許多回答調查的高管計劃在未來兩年內大幅增加AI投資。目前還未在生產中啓動AI的企業正逐步推進此過程。調查樣本包括來自全球的300位高級執行官，這些執行官所在的組織年收入達到或超過1億美元。
接近60%的受訪高管預計在工程和設計方面的AI支出將增加10%或更多。還有43%的人計劃在工廠運營上保持相同的支出水平。
大型企業在集成AI方面領先
規模較大的公司在集成AI方面動作更快。雖然大多數主要製造商都計劃在某個時點將AI整合進其運營，但最大的公司在這方面取得了最多的進展。航空航天、汽車和電子製造商最有可能已經在生產中部署了應用案例。
在年收入100億美元以上的公司中，近80%已經部署了AI應用案例。這一數字對於年收入在10億至100億美元的公司來說降至38%，而對於年收入在1億至9.99億美元的公司，這一比例幾乎消失，只有2%至4%的公司部署了應用案例。
然而，即使是大多數規模較小的公司，仍在某種程度上研究或試驗AI。
施耐德電氣的首席AI官菲利普·蘭巴赫(Philippe Rambach)表示：“製造業對AI充滿期待，但實際上用AI進行規模化轉型的公司相對較少。”
小公司指出，人才和技能短缺阻礙了AI的進展。對於預算較緊的製造商來說，維護和改進AI模型的成本也成爲問題。
麻省理工學院工業表現中心執行主任本·阿姆斯特朗(Ben Armstrong)表示：“雖然我們在一些生產商中看到了AI的有限影響使用，但幾乎沒有證據顯示AI引領了轉型。我們很少看到製造商將AI技術的使用擴展到前臺以外的生產運營中。”
目前，製造商的主要AI應用案例在於產品設計、內容創建和聊天機器人。
微軟製造解決方案的首席技術官因德拉尼爾·希卡爾(Indranil Sircar)表示：“設計越來越多地在模擬環境中進行，這可以大大減少週期時間。設計工程正在變得更加以數據爲中心，AI通過模擬使其成爲可能。”
製造商還投入資源開發AI技術，以提高生產力和效率。
製造業AI應用面臨數據挑戰
研究發現，對多數製造商來說，擴展AI的最大挑戰是數據，因爲這個行業產生的數據量比其他行業要多，而且目前很多數據對AI模型來說還不適用。
爲了解決這個問題，57%的受訪者表示他們正在增加機器連接性。同樣比例的受訪者還表示，數據質量是整合AI到運營中的最大挑戰。
研究指出：“AI需要一定程度的數據成熟度。需要確定組織如何收集、存儲和處理數據，並採取具體措施來糾正弱點，然後才能將AI應用案例投入生產。”
如果沒有正確的數據基礎，規模化可能會停滯不前。受訪者明確表示，不足的數據質量(57%)、弱數據集成(54%)和弱治理(47%)阻礙了AI應用案例的開發。只有大約五分之一的受訪製造商擁有可用於現有AI模型的生產資產的數據。當製造商將應用案例投入生產時，這個數字會減少。製造商越大，不適合數據的問題就越大。
因此，必須解決碎片化問題，AI才能規模化。大多數製造商發現，一些數據架構、基礎設施和流程的現代化是支持AI以及其他技術和業務優先事項所必需的。改善工程和設計與工廠之間以及操作技術(OT)與信息技術(IT)之間數據系統的互操作性的現代化策略是一個合理的優先事項。
此外，在工程和設計以及工廠運營方面，製造商將人才和技能的缺乏視爲擴展AI應用案例的最大挑戰。應用案例越接近生產，這種缺陷的影響就越大。許多受訪者表示，不足的數據質量和治理也阻礙了應用案例的開發。在工程和設計中，對雲計算力量的不充分訪問是另一個常被提及的約束。