而目前的工業(yè)人工智能則是兩者結(jié)合。工業(yè)人工智能可以增強(qiáng)勞動(dòng)力素質(zhì)、提高工作效率更好地服務(wù)客戶，能使工業(yè)的各個(gè)環(huán)節(jié)產(chǎn)生變革，為先進(jìn)制造帶來新的希望。通過工業(yè)人工智能與數(shù)字設(shè)計(jì)相結(jié)合，將制造過程所需的信息無縫地結(jié)合到原材料到產(chǎn)品的轉(zhuǎn)換過程當(dāng)中，從而形成一個(gè)高度互聯(lián)的工業(yè)實(shí)體。通過一整套供應(yīng)鏈系統(tǒng)橫跨多個(gè)公司，智能制造能通過對缺陷和故障的檢測和糾正以確保產(chǎn)品質(zhì)量的一致性和可追溯。這些進(jìn)步取決于強(qiáng)大的工業(yè)互聯(lián)網(wǎng)創(chuàng)新和面向制造流程的機(jī)器學(xué)習(xí)算法，以及可在以信息為中心的一體化系統(tǒng)中即插即用的機(jī)床和控制系統(tǒng)。

　　而工業(yè)人工智能的難點(diǎn)在于：

　　1.多源異構(gòu)數(shù)據(jù)的機(jī)器學(xué)習(xí)

　　人工智能深度學(xué)習(xí)是基于完全標(biāo)注的大樣本靜態(tài)特性學(xué)習(xí)，而工業(yè)人工智能則需要對不完全、無標(biāo)注樣本的動(dòng)態(tài)特性進(jìn)行學(xué)習(xí)。

　　2.產(chǎn)品質(zhì)量、能耗以及運(yùn)行狀態(tài)的預(yù)測與追溯

　　原料轉(zhuǎn)化為產(chǎn)品的過程是物質(zhì)流、能源流、信息流交互作用的過程。反應(yīng)機(jī)理不清的物理化學(xué)過程，其動(dòng)態(tài)特性隨運(yùn)行過程變化。且不同生產(chǎn)批次之間的動(dòng)態(tài)特性不同，單頓能耗難以在線測量。

　　3.決策與控制過程集成優(yōu)化

　　制造過程中的智能決策接收到的是小數(shù)據(jù)，解決的是大任務(wù)。從信息感知層面，制造過程中的智能決策面臨著開放環(huán)境、信息不完全、規(guī)則不確定等難題。制造過程當(dāng)中難以建立決策仿真模型，同時(shí)最終決策需要權(quán)衡質(zhì)量、效率、消耗等多沖突目標(biāo)。

　　柴天佑指出，中國擁有一批國家級重點(diǎn)實(shí)驗(yàn)室和工業(yè)自動(dòng)化、信息化的學(xué)術(shù)帶頭人、研究骨干以及人才資源。目前已取得相應(yīng)的創(chuàng)新成果，由此孕育了一批先進(jìn)的高技術(shù)公司?！笆澜绻S”級別的制造業(yè)則為工業(yè)人工智能的研究提供了實(shí)驗(yàn)環(huán)境。隨著國家戰(zhàn)略和工業(yè)需求的推動(dòng)，我國的工業(yè)互聯(lián)網(wǎng)一定會良好發(fā)展。