如果說，2023年有什么行業以肉眼可見的速度影響著我們的生活，那么答案非“人工智能”莫屬。

從2022年底一直火爆到今年夏天的生成式人工智能，還有汽車廠商“卷”起來的智能駕駛，以及藥物智能研發、機器人……人工智能產業的熱度絲毫未減，并且開始滲透其他各行各業。有不少人已經將“AI+”視為下一個“互聯網+”，并對AI可能帶來的產業變革報以極大的信心。

對于各行各業來說，AI賦能產業發展已成為主流趨勢。根據艾瑞咨詢數據，2022年我國AI產業規模達到1958億元，產品形態和應用邊界不斷拓寬。

上一個產業爆發熱潮，的確是在互聯網領域產生的。如今的人工智能產業又能否重現彼時的盛況？又能不能給更多人帶來“一飛沖天”的發展機遇呢？

制造到“智造”的躍遷

9月20日，2023世界制造業大會在合肥開幕。值得注意的是，今年的大會，首次設立了數字化轉型展區，“世界燈塔工廠”“國家級智能工廠”示范場景、AI大模型成了大會的亮點。

制造業的高質量發展，向來是經濟高質量發展的重中之重。而人工智能蘊含的產業變革潛力，將促進制造向“智造”躍遷。將人工智能技術應用到制造業，可以使制造業在數字化和網絡化的基礎上，實現機器的自主反饋和自主優化。

根據中泰證券的分析，Al+制造業的產業結構包括三層，分別是基礎層、技術平臺層、應用層，涉及AI芯片、工業機器人、工業物聯網等軟硬件資源，公有制造云、制造業大數據、制造業AI算法，和利用Al技術在制造業生產和服務的各個環節創造價值。

目前，在制造業的多個環節，如產品設計、生產、銷售、售后等過程中，人工智能均有滲透且成熟度不斷提升。例如，在產品設計環節通過AIGC完成工程設計中重復的低層次任務，或者通過AIGC生成衍生設計，為工程師提供靈感。在生產計劃策劃環節，則可以進行需求預測、智能排產。例如，用AI分析不同數據，包括銷售歷史數據、供應鏈建構、產品價格等數據，做出更加準確的需求預測，從而使企業更好地安排生產計劃，降低庫存水平，降低運輸、倉儲、供應鏈管理成本；或者，在給定工單、可用資源、約束條件和公司目標多重條件下，生成最佳生產計劃。

在制造生產過程當中，則可以實時運行預測性設備維護、生產工藝優化、智能化產品檢測、智能搬運等。通過挖掘和提煉生產中產生的海量信息，優化設備運轉、工藝流程、提高檢測效率、提高自動化程度，減少設備損耗，提高生產效率。此外，在銷售和售后環節，利用Al技術實現精準營銷、快速響應的售后服務。

以被稱為“智能制造之眼”的機器視覺領域為例，它在制造業越發重要，Markets and Markets數據顯示，2021年全球機器視覺市場規模約為804億元，同比增長12.15%。GGII預計至2025年該市場規模將超過1200億元。它的四大核心驅動力是成像、算法、算力和應用。機器視覺算法與軟件的結合是機器視覺產業的根基，伴隨下游應用持續拓寬，亦對算力提出了更高要求。

而AI技術的發展，為機器視覺實現進一步智能化提供了必要技術支持。在AI的加持下，機器視覺迎來了底層技術的突破。從算法、技術到應用，AI技術極大程度賦能機器視覺在圖像模型上的智能化應用，優化了圖像識別的復雜度及精度，實現萬物識別。例如，Meta公司發布了首個圖像分割基礎模型SAM（Segment Anything Model，分割一切），底層以NLP模型的通用方式解決圖像分割和識別問題，SAM模型可應用于各種領域，用于查找和分割圖像中的任何對象。

分割技術是圖像處理的底層技術，Meta以NLP的通用模型，極大地降低了圖像處理的門檻，是機器視覺領域的底層突破性技術。又如，基于全球市場需求持續增長而來的產能和質量提升的訴求，催發了AI動力電池缺陷檢測解決方案的需求。這樣的解決方案既要能滿足總部逐層管控的要求，還需要具備更高效的實時缺陷檢測能力，即在圖像處理速度上實現單工序400FPS以上且達到零漏檢的目標。

為此，電池業巨頭寧德時代在電池產品制造工廠的每一條電池生產線上都部署了多個攝像頭，每秒鐘即可產生數百張圖片，而一個廠區至少有十幾條生產線，所以一個廠區每一秒就有幾千張甚至上萬張圖片產生。為了處理這些海量的圖片，寧德時代引入了集成AI加速能力的英特爾至強可擴展平臺產品組合，構建起了一套橫跨“云-邊-端”，融合計算機視覺（CV）、深度學習（DL）和機器學習（ML）技術的AI電池缺陷檢測方案。

除了機器視覺，數控系統也是制造業與AI融合日益加深的一個很好的例子。數控系統可以控制裝置根據加工程序進行插補運算，發出控制指令到伺服驅動系統，后者將控制指令放大，由伺服電機驅動機械按要求運動，位置測量系統檢測機械的運動位置或速度，并反饋到控制系統，來修正指令。它的底層是軟件算法，在應用層，數據交換、數據庫搭建、實時監控等均可借助AI（主要是決策式AI）來實現，進而快速收集數據，進行決策分析。AI具備類神經網絡可對硬件運行狀態實時跟蹤并反饋，從而對錯誤運行及時糾偏，保障系統穩定運行。

目前，借助AI技術，國產數控系統正在加快縮小與國外先進技術的差距，國產化將加快推進。中泰證券認為，國家政策支持疊加頭部數控企業自身技術實力的提升，中高端通用型數控系統的國產化率持續提升，通過布局AI，國產數控系統有望在高速、高精、高穩定性等方面縮短與國際頂尖數控系統企業的差距。

人工智能可以幫助工廠們擺脫對土地、人力資源的依賴，轉而對知識技能型人才、金融、產業鏈生態產生高黏性。智能化、數字化轉型逐漸成為制造業的必選項，智能制造帶來的躍遷式變革成果也顯而易見。

上汽乘用車臨港工廠，得益于焊接、涂裝、整車裝配實現了數字裝備全鏈接，通過供應鏈一體化協同平臺，以點帶鏈、以鏈帶面，可以拉動上下游1100多家零部件企業配套協同生產；安波福中央電氣自主創新的研、產、供、銷、人、財、物高效協同的智能信息系統和高度模塊化、自動化、柔性化的智能裝備，可以使產品研發周期提升26%、運營成本下降30%。中科云谷總經理助理石恒則向媒體介紹，中科云谷基于人工智能的工業互聯網平臺2.0投入使用后，設備維修響應時間縮短了10%-20%。

AI+醫療，叩響神秘領域的大門

在生物和醫療領域，人工智能早已成為業界冉冉的新星，被寄托了厚望。自DeepMind的AlphaFold2以驚人的速度和準確率做出蛋白質結構的預測之后，AI在生物醫療的各個層面開始發光發熱。

AlphaFold可以通過氨基酸序列預測蛋白質的三維結構，從結果來看，它能夠輕松達到與實驗相媲美的精度。根據DeepMind官網，最新的AlphaFold數據庫發布了超過2億個條目，提供了蛋白質序列和注釋的標準存儲庫的廣泛覆蓋。Meta公司也加入了這個行列，并利用自己開發的大型語言模型算法ESMFold預測了6.17億種來自宏基因組信息的微生物蛋白質結構。

受到這些成果的激勵，研究者們開始采用AI來“設計”新的蛋白質——創造出一種能夠滿足人類需求的、在自然界并不存在的蛋白質。目前已經出現了數種蛋白質設計軟件，在實際應用過程中，研究者會結合多種方法來實現最終的設計。雖然目前AI設計出來的蛋白質結構在驗證階段的表達和合成依然存在問題，但這種探索未知的神秘領域的嘗試依然帶來了無限的想象空間。

在臨床領域，醫學影像分析和輔助診斷過程，AI的影子已經隨處可見。

深度學習算法模型的訓練需要海量數據支撐，而醫學影像數據密集，這給了人工智能技術巨大的用武之地，而其中又以X光、CT等類型影像的識別分析最為成熟。在診斷時間方面AI模型的單視野圖像診斷用時明顯短于病理醫師。此外，人機交互醫療信息技術系統中，AI可以輔助衛生從業人員提供臨床決策。通過數據、模型等輔助完成臨床決策，為醫生和其他衛生從業人員提供決策支持。具體包括治療方案輔助決策、術前規劃、術后導航和預后評估、面向醫療機構及患者提供智能化解讀檢驗報告服務等。基于人工智能的臨床輔助決策，通過構建自進化醫學知識庫，提供覆蓋診前、診中、診后的就醫全流程的解決方案，推動行業智能化發展。

在制藥領域，一款創新藥從研發到上市，平均成本超過10億美元，研發周期大于10年，這被稱為“雙十困境”。中國科學院院士魏于全就提出，現在做一個創新藥一般要十幾年，花費幾億美元甚至幾十億美元，AI或許就是一個更快速、成本更低的方法。

不少人寄希望于人工智能來擺脫這個困境，但目前AI藥物研發仍然處于初級階段，藥物研發相關高質量數據獲取門檻高，而且AI藥物研發中算法模型的精準度、計算速度、模型體量、泛化性能各有不同，專業人才也十分稀缺，目前專研AI新藥研發的企業，其成果也都集中在藥物發現或苗頭化合物識別階段，距離真正的臨床應用還有很長的路需要走。

微軟旗下語音識別子公司Nuance Communications發布的AI臨床筆記軟件由GPT-4驅動，可幾秒鐘內自動生成臨床筆記草稿，是醫療行業第一款結合GPT-4模型的應用。全球100多家醫療保健企業正在與NVIDIA就藥物設計模型Clara合作，通過不同AI生成分子，來完成蛋白質生成、分子生成與對接等任務，甚至可以預測蛋白質和分子的三維相互作用，從而優化藥物在體內的作用方式。百圖生科AIGP平臺也提供多種蛋白質生成能力，構建了千億參數的跨模態大模型“xTrimo”，該大模型從跨物種、跨模態的生命信息中學習蛋白質如何構成和實現功能、如何相互作用、如何組合和調控細胞功能的關鍵規律。

智能駕駛，拐點將至？

2022年我國智能駕駛產業市場規模已達2894億元。據中國信通院預計，到2025年中國智能駕駛汽車市場規模將接近萬億元。中國智能網聯汽車產業創新聯盟副秘書長李曉龍認為，未來隨著城市級“車路云一體化”規模示范應用，2025年有望成為智能網聯汽車商業化應用的關鍵節點。

隨著智能駕駛產業的高速發展，生態的逐漸構建，產業發展帶來了系統性的投資機會，產業鏈的多條細分賽道也均受到了市場的高度關注，各大機構紛紛布局智能駕駛賽道，挖掘智能駕駛產業鏈的長期投資機會。

智能車輛是一個集環境感知、規劃決策、多等級輔助駕駛等功能于一體的綜合系統。人工智能技術支持智能汽車進一步升級，目前，AI技術在智能汽車方向主要應用于智能駕駛、智能座艙、車聯網等方面。在智能駕駛方面，人工智能技術通過機器視覺與智慧公路等技術使汽車具有自動駕駛能力，并通過不斷訓練感知，增強智能駕駛的安全性。在智能座艙方面，人工智能大模型通過感知算法與記憶算法檢測車艙內外環境、駕駛員狀態、情緒、偏好等內容來保證駕駛的安全與舒適。在車聯網方面，人工智能通過數據收集與處理，一方面為廠商測試汽車性能，汽車統一調控等提供便利，另一方面為客戶端提供實時路況，最優駕駛路線以及緊急報警服務。總的來說，AI技術顛覆了傳統行車模式，在駕駛過程中兼顧安全、便捷、舒適三大優勢。

2021年7月，特斯拉展示了基于BEV+Transformer（BEVFormer）的自動駕駛感知新范式。基于BEV+Transformer進行的視覺感知任務，可以實現將360度環視的時間、空間融合，并輸出靜態（車道線、紅綠燈、道路邊緣等）和動態（行人、兩輪車、汽車等）信息，使得依靠純視覺也可以得到準確三維世界信息。自特斯拉提出BEVTransformer技術范式后，理想、蔚來、小鵬、小馬智行、百度等多家主流車企、自動駕駛方案解決商推出相關量產方案，在城市場景的智能駕駛實現上，“重感知輕地圖”成為業內共識的技術路線。

華為更是一腳踏入了智能駕駛的領域。據華為官方介紹，其高階智能駕駛系統ADS2.0（全稱Advanced Driving System）能進一步提升高速、城區和泊車環節的感知、判斷、決策、執行能力。通過多傳感器融合的感知，ADS2.0能夠有效識別側翻車輛、落石等異形障礙物，并減速剎停。近日有消息稱，ADS2.0無圖版智能輔助駕駛今年年底將在全國所有城市開通。

人工智能產業與互聯網產業的相同點，在于都充滿了令人興奮和向往的革新性；但它們最大的不同，可能就體現在與“舊”產業的深度融合上。

互聯網行業更多地催生了新產業、新業態和新的商業模式，而人工智能或許能夠更深入地改造乃至革命既有的一些產業。互聯網出現以后，制造業依然是制造業，汽車依然是載人載貨的工具，醫療健康仍然需要醫生來診斷。但人工智能出現后，過往的經驗或許將失去效果。

那些具備更大的改造潛力的“舊”產業，或許能夠乘著這股東風扶搖直上、占得先機。