感慨于AI的聲勢(shì)浩大，千軍萬(wàn)馬進(jìn)工業(yè)，希望復(fù)制其巨大的商業(yè)積累，然而，工業(yè)AI與商業(yè)仍然大的不同，缺乏對(duì)工業(yè)的了解，會(huì)遇到很多坑，工業(yè)AI往往是在有具體的物理對(duì)象的機(jī)器或系統(tǒng)上運(yùn)行，這與很多純軟件形式的語(yǔ)音、圖像類的識(shí)別的商業(yè)AI還是有比較大的差別，物理對(duì)象是否能夠如你所愿的執(zhí)行或反饋，那本來(lái)就依賴于其自身的機(jī)理模型，包括一些不確定的、干擾因素會(huì)導(dǎo)致的潛在問(wèn)題，都是工業(yè)AI無(wú)法像商業(yè)AI那樣對(duì)待的原因。由于工業(yè)AI場(chǎng)景中物理對(duì)象的存在使得其本身在數(shù)據(jù)采集、特征提取、模型訓(xùn)練、部署等方面存在著較大的困難，因此，必須冷靜的看待AI在工業(yè)的發(fā)展，才能厘清問(wèn)題，讓我們避開(kāi)那些坑，并且知道該如何看待AI的工業(yè)發(fā)展，不僅是技術(shù)，在企業(yè)認(rèn)知、人才培養(yǎng)等多個(gè)方面都需要予以考慮，才能系統(tǒng)的發(fā)展工業(yè)AI的應(yīng)用。

1.工業(yè)AI與商業(yè)AI的差異

工業(yè)數(shù)據(jù)與商業(yè)數(shù)據(jù)仍然是有較大的差別，這主要體現(xiàn)在以下幾個(gè)方面：

 

比較項(xiàng)	商業(yè)數(shù)據(jù)	工業(yè)數(shù)據(jù)
數(shù)據(jù)特點(diǎn)	追求數(shù)據(jù)量大	追求對(duì)問(wèn)題的還原性
質(zhì)量需求	用于較為模糊的計(jì)算，質(zhì)量要求不高	數(shù)據(jù)要求極高，需清洗
用途	關(guān)聯(lián)性分析	尋求模型基礎(chǔ)上的關(guān)聯(lián)性
結(jié)果	準(zhǔn)確性要求低	高容錯(cuò)率
數(shù)據(jù)類型	非實(shí)時(shí)數(shù)據(jù)	實(shí)時(shí)數(shù)據(jù)
可解釋性	低可解釋性	高可解釋性
數(shù)據(jù)源	聲音、視頻、文本、圖像圖片	電流、電壓、振動(dòng)、能源…
安全性	信息安全（Security）需求	信息安全+功能安全性（Safety）
可靠性	低	高可靠性
準(zhǔn)確性	低	高精度需求：控制精度要求
魯棒性	低	高魯棒性需求：

綜上所述，工業(yè)AI與商業(yè)AI相比，還是有很多難度的，但是，而驅(qū)動(dòng)工業(yè)AI發(fā)展的因素也在于AI芯片、軟件方面的成本下降，工業(yè)AI本身是有需求的，只是受制于工業(yè)領(lǐng)域的市場(chǎng)容量，在商業(yè)的芯片與軟件不能降低到合理的成本時(shí)，工業(yè)AI就無(wú)法真正崛起，發(fā)揮其價(jià)值。

可解釋性在于用戶對(duì)于“機(jī)器”進(jìn)行決策背后的原因需要建立“信任”，而很多AI算法卻是一種“黑盒”機(jī)制，使得其不具有透明性，這使得很難被接受，因?yàn)?ldquo;風(fēng)險(xiǎn)”仍然是存在的，如果商業(yè)AI需要90%準(zhǔn)確性，那么工業(yè)需要的99.99%的準(zhǔn)確，而這個(gè)潛在的“不可解釋”使得模型的信任度降低。

安全性：如果用戶要求供應(yīng)商一起承擔(dān)因?yàn)榧夹g(shù)所需承擔(dān)的潛在安全風(fēng)險(xiǎn)—這無(wú)論對(duì)工業(yè)還是商業(yè)來(lái)說(shuō)都是一個(gè)風(fēng)險(xiǎn)，因?yàn)?，你可能是賺的面粉的錢，操著白粉的心，這你也不敢接受吧？但是，客戶不管這么多，你說(shuō)你的系統(tǒng)很好，但是，如果出現(xiàn)了安全事故—那我是不是要找你呢？或者，你愿意承擔(dān)這個(gè)風(fēng)險(xiǎn)，我才能接受這個(gè)產(chǎn)品。

2.模型驅(qū)動(dòng)與數(shù)據(jù)驅(qū)動(dòng)的優(yōu)缺點(diǎn)

數(shù)據(jù)驅(qū)動(dòng)與模型驅(qū)動(dòng)的優(yōu)缺點(diǎn)分析，傳統(tǒng)的工業(yè)生產(chǎn)通常是基于物理或化學(xué)的已有機(jī)理建模，并經(jīng)過(guò)上百年大量生產(chǎn)的測(cè)試驗(yàn)證，那么具有一定的成熟性，但是，由于考慮更多是經(jīng)濟(jì)性，因此做了非常多的線性化、安全值設(shè)定，使得其仍然有挖掘的潛力空間，另一方面，由于模型驅(qū)動(dòng)往往需要非常專業(yè)的人經(jīng)過(guò)大量的時(shí)間進(jìn)行積累，這個(gè)過(guò)程本身的成本也是非常高的，只是在很多年中進(jìn)行了分布，似乎成本很低，而數(shù)據(jù)驅(qū)動(dòng)的方式，在于發(fā)現(xiàn)新的模型—那些在傳統(tǒng)的機(jī)理方法中無(wú)法進(jìn)行挖掘的模型，數(shù)據(jù)驅(qū)動(dòng)的對(duì)于數(shù)據(jù)是饑渴的，而這不依賴于人的經(jīng)驗(yàn)和大量的積累，就像通過(guò)數(shù)據(jù)進(jìn)行預(yù)測(cè)性維護(hù)，可以在短時(shí)間積累大量的數(shù)據(jù)，并挖掘出導(dǎo)致質(zhì)量問(wèn)題的相關(guān)性分析，而這在過(guò)去可能需要數(shù)年、數(shù)十年的積累。

比較項(xiàng)	模型驅(qū)動(dòng)	數(shù)據(jù)驅(qū)動(dòng)
復(fù)雜性	復(fù)雜-機(jī)電軟一體化融合	依靠數(shù)據(jù)學(xué)習(xí)
數(shù)據(jù)需求	小數(shù)據(jù)驗(yàn)證接近于大數(shù)據(jù)分析	大數(shù)據(jù)
領(lǐng)域知識(shí)需求	高	低
成本	高	低
經(jīng)驗(yàn)	高	中

 

比較有效的方法當(dāng)然是數(shù)據(jù)與模型驅(qū)動(dòng)相互結(jié)合，在模型基礎(chǔ)上構(gòu)建學(xué)習(xí)的過(guò)程，進(jìn)而來(lái)優(yōu)化模型，而相輔相成，才能各自發(fā)揮其優(yōu)勢(shì)，機(jī)理模型的人不愿意嘗試數(shù)據(jù)驅(qū)動(dòng)的模型，而認(rèn)為學(xué)習(xí)的人不懂工藝。

3.工業(yè)AI場(chǎng)景

3.1流程工業(yè)與離散工業(yè)的不同

工業(yè)按照生產(chǎn)的連續(xù)性、控制對(duì)象大致分為流程與離散制造業(yè)，離散制造業(yè)主要以機(jī)器與產(chǎn)線的控制為主，例如食品飲料、塑料、電子、造船等工業(yè)，而流程工業(yè)從產(chǎn)業(yè)來(lái)說(shuō)更傾向于連續(xù)型的過(guò)程生產(chǎn)，如石化、制藥、冶金等。

	機(jī)器控制	流程控制
加工任務(wù)	物理	化學(xué)反應(yīng)
參數(shù)	速度、扭矩、位置	溫度、壓力、液位、流量
循環(huán)周期	μS/mS	10mS/100mS
控制系統(tǒng)	嵌入式系統(tǒng)	DCS/SCADA
安全性	IEC61508	IEC61511/IEC61513
高可用性	冗余需求較少	雙機(jī)熱備/網(wǎng)絡(luò)冗余
生產(chǎn)連續(xù)性	離散制造	連續(xù)生產(chǎn)

 

就AI的應(yīng)用來(lái)說(shuō)，流程工業(yè)由于是連續(xù)生產(chǎn)，本身具有“自動(dòng)”的需求，優(yōu)化的效果很顯著，因?yàn)?%的能耗降低都是有效的，但是，流程工業(yè)本身的空間也是很難挖掘的—請(qǐng)你相信我，流程工業(yè)在上百年的時(shí)間里，已經(jīng)用了各種方法在挖掘它的潛力—傳統(tǒng)的機(jī)理模型方式已經(jīng)干了超出AI所能想象的工作，離散制造業(yè)相對(duì)比較分散，現(xiàn)在卻像著“連線”生產(chǎn)的模式進(jìn)發(fā)，傳統(tǒng)所謂的機(jī)器已經(jīng)由機(jī)器人、輸送系統(tǒng)進(jìn)行了“連接”，使得其具有了不停機(jī)生產(chǎn)的能力。

3.2工業(yè)AI場(chǎng)景

無(wú)論是流程工業(yè)還是離散制造，針對(duì)流程的各個(gè)部分，其實(shí)都是有通過(guò)AI方式來(lái)進(jìn)行的優(yōu)化與改善：我們不以具體的技術(shù)或場(chǎng)景，而以宏觀的場(chǎng)景來(lái)看待整個(gè)工業(yè)AI的空間—這也是傳統(tǒng)機(jī)理的空間：

(1)數(shù)字化設(shè)計(jì)環(huán)節(jié)

通過(guò)數(shù)據(jù)的閉環(huán)迭代，來(lái)反映生產(chǎn)中的質(zhì)量、成本的不斷約束下的降低，這也是AI算法可以干的事情。

為個(gè)性化生產(chǎn)帶來(lái)數(shù)據(jù)的支撐能力，無(wú)論是早期驗(yàn)證還是數(shù)字孿生對(duì)于工藝的智能挖掘，形成新的制程工藝決策支持，這些都是代替了“人的經(jīng)驗(yàn)”和隱性知識(shí)的功能，否則，人們?nèi)匀徊荒軒?lái)質(zhì)量的穩(wěn)定性、良品率的上升。

第一次就做對(duì)，是精益生產(chǎn)里的理想狀態(tài)，對(duì)于工藝來(lái)說(shuō)，開(kāi)機(jī)浪費(fèi)不可避免，如何讓機(jī)器最快的進(jìn)入穩(wěn)定的質(zhì)量工藝狀態(tài)，也是一個(gè)可以通過(guò)大量的學(xué)習(xí)來(lái)獲取的，經(jīng)過(guò)累積，形成一個(gè)穩(wěn)定的工藝模型，就是一種很好的應(yīng)用。

生產(chǎn)數(shù)據(jù)對(duì)于設(shè)計(jì)端的反饋，無(wú)論對(duì)于流程還是離散制造業(yè)來(lái)說(shuō)，現(xiàn)場(chǎng)數(shù)據(jù)對(duì)于設(shè)計(jì)端的反饋是一個(gè)非常重要的提升辦法—這些決策支持具有很大的商業(yè)價(jià)值。

(2)數(shù)字化運(yùn)營(yíng)環(huán)節(jié)

--數(shù)據(jù)驅(qū)動(dòng)的優(yōu)化：質(zhì)量?jī)?yōu)化、參數(shù)尋優(yōu)、作業(yè)調(diào)度，這些都是可以為AI所發(fā)揮力量的場(chǎng)景，在質(zhì)量?jī)?yōu)化方面自然有極大的空間，無(wú)論是通過(guò)視覺(jué)的缺陷檢測(cè)來(lái)尋找質(zhì)量改善的空間，還是通過(guò)視覺(jué)導(dǎo)引為機(jī)器人、AGV等提供快速的定位與指引，都是AI可以發(fā)揮空間的地方。降低能耗，提高原料使用效率，優(yōu)化生產(chǎn)工藝中的參數(shù)匹配，自適應(yīng)能力；

--參數(shù)優(yōu)化，包括了在靜態(tài)和動(dòng)態(tài)系統(tǒng)建模以便應(yīng)對(duì)環(huán)境的不確定性，實(shí)現(xiàn)更為有效的控制工藝，在線過(guò)程控制和優(yōu)化。

--因果關(guān)系和相關(guān)性（例如質(zhì)量缺陷），在缺陷檢測(cè)中，可以實(shí)現(xiàn)對(duì)質(zhì)量相關(guān)性分析來(lái)對(duì)影響質(zhì)量的關(guān)鍵因素進(jìn)行“發(fā)現(xiàn)”并對(duì)其進(jìn)行有效的調(diào)節(jié)、控制，或者根據(jù)模型實(shí)施更為節(jié)省成本的控制策略。

 

 

--工藝參數(shù)匹配：制造業(yè)無(wú)論是流程還是離散，其本質(zhì)都是對(duì)材料進(jìn)行各種化學(xué)與物理的反應(yīng)，這個(gè)難點(diǎn)在于各種材料所具有的物理化學(xué)特性，這些在生產(chǎn)產(chǎn)品中與工藝流程、控制參數(shù)會(huì)形成無(wú)數(shù)種組合，傳統(tǒng)上建模本身也是一個(gè)難題，但是，即使有模型也需要大量的驗(yàn)證，而這種驗(yàn)證基于物理方法的顯然不如通過(guò)數(shù)據(jù)的方法積累，分析，提供工藝人員以決策支持。

--決策支持：信息可用性的提高帶來(lái)了決策的支持能力，并且，在更多的AI場(chǎng)景中，我們可以看到工廠的資源如機(jī)器、設(shè)備、材料都有了節(jié)省的空間。

(3).數(shù)字化維護(hù)

對(duì)于工廠的設(shè)備來(lái)說(shuō)，通過(guò)數(shù)據(jù)驅(qū)動(dòng)可以形成大量的應(yīng)用積累，使得對(duì)于產(chǎn)線的未來(lái)狀態(tài)進(jìn)行早期狀態(tài)預(yù)測(cè)，能夠維護(hù)較高的生產(chǎn)可用性（OEE指標(biāo)提升）。

 

傳統(tǒng)的預(yù)測(cè)性維護(hù)往往基于機(jī)理模型，對(duì)于重值設(shè)備如飛機(jī)、大型空壓機(jī)組、鼓風(fēng)機(jī)、風(fēng)力發(fā)電機(jī)組等具有很高的必要性，因?yàn)檫@個(gè)投入是合算的，但是，對(duì)于生產(chǎn)線上的輕值設(shè)備，但是，個(gè)性化生產(chǎn)時(shí)代機(jī)器與產(chǎn)線的健康狀態(tài)又會(huì)對(duì)生產(chǎn)品質(zhì)、交付能力造成較大的影響，這個(gè)時(shí)候就必須尋找更為經(jīng)濟(jì)的運(yùn)營(yíng)維護(hù)方式，針對(duì)復(fù)雜多變的生產(chǎn)場(chǎng)景尋找更為經(jīng)濟(jì)的數(shù)據(jù)驅(qū)動(dòng)解決方案，代替?zhèn)鹘y(tǒng)的基于專家多年積累的方法。

4.工業(yè)AI目前需要突破的障礙

盡管我們描述了AI在工業(yè)的眾多場(chǎng)景和可能性，但是，要達(dá)到產(chǎn)業(yè)應(yīng)用，我們還必須對(duì)它有更為清晰的認(rèn)識(shí)，知道困難在哪里，知道它的潛在風(fēng)險(xiǎn)和它自身發(fā)展的規(guī)律，才能更好的應(yīng)用，以下幾個(gè)方面是未來(lái)工業(yè)AI需要突破的障礙。

4.1數(shù)據(jù)本身的難題需要跨越

(1).數(shù)據(jù)采集就是需要突破的Know-How：

鑒于AI方法通常都是基于大規(guī)模數(shù)據(jù)并且這些數(shù)據(jù)必須具有高的可靠性，因此數(shù)據(jù)的產(chǎn)生，數(shù)據(jù)魯棒性、數(shù)據(jù)質(zhì)量和數(shù)據(jù)訪問(wèn)，對(duì)于流程工業(yè)來(lái)說(shuō)需要較大的改善，而另一方面，對(duì)于工業(yè)來(lái)說(shuō)，從大數(shù)據(jù)到智能數(shù)據(jù)方法，這必須將大數(shù)據(jù)的方法與模型驅(qū)動(dòng)方法結(jié)合。

 

就像振動(dòng)信號(hào)的采集，就是在復(fù)雜的小信號(hào)中撿取有用的信號(hào)，而且需要經(jīng)過(guò)一些快速傅里葉變換，包絡(luò)曲線的分析才能檢出有用信號(hào)。

數(shù)據(jù)源帶來(lái)的信號(hào)干擾，包括信號(hào)檢出方式本身就包含了很多工業(yè)Know-How在里面，很多智能傳感器其實(shí)就是依賴于對(duì)信號(hào)的處理方式為核心競(jìng)爭(zhēng)力，如果純粹原始的信號(hào)拿來(lái)，就相當(dāng)于給了你一把面粉和白石灰混合在一起的數(shù)據(jù)。

(2).你不要以為你有機(jī)會(huì)迭代：

商業(yè)是大數(shù)據(jù)，而工業(yè)是小數(shù)據(jù)，有很多故障數(shù)據(jù)只有在故障發(fā)生的時(shí)候才能有，而這個(gè)故障的發(fā)生—就意味著設(shè)備質(zhì)量的問(wèn)題—而這個(gè)不被接受，就是在工業(yè)里有一個(gè)問(wèn)題，商業(yè)AI說(shuō)我們可以設(shè)定一個(gè)期望然后來(lái)迭代，但是，工業(yè)的用戶說(shuō)“如果你達(dá)不到這個(gè)精度，請(qǐng)不要來(lái)測(cè)試”—這個(gè)可能是兩個(gè)很大的差別，商業(yè)客戶可以接受迭代的過(guò)程，比如識(shí)別圖片的能力、語(yǔ)音識(shí)別的能力不斷迭代提升，但是，工業(yè)的問(wèn)題就是你如果出現(xiàn)了判斷錯(cuò)誤—那么，這個(gè)爐子里的材料就廢了，在很多場(chǎng)景里，可能你連測(cè)試的幾乎都不會(huì)有。

就像圖中所示，在商業(yè)AI里你就識(shí)別一個(gè)狗和拖把的區(qū)別，在工業(yè)里你可是要識(shí)別一個(gè)產(chǎn)品是否合格，這兩件事情是完全不同的兩件事情。

(3).在數(shù)據(jù)工程基礎(chǔ)工作方面：工業(yè)數(shù)據(jù)在網(wǎng)絡(luò)連接、數(shù)據(jù)模型、數(shù)據(jù)安全方面尚需更多的工作。

就目前而言，在工業(yè)數(shù)據(jù)的獲取方面，包括網(wǎng)絡(luò)連接的統(tǒng)一規(guī)范、信息模型、數(shù)據(jù)安全方面尚未有統(tǒng)一規(guī)范，OPC UA一直致力于這一工作，然而，目前OPC UA本身的市場(chǎng)完成度也并不高，在國(guó)內(nèi)也僅有少數(shù)的企業(yè)開(kāi)發(fā)了OPC UA，如果不開(kāi)發(fā)基于OPC UA的規(guī)范，那么，各個(gè)公司形成的規(guī)范仍然會(huì)成為障礙，因?yàn)榇蠹铱隙](méi)法具有統(tǒng)一性，導(dǎo)致需要大量的接口與轉(zhuǎn)換工作。

(4).數(shù)據(jù)源喂入到AI的質(zhì)量仍然不夠高，更多的數(shù)字化和數(shù)據(jù)集成仍需努力。

工業(yè)AI與商業(yè)AI還有就是在數(shù)據(jù)的需求“價(jià)值”方面，對(duì)于工業(yè)AI來(lái)說(shuō)，如果獲得的數(shù)據(jù)到信息過(guò)程出現(xiàn)不可用、不完備的情況，也即，這些數(shù)據(jù)模型無(wú)法精確的描述一個(gè)物理或化學(xué)過(guò)程，那么，這個(gè)數(shù)據(jù)就是無(wú)法真正使用或發(fā)揮價(jià)值的，不是單一的數(shù)據(jù)而是數(shù)據(jù)集，必須具有一定的完備性。

4.2在工業(yè)AI應(yīng)用實(shí)現(xiàn)過(guò)程中的難題

(1).缺乏數(shù)據(jù)處理的流程，從源頭獲取數(shù)據(jù)的質(zhì)量問(wèn)題、數(shù)據(jù)驗(yàn)證、特征提取整個(gè)過(guò)程而言，目前AI尚未有比較好的自動(dòng)化方法建立。仍然需要人工對(duì)數(shù)據(jù)進(jìn)行特征提取、降維、標(biāo)定等工作。即使現(xiàn)有的AI軟件已經(jīng)非常容易使用，但是，對(duì)于工業(yè)場(chǎng)景而言，仍然有很多不適用的情況。

(2).語(yǔ)義互操作問(wèn)題：由于數(shù)據(jù)來(lái)源于不同的設(shè)備，那么就需要統(tǒng)一的語(yǔ)義互操作規(guī)范支持。不僅包括了M2M的數(shù)據(jù)，還包括了OT與IT系統(tǒng)的接口問(wèn)題，這些都是目前尚未能夠很好解決的問(wèn)題，對(duì)于傳統(tǒng)的模型驅(qū)動(dòng)控制而言，都尚未有完整的解決方案，因此，AI的應(yīng)用就更需時(shí)日。

在工業(yè)里OPC UA即扮演這樣一個(gè)角色，提供結(jié)構(gòu)性的數(shù)據(jù)，為數(shù)據(jù)在地址空間的存儲(chǔ)提供了統(tǒng)一的結(jié)構(gòu)、類型、屬性等標(biāo)準(zhǔn)，并支持各種通信模式，以及提供了行業(yè)信息模型的集成。

(3).數(shù)據(jù)安全性問(wèn)題：在整個(gè)數(shù)據(jù)的采集、傳遞、處理、運(yùn)行、部署過(guò)程中，數(shù)據(jù)的安全性（Security），以及對(duì)生產(chǎn)運(yùn)營(yíng)的安全性（Safety）都是工業(yè)企業(yè)必須予以考量的要素。

4.3就企業(yè)本身對(duì)于AI的障礙

對(duì)于AI企業(yè)和用戶而言，尚有一些障礙

(1).用戶過(guò)高的期望，以及不可計(jì)量的AI期望值

對(duì)于用戶而言，AI是個(gè)好東西，但是，客戶需要先驗(yàn)性的收益分析—就是“不見(jiàn)兔子不撒鷹”的投資方式，收益不明確、缺乏有說(shuō)服力的案例、業(yè)務(wù)模式的匹配、對(duì)AI的局限性缺乏了解，較難以說(shuō)服用戶。 

(2).即或AI，也需要AI的運(yùn)行機(jī)制和體系支撐

AI并非像買一個(gè)軸承，即使是軸承也需要維護(hù)人員專業(yè)的知識(shí)，而AI同樣如此，總不能就像買個(gè)東西裝上即可使用，而在應(yīng)用中如何調(diào)整、迭代本身也需要用戶自身來(lái)完成，否則，花費(fèi)一筆錢就得到供應(yīng)商無(wú)限的服務(wù)支持，或者如果需要支持服務(wù)費(fèi)用，這也是一筆不小的長(zhǎng)期開(kāi)銷，必須予以考慮。

因此，對(duì)于AI而言，必須要有清晰的認(rèn)識(shí)，要有長(zhǎng)期的規(guī)劃和人才培養(yǎng)計(jì)劃與之匹配，否則，可能就是一個(gè)項(xiàng)目，為了獲得一些所謂的資金支持，拿到一些補(bǔ)貼，但是，相對(duì)于企業(yè)所投入來(lái)說(shuō)，往往也是得不償失。

(3).企業(yè)文化對(duì)于AI應(yīng)用的支持：在一些企業(yè)中存在著對(duì)AI的抵觸，因?yàn)?，他們?huì)認(rèn)為AI會(huì)代替他們的工作，就像在高速公路休息站地方的自動(dòng)售貨機(jī)總是會(huì)無(wú)緣無(wú)故的故障一樣，因?yàn)樽詣?dòng)售貨機(jī)里2.5一瓶的礦泉水和商店里5塊一瓶的水相比，他們更希望機(jī)器有故障。

AI的應(yīng)用本身也是一種創(chuàng)新，需要跨學(xué)科融合的團(tuán)隊(duì)合作，一是創(chuàng)新文化，二是團(tuán)隊(duì)合作的文化，如果大家藏著掖著，那么這個(gè)計(jì)劃就無(wú)法實(shí)現(xiàn)，因?yàn)?，AI需要工藝人員將隱藏在其大腦中的知識(shí)拿出來(lái)分享，并形成不依賴于人的模型與算法，這本身就是有難度，而且在整個(gè)項(xiàng)目中的貢獻(xiàn)如果無(wú)法良好評(píng)價(jià)，就會(huì)產(chǎn)生對(duì)抗與抵觸情緒。

4.4法律倫理與商業(yè)上的問(wèn)題

除了4.1-3所述的問(wèn)題，在商業(yè)上，目前對(duì)于工業(yè)AI還缺乏“標(biāo)準(zhǔn)化”的應(yīng)用，以解決可復(fù)用的問(wèn)題，而這是商業(yè)AI與工業(yè)人必須共同解決的問(wèn)題。AI在項(xiàng)目質(zhì)量上、標(biāo)準(zhǔn)化方面還需要借助于軟件工程來(lái)實(shí)現(xiàn)更好的復(fù)用性，包括在上行和下行的互操作方面—因?yàn)椴杉筒渴鸲际且缙脚_(tái)來(lái)實(shí)施的。

數(shù)據(jù)的歸屬權(quán)也是要考慮的問(wèn)題，就像你來(lái)自End User的數(shù)據(jù)，那么這個(gè)數(shù)據(jù)用來(lái)訓(xùn)練了模型，那么這個(gè)數(shù)據(jù)的所有權(quán)、模型的所有權(quán)就是問(wèn)題，或者利益的劃分問(wèn)題如何解決，是否有法律保障？

工業(yè)領(lǐng)域還有非常多的安全、審計(jì)追蹤等特殊的行業(yè)需求，這些都是工業(yè)AI應(yīng)用時(shí)所需考慮的，而這些在商業(yè)AI中可能不會(huì)出現(xiàn)。