AI与制造业深度融合的难点有哪些？
◆ 制造环节数据难以开发利用
人工智能与制造业的深度融合发展需要以大数据作为支撑，与消费环节相比，制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂，有接近一半的数据是没有相关性的。与此同时，制造环节的数据需要安装大量高精度传感器，这不仅需要投入巨额的资金，而且在后期维护上也会产生检修及人工成本等。
◆ 无法采用可复制的系统和整体解决方案
人工智能必须根据制造业的具体场景进行定制，简单照搬模版式的制造业人工智能解决方案是不可行的，而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。此外，不同制造业之间的技术、流程差异巨大，对人工智能有不同需求，一个人工智能系统难以满足所有制造业的要求。
◆ 人工智能与制造业深度融合所需的复合型人才严重缺乏
一般来说，人工智能高端人才主要集中在互联网行业，而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确。因此，难以支撑制造业企业智能化转型升级。从人才供给看，现阶段既了解制造业技术又掌握人工智能技术，还能够进行应用开发的复合型人才严重缺乏。
没有应用经验的AI不可能落地制造业
一家行业应用软件公司曾经说过一句话：“我们用200行代码达到了国外同行1000行代码的功能”。时过境迁，1000行代码的公司依然活得不错，而200行代码的公司已经销声匿迹。不知在消失之前，是否明白了，800行代码的差距在哪里？
再看一例，在中国最大的工业展会之一的工博会上，这些号称面向工业领域的AI公司来了几家？几乎都是硬件公司在展示AI的行业应用。可能在同一时刻，那些AI独角兽正在给投资公司演示炫酷的PPT。
其实在2018年底，科大讯飞被曝出人工翻译假装的机器人翻译的丑闻，让这家老牌AI语音巨跌落神坛。甚至险些被认定为“机器人公民”的索菲亚，最后确被指出只不过是一个机器类人音箱”，震惊全世界。曾有媒体报道，很多早期的机器人和虚拟机器人上节目，多数是写好了剧本，或者直接由人工操控的。
不仅这些，在2019年8月，旷视科技就向港交所提交了招股书，这也是首次揭开了AI独角兽的神秘面纱。从提交的招股书来看，其2016年、2017年和2018年的营业收入分别达到人民币6780万元、3．13亿元和14．27亿元，亏损分别为人民币3．43亿元、7．58亿元和33．52亿元。而2019年上半年，旷视科技亏损额度达到惊人的52亿元。这次IPO之旅并不顺利。在提交上市申请6个月后，旷视科技在港交所IPO的进程状态显示为“失效”。
虽然那些AI独角兽在“不务正业”，但深耕制造业的巨头公司对AI的投入却在不断加大，西门子、施耐德、罗克韦尔等在AI领域投入巨资，加大研发力度，并购等，不断抢占制造业AI的制高点。
事实证明，技术并不能成为一家 AI 创业公司的“护城河”，如何将技术变现才是AI企业的当务之急。
2020年突发的疫情，又将AI推到了绝境——一些PPT玩家将黯然离场；另一些则汇入制造业的大海中，接受更大的考验。
5月7日，国内著名的AI独角兽在回复证监会问询时表示：公司的人工智能处理器IP系列已经失去了华为这个最大的客户，原因是华为公司按照其发展惯例，自主研发相关产品。
“软件定义一切”是最近制造业常说的一句话，但这里是不是要加个问号？在制造业中“软件公司的软件定义一切”还是“生产硬件的行业公司的软件定义一切”，to be or not to be，that is a question．
