近年來，通過各種人工智能/機(jī)器學(xué)習(xí)（ML）平臺、框架和工具箱，在資本密集型行業(yè)中，對人工智能技術(shù)的民主化使用進(jìn)行了大量投資。IoT Analytics發(fā)布的《人工智能市場報告2020-2025》估計，到2025年，全球工業(yè)人工智能市場規(guī)模將達(dá)到725億美元。普華永道（PwC）估計，到2030年，這項技術(shù)對中東地區(qū)的潛在經(jīng)濟(jì)影響將達(dá)到3200億美元，該公司將制造業(yè)、金融、教育、公共服務(wù)和制藥行業(yè)列為該地區(qū)人工智能的最大發(fā)展機(jī)會。

　　專注于業(yè)務(wù)成果

　　盡管基于AI的用例的啟用已在加速，但這并不一定轉(zhuǎn)化為可觀的商業(yè)價值，尤其是在工業(yè)領(lǐng)域。根據(jù)埃森哲的《人工智能：按比例構(gòu)建》研究，近69％的工業(yè)組織高管承認(rèn)他們知道如何試行計劃，但他們難以在整個企業(yè)范圍內(nèi)擴(kuò)展其工業(yè)人工智能戰(zhàn)略。

　　到2021年，我們將看到工業(yè)組織轉(zhuǎn)向以業(yè)務(wù)為先的思維模式，更加強(qiáng)調(diào)將人工智能技術(shù)應(yīng)用于特定領(lǐng)域的工業(yè)挑戰(zhàn)，并將重點放在業(yè)務(wù)成果上。雖然探索和識別工業(yè)人工智能支持的用例可能很有趣，但任何組織策略的出發(fā)點從來都不是技術(shù)。它將從確定業(yè)務(wù)問題、公司目標(biāo)和戰(zhàn)略目標(biāo)開始。

　　專注于自動化

　　勞動力的轉(zhuǎn)移以及隨之而來的專業(yè)知識的流失，推動了在整個流程行業(yè)實現(xiàn)知識共享自動化的需求。這產(chǎn)生了對更多智能應(yīng)用程序的更大需求-但具有諷刺意味的是，缺乏內(nèi)部數(shù)據(jù)科學(xué)技能是采用AI的最大障礙之一。

　　在新的一年中，將會有更多的工業(yè)組織通過部署針對性的嵌入式工業(yè)AI應(yīng)用程序來增加投資，以降低AI采用的障礙，這些應(yīng)用程序?qū)?shù)據(jù)科學(xué)和AI與專用軟件和領(lǐng)域?qū)I(yè)知識相結(jié)合。這將是克服技能不足的關(guān)鍵，并且將大大減少對數(shù)據(jù)科學(xué)家的依賴，因為數(shù)據(jù)科學(xué)家實際上是短缺的。這些嵌入式AI應(yīng)用程序?qū)⑹褂脩裟軌蛟谡麄€工業(yè)資產(chǎn)生命周期中以更高的準(zhǔn)確性，質(zhì)量，可靠性和可持續(xù)性來高效，成功地執(zhí)行其特定領(lǐng)域的操作。

　　專注于資產(chǎn)優(yōu)化

　　為了在當(dāng)今瞬息萬變的市場中壯成長，公司必須同時跨利潤，經(jīng)濟(jì)，可持續(xù)性等業(yè)務(wù)目標(biāo)優(yōu)化其資產(chǎn)和流程。通過在2021年采用工業(yè)AI，無需數(shù)據(jù)科學(xué)專家就可以實施下一代資產(chǎn)優(yōu)化解決方案，這意味著工業(yè)組織可以為運營中的安全性和生產(chǎn)力達(dá)到新的水平打開大門。

　　在整個工廠中，隨著時間的流逝，將創(chuàng)建半自主和自治過程，因為實時數(shù)據(jù)將被收集，匯總，調(diào)節(jié)并送入智能豐富的應(yīng)用程序中，以評估方案，獲取見識并推動持續(xù)的運營改進(jìn)。此外，由AI和機(jī)器學(xué)習(xí)提供支持的認(rèn)知指導(dǎo)系統(tǒng)將使人員跨關(guān)鍵操作授權(quán)，擴(kuò)展其能力，以便他們可以更快，更準(zhǔn)確地做出決策。綜上所述，到2021年，生產(chǎn)力提升將是工業(yè)AI在資本密集型流程工業(yè)中的最大收益。