近日IDC发布《IDC FutureScape：全球制造业2021年预测——中国启示》进行了十大预测，分别是AI风险决策、资产自动化运营、跨生态系统的运维中心、供应链弹性、大规模远程办公、跨应用程序协作、风险迁移的生态系统、B2C机会、车间数字孪生和嵌入式质量管理。IDC认为到2026年，中国2000强企业中50%将使用人工智能开发基于风险的操作决策指导和洞察力，相比今天，这一数值低于5%。

相关资料显示，2019年新一代人工智能技术在全球制造业的渗透率尚不足2%，但随着生产设备产生的大量可靠、稳定、持续更新的数据逐步被挖掘和利用，预计到2025年渗透率将超过10%, 带动制造业智能化升级市场规模突破100亿美元。 随着人工智能与制造业加速融合，应用场景日渐丰满，数字化企业在分析整理中总结出制造业中常用的八大人工智能场景。

0 1

智能分拣

制造业上有许多需要分拣的作业，如果采用人工的作业，速度缓慢且成本高，而且还需要提供适宜的工作温度环境。而采用工业机器人进行智能分拣，通过机器学习训练后，机器人就会知道按照怎样的顺序来分捡才有更高的成功率，可以大幅减低成本，提高速度。

0 2

设备健康管理

制造业上有许多需要分拣的作业，如果采用人工的作业，速度缓慢且成本高，而且还需要提供适宜的工作温度环境。而采用工业机器人进行智能分拣，通过机器学习训练后，机器人就会知道按照怎样的顺序来分捡才有更高的成功率，可以大幅减低成本，提高速度。

0 3

基于视觉的表面缺陷检测

0 4

基于声纹的产品质量检测与故障判断

0 5

智能决策

制造企业在产品质量、运营管理、能耗管理和刀具管理等方面，可以应用机器学习等人工智能技术，结合大数据分析，优化调度方式，提升企业决策能力。

0 6

数字孪生

数字孪生是客观事物在虚拟世界的镜像。创建数字孪生的过程，集成了人工智能、机器学习和传感器数据，以建立一个可以实时更新的、现场感极强的“真实”模型，用来支撑物理产品生命周期各项活动的决策。在完成对数字孪生对象的降阶建模方面，可以把复杂性和非线性模型放到神经网络中，借助深度学习建立一个有限的目标，基于这个有限的目标，进行降阶建模。

0 7

创成式设计

创成式设计（Generative Design）是一个人机交互、自我创新的过程。工程师在进行产品设计时，只需要在系统指引下，设置期望的参数及性能等约束条件，如材料、重量、体积等等，结合人工智能算法，就能根据设计者的意图自动生成成百上千种可行性方案，然后自行进行综合对比，筛选出最优的设计方案推送给设计者进行最后的决策。

0 8

需求预测，供应链优化

以人工智能技术为基础，建立精准的需求预测模型，实现企业的销量预测、维修备料预测，做出以需求导向的决策。同时，通过对外部数据的分析，基于需求预测，制定库存补货策略，以及供应商评估、零部件选型等。