三、人工智能：智能决策的“大脑”

（一）让工业思考起来

1950年，计算机科学之父艾伦·麦席森·图灵发表了重要论文《计算机与智能》，在这篇文章的开篇语中，图灵建议大家思考一个问题：“Can machines think?”（机器能思考吗？）伴随着这个问题的提出，人类探索机器思维问题的序幕正式拉开。此后，学者们从控制论、自动机器理论、信息论等领域对“Thinking Machines”（机器思考）进行了深入探讨。

1956年，人工智能之父约翰·麦卡锡与马文·明斯基（人工智能与认知学专家）、克劳德·香农（信息论的创始人）、艾伦·纽厄尔（计算机科学家）、赫伯特·西蒙（诺贝尔经济学奖得主）等科学家在达特茅斯学院围绕“用机器来模仿人类学习以及其他方面的智能”这一主题展开了为期两个月的深入讨论，正式提出了AI的概念，人工智能时代正式开启。

达特茅斯会议之后，人工智能发展进入了黄金年代。通过搜索式推理和自然语言解决代数应用题，证明几何定理，学习和使用英语，成为这一阶段人工智能研究的重点方向。然而，20世纪70年代，受制于计算机性能欠佳、问题复杂程度过高、数据规模不足等因素，人工智能相关研究的实际成果与人们的预期差距过大，研究经费不断缩减，人工智能研究第一次进入低谷。

20世纪80年代，卡内基梅隆大学为数字设备公司（Digital Equipment Corporation，DEC）设计了一套名为XCON的“专家系统”，这种将知识库（knowledge base）和推理机（inference machine）相结合的人工智能程序具有完整的专业知识及经验，每年能够为数字设备公司节省约4000万美元。人工智能的商业价值逐渐被广泛认同，人工智能研究开始复苏，日本、英国、美国等都向AI和信息技术的大规模项目提供了资助。然而，20世纪80年代末期，随着苹果和IBM（国际商业机器公司）生产的台式机性能不断提升，人工智能硬件设备维护费用高、难升级、难使用等缺点被不断放大，硬件市场不断萎缩，科研经费也随之减少，人工智能研究进入第二次寒冬。

20世纪90年代中期，随着人工智能技术尤其是神经网络技术的逐步发展以及人们理性认知的深化，人工智能研究进入平稳发展时期，1997年“深蓝”（Deep Blue）战胜了国际象棋世界冠军卡斯帕罗夫，又一次在公众领域引发了现象级的人工智能话题讨论。2006年，杰弗里·辛顿在神经网络的深度学习领域取得突破，使神经网络的能力大大提高，向支持向量机发出挑战。“Can machines think?”这一问题有了最优解，在谷歌、微软、百度等互联网巨头，GE（通用电气）、华为等高新技术企业以及众多初创科技公司的共同推动下，掀起了深度学习在学术界和工业界的大浪潮。

（二）让创新高效起来

近年来，随着“深度学习+大数据”技术的不断发展，人工智能实现了从实验技术向产业化的转变，应用领域从服务业逐步向工业、农业拓展。埃森哲公司测算，到2035年，人工智能技术的应用将使制造业总增加值增长近4万亿美元。具体而言，人工智能对于工业发展的影响主要体现在以下三个方面。

一是以智能产品系统重塑工业生态。当前，智能化已经成为工业产品升级创新的一大特点，人工智能与传统制造产品融合对部分产业产生了颠覆式影响，不具有人工智能功能的传统电子信息产品面临巨大的升级压力，传统机械装备及其配套零部件市场存在萎缩的风险。例如，在家电、家具行业，产品智能化水平已经成为消费者选择产品的重要考虑因素；而在汽车行业，以人工智能驱动的无人驾驶技术，会给汽车行业包括销售和使用方式、交通运输管理体系在内的生态系统带来革命性变化。

二是以智能技术全面提升工业效率。人工智能可以从研发、生产、销售等各个环节提升工业效率。在研发环节，人工智能技术可以帮助企业挖掘市场需求，形成用户画像，辅助设计创作。在生产环节，人工智能技术不仅可以加速机器人在制造业企业的普及与应用，节省人力成本，提升生产效率，而且可以促进生产与需求相匹配，通过预测市场趋势，科学安排生产计划，在提高生产线柔性的同时保持最低库存。除此之外，人工智能技术还能通过实时监控生产线各个环节，提升质检水平，提高产品良品率。在销售环节，人工智能技术不仅可以与客户智能沟通，而且能从客户的聊天中积累数据，进而结合客户偏好、行为轨迹等预测客户需求，帮助企业实现精准营销。

三是以智能价值改变世界工业格局。人工智能技术的深入发展将对国际工业格局产生重要影响。一方面，人工智能在传统价值链上增加新的环节，这一环节成为价值链上新的制高点，发达国家正在努力抢占这一制高点以强化其制造业对全球分工的主导。另一方面，人工智能也改变了传统价值链形态，发展中国家赖以生存的劳动力成本等传统竞争优势的重要性将进一步弱化，在国际贸易保护主义逐渐抬头的背景下，制造业有可能会向发达国家回流。