新一輪信息與產業變革蓬勃興起，工業經濟數字化、網絡化、智能化發展成為全球關注重點與趨勢，工業智能也由此迎來了發展的新階段。然而，工業智能仍處于發展探索時期，尚未形成明確并具規模性的商業化應用，而且各方對工業智能的產業發展尚未形成共識。

　　在此形勢下，近日，工業互聯網產業聯盟聯合多家企業共同編寫和發布了《工業智能白皮書》(2019討論稿)(以下簡稱《白皮書》)，從應用、技術和產業等方面研究和分析工業智能的發展脈絡和最新狀況，并在一定程度上對未來發展變革方向作出了預判。

　　在《白皮書》剖析的工業智能發展脈絡中，我們可以發現，工業智能產業視圖主要表現為“兩橫兩縱”，橫向為知識圖譜和深度學習兩大關鍵技術，縱向為通用技術和應用集成兩方面。

　　在橫向發展層面，ICT企業、研究機構及相關行業協會3類主體提供通用技術能力，以“被集成”的方式為工業智能提供基礎支撐。其中，ICT企業如微軟、谷歌、亞馬遜、阿里等，提供幾乎涵蓋知識圖譜、深度學習的所有通用技術研究與工程化支持；研究機構如加州大學、麻省理工、清華大學、中科院自動化所等，主要提供算法方面的理論研究；行業協會提供相關標準或通用技術支持，如OMG對象管理組織提供統一建模語言等企業集成標準的制定，為知識圖譜的工業化落地奠定基礎；Khronos Group開展了深度學習編譯器的研發。

　　在應用層面，裝備/自動化與軟件企業、制造企業、ICT企業和初創企業4類主體以集成創新為主要模式，面向實際業務領域，整合各產業和技術要素實現工業智能創新應用，是工業智能產業的核心。

　　這4類應用主體中，裝備/自動化、軟件企業及制造企業等傳統企業(如西門子、ABB、KUKA、Autodesk、富士康、新松等)，面向自身業務領域或需求痛點，通過引入人工智能實現產品性能提升；ICT企業(如康耐視、?？低?、大恒圖像、基恩士、微軟、KONUX、IBM、阿里云等)依靠人工智能技術積累與優勢，將已有業務向工業領域拓展；初創企業(如 　　Landing.ai、創新奇智、曠視、Element AI、天澤智云)憑借技術優勢為細分領域提供解決方案；研究機構(如如馬薩諸塞大學、加州大學伯克利分校)依托理論研究優勢開展前沿技術的應用探索。

　　工業智能依靠通用技術實現各類創新的工業智能應用。然而，通用技術往往無法滿足工業場景與問題的復雜性與特殊性要求，現階段依然存在大量特性問題需要解決。

　　《白皮書》指出，目前來看，ICT巨頭在深度學習框架、編譯器與芯片等通用技術領域占據絕對統治地位，但現階段端側推斷框架主要由蘋果、Facebook、騰訊、谷歌、百度五大ICT巨頭企業主導，初步判斷，百度更可能在工業領域發力。工業領域存在可移植性和適配性問題，對編譯器需求較為迫切，但是編譯器市場格局尚不清晰，并未產生面向領域的發展趨勢，預測英特爾及亞馬遜可能成為工業領域選擇。

　　此外，深度學習理論研究趨于平穩，應用落地成為關鍵。人工智能頂級學者李飛飛，微軟亞研院、人工智能頂級學者鄭宇，地平線創始人余凱等均認為深度學習理論研究主流架構會收斂，較難有革命性理論突破，目前瓶頸在于技術與傳統行業的對接。而現階段算法研究呈現兩大主要趨勢：一是算法可解釋性研究，斯坦福大學開展了基于“樹正則化”的可解釋性研究，美國德州農工大學開展了遷移法解決深度學習可解釋性問題，南京大學則提出RNN可解釋性方法；二是相關前沿算法研究，國內外頂尖研究機構如麻省理工、以色列理工學院、清華大學、中科院自動化所紛紛開展對膠囊網絡、遷移學習、(深度)強化學習和生成式對抗網絡等深度學習相關的前沿算法研究。