人类经历了四次工业革命。工业革命的本质是生产方式的革命，是以机器取代人力。如今，我们正在亲历着以人工智能为代表的新一代信息技术带来的第四次工业革命。人工智能技术由于政策的支持、商业需求的推动、算力的崛起和算法上的突破，近些年发展十分迅猛，技术成熟度在不断地提升，尤其是语音识别、图像识别、专家系统等正在各领域落地应用，AI技术从通用领域到工业场景落地的间隔时间也在不断缩短。

人工智能技术的应用现状

当前人工智能技术在深度学习、大数据和机器学习的基础上取得显著进展，计算机视觉（CV）、自然语言处理（NLP）均比较成熟并得到大量应用，不少制造企业已经通过AI技术实现了生产流程的自动化和智能化，如使用机器学习算法进行产品质量检测、利用深度学习技术优化供应链管理、通过自然语言处理提升客户服务体验等。

人工智能技术的大量应用不仅极大提升了制造型企业的生产效率，更在质量控制、成本节约和创新能力上带来了革命性的变化。当前人工智能技术在深度学习和大数据的驱动下，实现了显著的技术突破，特别是在大模型技术方面，基于“大数据+大算力+强算法”的训练，人工智能处理复杂任务的能力大幅提升，将在更大的范围内应用落地。

航空制造业人工智能应用需求与探索

航空制造业是对质量要求最高的行业之一，飞机的质量直接影响到飞行安全和乘客的生命安全。航空制造业涉及设计、制造、测试、维修等多个环节，确保飞机生产各环节以及运营过程的高质量和高稳定性是航空制造业关注的重中之重。因此，航空产品的生产与运行质量成为业界关注的重要场景。

航空工业沈飞近年建立了人工智能工程应用实验室，针对航空制造业人工智能场景梳理出了设计、生产、服务、管理四个业务领域，对这四个业务领域进行人工智能业务场景规划，并进行试点应用。其中，设计领域涵盖了工艺规划和生产准备两个子领域；生产领域涵盖了计划排产、供应链、制造、质量四个子领域；服务领域涵盖了外场服务子领域；管理领域涵盖了经营、财务、人力资源、项目管理、保密安全五个子领域。通过试点应用：

1.提高效率。通过预测和优化算法，协助工程师进行更有效的工艺策划和生产规划。同时，智能自动化能够显著减少制造过程中的冗余和错误，使得生产流程更加高效和流畅。

2.提升质量。通过精密分析和检测能力助力实时监控和故障预警，使制造过程更加精准，消除人为因素导致的误差，从而提高产品质量。

3.节约成本。通过虚拟设计和原型制造，降低物理原型的成本，缩短生产时间。同时，精准预测能力帮助企业合理规划生产规模和库存，避免过度生产，从而降低成本。

航空制造业人工智能平台建设建议

航空制造业要想实现AI的成功落地远没有想象的简单。一方面，人工智能应用所需硬件设备造价高昂，无法保证应用之后的收益与回报；另一方面，人工智能技术人才稀缺，要将人工智能技术从研究转化为实际应用需要大量的人员成本和时间成本；此外，还存在单一场景的研发与部署周期长，生产环境的上线具有不确定性、AI资产零散、业务复杂、准确度要求高、复用性差、迭代成本高、保密要求高等问题。

针对以上问题，要建立面向航空制造业的人工智能平台，建议以应用驱动AI模型开发，固化开发流程、降低开发难度、沉淀模型资产、共享硬件资源、统一服务支撑，构建数据处理、开发训练、部署应用三大模块，集成数据、算法、算力的各个软件与硬件，打通数据、算法与算力三者之间的壁垒，实现人工智能开发从离散单点工具到集约一站式平台转变。

1.数据处理围绕AI 开发过程提供数据管理、数据清洗、数据标注、数据增强等功能，解决数据采集难、分析效率低、标注成本高和清洗成本高等难题。通过数据处理模块支持视频、声音、图片、文本及结构化数据的集中管理及应用，单人标注及多人协同标注，多人标注的任务管理，标注数据的状态及版本管理，实现外部已标注数据的导入、智能化自动标注、对数据进行快速高效清洗。

2. 开发训练提供多种建模方式，集成主流机器学习和深度学习开发框架，提升建模效率，实现敏捷的产业智能应用开发。开发训练模块支持多种主流AI算法引擎，提供交互式编程环境、可视化建模工具，同时提供基于预训练模型的快速开发，满足不同水平人员的使用需求，对CPU、GPU、NPU等算力资源进行统一纳管与调配，具备数据增强功能以提升训练数据集规模不足时的模型精度，能够对模型进行统一管理、系统评估、推理加速。

3.部署应用通过封装针对语音、图像、视频、文字、人脸、人体、语言及知识等领域常用的算法模型，可供使用人员直接调用，或者经过少量样本的训练就能够满足日常使用。能够满足持续集成发布的需求，可管理模型多版本之间的流量配置、切换。运用协同权限和项目管理机制，为上层模型应用提供稳定和高效的预测服务。

4.共建开发生态支持所有用户训练后的模型在平台内集中发布，并可供其他用户调用；支持用户将本地已训练好的模型导入到模型仓库中进行模型纳管。

5.统一推理服务对外以服务的方式供其他系统调用，支持弹性伸缩、自动启停、流量切分，将模型部署为在线服务，或转换为可进行离线部署的SDK。同一 API服务支持同时部署不同模型上线，并且可以自由地调节流量分配占比，便于用户在调试之后根据效果选择更合适的模型上线使用，利用模型裁剪及量化压缩算法，进行一键模型优化并发布为加速版SDK。

人工智能平台应用场景

1.工艺自动化建设人工智能平台工艺设计模块，关联PDM系统并提取多个机型的BOM数据，基于零件特征实现工艺路线自动划分，辅助工艺分工。基于逻辑推理工艺知识体系构建推理引擎，使工艺方法标准化、工艺参数结构化，实现工艺文件自动生成，提高工艺编制效率。

2.质量检验建设人工智能平台质量检验模块，对标准件合格检验、理化测试X光片缺陷检验、复合材料表面检验、部总装检验等场景进行优化，实现由专人到现场使用专业设备检验到AI智能辅助检验的转变，节约检验时间、缩短生产交付周期、提高生产效率，同时避免人为失误，降低错检、漏检概率，提升产品交付质量。

3.安全生产建设人工智能平台安全生产模块，对消防通道、电动车、人员上下梯、防护面具佩戴、安全帽佩戴、高处作业铺设缓冲垫等场景进行实时监控与预警，实现由随机抽查的人工管理方式向全方位智能监控、由事后检查向实时“发现、预警、处置、管控、改进”的闭环管理转变。

4.智慧办公对于日常办公场景下人工操作量大、重复性高、周期长、准确性差及存在业务集成壁垒等痛点工作，构建人工智能平台办公模块，实现文件与发票的OCR识别自动录入、人脸识别身份验证等，有效减少人力成本，降低人工操作失误率，提升员工工作效率与办公体验。

人工智能应用展望

面向未来，建议把人工智能平台部署到航空工业集团的“一朵云”上面，基于云平台面向全集团作为服务发布；同时，开放AI 开发社区，构建人工智能数据集和人工智能管理、共享平台，打造集团级的人工智能开发、学习生态。