1樓：貓叔818
AI應用在網際網路上廣泛，但AI在工業領域的落地非常艱難，比消費領域更艱難。
曾經有網友指出，AI大規模應用於製造業，雖然很多公司都在推廣，但是前景卻是未知。
首先，AI前期投入高，回報未知，很可能造成虎頭蛇尾的局面。比如工業AI改造，必須經歷對工業生產核心裝置進行改造，單這一方面就意味著巨大的成本壓力，基本上算是天方夜譚式的成本；其次，很多生產過程能接受的誤差是很小的，AI沒有很好的魯棒性，同時，AI工業改造需要一系列配套的技術與解決方案，這些基礎條件並不成熟；另外，有一些問題，不單單是資料可以解決的，或者其它方案比AI更直觀，更有效。所以說，一方面工廠不會讓AI改，另一方面也改不起。
所以從工業的方方面面來講，目前AI根本沒進入工業的核心，最多也就是在外圍轉來轉去。多數人仍然相信，目前AI能夠帶來的不是「雪中送炭」的效果，而僅僅是「錦上添花」而已。
即使如此，毫無疑問，製造業需要人工智慧，雖然它目前在製造業上並不一定馬上展現出較大效益，但5G帶來的低延時、大寬頻特性，以及網路切片技術和企業專網服務，也為AI在工業領域的應用帶來想象力，在今年或許或擦除較大的火花，雖然變化程度也絕對達不到很多期待著希望達到的「風口」效果。
2樓：東臨碣石
現在也有一些工業領域的AI研究，例如基於深度殘差收縮網路的機械故障診斷。
但是，限於資料量的問題，在應用中仍有困難。
Deep Residual Shrinkage Networks for Fault Diagnosis
基於深度殘差收縮網路的故障診斷 Deep Residual Shrinkage Networks for Fault Diagnosis
3樓：賣血妓
瀉藥。首先有個事情你要清楚。AI是基於大資料的，網際網路擁有大量的大資料，所以發展了所謂的網際網路AI。
但是工業呢，要先發展物聯網，再發展工業AI。因為發展了物聯網才能有資料，有了資料才能有機會發展AI。所以呢。
有個先後的順序在裡面。要發展工業物聯網，再發展工業AI。算是個知識的普及，我已經說明白啦。
4樓：嚇死隔壁老王了
實話告訴你吧，當下的ai其實核心就是依仗計算速度算概率。各種演算法崗除了解決該怎麼算就是怎樣算的更快結果概率更大。
你讓工業來依靠概率做事？會出事的。
網際網路巨頭紛紛布局翻譯市場，AI翻譯水準為何仍難及專業翻譯？
姬軍翔 Jim 角度一，人腦和現在的神經網路併入本質區別 霍金 遷移學習等方面的成果印證其了類似人腦的特性。小孩要了解所有的概念到成為翻譯，需要十年以上的對自身大腦的訓練。目前的深度學習還沒有達到這個級別。角度二，如果你給機械人講乙個笑話，它笑了，它就具有了真正的智慧型。阿西莫夫 隨著計算能力的增強...
非網際網路人士如何轉行網際網路？
產品一哥 你要掌握知識點有 網際網路思維，運營方法，運營是什麼，它是幹什麼的，它的工作目標是什麼。這些都是要掌握的，否則就算你轉行成功了也將無從下手。產品一哥 萬字乾貨！0基礎如何拿到產品經理offer 0基礎如何拿到產品經理offer 資料分享 資料提取碼 z8nr 0基礎如何拿到產品經理offe...
離開網際網路演算法崗，切入最近大行其道的AI生物醫藥研發靠譜嗎？
1.目前幾乎所有創新醫藥公司都靠融資活著。2.醫藥巨頭雖然賺現金流，但活得很辛苦，個個負債率都很高，利潤率低。雖然巨頭看起來很重視研發，但裁員重組頻繁，尤其是臨床前研發，穩定性不佳。3.醫藥研發失敗率非常高，變現之路遙遠且漫長。4.AI究竟能給醫藥帶來多少變革性價值？國內醫藥行業的崛起確實是大趨勢,...