談及人工智能我們首先想到的就是智能家居和無人駕駛了，但想要實現更高級的人工智能，主要依賴于智能語音交互產品、人臉識別、圖像識別、圖像搜索、聲紋識別、文字識別、機器翻譯、機器學習、大數據計算、數據可視化等方面，而根據不同的產業及行業應用場景按需組合，目前制造業對人工智能的應用體現在以下場景。

對于制造業上有許多需要分撿的作業，如果采用人工的作業，速度緩慢且成本高，而且人工出錯的概率相對較高，如果采用工業智能機器人進行分揀篩選，不僅可以大幅減低人工成本，同時還能提高分揀效率和速度。

此外基于對設備運行數據的實時監測，利用特征分析和機器學習技術，一方面可以在事故發生前進行設備的故障預測，減少非計劃性停機。另一方面，面對設備的突發故障，能夠迅速進行故障診斷，定位故障原因并提供相應的解決方案。在制造行業應用較為常見，特別是化工、重型設備、五金加工、3C制造、風電等行業。

基于機器視覺的表面缺陷檢測應用在制造業已經較為常見，利用機器視覺可以在環境頻繁變化的條件下，以毫秒為單位快速識別出產品表面更微小、更復雜的產品缺陷，并進行分類，如檢測產品表面是否有污染物、表面損傷、裂縫等。目前已有工業智能企業將深度學習與3D顯微鏡結合，將缺陷檢測精度提高到納米級。對于檢測出的有缺陷的產品，系統可以自動做可修復判定，并規劃修復路徑及方法，再由設備執行修復動作。

除以上常規人工智能應用場景外，基于聲紋的產品質量檢測與故障判斷，可以利用聲紋識別技術實現異音的自動檢測，發現不良品，并比對聲紋數據庫進行故障判斷。必要時制造企業還可以依托人工智能技術對產品質量、運營管理、能耗管理和刀具管理等方面，可以應用機器學習等人工智能技術，結合大數據分析，優化調度方式，提升企業決策能力。