人工智能和机器学习是当今制造业变革的主要驱动力。人工智能和机器学习使制造业更加自动化，提高效率并降低消费者每天使用的商品成本。虽然工厂已经部署计算机视觉来优化生产线，但公司可以将计算机视觉的力量与人工智能相结合，以显着提高制造吞吐量和质量，这是高效生产线的两个基本指标。随着工厂通过交互式人机流程变得更加自动化，人工智能也被用于提供新水平的工作场所安全。人工智能使用计算机和机器来模仿人类思维解决问题和做出决策的能力，使系统能够以令人难以置信的准确性和速度检测物体并做出预测。与传统的计算机视觉一起部署，人工智能可以加快工厂的异常检测——例如，检查生产车间的麦片盒是否有缺陷，以检查装配线上汽车上的划痕——以提高制造效率并降低生产成本。然而，为工业自动化部署人工智能解决方案一直是一个挑战。与传统的计算机视觉相比，人工智能和机器学习技术在工业自动化领域仍然是新事物。制造业的自动化工程师尚不具备开发有效人工智能算法的专业知识。一些AI技术公司正在通过提供完整的推理解决方案来消除这些障碍——具有高性能和低功耗的小型硬件，以及随时可以部署的AI算法。随着越来越多的工厂希望利用强大的人工智能处理解决方案来提高效率和工作场所安全，我们将看到更多投资涌入这一领域。除了生产线上的异常检测外，人工智能驱动的机器人也被部署与人类一起工作。示例包括在仓库中运输包裹的自主移动机器人和在生产线上与人类一起组装产品的协作机器人。这些工厂机器人将机器的精度和效率与人类操作员的技能和智慧相结合，提供了两全其美的优势。支持AI的机器人通过执行重复和繁重的任务来提高生产率，同时还跟踪人类操作员的位置以维护安全的操作环境。边缘人工智能处理的进步正在为今天的人工智能机器人铺平道路，并将为明天的机器人开辟新的可能性。智能机器人将必须处理大量信息，并且需要实时做出决策，因此这些机器在边缘处理信息比将信息发送到云端再返回效率要高得多。神经网络推理处理是计算密集型且耗电的，并且传统上需要昂贵的硬件、数百瓦的功率和笨重的冷却解决方案。包括模拟内存计算在内的新技术可实现高性能神经网络处理，当部署在端点到边缘服务器时，这种处理非常节能且可扩展。随着工厂自动化需求的不断增长，工厂将越来越多地转向人工智能驱动的机器，以提高日常流程的效率。这为将更智能的应用程序带入当今工厂打开了大门，从智能异常检测系统到自主机器人等等。
