首先,，從技術上來說,，工業(yè)AI的技術體系由基礎支撐、算法技術,、應用技術和工業(yè)適配技術四個層級組成,，其中算法技術、應用技術屬于核心賦能技術,；基礎支撐,、工業(yè)適配屬于工程化技術。

     核心賦能技術主要包括以機器學習,、深度學習和其他學習方式為主的數(shù)據(jù)科學,；以專家系統(tǒng)、知識圖譜為代表的知識工程,；以人機,、類腦為代表的探索技術；以機器視覺,、NLP和語音識別為代表的應用技術,。其典型的應用場景包括兩種，一種是以數(shù)據(jù)建模分析或知識圖譜構(gòu)建等方式,，解決工業(yè)領域的個性化場景問題,，例如：生產(chǎn)制造過程參數(shù)優(yōu)化、設備預測性維護,、工業(yè)供應鏈優(yōu)化等,；另外一種是以視覺、語音等相對成熟應用技術直接遷移到工業(yè)領域,，解決相似工業(yè)問題,，例如：表單識別、產(chǎn)品表面檢測,、安全巡檢等,。

     工程化技術主要解決核心賦能技術落地推廣的關鍵問題：一是基礎支撐層，主要包括數(shù)據(jù),、芯片與計算模塊,、開源計算框架等，涵蓋人工智能“算法”,、“算力”,、“數(shù)據(jù)”三大要素的后兩個，為工業(yè)算法模型提供軟硬件支持,。二是工業(yè)適配技術,，具體指為了適應工業(yè)領域特殊需求、解決融合技術問題、實現(xiàn)產(chǎn)業(yè)化相關的技術,，如數(shù)據(jù)可用性,、可解釋性、實時性與自動訓練等,，工業(yè)適配層面的技術是驅(qū)動AI實際落地工業(yè)的關鍵,。

     其次，從產(chǎn)業(yè)上來說,，AI與工業(yè)供給產(chǎn)業(yè)融合形成的核心產(chǎn)品,、方案與服務，是AI賦能工業(yè)的主要載體,。主要包括四個方面,，按層級關系可分為基礎軟硬件、智能工業(yè)裝備,、自動化與邊緣系統(tǒng),、平臺/工業(yè)軟件與方案。其中,，基礎軟硬件是指各類芯片/計算模塊,、AI框架、工業(yè)相機等相對通用的軟硬產(chǎn)品,；智能工業(yè)裝備是融合智能算法能力的機器人,、AGV、機床等通用/專用的工業(yè)生產(chǎn)制造裝備,；自動化與邊緣系統(tǒng)主要指融合了智能算法的工業(yè)控制系統(tǒng),；平臺/工業(yè)軟件與方案既包括傳統(tǒng)單機軟件與AI融合升級，也包含各類具有AI能力的工業(yè)互聯(lián)網(wǎng)平臺及其衍生的解決方案,、智能應用服務,。

     最后，從應用上來說,，工業(yè)智能形成三類核心應用模式,。工業(yè)智能已經(jīng)在研發(fā)、生產(chǎn),、管理與服務等全環(huán)節(jié)形成各類智能化場景,。一是識別類應用，與工業(yè)智能的應用技術相對應,，包括工業(yè)視覺檢測,、表單識別和工業(yè)語音信號識別等,；二是數(shù)據(jù)建模優(yōu)化類應用,，與通用算法技術中的數(shù)據(jù)科學相對應，如基于機器學習、深度學習技術的智能排產(chǎn),、設備運維,、工藝參數(shù)優(yōu)化等；三是知識推理決策類應用,，與通用算法技術中的知識工程相對應,，如冶煉專家系統(tǒng)、設備故障診斷專家系統(tǒng),、供應鏈知識圖譜等,。