磁力测试设备产业发展建议

磁力测试设备产业发展建议充分发挥工业转型升级（中国制造2025）等现有资金以及重大项目等国家科技计划（专项、基金）的引导作用，支持符合条件的人工智能标志性产品及基础软硬件研发、应用试点示范、支撑平台建设等，鼓励地方财政对相关领域加大投入力度。以重大需求和行业应用为牵引，搭建典型试验环境，建设产品可靠性和安全性验证平台，组织协同攻关，支持人工智能关键应用技术研发及适配，支持创新产品设计、系统集成和产业化。支持人工智能企业与金融机构加强对接合作，通过市场机制引导多方资本参与产业发展。在首台（套）重大技术装备保险保费补偿政策中，探索引入人工智能融合的技术装备、生产线等关键领域。一、 培育智能产品以市场需求为牵引，积极培育人工智能创新产品和服务，促进人工智能技术的产业化，推动智能产品在工业、医疗、交通、农业、金融、物流、教育、文化、旅游等领域的集成应用。发展智能控制产品，加快突破关键技术，研发并应用一批具备复杂环境感知、智能人机交互、灵活精准控制、群体实时协同等特征的智能化设备，满足高可用、高可靠、安全等要求，提升设备处理复杂、突发、极端情况的能力。培育智能理解产品，加快模式识别、智能语义理解、智能分析决策等核心技术研发和产业化，支持设计一批智能化水平和可靠性较高的智能理解产品或模块，优化智能系统与服务的供给结构。推动智能硬件普及，深化人工智能技术在智能家居、健康管理、移动智能终端和车载产品等领域的应用，丰富终端产品的智能化功能，推动信息消费升级。（一）智能网联汽车支持车辆智能计算平台体系架构、车载智能芯片、自动驾驶操作系统、车辆智能算法等关键技术、产品研发，构建软件、硬件、算法一体化的车辆智能化平台。到2020年，建立可靠、安全、实时性强的智能网联汽车智能化平台，形成平台相关标准，支撑高度自动驾驶（HA级）。（二）智能服务机器人支持智能交互、智能操作、多机协作等关键技术研发，提升清洁、老年陪护、康复、助残、儿童教育等家庭服务机器人的智能化水平，推动巡检、导览等公共服务机器人以及消防救援机器人等的创新应用。发展三维成像定位、智能精准安全操控、人机协作接口等关键技术，支持手术机器人操作系统研发，推动手术机器人在临床医疗中的应用。到2020年，智能服务机器人环境感知、自然交互、自主学习、人机协作等关键技术取得突破，智能家庭服务机器人、智能公共服务机器人实现批量生产及应用，医疗康复、助老助残、消防救灾等机器人实现样机生产，完成技术与功能验证，实现20家以上应用示范。（三）智能无人机支持智能避障、自动巡航、面向复杂环境的自主飞行、群体作业等关键技术研发与应用，推动新一代通信及定位导航技术在无人机数据传输、链路控制、监控管理等方面的应用，开展智能飞控系统、高集成度专用芯片等关键部件研制。到2020年，智能消费级无人机三轴机械增稳云台精度达到0005度，实现360度全向感知避障，实现自动智能强制避让航空管制区域。（四）医疗影像辅助诊断系统推动医学影像数据采集标准化与规范化，支持脑、肺、眼、骨、心脑血管、乳腺等典型疾病领域的医学影像辅助诊断技术研发，加快医疗影像辅助诊断系统的产品化及临床辅助应用。到2020年，国内先进的多模态医学影像辅助诊断系统对以上典型疾病的检出率超过95%，假阴性率低于1%，假阳性率低于5%。（五）视频图像身份识别系统支持生物特征识别、视频理解、跨媒体融合等技术创新，发展人证合一、视频监控、图像搜索、视频摘要等典型应用，拓展在安防、金融等重点领域的应用。到2020年，复杂动态场景下人脸识别有效检出率超过97%，正确识别率超过90%，支持不同地域人脸特征识别。（六）智能语音交互系统支持新一代语音识别框架、口语化语音识别、个性化语音识别、智能对话、音视频融合、语音合成等技术的创新应用，在智能制造、智能家居等重点领域开展推广应用。到2020年，实现多场景下中文语音识别平均准确率达到96%，5米远场识别率超过92%，用户对话意图识别准确率超过90%。（七）智能翻译系统推动高精准智能翻译系统应用，围绕多语言互译、同声传译等典型场景，利用机器学习技术提升准确度和实用性。到2020年，多语种智能互译取得明显突破，中译英、英译中场景下产品的翻译准确率超过85%，少数民族语言与汉语的智能互译准确率显著提升。（八）智能家居产品支持智能传感、物联网、机器学习等技术在智能家居产品中的应用，提升家电、智能网络设备、水电气仪表等产品的智能水平、实用性和安全性，发展智能安防、智能家具、智能照明、智能洁具等产品，建设一批智能家居测试评价、示范应用项目并推广。到2020年，智能家居产品类别明显丰富，智能电视市场渗透率达到90%以上，安防产品智能化水平显著提升。二、 神经网络芯片面向机器学习训练应用，发展高性能、高扩展性、低功耗的云端神经网络芯片，面向终端应用发展适用于机器学习计算的低功耗、高性能的终端神经网络芯片，发展与神经网络芯片配套的编译器、驱动软件、开发环境等产业化支撑工具。到2020年，神经网络芯片技术取得突破进展，推出性能达到128TFLOPS（16位浮点）、能效比超过1TFLOPS/w的云端神经网络芯片，推出能效比超过1TOPS/w（以16位浮点为基准）的终端神经网络芯片，支持卷积神经网络（CNN）、递归神经网络（RNN）、长短期记忆网络（LSTM）等一种或几种主流神经网络算法；在智能终端、自动驾驶、智能安防、智能家居等重点领域实现神经网络芯片的规模化商用。三、 开源开放平台针对机器学习、模式识别、智能语义理解等共性技术和自动驾驶等重点行业应用，支持面向云端训练和终端执行的开发框架、算法库、工具集等的研发，支持开源开发平台、开放技术网络和开源社区建设，鼓励建设满足复杂训练需求的开放计算服务平台，鼓励骨干龙头企业构建基于开源开放技术的软件、硬件、数据、应用协同的新型产业生态。到2020年，面向云端训练的开源开发平台支持大规模分布式集群、多种硬件平台、多种算法，面向终端执行的开源开发平台具备轻量化、模块化和可靠性等特征。四、 突破核心基础加快研发并应用高精度、低成本的智能传感器，突破面向云端训练、终端应用的神经网络芯片及配套工具，支持人工智能开发框架、算法库、工具集等的研发，支持开源开放平台建设，积极布局面向人工智能应用设计的智能软件，夯实人工智能产业发展的软硬件基础。五、 智能传感器支持微型化及可靠性设计、精密制造、集成开发工具、嵌入式算法等关键技术研发，支持基于新需求、新材料、新工艺、新原理设计的智能传感器研发及应用。发展市场前景广阔的新型生物、气体、压力、流量、惯性、距离、图像、声学等智能传感器，推动压电材料、磁性材料、红外辐射材料、金属氧化物等材料技术革新，支持基于微机电系统（MEMS）和互补金属氧化物半导体（CMOS）集成等工艺的新型智能传感器研发，发展面向新应用场景的基于磁感、超声波、非可见光、生物化学等新原理的智能传感器，推动智能传感器实现高精度、高可靠、低功耗、低成本。到2020年，压电传感器、磁传感器、红外传感器、气体传感器等的性能显著提高，信噪比达到70dB、声学过载点达到135dB的声学传感器实现量产，绝对精度100Pa以内、噪音水平06Pa以内的压力传感器实现商用，弱磁场分辨率达到1pT的磁传感器实现量产。在模拟仿真、设计、MEMS工艺、封装及个性化测试技术方面达到国际先进水平，具备在移动式可穿戴、互联网、汽车电子等重点领域的系统方案设计能力。六、 行动目标通过实施四项重点任务，力争到2020年，一系列人工智能标志性产品取得重要突破，在若干重点领域形成国际竞争优势，人工智能和实体经济融合进一步深化，产业发展环境进一步优化。人工智能重点产品规模化发展，智能网联汽车技术水平大幅提升，智能服务机器人实现规模化应用，智能无人机等产品具有较强全球竞争力，医疗影像辅助诊断系统等扩大临床应用，视频图像识别、智能语音、智能翻译等产品达到国际先进水平。人工智能整体核心基础能力显著增强，智能传感器技术产品实现突破，设计、代工、封测技术达到国际水平，神经网络芯片实现量产并在重点领域实现规模化应用，开源开发平台初步具备支撑产业快速发展的能力。智能制造深化发展，复杂环境识别、新型人机交互等人工智能技术在关键技术装备中加快集成应用，智能化生产、大规模个性化定制、预测性维护等新模式的应用水平明显提升。重点工业领域智能化水平显著提高。人工智能产业支撑体系基本建立，具备一定规模的高质量标注数据资源库、标准测试数据集建成并开放，人工智能标准体系、测试评估体系及安全保障体系框架初步建立，智能化网络基础设施体系逐步形成，产业发展环境更加完善。七、 深化发展智能制造深入实施智能制造，鼓励新一代人工智能技术在工业领域各环节的探索应用，支持重点领域算法突破与应用创新，系统提升制造装备、制造过程、行业应用的智能化水平。（一）智能制造关键技术装备提升高档数控机床与工业机器人的自检测、自校正、自适应、自组织能力和智能化水平，利用人工智能技术提升增材制造装备的加工精度和产品质量，优化智能传感器与分散式控制系统（DCS）、可编程逻辑控制器（PLC）、数据采集系统（SCADA）、高性能高可靠嵌入式控制系统等控制装备在复杂工作环境的感知、认知和控制能力，提高数字化非接触精密测量、在线无损检测系统等智能检测装备的测量精度和效率，增强装配设备的柔性。提升高速分拣机、多层穿梭车、高密度存储穿梭板等物流装备的智能化水平，实现精准、柔性、高效的物料配送和无人化智能仓储。到2020年，高档数控机床智能化水平进一步提升，具备人机协调、自然交互、自主学习功能的新一代工业机器人实现批量生产及应用；增材制造装备成形效率大于450cm3/h，连续工作时间大于240h；实现智能传感与控制装备在机床、机器人、石油化工、轨道交通等领域的集成应用；智能检测与装配装备的工业现场视觉识别准确率达到90%，测量精度及速度满足实际生产需求；开发10个以上智能物流与仓储装备。（二）智能制造新模式鼓励离散型制造业企业以生产设备网络化、智能化为基础，应用机器学习技术分析处理现场数据，实现设备在线诊断、产品质量实时控制等功能。鼓励流程型制造企业建设全流程、智能化生产管理和安防系统，实现连续性生产、安全生产的智能化管理。打造网络化协同制造平台，增强人工智能指引下的人机协作与企业间协作研发设计与生产能力。发展个性化定制服务平台，提高对用户需求特征的深度学习和分析能力，优化产品的模块化设计能力和个性化组合方式。搭建基于标准化信息采集的控制与自动诊断系统，加快对故障预测模型和用户使用习惯信息模型的训练和优化，提升对产品、核心配件的生命周期分析能力。到2020年，数字化车间的运营成本降低20%，产品研制周期缩短20%；智能工厂产品不良品率降低10%，能源利用率提高10%；航空航天、汽车等领域加快推广企业内外并行组织和协同优化新模式；服装、家电等领域对大规模、小批量个性化订单全流程的柔性生产与协作优化能力普遍提升；在装备制造、零部件制造等领域推进开展智能装备健康状况监测预警等远程运维服务。八、 智能装备行业技术水平智能装备是一种集光学成像技术、机械运动技术、电气控制技术、人工智能算法和数据控制软件技术于一体，具有自感知、自决策、自执行、自适应、自学习等功能的先进生产装备。德国、日本等发达国家有着深厚的工业发展积淀，装备设计理论成熟，底层技术积累丰富，材料、工艺和制造手段先进，促进了其智能装备制造业的发展。我国智能装备制造行业起步较晚，在技术领域较先进国家仍存在短板，新型传感器件、量测器具、控制单元等核心技术还需要向国外厂商采购，限制了行业的发展空间。此外，我国工业产业基础薄弱，高精度和超高精度数控机床加工能力较弱，为智能装备提供基础零部件、元器件、材料的工艺水平与工业发达国家相比存在较大差距，制约了行业的发展速度。近年来，在国家产业政策鼓励支持、下游客户需求增加、基础技术不断提高的三重有利因素推动下，国内的智能装备企业不断加强自身研发能力，有针对性的进行技术突破，在消费电子、光伏组件、新能源电池等行业涌现了一批具有较强竞争力的企业，行业技术水平有了显著的提升。同时，随着应用场景的不断丰富，各行业客户对智能装备的功能、性能、效能等方面均提出了更加细致的要求，部分国内从业企业抓住市场需求变化的机遇，在定制化开发、制造成本、销售渠道、客户业务理解和客户服务能力等方面增强竞争优势，从而在长期的市场竞争中产生了一批设计研发能力强、服务质量良好的企业，在市场中占据有利的竞争地位。九、 智能装备行业的主要壁垒（一）智能装备行业技术壁垒智能装备行业本身系及精密光学、电气控制、精密机械、计算机算法及人工智能等学科知识于一体的复合型产业，对于相关产业的技术团队而言，需要长时间的经验积累才能纯熟掌握核心的设计研发工艺。核心技术的积累和持续的技术创新能力是企业在竞争中处于优势地位的有力保障，特别是关键的光学成像、视觉系统算法、机械系统设计、运动控制技术、软件处理技术等更是需要长时间的积累及技术更新才能逐步形成可随时调用的解决方案模块。（二）智能装备行业人才壁垒智能装备行业从研发、设计、生产、调试及后期维护、产品升级等都需要相关人员具备专业的知识和丰富的经验。除需要专业人才具备物理学、软件算法、硬件、机械动力、电气控制等方面的个人专业能力外，亦对人员的团队协作能力要求较高。因而，行业内专业人才的培养对于企业保持竞争优势地位至关重要。（三）智能装备行业客户资源壁垒因客户采购智能检测、组装设备涉及的固定资产投入额较大，使用智能装备的企业本身系行业内较为知名的企业，客户采购智能装备主要为提高其自身生产的稳定性、持续性、良率等指标。因此，客户对于智能装备供应厂商的生产能力、服务能力有一定的要求，并且同类型的产品一旦选定供应商后，非重大问题不会出现更换供应商的情形。除此以外，基于一定存量的售出智能装备，后期客户的更新、升级换代的需求及新项目的开展需求均有助于智能装备供应厂商经营规模的进一步提升。（四）智能装备行业品牌壁垒企业品牌的构建是一项长期工程，品牌美誉度高是产品质量及服务的重要保证，亦是行业开拓新市场、招聘优秀人才的有力抓手，意味着企业具备更强的竞争力。新进入者建立一个为潜在客户所接受的新品牌除需要经过较长时间的积累外，往往还需要大量资金投入，且在品牌建立初期，新进入者在竞争中将处于不利地位。十、 智能装备行业情况智能装备是一种集光学成像技术、机械运动技术、电气控制技术、人工智能算法和数据控制软件技术于一体，具有自感知、自决策、自执行、自适应、自学习等特征，旨在提高制造业质量、效益和核心竞争力的先进生产装备。智能装备行业具有产业关联度高、技术资金密集的特点，是各行业智能生产、技术进步的重要保障，在基础技术水平不断提高的作用下，智能装备行业发展迅速，目前已经广泛应用于消费电子、医疗、汽车、新能源等多个领域。对于下游应用企业来说，智能装备的核心价值体现在降低生产成本、提高生产效率。一方面，智能装备能够有效降低应用企业的劳动力需求，减少人工成本，通过自动化降低产品的不合格率，减少因产品质量造成的损失，降低整体生产成本。另一方面，智能装备能够通过科学合理排产，优化生产过程，改善生产工艺，加快生产速度。智能装备系下游应用企业实现智能制造的基础，而智能制造产业的推进则为智能装备提供了广阔的应用市场。智能制造通过工业自动化、工业互联网、企业信息化管理，将传统制造企业进行全面的智能化升级，覆盖企业的制造工艺、制造产线运行和企业整体运营信息化。工业自动化系在生产制造中采用自动控制、自动调整装置，用以代替人工操纵机器和机器体系进行加工生产，人工仅进行机器设备生产的监督。随着国内5G基础设施逐步完善，以及云计算、边缘计算、人工智能、大数据等技术的进一步发展，工业互联网体系建设逐步完备，从而有效将人、数据和机器连接起来。企业信息化管理则是面向装备、单元、车间、工程等制造载体，形成企业各个层面与环节数据集成。（一）全球智能装备行业全球制造业先后经历了手工制造、流水线、自动化、柔性自动化和集成自动化等过程，装备的形态和复杂性也相应发生了改变，经历机械化、电气化、数字化三个历史发展阶段，智能化已成为发展趋势。在生产制造由劳动密集型向技术密集型转型的道路上，大力发展智能装备变得不可或缺。2008年金融危机后，经过十多年的技术积累，制造业强国不断推出新举措，通过政府、行业组织、企业等协同推进智能制造发展，以提升工业制造实力，培育行业竞争优势。德国提出了工业40概念，推进传统制造业与现代化信息技术的融合，美国则启动了先进制造业国家战略计划。近年来，随着全球科技和产业竞争日趋激烈，大国战略博弈进一步聚焦制造业，美国先进制造业领导力战略、德国国家工业战略2030、日本社会50和欧盟工业50等以重振制造业为核心的发展战略，均以智能制造为主要抓手，力图抢占全球制造业新一轮竞争制高点。根据国际市场研究机构MarketsandMarkets最新发布的研究报告，2020年全球智能制造市场规模2，147亿美元，预计到2025年将增至3，848亿美元，复合增长率达到124%。（二）我国智能装备行业装备制造行业为国民经济提供生产技术装备，系现代制造业的核心组成部分。2010年10月，首次将高端装备制造业列为国家战略性新兴产业之一，作为高端装备制造业的重点发展方向和信息化与工业化深度融合的重要体现，发展智能装备产业对于加快制造业转型升级，促进工业智能化，提升生产效率、技术水平和产品质量，降低能源资源消耗，加快我国由工业大国向工业强国转变的进程具有十分重要的意义。与全球制造业遭遇瓶颈相同，我国制造业亦面临较大挑战，一方面，我国制造业大而不强，在制造业增加值跃居全球第一的同时，我国制造业利润空间小，仍处于制造业微笑曲线底部。此外，我国劳动力人口红利开始逐渐减弱，制造业成本显著提升，过往的比较优势正在减弱，制造业智能化转型迫在眉睫。在此背景下，我国十三五规划中进一步提出了发展智能装备行业，面向中国制造2025十大重点领域，推进智能制造关键技术装备、核心支撑软件、工业互联网等系统集成应用。十四五智能制造发展规划亦明确指出，要针对满足提高产品可靠性和高端化发展等需要，开发面向特定场景的智能成套生产线以及新技术与工艺结合的模块化生产单元。虽然我国智能制造（装备）行业起步较晚，在技术实力积累、制造工艺水平、产业体系建设等方面与发达国家相比存在差距，但是随着国家政策的大力支持、下游制造业对智能装备需求的提升，以及机器视觉、功能检测等重要技术的不断提高，我国智能装备行业不断发展壮大。根据中控网统计数据显示，2016年至2020年，我国智能设备制造市场规模由1，421亿元上升至近1，900亿元，预计至2025年可达2，347亿元。近年来，国内智能设备制造的市场规模呈现增长趋势。（三）机器视觉和功能检测技术发展带动智能装备行业快速发展智能装备旨在提供外部闭环控制机制，进行自动误差补偿，并且保证制造流程的正确完成。智能制造的典型特征为动态感知、实时分析、自主决策和精准执行，工业机器人本身不具有智能特征，机器视觉和功能检测相关基础技术的演进为智能装备发展奠定了坚实的技术基础。1、机器视觉带动智能装备行业快速发展在整个智能制造系统中，原始信息的采集是最为基础的工作，原始信息推动着整个系统的决策、执行和学习。机器视觉技术具有高度的灵活性，能适应各种生产环境，获取检测对象的图像以进行原始信息采集，并进行分析、处理：机器视觉既可以引导定位进行尺寸量测及外观检验，完成不合格的产品的精确剔除；还可以指导机器人实现更好的定位和筛选组装工作，与整个智能制造流程密切相关。机器视觉概念于上世纪五六十年代首次被提出，北美、欧洲和日本等发达地区率先进入该项研究领域，并于二十世纪八十年代将其应用于工业化生产过程当中。机器视觉技术依靠光学成像、机械运动、电气控制、分析算法、应用软件等核心技术，使得智能检测、组装设备具备高精度的2D/3D模型获取能力，图像处理、图像识别、认知决策等人工智能和抽象理解能力，并且能够完成复杂工业的精密运动任务，从而实现智能检测、测量、定位和识别等功能。从全球范围看，由于下游消费电子、医疗、半导体、汽车等行业规模持续扩大，全球各大经济主体的自动化水平的不断提升，机器视觉的在传统产业的应用率不断提升的同时，不断拓展新的应用领域。随着全球制造中心向中国转移，2020年度包括中国在内的亚太区已是欧洲、北美之后的第三大机器视觉领域应用市场，占全球市场份额的253%。相比于国外完整且成熟的产业链，我国机器视觉起步较晚，源于上世纪八十年代的技术引进。伴随着我国工业化进程发展，机器视觉行业经历了启蒙阶段、初步发展阶段，目前正处于快速发展阶段。中国制造2025将推进信息化与工业化深度融合作为战略任务和重点之一，提出推进制造过程智能化。在重点领域试点建设智能工厂/数字化车间，加快人机智能交互、工业机器人、智能物流管理等技术和装备在生产过程中的应用。我国将智能制造提升到国家战略层面，大力发展智能装备产业对于加快制造业转型升级，提升生产效率、技术水平和产品质量，降低能源资源消耗，实现制造过程的智能化和绿色化发展具有重要意义。机器视觉作为智能装备产业的重要抓手，受益于各项产业政策的支持和各项技术的发展，其发展深度和广度逐步提升，广泛应用于自动化成套生产线、智能测控系统、工业机器人等具有自主知识产权的重大智能装备。未来几年，得益于经济持续稳定发展、产业结构转型升级、制造业自动化及智能化进程加速、行业内企业自主研发能力增强、机器视觉产品应用领域的拓宽等因素，我国机器视觉行业规模有望实现持续、稳步增长。2、功能检测带动智能装备行业快速发展功能检测是智能制造系统的重要组成部分，通过对计算机软件、算法、机构设计、控制理论、物理学、化学等学科及工艺的运用，利用软件算法配合自动化设备的使用对产品的各项待测参数进行读取，从而验证待测产品，确认产品的特性可以满足设计需求，实现生产效果的提升，为客户达到提质降本增效的效果。功能检测包含对待检测产品各类物理及化学属性的测试，目前被广泛应用于消费电子、汽车电子、医疗电子、工业电子及相关电子零部件产品的电学、信号（无线射频）、声学、光学、传感、恒压力、磁性等方面的性能检测。以消费电子产品为例，其功能多样化和设计复杂化导致产品检测种类繁多、精度要求高。海外美国、日本等工业发达的国家凭借进入功能检测早的先发优势，目前在技术上依旧处于发展前沿的位置。此外，美国及日本等国家半导体行业的发展也助力了海外功能检测行业的发展。功能检测作为自动化生产的重要组成部分，多年来随着自动化行业的进步而不断发展。近年来，我国制造业虽然已处于加速发展的进程，但相比发达国家，仍然有一定的起步较晚的劣势。对于使用功能检测设备的终端产品制造厂商而言，产品质量因关乎企业的品牌及声誉，是企业经营管控的重要环节。就全球而言，在功能检测自动化设备还未生产制造前，产品的功能检测通常由人工测试的方式完成。因人工测试速度有限、且容易受到检测人员主观或外界客观因素的干扰，故人工测试对质量缺陷产品的甄别率普遍较低，一方面导致产品生产线运转效率低下，产能利用率下降，拖延新产品推出时间；另一方面导致检测后产品质量参差不齐，对产品品牌造成负面影响。近年来，随着全球范围内劳动力成本的普遍提升，及人口老龄化、出生率低造成的劳动力不足，以自动化检测代替人工检测成为检测发展的主流方向。功能检测设备的使用规模随着工业自动化设备的广泛使用而不断增加。由于工业自动化设备涉及的下游行业较多，不同行业的实际情况区别较大导致实际的需求设备差异也较大，因此，工业自动化的蓬勃发展促进了功能检测需求的进一步发展。