而目前的工業人工智能則是兩者結合。工業人工智能可以增強勞動力素質、提高工作效率更好地服務客戶，能使工業的各個環節產生變革，為先進制造帶來新的希望。通過工業人工智能與數字設計相結合，將制造過程所需的信息無縫地結合到原材料到產品的轉換過程當中，從而形成一個高度互聯的工業實體。通過一整套供應鏈系統橫跨多個公司，智能制造能通過對缺陷和故障的檢測和糾正以確保產品質量的一致性和可追溯。這些進步取決于強大的工業互聯網創新和面向制造流程的機器學習算法，以及可在以信息為中心的一體化系統中即插即用的機床和控制系統。

　　而工業人工智能的難點在于：

　　1.多源異構數據的機器學習

　　人工智能深度學習是基于完全標注的大樣本靜態特性學習，而工業人工智能則需要對不完全、無標注樣本的動態特性進行學習。

　　2.產品質量、能耗以及運行狀態的預測與追溯

　　原料轉化為產品的過程是物質流、能源流、信息流交互作用的過程。反應機理不清的物理化學過程，其動態特性隨運行過程變化。且不同生產批次之間的動態特性不同，單頓能耗難以在線測量。

　　3.決策與控制過程集成優化

　　制造過程中的智能決策接收到的是小數據，解決的是大任務。從信息感知層面，制造過程中的智能決策面臨著開放環境、信息不完全、規則不確定等難題。制造過程當中難以建立決策仿真模型，同時最終決策需要權衡質量、效率、消耗等多沖突目標。

　　柴天佑指出，中國擁有一批國家級重點實驗室和工業自動化、信息化的學術帶頭人、研究骨干以及人才資源。目前已取得相應的創新成果，由此孕育了一批先進的高技術公司。“世界工廠”級別的制造業則為工業人工智能的研究提供了實驗環境。隨著國家戰略和工業需求的推動，我國的工業互聯網一定會良好發展。