在科技领域以外，AI技术则仍大多数是实验性质，只有少数例外──特别是汽车领域──很少有工厂已经开始采用，已经实施的AI技术都是小范围应用，主要在例如库存管理、检验等领域。

　　市场研究机构Lux Research研究员Dayton Horvath表示：“AI能支持像是有限元素分析(finite element analysis，FEA)等应用于建立仿真模型的运作，此外也能处理更困难的问题──例如有更大自由度或是不完整数据集的情况;”举例来说，拓朴优化(topology optimization)能借助AI打造更轻量化，但拥有相同或更高强度的零件，并能建立更具效率的热交换器模型。

　　在工厂AI应用经常被提到的一种系统就是机器人，美国业者Universal Logic的AI机器人技术Neocortex，源自于由美国太空总署(NASA)赞助的太空站机器人Robonaut研发项目，该技术能让自动化系统处理变形物体(deformable objects)、高项目变动性(high item variability)与零件更换，而且不需要固定设施。

　　Universal Logic/Universal Robotics副总裁Hob Wubbena表示，Neocortex是该公司的Spatial Vision 3D软件平台之AI机器学习模块，该平台能与各种致动机器共同运作，不只是机器人;该平台能感知运用于搬运、抓取等任务的机器人周围环境，让机器人能实时、高速地与环境互动与做出反应。赋予机器人的能力包括能恰当识别并回应混合各种形状与纹理的物体，例如瓶罐、袋子与箱子，可靠度可达99%。

　　对协作型机器人来说，“人在回路”(human-in-the-loop)的强化训练则是让机器人借助机器学习变得更聪明的关键;PlusOne Robotics创办人暨执行官Erik Nieves表示：“强化学习将会为工厂生产线以及配送中心(distribution center)都带来冲击;以后每座大型工厂之下就是配送中心，就算是经营工厂的人都没想过这一点。随着工厂采用AI技术，这些都会陆续进展。”

　　AI与工业机器人设备的结合实例

　　最近产业界也有两桩专为工业(包括制造业)制程用机器人开发AI技术的合作案，其一是能协助人类作业员改善质量控制、提升速度与良率、减少停工时间(down time)的“感知工业机械”(cognitive industrial machines)，这是结合了ABB Ability的云端到边缘装置跨产业数字解决方案，以及IBM的Watson物联网平台。

　　上述已经商业化的系统名为Cognitive Vision Inspection System，结合Watson超级计算机的AI以及透过ABB系统截取的生产线实时影像，能发现缺陷并将相关数据送往云端以制造业专用的Watson IoT平台进行分析;IBM Watson IoT部门副总裁Bret Greenstein表示，Watson是在云端执行，其子集(subset)则能在服务器上执行：“我们能在边缘装置、网关上执行，通常是采用Linux或嵌入式操作系统的x86系统;在这方面我们正在与Cisco等厂商合作。”

　　除了支持机器视觉检测，IBM利用Watson的感知能力与操作员在免手动的环境进行互动，或是提供扩增实境(augmented reality)工具协助诊断与维修设备。Greenstein表示：“我们正看到全球各地采用这类技术，包括美国以及其他市场;AI带来更具竞争力的优势，包括改善质量、安全性与生产力，还有实现更精密复杂产品的制造。”

　　同时Nvidia与日本业者发那科(Fanuc)也正在合作，为Fanuc的工业控制系统Field (Fanuc Intelligent Edge Link and Drive)添加AI功能，让自动化工厂中的机器人能更快速、更有效率地运作;这种技术将应用一系列的Nvidia绘图处理器(GPU)与深度学习软件，让AI能在云端、数据中心执行，甚至嵌入于边缘装置中。

　　Field系统与CNC设备、机器人、周边装置以及传感器链接，借助分析来优化制造业生产;Nvidia的智能机器产品管理部门主管Murali GopalakrishnaFanuc表示，Fanuc最近示范了AI机器人的三种基础应用，包括抓取与放置物品、在边缘的预测性维护，以及检测率提升了七倍的自动化光学检测。

　　美国大厂GE (General Electric)也正在内部开发适合自家制造需求以及其他美国垂直整合制造商的技术;GE Global Research的机器人技术部门主管John Lizzi透露，除了软硬件平台，GE还投资了擅长自动移动机器人的Clearpath Robotics，还有以“蛇臂”(snake-arm)机器人闻名的OC Robotics。

　　针对某些应用案例，GE是从零开始打造机器人，例如能深入喷射机引擎进行检测的装置;此外该公司也同时自行打造与向外采购传感器。透过机器学习，AI在机器人领域变得非常重要，而该技术也成为在未来从三个方面提升机器人的关键，即感知、先进推理以及灵巧。Lizzi并指出，协作机器人也是一大趋势，GE的愿景是朝向移动、自给自足的系统发展，人类只需要在处理例外状况时出手干预，此外还有布署能与人类团队合作的智慧机器人。