工业人工智能是智能制造的技术基础，它的核心是对产品和工艺设计、经营管理和决策、制造全流程的管理和控制，在生产活动中要依靠人的感知、认知、分析和决策能力和经验与知识来完成。
在未来发展中，企业家有着非常重要的位置，要把知识工作者变成智能体，把知识工作自动化、智能化。
工业人工智能可拆分成人工智能与工业两部分，2010年以后三大因素促使人工智能发展浪潮。分别是：
1.来自政府、电子商务、商业、社交媒体、科学、政府提供可用的大数据
2.强大的计算能力
3.科技产业增加在人工智能领域的投资
由此可见，可用大数据、计算力、产业投资在人工智能发展当中占有相当重要的地位。
2016年，谷歌首席执行官桑达尔指出，机器学习是人工智能的核心。谷歌正将机器学习应用到公司的所用产品当中。拉开了人工智能机器学习的发展热潮。
由此，深度学习快速发展。在图像识别领域，人工智能2016年的识别错误率以降低到3.5%的成绩，标志着图片识别领域已开始超过人类。（人类错误率：5%）
目前人工智能技术发展在朝着可解释机器学习、建立智能系统两个重要方向发展。
人工智能分为弱人工智能和强人工智能两种类型。
此前，运用较广的是人工智能是指图像识别、语音识别等窄面运用的弱人工智能。
未来人工智能将朝着与人一样智慧全面的AI发展。
而基于统计的、无模型的机器学习方法存在严重的理论局限，难以用于推理和回溯，难以作为强人工智能的基础。实现类人智能和强人工智能需要在机器学习系统中加入“实际模型的导引”。
并且，机器智能系统在企业、政府和全球居民的日常生活中占据越来越重要的角色，很难估计计算机控制系统在不久的将来可以实现哪些功能。因此，人工智能领域正朝着智能系统的方向发展。
自动化的界定并不明确，且随着时间推移不断变化，但多年来一直秉持一个核心目标：研制系统替代人或辅助人去完成人类生产、活动和管理活动中的特定任务，减少、减轻人的体力、脑力劳动，提高工作的效率、效益、效果。
近年来，自动化的发展趋势在向控制系统自主控制、管理与决策系统智能优化、且形成优化、决策、控制一体化系统等方向发展。
自动化与人工智能之间的共同点在于：都是通过机器延伸和增加人类的感知、认知、决策、执行的功能，增加人类认识世界和改造世界的能力，完成人类无法完成的特定任务或比人类更有效的完成特定任务。
区别在于研究的对象与方法不同、实现的手段不同（算法和系统），且人工智能在短期内的核心经济影响是自动化以前无法完成的任务。
而目前的工业人工智能则是两者结合。工业人工智能可以增强劳动力素质、提高工作效率更好地服务客户，能使工业的各个环节产生变革，为先进制造带来新的希望。
通过工业人工智能与数字设计相结合，将制造过程所需的信息无缝地结合到原材料到产品的转换过程当中，从而形成一个高度互联的工业实体。
通过一整套供应链系统横跨多个公司，智能制造能通过对缺陷和故障的检测和纠正以确保产品质量的一致性和可追溯。
这些进步取决于强大的工业互联网创新和面向制造流程的机器学习算法，以及可在以信息为中心的一体化系统中即插即用的机床和控制系统。
而工业人工智能的难点在于以下几个方面：
1.多源异构数据的机器学习。
人工智能深度学习是基于完全标注的大样本静态特性学习，而工业人工智能则需要对不完全、无标注样本的动态特性进行学习。
2.产品质量、能耗以及运行状态的预测与追溯。
原料转化为产品的过程是物质流、能源流、信息流交互作用的过程。反应机理不清的物理化学过程，其动态特性随运行过程变化。且不同生产批次之间的动态特性不同，单顿能耗难以在线测量。
3.决策与控制过程集成优化。
制造过程中的智能决策接收到的是小数据，解决的是大任务。从信息感知层面，制造过程中的智能决策面临着开放环境、信息不完全、规则不确定等难题。
制造过程当中难以建立决策仿真模型，同时最终决策需要权衡质量、效率、消耗等多冲突目标。
未来工业互联网有着属于它的发展方向，企业工业互联网系统应该实现个性定制高效化、制造流程全局优化、工业数字孪生系统。
未来工业互联网系统的建设要与获取工业大数据相结合；工业大数据的建设要与研发补充、增加操作者与知识工作者的能力相结合；要与AI算法、AI系统相结合；基础研究、研发、实验要与工业应用相结合；要汇聚研究单位、高技术公司和制造行业的科技力量，形成学科交叉长期合作研发机制。