英偉達(dá)創(chuàng)始人兼CEO黃仁勛曾豪言，“人工智能的下一個(gè)浪潮是具身智能”。

AI大模型、具身智能、深度學(xué)習(xí)技術(shù)的興起和火熱，讓機(jī)器人從過(guò)往重復(fù)單一任務(wù)，有望向自主感知、自主決策、自主執(zhí)行的未來(lái)世界邁進(jìn)。

AI與機(jī)器人的深度結(jié)合，是時(shí)代和技術(shù)發(fā)展的必由之路。目前，AI技術(shù)在工業(yè)機(jī)器人的應(yīng)用已經(jīng)廣泛滲透到AI工業(yè)質(zhì)檢、預(yù)測(cè)性維護(hù)、智能化倉(cāng)儲(chǔ)、安全預(yù)警等多個(gè)環(huán)節(jié)，工業(yè)機(jī)器人的智能化正全力加速。

在此背景下，日前，以“萬(wàn)物向新 蓄力篤行”為主題的2024(第十一屆)高工機(jī)器人年會(huì)暨高工金球獎(jiǎng)?lì)C獎(jiǎng)典禮在深圳機(jī)場(chǎng)凱悅酒店圓滿落幕，并邀請(qǐng)10余位智能制造大咖代表出席“數(shù)智化專場(chǎng)”進(jìn)行分享。

在以“從產(chǎn)線智能到智能工廠”為主題的圓桌對(duì)話上，主持人高工機(jī)器人產(chǎn)業(yè)研究所所長(zhǎng)盧瀚宸與領(lǐng)志光機(jī)電自動(dòng)化總經(jīng)理紀(jì)順文、騰訊云智能制造總經(jīng)理梁定安、華立企業(yè)股份智能整合事業(yè)部協(xié)理張志豪、軒田智能智能制造方案部總監(jiān)陳先鋒、361°技術(shù)負(fù)責(zé)人圍繞“AI與機(jī)器人智能化應(yīng)用機(jī)遇”、“AI賦能解決工業(yè)場(chǎng)景痛點(diǎn)”、“智能工廠轉(zhuǎn)型升級(jí)瓶頸”等熱門話題展開(kāi)討論。

AI+工業(yè)機(jī)器人=?

高工機(jī)器人產(chǎn)業(yè)研究所所長(zhǎng)盧瀚宸：對(duì)于AI和機(jī)器人的結(jié)合有怎樣的期待?

領(lǐng)志光機(jī)電自動(dòng)化總經(jīng)理紀(jì)順文：現(xiàn)階段，我希望無(wú)論是利用AI技術(shù)還是仿真模擬技術(shù)，讓機(jī)器人在作業(yè)現(xiàn)場(chǎng)實(shí)現(xiàn)快速調(diào)機(jī)，這對(duì)于工業(yè)應(yīng)用案例能否成功、企業(yè)成本控制都非常關(guān)鍵。

騰訊云智能制造總經(jīng)理梁定安：工業(yè)自動(dòng)化時(shí)代，機(jī)器人的智能不斷升級(jí)，結(jié)合人工智能大模型，機(jī)器人通過(guò)信號(hào)、數(shù)據(jù)、傳感器等輸入和交互的形式會(huì)更加豐富，機(jī)器人向具身智能形態(tài)演進(jìn)指日可待。

在機(jī)器人+人工智能落地的過(guò)程中，數(shù)據(jù)的處理、打標(biāo)簽、訓(xùn)練、部署、迭代、安全保障……這一系列工程化的問(wèn)題，同樣需要在座的制造企業(yè)和專家共同去思考、去擁抱、去轉(zhuǎn)型。

華立企業(yè)股份智能整合事業(yè)部協(xié)理張志豪：我最近主要關(guān)注出海東南亞打造集成方案，觀察到海外企業(yè)存在擴(kuò)產(chǎn)后勞動(dòng)力短缺、勞動(dòng)力素質(zhì)不高的問(wèn)題，那么AI技術(shù)賦能機(jī)器人，怎么協(xié)助企業(yè)節(jié)省成本，讓企業(yè)更好完成自動(dòng)化，幫助用戶完成訓(xùn)練，這是一個(gè)突破口。

軒田智能智能制造方案部總監(jiān)陳先鋒：就機(jī)器人在物流行業(yè)的應(yīng)用來(lái)說(shuō)，最關(guān)鍵的是系統(tǒng)調(diào)度的及時(shí)性，以及對(duì)節(jié)拍的把握，目前我比較看好復(fù)合機(jī)器人、雙臂機(jī)器人，行動(dòng)方式是通過(guò)移動(dòng)底盤，能夠在工廠平滑運(yùn)行，如果具身智能機(jī)器人擁有雙手臂和眼睛，未來(lái)在工業(yè)場(chǎng)景的應(yīng)用會(huì)很廣。

AI+工業(yè)的“可為與不可為”?

盧瀚宸：AI+工業(yè)有哪些不建議做的?哪些領(lǐng)域AI發(fā)揮的作用相對(duì)有限?

梁定安：作為一個(gè)新興事物，AI大模型的成與敗，我們暫時(shí)不去下結(jié)論。在實(shí)際應(yīng)用中，許多企業(yè)在嘗試大模型應(yīng)用時(shí)會(huì)遇到很多卡點(diǎn)，包括算力卡采購(gòu)難、網(wǎng)絡(luò)搭建難、算法工程化人才招募難……

現(xiàn)在我國(guó)人工智能賽道供應(yīng)鏈正在形成，包括制造業(yè)、機(jī)器人產(chǎn)業(yè)的細(xì)分領(lǐng)域里誕生了許多專業(yè)AI技術(shù)團(tuán)隊(duì)，如果能把具備國(guó)際水平的AI智能廠商和中國(guó)工業(yè)產(chǎn)業(yè)鏈有機(jī)地結(jié)合起來(lái)，將會(huì)是我們從中國(guó)制造邁向中國(guó)“智造”的轉(zhuǎn)折點(diǎn)，在此鼓勵(lì)更多企業(yè)嘗試進(jìn)行對(duì)大模型的探索。

紀(jì)順文：AI+工業(yè)非常有挑戰(zhàn)性的點(diǎn)在于，我們把參數(shù)、資料輸入給AI，得出一個(gè)答案最優(yōu)解，但這些數(shù)據(jù)和資料透露出去后，別人可能同樣搜索到這家企業(yè)的最優(yōu)解，但假設(shè)由工業(yè)企業(yè)自己來(lái)做AI，投入非常巨大，如果有第三方跨界來(lái)做私有部署，保障好數(shù)據(jù)安全，在制造業(yè)會(huì)應(yīng)用地更廣。

張志豪：在AI的使用上，我們可以使用類似GPT的通用大模型建立企業(yè)基礎(chǔ)模型，再結(jié)合企業(yè)、部門、個(gè)人的個(gè)性化需求進(jìn)行私有化模型訓(xùn)練，目前只有頭部企業(yè)能在AI上有大規(guī)模的投入，一般企業(yè)怎么運(yùn)用大模型，產(chǎn)生自己所需要的AI智能化應(yīng)用，這是一個(gè)值得探討的方向。

陳先鋒：我建議一個(gè)“不做”，目前不同機(jī)器人廠商的調(diào)度系統(tǒng)還不能融合，希望不要設(shè)置門檻，不要一家廠商先入為主，彼此能夠互相融合，給企業(yè)主更多一點(diǎn)選擇。

一個(gè)“要做”，在機(jī)器人現(xiàn)場(chǎng)調(diào)試上，通過(guò)AI大語(yǔ)言模型的學(xué)習(xí)，完成高效調(diào)試。比如我完成1臺(tái)機(jī)器人的數(shù)據(jù)提取和調(diào)試后，通過(guò)AI大模型和機(jī)器學(xué)習(xí)，讓其他20臺(tái)機(jī)器人自主完成現(xiàn)場(chǎng)調(diào)試，這類技術(shù)和應(yīng)用非常值得投入和推廣。

智能化轉(zhuǎn)型的瓶頸

盧瀚宸：從智能產(chǎn)線到智能工廠，存在哪些明顯的瓶頸?

紀(jì)順文：很多制造企業(yè)希望走向智能化，但企業(yè)的管理者、技術(shù)人員沒(méi)有明確的智能化想法，并且在設(shè)備通用性、投資力度上也存在問(wèn)題。

近年來(lái)工業(yè)機(jī)器人、復(fù)合機(jī)器人的平均售價(jià)都在下調(diào)，出現(xiàn)了智能化轉(zhuǎn)型的機(jī)會(huì)，比如我們可以通過(guò)引入?yún)f(xié)作機(jī)器人、物流自動(dòng)化設(shè)備，先從搬運(yùn)、打包這些流程自動(dòng)化開(kāi)始切入，逐步幫助企業(yè)智能化轉(zhuǎn)型。

梁定安：以AI視覺(jué)在工業(yè)質(zhì)檢上的應(yīng)用為例，想要讓AI算法能夠達(dá)到企業(yè)真實(shí)質(zhì)檢要求，比如精準(zhǔn)度優(yōu)化到99.9%甚至99.99%，這需要輸入大量垂直場(chǎng)景的樣本圖片，讓AI不斷進(jìn)行正負(fù)樣本學(xué)習(xí)和打標(biāo)簽。

但在具體應(yīng)用中，很多難題不在算法技術(shù)本身，而是圖片樣本數(shù)量不夠。所以智能化的難點(diǎn)，一方面在于算法怎么降低對(duì)圖片數(shù)據(jù)的依賴，另一方面，企業(yè)怎么去格式化地搜集基礎(chǔ)數(shù)據(jù)，幫助算法不斷優(yōu)化準(zhǔn)確率。

張志豪：第一點(diǎn)，數(shù)據(jù)搜集很重要，如果基礎(chǔ)設(shè)備老舊，沒(méi)有必要為了智能化而去打造智能工廠。

第二點(diǎn)，在智能化之前，要先實(shí)現(xiàn)可視化，工廠運(yùn)行到哪一個(gè)生產(chǎn)環(huán)節(jié)，終端要做到數(shù)據(jù)的可視化呈現(xiàn)。難點(diǎn)在于，如果沒(méi)有第一步的數(shù)據(jù)搜集和統(tǒng)籌，很難實(shí)現(xiàn)可視化。

陳先鋒：數(shù)字化的痛點(diǎn)在企業(yè)主這邊，第一是過(guò)去的設(shè)備不具備數(shù)字化能力，無(wú)法交互，尤其是國(guó)外一些設(shè)備，通信傳輸接口無(wú)法開(kāi)放兼容。

第二是調(diào)度系統(tǒng)，很多傳統(tǒng)制造企業(yè)在布局系統(tǒng)時(shí)并沒(méi)有考慮到智能制造的方向，像MCS、MES、RDD這些上層信息化系統(tǒng)是缺失的。

第三是技術(shù)人才，智能制造轉(zhuǎn)型不只是拓展硬件、軟件，企業(yè)也面臨數(shù)字化技術(shù)人員儲(chǔ)備不足的難點(diǎn)。