作為國(guó)內(nèi)三大互聯(lián)網(wǎng)巨頭，百度是率先向人工智能轉(zhuǎn)型的企業(yè)，自2010年開(kāi)始積極探索發(fā)展人工智能技術(shù)，圍繞百度大腦，AI應(yīng)用開(kāi)始在多個(gè)領(lǐng)域開(kāi)花結(jié)果，并以百度云為平臺(tái)把AI能力分享給社會(huì)，從農(nóng)業(yè)到工業(yè)，從家庭到汽車，以及翻譯、圖像識(shí)別和信息流等產(chǎn)品和服務(wù)。

今年，李彥宏又介紹了百度人工智能技術(shù)在工業(yè)制造領(lǐng)域的應(yīng)用。他表示，現(xiàn)在很多3C產(chǎn)品在組裝的過(guò)程當(dāng)中都需要人的肉眼去檢驗(yàn)這些零件的質(zhì)量，而其中很多零件都非常小，比如iPhone組裝插電的器件就很小，要人的肉眼去看是不是質(zhì)量過(guò)關(guān)，是一個(gè)很費(fèi)勁的任務(wù)。一般來(lái)說(shuō)，熟練的工人干兩個(gè)小時(shí)就得下來(lái)休息。而百度用計(jì)算機(jī)視覺(jué)的方式做了一個(gè)軟硬一體的機(jī)器，一臺(tái)設(shè)備相當(dāng)于十個(gè)熟練工人能夠做的事情，而且它的質(zhì)量還比人工要更高。

2019年年初，世界經(jīng)濟(jì)論壇宣布鴻海旗下富士康工業(yè)富聯(lián)的深圳關(guān)燈工廠成為全球十六家制造業(yè)“燈塔工廠”之一。對(duì)于富士康來(lái)說(shuō)，這是一場(chǎng)開(kāi)始于內(nèi)部的制造業(yè)轉(zhuǎn)型。

事實(shí)上，早在2018年7月，富士康就在硅谷成立了一家新公司——工業(yè)人工智能系統(tǒng)（IndustrialAISystem），開(kāi)發(fā)用于實(shí)現(xiàn)工廠生產(chǎn)自動(dòng)化的人工智能技術(shù)。

2019年3月29日，伴隨著“智涌錢塘”2019 AI Cloud生態(tài)大會(huì)的舉辦，?？低暲_(kāi)了AI Cloud全面落地的序幕，AI Cloud是?？低曉?017年針對(duì)人工智能時(shí)代的物聯(lián)網(wǎng)產(chǎn)業(yè)提出的概念，于2018年正式推出。

?？低暩笨偛卯厱?huì)娟博士稱，可以預(yù)見(jiàn)，2019年將是?？低?AI Cloud全面落地的一年，一方面，物信融合數(shù)據(jù)平臺(tái)逐步走向成熟，將會(huì)應(yīng)用到更多行業(yè)場(chǎng)合；另一方面，各地業(yè)務(wù)中心也已準(zhǔn)備了本地化的數(shù)據(jù)治理工程實(shí)施團(tuán)隊(duì)，為用戶提供服務(wù)。

華為董事長(zhǎng)任正非認(rèn)為，當(dāng)人工智能出現(xiàn)升華以后，現(xiàn)在西方國(guó)家不能解決的社會(huì)福利、工會(huì)、罷工等問(wèn)題，以后都能通過(guò)機(jī)器人來(lái)解決，真正能實(shí)現(xiàn)人工智能的生產(chǎn)方式，大規(guī)模的工業(yè)就會(huì)轉(zhuǎn)向西方發(fā)展；完全不能實(shí)現(xiàn)人工智能的生產(chǎn)方式，可能就往東南亞這些人工成本低的國(guó)家發(fā)展；中國(guó)正面臨著“夾心餅”中間這一層，中國(guó)往何處去，現(xiàn)在是一個(gè)極大挑戰(zhàn)，不是人口紅利就能解決中國(guó)未來(lái)的發(fā)展問(wèn)題。

毋庸置疑的是，當(dāng)生產(chǎn)往高端發(fā)展之后，人工已經(jīng)不能完全解決生產(chǎn)的問(wèn)題，生產(chǎn)方式會(huì)發(fā)生巨大的變化，而中國(guó)能否抓住人工智能的機(jī)遇實(shí)現(xiàn)制造業(yè)轉(zhuǎn)型升級(jí)將決定未來(lái)我們?cè)谑澜缰圃熘械牡匚弧?/p>

從可見(jiàn)到不可見(jiàn)

如果說(shuō)，自動(dòng)化是解決可見(jiàn)世界的問(wèn)題，那么人工智能就是探索不可見(jiàn)的世界。它的挑戰(zhàn)就在于如何去定義不可見(jiàn)的關(guān)系性，比如造成機(jī)器停機(jī)的原因是什么。

正如富士康工業(yè)互聯(lián)網(wǎng)副董事長(zhǎng)李杰所說(shuō)：“工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)有很多來(lái)源，有歷史的數(shù)據(jù)、傳感器數(shù)據(jù)、專家數(shù)據(jù)以及共性數(shù)據(jù)，在很多數(shù)據(jù)中可以找到因果關(guān)系，可見(jiàn)的數(shù)據(jù)和不可見(jiàn)的關(guān)系是不一樣的，如何用不可見(jiàn)的關(guān)系產(chǎn)生效益，這個(gè)就是關(guān)系的價(jià)值，如何從可見(jiàn)的數(shù)據(jù)中找到不可見(jiàn)的關(guān)系，產(chǎn)生提質(zhì)增效、降本減成、創(chuàng)新的價(jià)值，這個(gè)是工業(yè)互聯(lián)網(wǎng)的最大本質(zhì)?！?/p>

在李杰看來(lái)，生產(chǎn)的產(chǎn)品可以比作蛋黃，而產(chǎn)品創(chuàng)造的價(jià)值是蛋白。“蛋黃是可見(jiàn)的，蛋白是不可見(jiàn)的。換句話說(shuō)，富士康可將很多核心競(jìng)爭(zhēng)力當(dāng)作蛋黃，比如控制器、傳感器。把控制器加上工業(yè)大數(shù)據(jù)、工業(yè)人工智能的分析后，生產(chǎn)線將持續(xù)不間斷工作，并及時(shí)預(yù)測(cè)預(yù)防質(zhì)量問(wèn)題，做到’事前諸葛亮’，這就是蛋白?！?/p>

他提出“工業(yè)人工智能”，在為工業(yè)的應(yīng)用發(fā)展和部署各種機(jī)器學(xué)習(xí)算法，必須帶來(lái)“穩(wěn)定且持續(xù)”的效益。人工智能驅(qū)動(dòng)（AI-driven）的自動(dòng)化正處于起步階段，必須先定義其結(jié)構(gòu)、方法和挑戰(zhàn)作為框架。

工業(yè)人工智能通過(guò)多維度學(xué)習(xí)，形成快速性、系統(tǒng)性及可傳承性等特性。在實(shí)際操作過(guò)程中，不同個(gè)體使用同樣工具可得到相同或相近的結(jié)果，系統(tǒng)將形成標(biāo)準(zhǔn)性解決方案，高度契合作業(yè)過(guò)程中即時(shí)響應(yīng)、準(zhǔn)確度極高、高等級(jí)安全等一系列要求。

李杰認(rèn)為，中國(guó)制造業(yè)現(xiàn)階段面臨教育素質(zhì)參差不齊、管理體質(zhì)存在漏洞、沒(méi)有認(rèn)清產(chǎn)業(yè)本質(zhì)三大問(wèn)題。目前，國(guó)內(nèi)消費(fèi)者對(duì)部分中國(guó)制造不信任，問(wèn)題不僅在于假冒偽劣流行的病癥至今未能得以有效治療，還有國(guó)內(nèi)廠商，包括管理者、一線工人對(duì)產(chǎn)品品質(zhì)要求，及其所需的精細(xì)管理文化、精工制造文化、品質(zhì)尊重文化普及，相對(duì)德國(guó)、日本等國(guó)家仍有較大差距。

為提質(zhì)增效，美的集團(tuán)人工智能戰(zhàn)略引入了機(jī)器視覺(jué)系統(tǒng)。美的集團(tuán)視覺(jué)研究所長(zhǎng)胡正博士說(shuō)：“要實(shí)現(xiàn)工廠的質(zhì)控，必須使用機(jī)器視覺(jué)系統(tǒng)。人工智能只需要采集各種各樣品類部件的數(shù)據(jù)，然后使用合適的人工智能模型，就能夠生成一系列通用的人工智能算法來(lái)做不同的項(xiàng)目，從而避免了一個(gè)項(xiàng)目一個(gè)項(xiàng)目去做，節(jié)約了大量的工時(shí)?！?/p>

在方法上，美的在邊緣計(jì)算、處理器、數(shù)據(jù)中心產(chǎn)品上部署AI相關(guān)產(chǎn)品，通過(guò)使用英特爾芯片的計(jì)算力，再借用分析工具來(lái)幫助更好的做人工智能培訓(xùn)，再通過(guò)參考模型，實(shí)現(xiàn)智能化控制。

當(dāng)前的國(guó)內(nèi)AI創(chuàng)業(yè)及應(yīng)用熱潮多是基于深度學(xué)習(xí)這一算法，往往需要大量數(shù)據(jù)進(jìn)行訓(xùn)練，且模型可解釋性不強(qiáng)，因此并不是所有領(lǐng)域和場(chǎng)景的最優(yōu)AI算法。

清華大學(xué)AI研究院首任院長(zhǎng)張鈸院士認(rèn)為，現(xiàn)有的AI技術(shù)“小錯(cuò)不犯，一犯就是大錯(cuò)”。當(dāng)前AI技術(shù)對(duì)訓(xùn)練數(shù)據(jù)過(guò)分依賴，這導(dǎo)致算法在工業(yè)領(lǐng)域等樣本和標(biāo)注不足的場(chǎng)景中極易出錯(cuò)，其次模型可解釋性不強(qiáng)。

而成立于2018年7月的瑞萊智慧正在研發(fā)無(wú)監(jiān)督學(xué)習(xí)算法、可解釋性算法，希望能夠解決行業(yè)中標(biāo)注數(shù)據(jù)缺失問(wèn)題，幫助人們借助算法解釋更好的進(jìn)行決策；目前瑞萊智慧已經(jīng)與工業(yè)多家企業(yè)展開(kāi)合作，研發(fā)了工業(yè)領(lǐng)域的異常檢測(cè)、預(yù)測(cè)性維護(hù)等。

瑞萊智慧CEO田天說(shuō)，“在工業(yè)應(yīng)用領(lǐng)域，收集高質(zhì)量訓(xùn)練數(shù)據(jù)的過(guò)程往往成本高昂，且耗費(fèi)時(shí)間，如果采用無(wú)監(jiān)督或者半監(jiān)督的學(xué)習(xí)方法，就能有效降低訓(xùn)練數(shù)據(jù)需求，針對(duì)碎片化的工業(yè)視覺(jué)檢測(cè)場(chǎng)景具有更廣的應(yīng)用前景”。在沒(méi)有訓(xùn)練數(shù)據(jù)時(shí)，可以考慮采用異常檢測(cè)、或者變化檢測(cè)等方法，讓機(jī)器學(xué)會(huì)什么是正常的數(shù)據(jù)，進(jìn)而在出現(xiàn)異常數(shù)據(jù)或者變化時(shí)能夠做出準(zhǔn)確判斷。

“AI產(chǎn)業(yè)化落地，第一要找到行業(yè)的最大痛點(diǎn)；第二要讓AI技術(shù)實(shí)現(xiàn)價(jià)值，即選擇相對(duì)成熟的人工智能，實(shí)現(xiàn)產(chǎn)品化；第三，有了產(chǎn)品后，還是需要有一個(gè)創(chuàng)新的產(chǎn)業(yè)解決方案，實(shí)現(xiàn)產(chǎn)業(yè)層面的迭代升級(jí)；最后，基于自身積累的經(jīng)驗(yàn)，實(shí)現(xiàn)產(chǎn)品升級(jí)、賦能產(chǎn)業(yè)，提升我們行業(yè)的效率，提升整個(gè)行業(yè)的價(jià)值?！睒O智嘉CEO鄭勇說(shuō)。

工業(yè)人工智能進(jìn)入落地期

過(guò)去10年，AI 領(lǐng)域開(kāi)發(fā)了大量?jī)?yōu)秀算法，為實(shí)際應(yīng)用儲(chǔ)備了大量的工具；近年來(lái)，人工智能開(kāi)始大規(guī)模應(yīng)用于金融和互聯(lián)網(wǎng)等領(lǐng)域，起到了較好的示范效應(yīng)。業(yè)內(nèi)人士普遍認(rèn)為2019 年將是人工智能在工業(yè)制造領(lǐng)域快速發(fā)展以及各種技術(shù)落地的一年。

如今國(guó)內(nèi)中小創(chuàng)投公司林立，科技氛圍濃厚，讓李杰對(duì)中國(guó)制造業(yè)的未來(lái)充滿信心，“目前中國(guó)有太多的產(chǎn)業(yè)可以做蛋白，只要擁有足夠的核心競(jìng)爭(zhēng)力，蛋白可以做得很大?！?/p>

綜合來(lái)看，目前人工智能在制造業(yè)領(lǐng)域主要有三個(gè)方向：視覺(jué)檢測(cè)、視覺(jué)分揀和故障預(yù)測(cè)。

田天表示，目前在“缺陷檢測(cè)”和“預(yù)測(cè)性維護(hù)”兩大方面客戶接受度和需求較高，主要是因?yàn)樵擃I(lǐng)域?yàn)榭蛻敉袋c(diǎn)，能直接為客戶節(jié)省大量的費(fèi)用。預(yù)測(cè)性維護(hù)也有利于避免重大事故，對(duì)于安全制造和安全生產(chǎn)至關(guān)重要。

近年來(lái)，越來(lái)越多的機(jī)器視覺(jué)落地應(yīng)用，在技術(shù)與市場(chǎng)上的認(rèn)可度不斷獲得提升，視覺(jué)企業(yè)成長(zhǎng)速度加快。在工業(yè)應(yīng)用領(lǐng)域，隨著生產(chǎn)的柔性和自動(dòng)化程度的不斷提高和對(duì)質(zhì)量更加嚴(yán)格的控制要求，企業(yè)迫切需要機(jī)器視覺(jué)來(lái)代替人工，實(shí)現(xiàn)定位、檢測(cè)、引導(dǎo)、識(shí)別等功能。

機(jī)器視覺(jué)技術(shù)是圖像獲取、分析、識(shí)別、檢測(cè)等技術(shù)的綜合，機(jī)器視覺(jué)行業(yè)經(jīng)過(guò)數(shù)年的積累，不僅在規(guī)模上實(shí)現(xiàn)年均增速超20%，且在3D視覺(jué)、無(wú)序分揀等技術(shù)方面獲得了不同程度的突破。GGII預(yù)計(jì)2018年中國(guó)機(jī)器視覺(jué)市場(chǎng)規(guī)模54億元，同比增速超25%，高于其他細(xì)分領(lǐng)域增速。

人工智能技術(shù)的發(fā)展推動(dòng)了機(jī)器視覺(jué)的快速應(yīng)用，GGII認(rèn)為，機(jī)器視覺(jué)是實(shí)現(xiàn)工業(yè)自動(dòng)化和智能化的必要手段，隨著機(jī)器視覺(jué)的介入，自動(dòng)化設(shè)備將朝著更智能、更快速的方向發(fā)展，同時(shí)，機(jī)器視覺(jué)在各行業(yè)的滲透率也將逐漸提升。

其中，將近80%的工業(yè)視覺(jué)系統(tǒng)主要用在檢測(cè)方面，包括用于提高生產(chǎn)效率、控制生產(chǎn)過(guò)程中的產(chǎn)品質(zhì)量、采集產(chǎn)品數(shù)據(jù)等。

高視科技2015年完成了屏幕模組檢測(cè)設(shè)備研發(fā)，已向眾多國(guó)內(nèi)一線屏幕廠商提供50多臺(tái)各型設(shè)備，可以檢測(cè)出38類上百種缺陷，且具備智能自學(xué)習(xí)能力；阿丘科技則推出了面向工業(yè)在線質(zhì)量檢測(cè)的視覺(jué)軟件平臺(tái)AQ-Insight，主要用于產(chǎn)品表面缺陷檢測(cè)，可用于煙草行業(yè)，實(shí)現(xiàn)煙草異物剔除、缺陷檢測(cè)。

近年來(lái)，國(guó)內(nèi)陸續(xù)出現(xiàn)了一些基于深度學(xué)習(xí)和人工智能技術(shù)解決機(jī)器人視覺(jué)分揀問(wèn)題的企業(yè)，如埃爾森、梅卡曼德、庫(kù)柏特、阿丘科技、埃克里得等，通過(guò)計(jì)算機(jī)視覺(jué)識(shí)別出物體及其三維空間位置，指導(dǎo)機(jī)械臂進(jìn)行正確的抓取。

埃爾森通過(guò)3D快速成像技術(shù)，對(duì)物體表面輪廓數(shù)據(jù)進(jìn)行掃描，形成點(diǎn)云數(shù)據(jù)后進(jìn)行智能分析處理，加以人工智能分析、機(jī)器人路徑自動(dòng)規(guī)劃、自動(dòng)防碰撞技術(shù)，計(jì)算出當(dāng)前工件的實(shí)時(shí)坐標(biāo)，并發(fā)送指令給機(jī)器人實(shí)現(xiàn)抓取定位的自動(dòng)完成。

以高性能3D相機(jī)、視覺(jué)AI算法和軟件、機(jī)器人運(yùn)動(dòng)算法和軟件為核心產(chǎn)品的梅卡曼德可提供多種典型應(yīng)用的參考設(shè)計(jì)和現(xiàn)場(chǎng)服務(wù)。其解決方案可使機(jī)器人廠家和集成商迅速提升人工智能能力，完成無(wú)序物體抓取、視覺(jué)引導(dǎo)拆垛、混合碼垛、精確定位裝配等應(yīng)用。

基于人工智能和IOT技術(shù)，通過(guò)在工廠各個(gè)設(shè)備加裝傳感器，對(duì)設(shè)備運(yùn)行狀態(tài)進(jìn)行監(jiān)測(cè)，并利用神經(jīng)網(wǎng)絡(luò)建立設(shè)備故障的模型，則可以在故障發(fā)生前，對(duì)故障提前進(jìn)行預(yù)測(cè)，在發(fā)生故障前，將可能發(fā)生故障的工件替換，從而保障設(shè)備的持續(xù)無(wú)故障運(yùn)行。

據(jù)悉，國(guó)外AI故障預(yù)測(cè)平臺(tái)公司Uptake，已經(jīng)估值超過(guò)20億美元。而國(guó)內(nèi)智能裝備企業(yè)利元亨利用數(shù)字孿生技術(shù)讓企業(yè)管理者隨時(shí)隨地了解設(shè)備的實(shí)時(shí)運(yùn)行情況和生產(chǎn)數(shù)據(jù)，同時(shí)預(yù)測(cè)設(shè)備未來(lái)的生產(chǎn)數(shù)據(jù)和可能出現(xiàn)的產(chǎn)線故障，提前制定計(jì)劃和對(duì)策。

目前“燈塔工廠”名單全球總計(jì)只有 16 家公司入選，“富士康是其中唯一利用 AI 做預(yù)測(cè)的企業(yè)，李杰指出，工業(yè) AI 有五大關(guān)鍵要素：分析技術(shù)、大數(shù)據(jù)技術(shù)、云或網(wǎng)絡(luò)技術(shù)、行業(yè)領(lǐng)域知識(shí)、事實(shí)結(jié)果。而投入工業(yè)互聯(lián)網(wǎng)會(huì)失敗通常有四大因素：沒(méi)有場(chǎng)域、沒(méi)有使用工具／數(shù)據(jù)、公司內(nèi)部斗爭(zhēng)、項(xiàng)目糾紛、最后才是沒(méi)有技術(shù)，其中有 4 成以上是沒(méi)有場(chǎng)域。

目前，AI故障預(yù)測(cè)成熟運(yùn)用較少。大部分傳統(tǒng)制造企業(yè)的設(shè)備沒(méi)有足夠的數(shù)據(jù)收集傳感器，也沒(méi)有積累足夠的數(shù)據(jù)；很多工業(yè)設(shè)備對(duì)可靠性的要求極高，即便機(jī)器預(yù)測(cè)準(zhǔn)確率很高，不能達(dá)到百分之百，依舊難以被接受；此外，投入產(chǎn)出比不高，很多AI預(yù)測(cè)功能應(yīng)用后，如果成功能減少5%的成本，但如果不成功反而可能帶來(lái)成本的增加，所以不少企業(yè)寧愿不用。

有投資人表示，初創(chuàng)公司在人工智能領(lǐng)域還是有很多機(jī)會(huì)的，但他們需要往更細(xì)分的賽道里去專研，去挖掘，這樣才能避開(kāi)一些大公司，發(fā)揮自己的長(zhǎng)處，實(shí)現(xiàn)AI與具體產(chǎn)業(yè)相結(jié)合。

此外，擁有更加獨(dú)到數(shù)據(jù)的企業(yè)將更有機(jī)會(huì)，這里為什么強(qiáng)調(diào)獨(dú)到數(shù)據(jù)，是因?yàn)橹昂芏嘧鏊惴ǖ臄?shù)據(jù)都是公開(kāi)數(shù)據(jù)、各種扒的數(shù)據(jù)或者是直接買的數(shù)據(jù)，但是這類數(shù)據(jù)是沒(méi)有稀缺性。

鄭勇認(rèn)為，雖然現(xiàn)在人工智能領(lǐng)域有大量的創(chuàng)業(yè)公司，但是不同公司最后在產(chǎn)品上的差異，其實(shí)就在于細(xì)節(jié)，細(xì)節(jié)決定了客戶的體驗(yàn)，包括對(duì)行業(yè)的理解。想要獲得這些經(jīng)驗(yàn)，需要花很長(zhǎng)的時(shí)間，跟客戶一起打磨，最后才能獲得。“當(dāng)有了這樣經(jīng)驗(yàn)的時(shí)候，你跟你的競(jìng)爭(zhēng)對(duì)手是可以差異化的，最后會(huì)帶來(lái)品牌溢價(jià)，帶來(lái)產(chǎn)品價(jià)值優(yōu)勢(shì)。”

總體而言，AI在工業(yè)領(lǐng)域的應(yīng)用才剛剛開(kāi)始，還有不少潛在應(yīng)用場(chǎng)景值得去探索和發(fā)掘。