AI如何才能俘獲制造業(yè)芳心？

2017年5月27日，擊敗柯潔之后，獨(dú)孤求敗的AlphaGo決定隱退，也將一大批AI公司推向臺(tái)前，包括谷歌旗下的DeepMind，以及以商湯為代表的國(guó)內(nèi)AI頭部企業(yè)。

恰逢此時(shí)，作為AI技術(shù)應(yīng)用最有潛力的領(lǐng)域，全球不少?lài)?guó)家陸續(xù)出臺(tái)了關(guān)于制造業(yè)+AI的國(guó)家級(jí)戰(zhàn)略，比如德國(guó)在2018年通過(guò)了《聯(lián)邦政府人工智能戰(zhàn)略要點(diǎn)》，11月發(fā)布“AI Made In Germany”的戰(zhàn)略。

作為歐亞大陸另一端的制造大國(guó)，中國(guó)也在2015年發(fā)布《中國(guó)制造2025》，AI也在2017年第一次出現(xiàn)在政府工作報(bào)告里，2020年，國(guó)家發(fā)改委明確將AI列入新基建。

根據(jù)德勤的報(bào)告，AI的應(yīng)用可以為制造業(yè)最多降低20%的加工成本，到2030年，因AI的應(yīng)用，全球?qū)?huì)新增15.7萬(wàn)億美元GDP，其中中國(guó)占7萬(wàn)億美元，到2035年，AI將推動(dòng)勞動(dòng)生產(chǎn)率提高27%，拉動(dòng)全球GDP增長(zhǎng)27萬(wàn)億美元。

過(guò)去五年，AI與傳統(tǒng)制造業(yè)之間的碰撞和融合，從過(guò)去的單一場(chǎng)景的淺層互動(dòng)邁向了全產(chǎn)業(yè)鏈、多場(chǎng)景的2.0階段，雙方之間的嵌套關(guān)系越來(lái)越深。

01 小試牛刀

作為一門(mén)復(fù)合型科學(xué)，AI在生產(chǎn)制造的不同階段都有潛在應(yīng)用。

比如在分撥、倉(cāng)儲(chǔ)和配送環(huán)節(jié)可以通過(guò)優(yōu)化算法來(lái)制定最優(yōu)路徑，節(jié)省時(shí)間；在生產(chǎn)計(jì)劃環(huán)節(jié)，在給定條件下可以生成最佳排產(chǎn)計(jì)劃；在質(zhì)檢環(huán)節(jié)，通過(guò)機(jī)器視覺(jué)和算法發(fā)現(xiàn)微小缺陷，提升良品率；在設(shè)備維護(hù)領(lǐng)域，可以利用歷史數(shù)據(jù)來(lái)預(yù)警故障風(fēng)險(xiǎn)。

過(guò)去五年，一些大型產(chǎn)業(yè)已經(jīng)開(kāi)始受益于AI的應(yīng)用，比如汽車(chē)、鋼鐵、化工以及電力行業(yè)。

2016年，上汽通用將AI應(yīng)用到數(shù)字化排產(chǎn)上，比如在動(dòng)力總成工廠，排產(chǎn)時(shí)間從原先的8小時(shí)縮短至0.5小時(shí)，效率提升了16倍，整個(gè)排產(chǎn)系統(tǒng)一年能夠?yàn)樯掀ㄓ霉?jié)省一千萬(wàn)[5]。

在國(guó)外，奧迪通過(guò)AI技術(shù)，將位于匈牙利的電動(dòng)車(chē)工廠改造成了模塊化的“自動(dòng)化加工島”，車(chē)輛在每個(gè)島上完成對(duì)應(yīng)的加工和裝配，無(wú)人駕駛AGV小車(chē)負(fù)責(zé)運(yùn)輸車(chē)身和零部件，人工智能算法負(fù)責(zé)調(diào)度，從而使得生產(chǎn)效率提升了20%。

2017年，臺(tái)灣中鋼引進(jìn)了AI技術(shù)，對(duì)鋼鐵熱成型過(guò)程中的缺陷進(jìn)行檢測(cè)，篩選出了一些關(guān)鍵的特征數(shù)據(jù)，并喂給AI學(xué)習(xí)。最終他們發(fā)現(xiàn)爐內(nèi)壓力對(duì)產(chǎn)品缺陷影響最大，AI為其節(jié)省了90%的成品質(zhì)量判定和人力資源。

由此可見(jiàn)，AI能夠通過(guò)對(duì)上游供應(yīng)鏈和下游需求的精準(zhǔn)預(yù)測(cè)來(lái)優(yōu)化生產(chǎn)計(jì)劃和控制供應(yīng)鏈成本。

但總體而言，當(dāng)前AI技術(shù)能覆蓋的多是大產(chǎn)業(yè)和高頻場(chǎng)景，在龐雜的工業(yè)上游環(huán)節(jié)，AI滲透率并不高。

02 長(zhǎng)尾場(chǎng)景

在大部分產(chǎn)業(yè)，越接近上游，生產(chǎn)環(huán)節(jié)場(chǎng)景標(biāo)準(zhǔn)化程度越低、規(guī)模效應(yīng)越不明顯。AI在這些場(chǎng)景中的復(fù)用難度大，供需雙方都需要付出極大的成本，加上制造業(yè)整體毛利率偏低，投資回報(bào)周期被無(wú)限拉長(zhǎng)，導(dǎo)致上游企業(yè)對(duì)AI的接受度普遍不高。

與此同時(shí)，企業(yè)智能化轉(zhuǎn)型改造的周期也較長(zhǎng)。如果是規(guī)模較小，能夠接受整套轉(zhuǎn)型方案的企業(yè)，大約能在1年之內(nèi)完成；如果規(guī)模偏大，且之前已經(jīng)引入ERP等數(shù)字化系統(tǒng)，那么要與新的智能化方案全面融合，則需要更長(zhǎng)的時(shí)間，轉(zhuǎn)型過(guò)程中對(duì)企業(yè)的生產(chǎn)經(jīng)營(yíng)造成的影響很難抵消。

但這并不意味著數(shù)字化轉(zhuǎn)型對(duì)于工業(yè)上游企業(yè)而言不是剛需，相反，在一些極其重視流程規(guī)范和過(guò)程安全的領(lǐng)域，AI能夠解決這些企業(yè)的痛點(diǎn)。

2005年3月，英國(guó)石油公司位于美國(guó)得克薩斯州的煉油廠發(fā)生了一起嚴(yán)重的火災(zāi)爆炸事故，事故造成15名員工喪生，180余人受傷，直接經(jīng)濟(jì)損失超過(guò)15億美元。

這是一起典型的由長(zhǎng)尾、低頻場(chǎng)景發(fā)生問(wèn)題而引發(fā)的事故，整起事故由夜班安全員的不規(guī)范操作誘發(fā)，期間油位警報(bào)器失靈、油位指示器發(fā)生故障，排液控制閥關(guān)閉，泄壓閥被暴力打開(kāi)，最終使得煉油廠蒸餾塔油位過(guò)高，從排放煙囪中噴出，恰巧被附近未熄火的汽車(chē)引燃，才釀成了這樁慘禍。

人為操作失誤，偶發(fā)的器械故障，甚至是偶然開(kāi)進(jìn)工業(yè)區(qū)沒(méi)有熄火的汽車(chē)，這些都是傳統(tǒng)工業(yè)場(chǎng)景中極難防范的問(wèn)題。但通過(guò)引入AI對(duì)關(guān)鍵流程、關(guān)鍵設(shè)備進(jìn)行監(jiān)控，通過(guò)AI進(jìn)行園區(qū)與人員的管理，類(lèi)似的事故就能夠防范于未然。

當(dāng)下的難點(diǎn)是，如何讓AI進(jìn)入工業(yè)的上游場(chǎng)景，既然存在相應(yīng)的需求，那么就應(yīng)該從AI落地的性?xún)r(jià)比入手。

03 AI普惠

AI在工業(yè)上游場(chǎng)景落地的性?xún)r(jià)比低，核心原因是AI的生產(chǎn)要素過(guò)于昂貴。

縱觀國(guó)內(nèi)外AI企業(yè)，過(guò)去比拼的都是算法精度，用博士和超算堆出來(lái)的高質(zhì)量算法，背后都是巨額的研發(fā)投入。但當(dāng)產(chǎn)業(yè)開(kāi)始落地時(shí)，如何把AI生產(chǎn)的整體成本降下來(lái)，就成了擺在AI企業(yè)面前的一道難題。

為降低AI整體的生產(chǎn)成本，使其順利進(jìn)入工業(yè)生產(chǎn)環(huán)節(jié)，商湯推出了“AI工業(yè)引擎”，目的是用一套“大AI模型”來(lái)覆蓋工業(yè)領(lǐng)域極其復(fù)雜的長(zhǎng)尾場(chǎng)景。

這套AI工業(yè)引擎以商湯SenseCore商湯AI大裝置為基礎(chǔ)，整合了其原創(chuàng)打造的SenseMARS火星混合現(xiàn)實(shí)平臺(tái)與SenseFoundry Enterprise方舟企業(yè)開(kāi)放平臺(tái)的能力，專(zhuān)門(mén)面向工業(yè)企業(yè)AI轉(zhuǎn)型所面臨的三個(gè)痛點(diǎn)。

痛點(diǎn)一：工業(yè)領(lǐng)域復(fù)雜、低標(biāo)準(zhǔn)化的長(zhǎng)尾場(chǎng)景

工業(yè)領(lǐng)域復(fù)雜、非標(biāo)的長(zhǎng)尾場(chǎng)景往往需要不同的AI算法來(lái)解決問(wèn)題。面向這些場(chǎng)景，商湯SenseCore AI大裝置通過(guò)模型生產(chǎn)平臺(tái)、算法訓(xùn)練平臺(tái)等AI生產(chǎn)的強(qiáng)大能力，生產(chǎn)了超過(guò)22000個(gè)算法模型。

不僅如此，商湯還與香港中文大學(xué)商湯聯(lián)合實(shí)驗(yàn)室合作打造了算法開(kāi)源計(jì)劃（OpenMMLab），與社區(qū)開(kāi)發(fā)者共同構(gòu)建創(chuàng)新生態(tài)，目前，商湯已將210多個(gè)算法和1500多個(gè)預(yù)訓(xùn)練模型進(jìn)行了開(kāi)源?；诖?，商湯向企業(yè)開(kāi)發(fā)者提供算法工具，使得自身開(kāi)發(fā)的先進(jìn)算法和開(kāi)源形成的算法生態(tài)能夠下沉到工業(yè)生產(chǎn)、管理、運(yùn)維等各個(gè)環(huán)節(jié)，并串聯(lián)其間的關(guān)系，形成價(jià)值閉環(huán)。

痛點(diǎn)二：場(chǎng)景多樣化對(duì)算力的需求激增

算法精度的提升并沒(méi)有使AI對(duì)算力的需求降低，相反，隨著AI開(kāi)始向工業(yè)上游的長(zhǎng)尾場(chǎng)景覆蓋，場(chǎng)景的復(fù)雜性要求AI由專(zhuān)用向通用轉(zhuǎn)變，這一過(guò)程中，AI對(duì)算力的需求出現(xiàn)了指數(shù)級(jí)的增長(zhǎng)，在過(guò)去幾年翻了近百萬(wàn)倍。

為滿(mǎn)足日益增長(zhǎng)的算力需求，商湯建立了新型人工智能計(jì)算中心AIDC，這一設(shè)施整合了AI芯片與AI傳感器，能夠提供高達(dá)3740 Petaflops（Petaflops，每秒千萬(wàn)億次浮點(diǎn)運(yùn)算）的算力，預(yù)計(jì)在2022年完工投入使用。

通過(guò)強(qiáng)大的算力基礎(chǔ)，整合領(lǐng)先的算法能力，商湯可以助力工業(yè)企業(yè)實(shí)現(xiàn)AI的更大規(guī)模落地和應(yīng)用。

痛點(diǎn)三：AI的自動(dòng)化、自適應(yīng)部署

擁有大量針對(duì)不同工業(yè)場(chǎng)景的算法和支撐算法運(yùn)行的算力之后，還需要一套能夠讓算法自動(dòng)“Run”起來(lái)的方案，這是降低AI公司部署算法成本與工業(yè)企業(yè)接受部署成本的關(guān)鍵。

商湯在平臺(tái)層打通了數(shù)據(jù)平臺(tái)、模型生產(chǎn)平臺(tái)、深度學(xué)習(xí)訓(xùn)練框架和深度學(xué)習(xí)推理部署引擎，實(shí)現(xiàn)了從數(shù)據(jù)存儲(chǔ)、標(biāo)注到模型訓(xùn)練、生產(chǎn)、部署、測(cè)試的全鏈路、批量化過(guò)程。通過(guò)商湯的AI大裝置，可以真正實(shí)現(xiàn)對(duì)人工智能生產(chǎn)要素成本的大幅降低，從而讓工業(yè)企業(yè)能夠在有限的資源和預(yù)算的情況下，用得起、用得上AI，部署和覆蓋到更多需求場(chǎng)景中去。

然而，商湯給出的方案沒(méi)有停留在提升AI能力與降低部署成本，在工業(yè)場(chǎng)景的易用性上，商湯為工業(yè)提供了更加具象化的能力——SenseMARS火星混合現(xiàn)實(shí)平臺(tái)與SenseFoundry Enterprise方舟企業(yè)開(kāi)放平臺(tái)。

SenseMARS火星混合現(xiàn)實(shí)平臺(tái)能夠通過(guò)仿真技術(shù)，為企業(yè)打造工業(yè)生產(chǎn)環(huán)境1:1的數(shù)字孿生空間。在虛擬層，商湯提供的AI可以在數(shù)字孿生空間中進(jìn)行預(yù)訓(xùn)練，降低AI部署對(duì)現(xiàn)實(shí)生產(chǎn)環(huán)節(jié)的影響；而在現(xiàn)實(shí)層，通過(guò)虛實(shí)結(jié)合的方式，則能夠讓AI對(duì)實(shí)體資產(chǎn)進(jìn)行數(shù)字化管理。

在與南方電網(wǎng)的合作項(xiàng)目中，商湯為南方電網(wǎng)打造基于人工智能和增強(qiáng)現(xiàn)實(shí)技術(shù)的換流站智能運(yùn)檢系統(tǒng)“AR巡檢”，包括了巡檢路線(xiàn)自動(dòng)規(guī)劃、數(shù)據(jù)分析與智能協(xié)助等功能，實(shí)現(xiàn)了一線(xiàn)人員與AI的協(xié)同工作，大幅提升了巡檢的效率。

SenseFoundry Enterprise方舟企業(yè)開(kāi)放平臺(tái)則能夠直接為企業(yè)提供標(biāo)準(zhǔn)化的AI算法和應(yīng)用，降低企業(yè)的學(xué)習(xí)成本和部署工業(yè)AI的成本。

通過(guò)AI工業(yè)引擎，商湯能夠向工業(yè)企業(yè)提供低成本、低使用門(mén)檻的AI算法，即使面對(duì)工業(yè)領(lǐng)域的長(zhǎng)尾場(chǎng)景，這些算法也能表現(xiàn)出極高的匹配度，加速AI賦能工業(yè)轉(zhuǎn)型的進(jìn)程。

對(duì)所有AI企業(yè)而言，工業(yè)領(lǐng)域的長(zhǎng)尾場(chǎng)景是一個(gè)龐大的藍(lán)海市場(chǎng)，如果能在這些領(lǐng)域快速落地，這些公司商業(yè)價(jià)值也能得到大幅提升。

04 尾聲

對(duì)中國(guó)來(lái)說(shuō)，制造業(yè)的轉(zhuǎn)型升級(jí)是一項(xiàng)永遠(yuǎn)在路上的歷史性課題，想在新一輪的技術(shù)革命中搶占制高點(diǎn)，必須要仰仗更多的政策推動(dòng)和技術(shù)支持，包括AI。

反過(guò)來(lái)，中國(guó)制造業(yè)的轉(zhuǎn)型升級(jí)也為AI的落地和發(fā)展提供了廣闊的平臺(tái)。

一方面，重復(fù)性、規(guī)則性以及可編程性較強(qiáng)的工作將逐步由工業(yè)機(jī)器人完成，另一方面，AI將促進(jìn)制造業(yè)研發(fā)、生產(chǎn)、運(yùn)輸、倉(cāng)儲(chǔ)、服務(wù)等環(huán)節(jié)的數(shù)字化和智能化，與工業(yè)互聯(lián)網(wǎng)疊加，創(chuàng)造出更多高質(zhì)量的就業(yè)崗位，產(chǎn)生更多有商業(yè)價(jià)值的新場(chǎng)景。

全文完。感謝您的耐心閱讀。