人工智能是第四次工業(yè)革命的重要技術(shù)，它所帶來的變革將超乎我們的想象。正如德國工業(yè)4.0之父、德國國家科學工程院前院長孔翰寧所言：人工智能是工業(yè)4.0成敗的關(guān)鍵。

前段時間，在各大咖頻繁發(fā)聲下，“996”相關(guān)話題一時間成為輿論的焦點，伴隨著各種社會情緒，觀點莫衷一是。拋開主觀上的評判，有一個問題卻是許多人都想問的，那就是在保持效益增長的前提下，人們的工作時間有可能縮短嗎？

對于這個問題，百度李彥宏曾經(jīng)提出了他的展望：人工智能堪比工業(yè)革命，很多行業(yè)都將發(fā)生翻天覆地的變化，甚至有可能讓人們一周只工作4天。

準確地說，人工智能是第四次工業(yè)革命的重要技術(shù)，它所帶來的變革將超乎我們的想象。正如德國工業(yè)4.0之父、德國國家科學工程院前院長孔翰寧所言：人工智能是工業(yè)4.0成敗的關(guān)鍵。

巨頭的修羅場

在過去一年中，人工智能已成為全球科技巨頭核心戰(zhàn)略之一，為了爭奪AI時代制高點，巨頭們紛紛推出或在研發(fā)AI芯片，谷歌人工智能芯片TPU已經(jīng)升級到第三代，亞馬遜推出一款機器學習芯片Inferen，華為也推出Ascend系列AI芯片。

巨頭爭奪，比拼的是AI技術(shù)實力和應用落地能力，而國內(nèi)具有用戶規(guī)模、數(shù)據(jù)和應用場景的先天優(yōu)勢，讓中國科技企業(yè)異軍突起，能夠與美國亞馬遜和谷歌等巨頭同臺較量。目前已經(jīng)興起了包括BAT、華為、今日頭條、海康威視、小米、富士康(工業(yè)富聯(lián))、大疆和海爾等AI巨頭。

作為國內(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年開始積極探索發(fā)展人工智能技術(shù)，圍繞百度大腦，AI應用開始在多個領(lǐng)域開花結(jié)果，并以百度云為平臺把AI能力分享給社會，從農(nóng)業(yè)到工業(yè)，從家庭到汽車，以及翻譯、圖像識別和信息流等產(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)域的應用。他表示，現(xiàn)在很多3C產(chǎn)品在組裝的過程當中都需要人的肉眼去檢驗這些零件的質(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)量過關(guān)，是一個很費勁的任務(wù)。一般來說，熟練的工人干兩個小時就得下來休息。而百度用計算機視覺的方式做了一個軟硬一體的機器，一臺設(shè)備相當于十個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。對于富士康來說，這是一場開始于內(nèi)部的制造業(yè)轉(zhuǎn)型。

事實上，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)，開發(fā)用于實現(xiàn)工廠生產(chǎn)自動化的人工智能技術(shù)。

2019年3月29日，伴隨著“智涌錢塘”2019AICloud生態(tài)大會的舉辦，海康威視拉開了AICloud全面落地的序幕，AICloud是?？低曉?span>2017年針對人工智能時代的物聯(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瓴┦糠Q，可以預見，2019年將是海康威視AICloud全面落地的一年，一方面，物信融合數(shù)據(jù)平臺逐步走向成熟，將會應用到更多行業(yè)場合；另一方面，各地業(yè)務(wù)中心也已準備了本地化的數(shù)據(jù)治理工程實施團隊，為用戶提供服務(wù)。

華為董事長任正非認為，當人工智能出現(xiàn)升華以后，現(xiàn)在西方國家不能解決的社會福利、工會、罷工等問題，以后都能通過機器人來解決，真正能實現(xiàn)人工智能的生產(chǎn)方式，大規(guī)模的工業(yè)就會轉(zhuǎn)向西方發(fā)展；完全不能實現(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家發(fā)展；中國正面臨著“夾心餅”中間這一層，中國往何處去，現(xiàn)在是一個極大挑戰(zhàn)，不是人口紅利就能解決中國未來的發(fā)展問題。

毋庸置疑的是，當生產(chǎn)往高端發(fā)展之后，人工已經(jīng)不能完全解決生產(chǎn)的問題，生產(chǎn)方式會發(fā)生巨大的變化，而中國能否抓住人工智能的機遇實現(xiàn)制造業(yè)轉(zhuǎn)型升級將決定未來我們在世界制造中的地位。

從可見到不可見

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

正如富士康工業(yè)互聯(lián)網(wǎng)副董事長李杰所說：“工業(yè)互聯(lián)網(wǎng)數(shù)據(jù)有很多來源，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，可見的數(shù)據(jù)和不可見的關(guān)系是不一樣的，如何用不可見的關(guān)系產(chǎn)生效益，這個就是關(guān)系的價值，如何從可見的數(shù)據(jù)中找到不可見的關(guān)系，產(chǎn)生提質(zhì)增效、降本減成、創(chuàng)新的價值，這個是工業(yè)互聯(lián)網(wǎng)的最大本質(zhì)。”

在李杰看來，生產(chǎn)的產(chǎn)品可以比作蛋黃，而產(chǎn)品創(chuàng)造的價值是蛋白。“蛋黃是可見的，蛋白是不可見的。換句話說，富士康可將很多核心競爭力當作蛋黃，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，并及時預測預防質(zhì)量問題，做到’事前諸葛亮’，這就是蛋白。”

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

工業(yè)人工智能通過多維度學習，形成快速性、系統(tǒng)性及可傳承性等特性。在實際操作過程中，不同個體使用同樣工具可得到相同或相近的結(jié)果，系統(tǒng)將形成標準性解決方案，高度契合作業(yè)過程中即時響應、準確度極高、高等級安全等一系列要求。

李杰認為，中國制造業(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、沒有認清產(chǎn)業(yè)本質(zhì)三大問題。目前，國內(nèi)消費者對部分中國制造不信任，問題不僅在于假冒偽劣流行的病癥至今未能得以有效治療，還有國內(nèi)廠商，包括管理者、一線工人對產(chǎn)品品質(zhì)要求，及其所需的精細管理文化、精工制造文化、品質(zhì)尊重文化普及，相對德國、日本等國家仍有較大差距。

為提質(zhì)增效，美的集團人工智能戰(zhàn)略引入了機器視覺系統(tǒng)。美的集團視覺研究所長胡正博士說：“要實現(xiàn)工廠的質(zhì)控，必須使用機器視覺系統(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做不同的項目，從而避免了一個項目一個項目去做，節(jié)約了大量的工時。”

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

當前的國內(nèi)AI創(chuàng)業(yè)及應用熱潮多是基于深度學習這一算法，往往需要大量數(shù)據(jù)進行訓練，且模型可解釋性不強，因此并不是所有領(lǐng)域和場景的最優(yōu)AI算法。

清華大學AI研究院首任院長張鈸院士認為，現(xiàn)有的AI技術(shù)“小錯不犯，一犯就是大錯”。當前AI技術(shù)對訓練數(shù)據(jù)過分依賴，這導致算法在工業(yè)領(lǐng)域等樣本和標注不足的場景中極易出錯，其次模型可解釋性不強。

而成立于2018年7月的瑞萊智慧正在研發(fā)無監(jiān)督學習算法、可解釋性算法，希望能夠解決行業(yè)中標注數(shù)據(jù)缺失問題，幫助人們借助算法解釋更好的進行決策；目前瑞萊智慧已經(jīng)與工業(yè)多家企業(yè)展開合作，研發(fā)了工業(yè)領(lǐng)域的異常檢測、預測性維護等。

瑞萊智慧CEO田天說，“在工業(yè)應用領(lǐng)域，收集高質(zhì)量訓練數(shù)據(jù)的過程往往成本高昂，且耗費時間，如果采用無監(jiān)督或者半監(jiān)督的學習方法，就能有效降低訓練數(shù)據(jù)需求，針對碎片化的工業(yè)視覺檢測場景具有更廣的應用前景”。在沒有訓練數(shù)據(jù)時，可以考慮采用異常檢測、或者變化檢測等方法，讓機器學會什么是正常的數(shù)據(jù)，進而在出現(xiàn)異常數(shù)據(jù)或者變化時能夠做出準確判斷。

“AI產(chǎn)業(yè)化落地，第一要找到行業(yè)的最大痛點；第二要讓AI技術(shù)實現(xiàn)價值，即選擇相對成熟的人工智能，實現(xiàn)產(chǎn)品化；第三，有了產(chǎn)品后，還是需要有一個創(chuàng)新的產(chǎn)業(yè)解決方案，實現(xiàn)產(chǎn)業(yè)層面的迭代升級；最后，基于自身積累的經(jīng)驗，實現(xiàn)產(chǎn)品升級、賦能產(chǎn)業(yè)，提升我們行業(yè)的效率，提升整個行業(yè)的價值。”極智嘉CEO鄭勇說。

工業(yè)人工智能進入落地期

過去10年，AI領(lǐng)域開發(fā)了大量優(yōu)秀算法，為實際應用儲備了大量的工具；近年來，人工智能開始大規(guī)模應用于金融和互聯(lián)網(wǎng)等領(lǐng)域，起到了較好的示范效應。業(yè)內(nèi)人士普遍認為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。

如今國內(nèi)中小創(chuàng)投公司林立，科技氛圍濃厚，讓李杰對中國制造業(yè)的未來充滿信心，“目前中國有太多的產(chǎn)業(yè)可以做蛋白，只要擁有足夠的核心競爭力，蛋白可以做得很大。”

綜合來看，目前人工智能在制造業(yè)領(lǐng)域主要有三個方向：視覺檢測、視覺分揀和故障預測。

田天表示，目前在“缺陷檢測”和“預測性維護”兩大方面客戶接受度和需求較高，主要是因為該領(lǐng)域為客戶痛點，能直接為客戶節(jié)省大量的費用。預測性維護也有利于避免重大事故，對于安全制造和安全生產(chǎn)至關(guān)重要。

近年來，越來越多的機器視覺落地應用，在技術(shù)與市場上的認可度不斷獲得提升，視覺企業(yè)成長速度加快。在工業(yè)應用領(lǐng)域，隨著生產(chǎn)的柔性和自動化程度的不斷提高和對質(zhì)量更加嚴格的控制要求，企業(yè)迫切需要機器視覺來代替人工，實現(xiàn)定位、檢測、引導、識別等功能。

機器視覺技術(shù)是圖像獲取、分析、識別、檢測等技術(shù)的綜合，機器視覺行業(yè)經(jīng)過數(shù)年的積累，不僅在規(guī)模上實現(xiàn)年均增速超20%，且在3D視覺、無序分揀等技術(shù)方面獲得了不同程度的突破。GGII預計2018年中國機器視覺市場規(guī)模54億元，同比增速超25%，高于其他細分領(lǐng)域增速。

人工智能技術(shù)的發(fā)展推動了機器視覺的快速應用，GGII認為，機器視覺是實現(xiàn)工業(yè)自動化和智能化的必要手段，隨著機器視覺的介入，自動化設(shè)備將朝著更智能、更快速的方向發(fā)展，同時，機器視覺在各行業(yè)的滲透率也將逐漸提升。

其中，將近80%的工業(yè)視覺系統(tǒng)主要用在檢測方面，包括用于提高生產(chǎn)效率、控制生產(chǎn)過程中的產(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設(shè)備研發(fā)，已向眾多國內(nèi)一線屏幕廠商提供50多臺各型設(shè)備，可以檢測出38類上百種缺陷，且具備智能自學習能力；阿丘科技則推出了面向工業(yè)在線質(zhì)量檢測的視覺軟件平臺AQ-Insight，主要用于產(chǎn)品表面缺陷檢測，可用于煙草行業(yè)，實現(xiàn)煙草異物剔除、缺陷檢測。

近年來，國內(nèi)陸續(xù)出現(xiàn)了一些基于深度學習和人工智能技術(shù)解決機器人視覺分揀問題的企業(yè)，如埃爾森、梅卡曼德、庫柏特、阿丘科技、?？死锏玫?，通過計算機視覺識別出物體及其三維空間位置，指導機械臂進行正確的抓取。

埃爾森通過3D快速成像技術(shù)，對物體表面輪廓數(shù)據(jù)進行掃描，形成點云數(shù)據(jù)后進行智能分析處理，加以人工智能分析、機器人路徑自動規(guī)劃、自動防碰撞技術(shù)，計算出當前工件的實時坐標，并發(fā)送指令給機器人實現(xiàn)抓取定位的自動完成。

以高性能3D相機、視覺AI算法和軟件、機器人運動算法和軟件為核心產(chǎn)品的梅卡曼德可提供多種典型應用的參考設(shè)計和現(xiàn)場服務(wù)。其解決方案可使機器人廠家和集成商迅速提升人工智能能力，完成無序物體抓取、視覺引導拆垛、混合碼垛、精確定位裝配等應用。

基于人工智能和IOT技術(shù)，通過在工廠各個設(shè)備加裝傳感器，對設(shè)備運行狀態(tài)進行監(jiān)測，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，對故障提前進行預測，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)無故障運行。

據(jù)悉，國外AI故障預測平臺公司Uptake，已經(jīng)估值超過20億美元。而國內(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)管理者隨時隨地了解設(shè)備的實時運行情況和生產(chǎn)數(shù)據(jù)，同時預測設(shè)備未來的生產(chǎn)數(shù)據(jù)和可能出現(xiàn)的產(chǎn)線故障，提前制定計劃和對策。

目前“燈塔工廠”名單全球總計只有16家公司入選，“富士康是其中唯一利用AI做預測的企業(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、事實結(jié)果。而投入工業(yè)互聯(lián)網(wǎng)會失敗通常有四大因素：沒有場域、沒有使用工具/數(shù)據(jù)、公司內(nèi)部斗爭、項目糾紛、最后才是沒有技術(shù)，其中有4成以上是沒有場域。

目前，AI故障預測成熟運用較少。大部分傳統(tǒng)制造企業(yè)的設(shè)備沒有足夠的數(shù)據(jù)收集傳感器，也沒有積累足夠的數(shù)據(jù)；很多工業(yè)設(shè)備對可靠性的要求極高，即便機器預測準確率很高，不能達到百分之百，依舊難以被接受；此外，投入產(chǎn)出比不高，很多AI預測功能應用后，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)域還是有很多機會的，但他們需要往更細分的賽道里去專研，去挖掘，這樣才能避開一些大公司，發(fā)揮自己的長處，實現(xiàn)AI與具體產(chǎn)業(yè)相結(jié)合。

此外，擁有更加獨到數(shù)據(jù)的企業(yè)將更有機會，這里為什么強調(diào)獨到數(shù)據(jù)，是因為之前很多做算法的數(shù)據(jù)都是公開數(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)是沒有稀缺性。

鄭勇認為，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，其實就在于細節(jié)，細節(jié)決定了客戶的體驗，包括對行業(yè)的理解。想要獲得這些經(jīng)驗，需要花很長的時間，跟客戶一起打磨，最后才能獲得。“當有了這樣經(jīng)驗的時候，你跟你的競爭對手是可以差異化的，最后會帶來品牌溢價，帶來產(chǎn)品價值優(yōu)勢。”

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