人工智能的工业赛道 专家：发展工业互联网

源自：财经栏目

---

　　2018年11月起，北京市海淀公园西门多了一个新的“工作人员”──一辆外形有点像小黄鸭的汽车，每天在西门和儿童乐园之间提供摆渡服务。
　　这个“新人”一入职，就成了游客眼中的明星，与众不同的驾驶方式是最主要的因素：这是无人自动驾驶巴士。车内不仅没有司机，方向盘、油门和刹车踏板都没有。
　　这其实是人工智能在制造业落地的一个缩影。
　　早在2017年，工业和信息化部就印发了《促进新一代人工智能产业发展三年行动计划（2018-2020年）》。计划提出，以信息技术与制造技术深度融合为主线，以新一代人工智能技术的产业化和集成应用为重点，推进人工智能和制造业深度融合，加快制造强国和网络强国建设。
　　不过相比于人工智能技术在商业领域丰富的应用场景，由于受到专用性限制以及数据量的影响，人工智能与工业、制造业的融合还处于萌芽阶段。
　　而制造业一直是国民经济中就业岗位的大类，同时也是我国就业总人数中比重较高的行业。随着经济持续增长和人口老龄化的压力，劳动力成本也在不断上升。在人工智能技术发展的大趋势下，如何让新技术重塑传统产业，促进升级转型。企业自身需要克服的难题会更多，但是相应的机遇也会更多。

人工智能的工业制造业赛道
　　人工智能的工业落地距离普通人似乎很遥远。
　　“生产力最大的部门还是在工业，生产要素也都是在工业里进行最大增值的。人工智能如果不能在工业落地，那么人工智能赋能生产力就是一句空话”。北京领邦智能装备股份公司董事长崔忠伟对8号楼说。
　　他们所做的，就是将人工智能中视觉深度学习与工业生产线上零件的高速质检分选相融合，开发出零件智能分选机器人。简单来说，就是AI在工业质检上的应用。
　　“工业零件，我们俗称工业大米，数量庞大。对零件的智能分选就是零件刷脸，利用人工智能的视觉技术把瑕疵零件挑选出来”。崔忠伟举例说，以前的分选零件机器人，误收率（注：将真尺寸处于公差带之外的废品判为合格品）在万分之五，误废率（注：将真实尺寸处于公差之内的合格品判为废品）在百分之五。而使用人工智能的深度学习后的新技术，误收率降低到万分之一，误废率降低到百分之一。
　　这一技术创新，吸引了很多企业，其中就有电子工业品牌TDK和多家苹果供应链企业。不过最初，苹果公司对于领邦技术并没有信心。
　　崔忠伟回忆，当时杭州的一家供应链企业购买了领邦零件智能分选机器人，苹果公司的品控要进行质量审核，“他们当时就一个意见：不信任。因为这样的技术，他们之前试过，但是没成功”。
　　为此崔忠伟和工程师赶到杭州，与苹果公司的品控进行了沟通，并且根据MSA标准进行复检，“数据最后证明没问题”。
　　除了精确度，效率上也有很大的提高，崔忠伟介绍，领邦机器人的分拣效率相比之前已经翻倍。如今领邦的累积用户达120多家，有300多台分选机器人在全球运行，而这也非常有利于零件质检数据的收集，助于机器进一步深度学习，提高精密度。
　　崔忠伟也坦承，人工智能在工业上落地之所以缓慢，很重要的一个原因还在于，相比于数据算法的迭代，硬件升级创新相对周期较长，从而导致滞后。
　　除了这种在工业生产线上的融合，人工智能在制造业的更为普通人熟知的，还是在汽车行业的自动驾驶领域：如开头所提到的无人驾驶巴士，其实就是百度和金龙集团联合开发的“阿波龙”，如今已经在北京、武汉、平潭、厦门、广州等多地运营。在2018年7月，李彦宏宣布阿波龙第100台车下线，实现量产。目前在北京海淀公园西门和儿童乐园，每天阿波龙无人巴士都会提供摆渡服务，广州长隆也在2018年12月进行线下试乘。
　　除了乘用车，无人驾驶卡车也是人工智能在制造业的新兴赛道。相关数据显示，中国卡车需求量大约为600万辆，而卡车行业通常都是长时间驾驶，因此卡车司机的缺口也比较大。图森未来科技公司正是看中了这点，开发了无人驾驶卡车。
　　2018年8月，图森的无人驾驶卡车在美国亚利桑那州10号州际公路（I-10）投入常态化运营，完成首次商业化干线运输。如今，美国亚利桑那州的三条运输线路上，图森的无人驾驶卡车日均完成3-5次货物运输，服务十三位终端货主客户。在国内，图森的无人驾驶卡车在北方某港口持续试运营超过300天，并将在上海临港地区开展无人驾驶示范运营。
　　人工智能的应用还出现在建筑行业，传统的建筑业一直存在低效率和高危险的痼疾，同时也面临人口红利逐渐消退带来的压力。碧桂园旗下的博智林机器人公司开发研制中的主要产品之一就是建筑机器人。机器人将建筑工艺拆解细分成几百道工序，选择其中危险性和重复率最高的工序，用机器人替代。

人工智能在工业制造业渗透不足
　　领邦智能是在2016年才创办的新公司。那一年的3月9日，谷歌研发的阿尔法狗（AlphaGo）对战世界围棋冠军李世石，让人工智能也在一夜之间，进入到普通人的视野之中。
　　之后的三年间，不论是主动还是被动，众多巨头企业纷纷盯上人工智能领域，尝试寻找全新突破口：2016年，百度提出了AI战略，2017年阿里巴巴成立了达摩院，腾讯也在全球合作伙伴大会上说要“AI in ALL”。BAT之间已经形成共识，人工智能这个未来战场已然开启。与此同时，众多初创公司也入局人工智能领域。
　　“2012-2016年，人工智能的视觉算法上有了突破，有了深度学习。我相信学术上的成果是可以有落地场景的”。崔忠伟说，“我们每年的营收都是30%增长。”这正是国内人工智能行业在最近三四年间，快速发展的一个缩影。
　　清科资本数据显示，2018年全年人工智能行业融资额超过450亿元，相比2017年的260亿元增长超七成。
　　不过，人工智能在制造业和工业领域的领域渗透并不足够。据中国信通院2018年9月发布的报告，在各类垂直行业中，人工智能渗透较高的包括医疗健康、金融、商业、教育和安防等领域。其中，医疗健康领域占比居前，达22%；金融和智能商业领域占比分别为14%和11%。但是在制造业和工业领域，却面临着融合不足的挑战。
　　中国工程院院士、中国互联网协会理事长邬贺铨认为，这主要是因为制造业的数据采集流程更长、数据的可靠性挑战较大所导致的。
　　“人工智能与制造业的深度融合发展需要以大数据作为支撑，与消费环节相比，制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂，有接近一半的数据是没有相关性的。”

传统制造业要数字化转型 发展工业互联网
　　邬贺铨向8号楼表示，人工智能是一个通用技术，可以应用在多个领域用。人工智能本身还是一个需要成熟的技术，其中的数据、算例、算法也是逐步完善的过程。
　　“对于传统的制造业企业来说，如果想做到人工智能的融合落地，企业首先要收集数据，这就需要比较好的传感器、物联网等，但是大部分企业都不具备”，邬贺铨分析，虽然传统制造业不擅长信息技术的研发，但信息技术领域的公司是愿意进入传统产业领域，为生产力赋能。
　　在邬贺铨看来，人工智能要想在工业领域真正落地，工业企业必须切实做到数字化转型，大力发展工业互联网，此外还要注重信息安全等问题。
　　邬贺铨强调，工业领域主要以企业私有数据库为主，规模有限，要实现人工智能与制造业的深度融合，就必须要在制造业领域加强数据获取与整合，企业必须切实做到数字化转型，大力发展工业互联网。人工智能还必须根据制造业的具体场景进行定制，简单照搬模版式的制造业人工智能解决方案是不可行的。此外还要注重信息安全等问题。“工业领域的人工智能绝不是像消费领域的人工智能，买个手机、电脑就可以切入进去的。”
　　（△财经栏目8号楼工作室 梁超）（王茜对此稿有贡献）