工業人工智能成色幾何

柳笠煦

人工智能產業正深度融入生產、科研和個人的生活，但人工智能對于傳統工業領域的加持賦能作用究竟如何？毫不夸張地說，“工業才是AI的試金石”，在制造領域，人工智能的效率相對傳統的生產模式有著顯著提升，只是業界似乎還未真正找到人工智能賦能工業的精準施為方式。

沒有無所不能的技術？

搶占人工智能產業高地，必要搶插上工業人工智能的一面旗幟。

工業人工智能可以做什么？柴天佑院士指出，“（工業人工智能）針對產品與工藝設計、經營管理與決策、制造流程運行管理與控制等工業生產活動中目前仍然依靠人的感知、認知、分析與決策能力和經驗與知識來完成的知識工作，實現知識工作的自動化與智能化來顯著提高經濟效益。”上海慧程信息科技有限公司高級副總裁馮立認為，目前國內人工智能技術在制造業應用呈兩大特點，“一是，市場占比少，這意味著未來成長空間更大；二是，應用技術單一，聚焦計算機視覺和機器學習。”對此他的建議是，“抓住制造業痛點，實現關鍵行業突破；解耦需求，實現關鍵應用突破。”但貝加萊方案研究院院長陳妮亞更傾向于業界以冷靜心態認識與實踐人工智能的工業應用，“在工業領域，AI還有很長的路要走，并且AI就目前來看，能夠應用的場景是有限的。”她給出的理由是，“工業用戶是非常苛刻的，必須有現實的商業價值，而不能僅僅是單純的學術研究。必須能用AI解決現場實際的生產問題，提升效率、降低成本、提高質量，才能用實際價值吸引更多的投入。”

人工智能技術發展的大方向從未改變，但各個細分賽道上的“挑戰者”不斷闖入人們的視野。按照華為昇騰計算業務總裁許映童的說法，當下傳統產業擁抱人工智能的態度已從關注技術到注重實效，“人工智能未來將深度融入生產，比如制造業已從自動化、數字化進入智能化。而隨著人工智能能力的提升，也將越來越受產業界認可。比如智能質檢，當AI質檢準確率超過99.9%的時候，我相信企業在設立新產線的時候，一定會把人工智能作為初始選型。”以此思路延展，以人工智能解決制造業的痛點問題，如質量、效率、成本和庫存等，即能更好幫助制造業實現提質增效，降本減存。但極視角創始人兼CEO陳振杰業指出了工業人工智能的場景開發難題，“目前我們仍處于弱人工智能時代，AI只能解決部分問題。龐大的AI市場背后，是需求碎片化的難題，比如水泥廠、燃氣廠這些場景，開發者之前都沒去過，不知道哪些用人工的地方，可以用AI替代。”

盡管誠如百度副總裁李碩所言，“工業領域，將是人工智能技術施展拳腳的最好戰場。”但以人工智能的賦能帶來全新的工業發展形態并不容易。工業與商業在人工智能的應用方面有較大的差異，工業本身是一個非常復雜且持續更新的數據源頭，網絡、設備、人、管理、流程、工藝、營銷、經營等一系列要素匯聚在一起；制造現場講求“最差的情況（Worst Case）”，工業控制里強調數據傳輸的“確定性”，需要“精確”“可解釋”；并且，工業還是一個“錙銖必較”的領域，所有的目標戰略都圍繞提高質量、降低成本、提高交付能力，應對個性化生產等精益目標而展開……在此境遇下，為了聯網而聯網，為了人工智能而人工智能將導致事倍功半乃至一地雞毛。

撬動工業升級新支點

盡管探行不易，但人工智能仍已成為各個國家和地區工業制造水平穩步上升的重要推動力。潘云鶴院士指出了我國工業人工智能發展待解的五個關鍵問題，“第一，生產過程的智能化；第二，企業運作的智能化；第三，產品的智能化；第四，產業鏈接的智能化；第五，經濟調節的智能化。解決好這五個關鍵問題，將進一步提升我國的經濟實力，促進人工智能與實體經濟的深度融合。”

早前圖靈獎得主麥卡錫就主張人工智能將進入生產力與產品價值的核心所在，“在沒有工業革命的國家中，人們（特別是科技工作者）無力推動科技進步；反之，將智能投入到工業生產中去可以在很大程度上代替工人。”這便不難理解，“投資機器人是因為有相當多的人工需要機器取代”，成為制造業企業推廣人工智能的產業邏輯所在。比如，格力電器所打造的“黑燈工廠”，便以極致的數字化實現精度、質量和效率顛覆性的變化。

據IoTAnalytics發布的《人工智能市場報告2020-2025》預測，2025年全球工業人工智能市場規模將達到725億美元。身為人工智能競賽領跑者之一的亞馬遜則明確表示，若沒有傳統工業的支撐，那么企業（亞馬遜）的人工智能價值不大，“新世界的能力需要與舊世界的資產形成互補，相互提升。”

應該說，在諸如設備維護、質檢、生產、維修服務等制造業的一眾應用場景中，人工智能都大有可為。然而目前在工業領域真正用于人工智能技術的市場占比僅有4%，遠低于預期。有業內人士指出，人工智能在制造業應用落地時存在不少難點，“第一，投資回報和價值的體現。省了幾個工人，卻需要幾個博士生碩士生來維護系統，投資回報很難說清楚；其次，人工智能技術存在不確定性，缺少優秀的工業數據訓練體，需要不斷的積累。”即便是自動化程度很高的一些制造業企業同樣面臨困擾，比如生產過程中疊加人工智能后，生產線出現不匹配的問題，未能實現理想中的AI與生產的充分融合……何時這些“細小”的枝末問題被細致地解決，何時工業人工智能可發揮出極致的助推之力。