“排頭兵和战鬥力，二者缺一不可。”
文｜雲舒
編輯 | 小白
出品｜極新
麥肯錫在2022年對企業應用AI技術的調研表明：相較於2017年的20%，2022年企業至少在一個業務領域採用AI技術的比率增加了一倍多，達到50%；應用的AI產品數量也從2018年的平均1.9個增加到2022年的3.8個。隨之而來的是越來越多的AI技術企業，截至2023年5月，中國地區獨角獸共514家、總估值高達13萬億人民幣，重點分布在硬科技、新能源、新媒體、大健康、數字經濟、人工智能等領域。
據艾瑞咨詢統計，人工智能領域獨角獸融資事件集中分布於自動駕駛、醫療、工業、芯片行業，分別孵化出L3及以上智能駕駛解決方案、AIDD藥物研發服務、工業機器人、雲端大規模訓練或端側推理芯片等產品或服務。人工智能正以其獨特的優勢和潛力，逐漸滲透到我們生活的各個領域。特別是在工業領域，AI的應用已經成爲一種強大的力量，推動着我國從傳統工業化向新型工業化轉型。再結合我國的實際發展情況來看，新型工業化是人工智能等技術創新驅動的工業化，是大中小企業相互扶持、共同發展的工業化。
01AI爲工業帶來更多可能
根據《中國制造2025》战略，我國正致力於從制造業大國向制造業強國轉變，實現制造業的高質量、高效益、可持續發展。在這一過程中，AI技術的應用成爲了重要推動力。
隨着全球競爭的加劇和消費者需求的多樣化，工業企業需要尋找新的方法和手段來提高生產效率、降低成本並快速響應市場需求，引入AI能夠幫助企業實現生產過程的控制與優化；其次，AI技術的應用可以較大程度降低工業生產的成本和風險，從智能制造和自動化控制來看，可以減少人力成本和錯誤率；再者，應用AI是工業企業實現數字化和智能化轉型的關鍵一環，是其適應新時代發展需求的助力。
圖：梅卡曼德工業機器人（來自梅卡曼德官網）
近日、東土科技籤約了諾貝爾物理學獎2006年度得主斯穆特，標志着東土科技從工業互聯大步邁進工業AI；當地時間10月6日，美國初創公司Machina Labs宣布完成3200萬美元B輪融資，由英偉達旗下風投部門NVenture和風投機構Innovation Endeavors聯合領投，AI+機器人技術是Machina Labs在制造業方面的獨特優勢。
越來越多企業轉向工業AI，比如智能機器人、自動化、預測性維護、質量控制與檢測、供應鏈管理等領域，爲工業發展帶來更高效、智能、個性化的變革和創新。
02AI進入工業，打響“山地战”
AI在工業領域的已有應用得到了廣泛關注和實踐，許多工業企業已經开始引入AI技術，一些AI初創公司也正在爲工業領域提供各種解決方案，涵蓋了供應鏈管理、智能物流、設備監測與故障預測等各方面。但是，通向新世界的路總有些荊棘坎坷。
中國計算機學會計算機應用專委會副祕書長劉晶如此形容大模型在工業場景中的應用難度，“如果說AI大模型落地消費者端是‘平原战’，落地工業領域則是一個又一個‘山地战’。”首先，數據收集和處理是一個難題。數據是AI進入產業的關鍵，然而工業領域中的數據往往分散、量大且復雜，如何有效地收集、整理和分析這些數據是一個挑战。
另外工業領域對於數據的保密性較高，關鍵性數據難以獲得，企業難以將核心數據喂與AI，需考慮工業企業對於AI技術的信任度和接受度。GGV紀源資本執行董事羅超先生曾指出，工業恰恰是泥腿子要扎到田裏去的一個事情，更好的挖掘數據，標准化的、結構化的儲存下來、使用起來，這件事情本身很重要。
其次，AI算法的准確性和穩定性還有待提高。盡管AI技術在寫作、繪畫、視頻生成等領域取得了很好的效果，但在一些關鍵性、穩定性要求高的場景下，可靠性仍需進一步提升。
產業專家與AI算法工程師之間的認知差異也是AI落地於工業的一堵牆。產業專家熟悉的是產業周期，AI算法工程師研究的是深度學習的訓練部署等相關內容，企業人才難以同時具備以上兩個技術背景。
03關於AI進入工業，他們怎么做
AI+工業機器人：梅卡曼德機器人梅卡曼德在成立伊始就使用AI和3D視覺等智能技術，讓機器人擁有更高級的傳感、感知、規劃等智能能力，用通用的產品去解決普遍的需求，自研的傳感器和軟件服務於汽車、鋰電、物流、3C等行業，目前，梅卡曼德的業務已經覆蓋50多個國家和地區，全球落地案例超過了三千個。
客戶需求：
此項目服務對象爲某工程機械巨頭，大鋼板切割成許多小零件後，需將零件按要求進行分類抓取然後按要求碼放到托盤內，以配合下道工藝如折彎、开坡口、焊接等。存在工件種類多，形狀各異，人工分揀碼盤繁雜等問題。爲實現無人化作業，客戶希望用工業機器人搭載AI+3D視覺的方式實現自動化分揀作業。
項目描述：視覺引導機器人識別並吸取不同品規的鋼板切割件，置於傳送帶上，傳送至下一工位。機器人識別並抓取傳送帶上的切割件，按品規分類，堆疊碼放於料框中。
項目成果：
提升整线下料效率，可完全滿足用戶的生產需求；
是該客戶集團內部首條滿足生產需求、且長期穩定運行的備料產线，被列爲該集團內部標杆項目。
AI+工業互聯網：華爲-OceanConnect IoT 平台
華爲推出的 OceanConnect IoT 平台在技術架構上分爲垂直和水平兩個方向。在垂直方向，又分爲三層架構，分別爲連接管理層、設備管理層和應用使能層。目前， OceanConnect IoT 平台主要服務行業包括公共事業、車聯網、 油氣能源、生產與設備管理、 智慧家庭等領域,構築多個成熟解決方案並完成商用，並有約 40 個運營商 POC 項目及若幹個企業 POC 項目等,提供 170 余個开放 API，聚合超過 500 合作夥伴。
客戶需求：中國第一汽車集團公司（以下簡稱一汽）是國內大型汽車生產企業。探索車聯網等服務化轉型的過程中， 一汽面臨一系列突出問題，一是舊系統無法滿足高並發、高頻率接入需求，支撐現有的 20 萬輛車已經出現嚴重性能瓶頸。二是運行 10 年系統老舊，難以疊加新的業務，擴展困難。三是不同車型接入不同的業務平台，割裂的煙囪式系統，維護復雜，管理成本高。
項目描述：通過應用華爲 OceanConnect IoT 平台， 一汽實現了對千萬級車輛的有效管理， 並發處理百萬車輛的信息。平台的开放 API支撐了一汽新業務的快速开發，系列化 Agent 則支持快速集成新設備。平台還爲一汽提供了能夠支持實時分析的大數據處理能力， 並支持車隊管理、共享租車等多種業務。
項目成果：借助平台的能力，一汽提供了“摯享”租車服務，未來將逐步在平台上增加車輛控制、軌跡回放、車況檢查、電子圍欄等新型車聯網業務。預計到 2020 年，通過 IoT 平台管理 200 萬車輛及 25 萬支車隊。
AI+工業AR：杭州靈伴科技
杭州靈伴科技有限公司創立於2014年，是一家專注於人機交互技術的產品平台公司，深耕5G+AI+AR領域的軟硬件產品开發，通過語音識別、自然語言處理、計算機視覺、光學顯示、芯片平台、硬件設計等多領域研究，將前沿的Al和AR技術與行業應用相結合，爲不同垂直領域的客戶提供全棧式解決方案，打造智能時代的超級工人，有效提升用戶體驗、助力企業增效。自主研發的AR硬件設備完美適配油氣、制造業、汽車、化工等數十個細分行業場景，並且已在全球七十余個國家和地區投入使用。
客戶需求：國家電網有限公司成立於2002年12月29日，是關系國民經濟命脈和國家能源安全的特大型國有重點骨幹企業。公司以投資、建設、運營電網爲核心業務，承擔着保障安全、經濟、清潔、可持續電力供應的基本使命。
痛點：
巡檢容易出現缺檢、漏檢，嚴重依賴人工
設備繁重，測溫仍需單獨配備熱成像
應急管理缺少與後端專家協作渠道
現場人員對設備台账缺少信息查詢的手段
項目描述：國家電網寧波慈溪逍林供電所採用X-craft智能AR眼鏡，用於分派巡檢任務、查看現場信息、現場場景記錄存證、現場紅外測溫、遠程支持與故障診斷等。
項目成果：作業流程數字化，在线標准化工作流。測溫功能擴展，有效減少設備攜帶。可進行遠程多人專家協助指導。設備狀態信息動態查詢，助力搶修效率。
AI+工業質檢：微億智造
微億智造成立於2018年，多年來深耕工業制造領域數智化轉型升級相關技術研發和應用。公司以工業人工智能+機器視覺爲主线，提供以“視覺感知模組+機器人智能控制+工業AI算法+雲計算能力”爲核心的智能視覺系統，走通了工廠智能化柔性生產的最後一公裏，助力制造業數智化轉型升級，進一步爲中國從“制造大國”向“智造強國”的跨越貢獻力量。
客戶需求：
近年來新能源汽車的快速發展，使汽車電機殼體、電源控制器殼體、結構件、變速箱殼體、逆變器殼體等鋁鑄件需求激增。在鋁鑄件生產過程中產生的砂孔、毛刺、鋁屑等缺陷會帶來嚴重的安全隱患，因此出廠前會進行嚴格質檢。然而國內鑄造生產車間往往採用人工檢測且面臨以下難題：
工件復雜人工檢測效率低
疲勞操作容易漏檢、錯檢
檢測結果主觀因素強，標准不統一
無法對成品分級及質量預警
項目描述：針對結構復雜、存在高反區域的鋁鑄件缺陷檢測，工小匠AI數字質檢員採用工業6軸機械臂自主運動軌跡規劃及高速飛拍技術、搭載工業相機及柔性光學模組，實現高精度、超高速的正反面區域全檢。多模型組合應用、小樣本訓練，有效提升檢出率並快速部署上线。
項目成果：千萬級缺陷數據累積，明顯缺陷0樣本一周時間即可完成缺陷學習並適配上崗，按需匹配產线速度，採用高速飛拍成像技術、每點位拍攝CT僅需0.3s，關鍵缺陷0漏檢、綜合漏失率<0.5%，缺陷檢出率>98.5%。AI落地工業打的是“山地战”，在工業領域中AI技術的應用需要付出更多的努力和探索，成功的實踐是部隊前行的排頭兵，技術的不斷創新是战鬥力的保證，二者缺一不可。
本文原創：極新（jixintech）
原文標題 : 從現在到未來 | AI落地工業，坎坷之路鮮花盛放
標題：從現在到未來 | AI落地工業，坎坷之路鮮花盛放
地址：https://www.utechfun.com/post/275450.html