场景不同导致算法不同 AI赋能工业面临成本困扰

【编者按】当下全球科技革命与产业变革正在加速演进，各国都在积极孕育孵化代表新兴科技方向、引领产业升级发展的未来产业，抢占竞争制高点。

中国“十四五”规划提出，要在类脑智能、量子信息、基因技术、未来网络、深海空天开发、氢能与储能等前沿科技和产业变革领域，组织实施未来产业孵化与加速计划，谋划布局一批未来产业。近来，上海、深圳、浙江等各省市均积极布局未来产业，力图增强发展动能，重塑区域竞争优势。

关于未来，充满着种种可能，何种产业才能堪称未来产业？如何才能在这场关于未来的竞争中抢占先机？澎湃科技联合上海中创未来产业研究院特推出“抢占未来产业”专题报道。

未来智能是上海未来产业的五大产业之一，如何推动传统制造所在的工业领域智能化？在上海首批未来产业先导区的临港新片区，科学家与产业界展开了热烈的探讨。

AI已逐渐进入工业领域，但当前AI在工业界也面临诸多水土不服。

“拥抱数据和算法才有可能赢得下一个时代”虽然在工业界几乎已经达成共识，但由于工业场景复杂，“AI（Artificial Intelligence,人工智能）+工业”的转型升级在现实操作层面还面临着难以规模化、成本高、缺乏人才等种种困境。4月27日，在上海临港集团、上海人工智能实验室、富士康科技集团智能制造平台共同举办的工业人工智能技术产业创新论坛上，人工智能科学家与工业界分享了AI引领未来工厂的实践案例。

上海人工智能实验室科学家黄小水在谈到大模型时代下的工业质检与设计时表示，人工智能已经从专有模型发展到通用模型时代。在专有模型时代，每一个任务都需要一个模型，优点是可以在某些特定领域具有高精度，缺点是通用性差，研发和部署落地成本高。在通用模型时代，一个模型处理多种任务，优点是通用性高，易开发部署，落地成本低，但挑战在于通用大模型的安全性、训练难度以及高精度数据的要求。

黄小水表示，通用大模型会带来产研紧密结合。通用大模型的行业应用广泛，可服务于金融、零售、医疗、安防、教育、工业、交通、农业等。例如在工业检测领域，以往通过人工检测存在主观性，工作效率低，无法实时监测，利用AI检测算法可增强检测的客观性，提高检测效率，实时检测促使实时纠正。黄小水所在的团队曾开发了建筑工程质量检测产品，利用建造时的扫描模型和设计时的3D模型匹配，计算出建造误差，进而评估建造质量。

在黄小水看来，通用模型很可能是新一轮科技革命的开始，掌握这一技术就能抓住发展的红利。但从技术上看，当前的挑战在于什么样的信息才能实现视觉的通用，以及如何统一高层和底层视觉任务的特征需求。生成式人工智能有望改变很多行业的工作模式，但难点在于文字相关性、视觉真实度以及利用图像反映文字间的关系。

“工业很复杂，行业不同导致场景不同，场景不同导致算法不同，算法不同得到的结果不同，投入也不同。”论坛的另一位嘉宾西门子中国副总裁秦成提出，未来有没有可能在通用模型领域再去改进，值得探讨。他表示拥抱数据和算法的企业才有可能赢得下一个时代，“一座标杆灯塔工厂一天产生的数据量，大约是一座20万人的小县城一天产生的所有手机移动流量”，但要想利用这些数据并不容易，“问题是数据存在哪里、如何让数据发挥价值？”

秦成认为，对制造业工厂来说，终极目标是打造完全自满足、自适应、自优化的系统。工业领域有两类工业AI应用场景，一类是基于设备和产品的缺陷检测，比如异常状态监测、故障诊断、预测性维护，另一类是优化质量和闭环增强的应用场景，比如质量预测、风险评估、病因分析、寻找解决方案，同时优化关键工艺。西门子成都工厂在制造切割机主轴时，粉尘会影响主轴寿命，此时提供硬件+软件+AI算法，就可以在边缘端开展模型计算进行调整，通过电机电流的速度分析控制粉尘。

上海飞机制造有限公司数据工程部副部长王斌在分析航空工业数字化转型与智能化趋势时也谈到了他们在数字化转型和智能化应用推广中摸索到的应用场景和经验。比如建设数字车间，实现生产过程数字化；建设“数字飞机”，实现产品过程数字化。飞机是复杂产品的典型代表，对工艺技术和装配质量要求高、试验维护项目多、先进技术应用多，“数字飞机”通过对设计资料的解读和转换，实现了飞机从设计到产品的全生命周期数据管控、全流程的过程纪实、全透明的局方和客户监管。

在智能制造中，机器人可以实现点焊、装配、搬运、喷漆、码垛等一系列自动化生产工作。英国皇家工程院院士、南方科技大学机器人研究院院长戴建生从人工智能与机器人、国内外发展现状和智能机器人发展瓶颈等角度展望了智能机器人的前景。戴建生表示，我国大力推进智能制造。智能制造的发展需要机器人的革命，需要创新机器人的结构。智能机器人的关键技术包括传感信息、导航定位、路径规划、结构智能、机器智能控制和人机接口等。但当前智能机器人的发展瓶颈和挑战除了自主核心零部件和算力，还包括适应动态变化的环境的结构智能。针对结构智能，戴建生提出了变胞和可重构理论，这是机器人设计的一个重要创新途径。

AI已逐渐进入工业领域，但秦成也提到了当前AI在工业界面临的困境。“所有AI企业进入工业就很痛苦、很挣扎，最大的挑战是规模化，如果只能针对单一场景，就要付出巨大的固定成本。只有变成互联网逻辑，从服务一家变成服务1000家，才能分摊成本，做到边际成本递减。”此外，秦成表示，人才同样重要，工业AI人才不仅需要人工智能算法知识，还需要自动化知识和行业知识。但现实情况是人工智能算法专业的学生往往一毕业就进入互联网大厂而非工业领域。