2017年5月27日，擊敗柯潔之后，獨孤求敗的AlphaGo決定隱退，也將一大批AI公司推向臺前，包括谷歌旗下的DeepMind，以及以商湯為代表的國內(nèi)AI頭部企業(yè)。

　　恰逢此時，作為AI技術(shù)應用最有潛力的領域，全球不少國家陸續(xù)出臺了關于制造業(yè)+AI的國家級戰(zhàn)略，比如德國在2018年通過了《聯(lián)邦政府人工智能戰(zhàn)略要點》，11月發(fā)布“AI Made In Germany”的戰(zhàn)略。

　　作為歐亞大陸另一端的制造大國，中國也在2015年發(fā)布《中國制造2025》，AI也在2017年第一次出現(xiàn)在政府工作報告里，2020年，國家發(fā)改委明確將AI列入新基建。

　　根據(jù)德勤的報告，AI的應用可以為制造業(yè)最多降低20%的加工成本，到2030年，因AI的應用，全球?qū)�會新�?5.7萬億美元GDP，其中中國占7萬億美元，到2035年，AI將推動勞動生產(chǎn)率提高27%，拉動全球GDP增長27萬億美元。

　　過去五年，AI與傳統(tǒng)制造業(yè)之間的碰撞和融合，從過去的單一場景的淺層互動邁向了全產(chǎn)業(yè)鏈、多場景的2.0階段，雙方之間的嵌套關系越來越深。

　　01

　　小試牛刀

　　作為一門復合型科學，AI在生產(chǎn)制造的不同階段都有潛在應用。

　　比如在分撥、倉儲和配送環(huán)節(jié)可以通過優(yōu)化算法來制定最優(yōu)路徑，節(jié)省時間；在生產(chǎn)計劃環(huán)節(jié)，在給定條件下可以生成最佳排產(chǎn)計劃；在質(zhì)檢環(huán)節(jié)，通過機器視覺和算法發(fā)現(xiàn)微小缺陷，提升良品率；在設備維護領域，可以利用歷史數(shù)據(jù)來預警故障風險。

　　過去五年，一些大型產(chǎn)業(yè)已經(jīng)開始受益于AI的應用，比如汽車、鋼鐵、化工以及電力行業(yè)。

　　2016年，上汽通用將AI應用到數(shù)字化排產(chǎn)上，比如在動力總成工廠，排產(chǎn)時間從原先的8小時縮短至0.5小時，效率提升了16倍，整個排產(chǎn)系統(tǒng)一年能夠為上汽通用節(jié)省一千萬[5]。

　　在國外，奧迪通過AI技術(shù)，將位于匈牙利的電動車工廠改造成了模塊化的“自動化加工島”，車輛在每個島上完成對應的加工和裝配，無人駕駛AGV小車負責運輸車身和零部件，人工智能算法負責調(diào)度，從而使得生產(chǎn)效率提升了20%。

　　2017年，臺灣中鋼引進了AI技術(shù)，對鋼鐵熱成型過程中的缺陷進行檢測，篩選出了一些關鍵的特征數(shù)據(jù)，并喂給AI學習。最終他們發(fā)現(xiàn)爐內(nèi)壓力對產(chǎn)品缺陷影響最大，AI為其節(jié)省了90%的成品質(zhì)量判定和人力資源。

　　由此可見，AI能夠通過對上游供應鏈和下游需求的精準預測來優(yōu)化生產(chǎn)計劃和控制供應鏈成本。

　　但總體而言，當前AI技術(shù)能覆蓋的多是大產(chǎn)業(yè)和高頻場景，在龐雜的工業(yè)上游環(huán)節(jié)，AI滲透率并不高。

　　02

　　長尾場景

　　在大部分產(chǎn)業(yè)，越接近上游，生產(chǎn)環(huán)節(jié)場景標準化程度越低、規(guī)模效應越不明顯。AI在這些場景中的復用難度大，供需雙方都需要付出極大的成本，加上制造業(yè)整體毛利率偏低，投資回報周期被無限拉長，導致上游企業(yè)對AI的接受度普遍不高。

　　與此同時，企業(yè)智能化轉(zhuǎn)型改造的周期也較長。如果是規(guī)模較小，能夠接受整套轉(zhuǎn)型方案的企業(yè)，大約能在1年之內(nèi)完成；如果規(guī)模偏大，且之前已經(jīng)引入ERP等數(shù)字化系統(tǒng)，那么要與新的智能化方案全面融合，則需要更長的時間，轉(zhuǎn)型過程中對企業(yè)的生產(chǎn)經(jīng)營造成的影響很難抵消。

　　但這并不意味著數(shù)字化轉(zhuǎn)型對于工業(yè)上游企業(yè)而言不是剛需，相反，在一些極其重視流程規(guī)范和過程安全的領域，AI能夠解決這些企業(yè)的痛點。

　　2005年3月，英國石油公司位于美國得克薩斯州的煉油廠發(fā)生了一起嚴重的火災爆炸事故，事故造成15名員工喪生，180余人受傷，直接經(jīng)濟損失超過15億美元。

　　這是一起典型的由長尾、低頻場景發(fā)生問題而引發(fā)的事故，整起事故由夜班安全員的不規(guī)范操作誘發(fā)，期間油位警報器失靈、油位指示器發(fā)生故障，排液控制閥關閉，泄壓閥被暴力打開，最終使得煉油廠蒸餾塔油位過高，從排放煙囪中噴出，恰巧被附近未熄火的汽車引燃，才釀成了這樁慘禍。

　　人為操作失誤，偶發(fā)的器械故障，甚至是偶然開進工業(yè)區(qū)沒有熄火的汽車，這些都是傳統(tǒng)工業(yè)場景中極難防范的問題。但通過引入AI對關鍵流程、關鍵設備進行監(jiān)控，通過AI進行園區(qū)與人員的管理，類似的事故就能夠防范于未然。

　　當下的難點是，如何讓AI進入工業(yè)的上游場景，既然存在相應的需求，那么就應該從AI落地的性價比入手。

　　03

　　AI普惠

　　AI在工業(yè)上游場景落地的性價比低，核心原因是AI的生產(chǎn)要素過于昂貴。

　　縱觀國內(nèi)外AI企業(yè)，過去比拼的都是算法精度，用博士和超算堆出來的高質(zhì)量算法，背后都是巨額的研發(fā)投入。但當產(chǎn)業(yè)開始落地時，如何把AI生產(chǎn)的整體成本降下來，就成了擺在AI企業(yè)面前的一道難題。

　　為降低AI整體的生產(chǎn)成本，使其順利進入工業(yè)生產(chǎn)環(huán)節(jié)，商湯推出了“AI工業(yè)引擎”，目的是用一套“大AI模型”來覆蓋工業(yè)領域極其復雜的長尾場景。

　　這套AI工業(yè)引擎以商湯SenseCore商湯AI大裝置為基礎，整合了其原創(chuàng)打造的SenseMARS火星混合現(xiàn)實平臺與SenseFoundry Enterprise方舟企業(yè)開放平臺的能力，專門面向工業(yè)企業(yè)AI轉(zhuǎn)型所面臨的三個痛點。

　　痛點一：工業(yè)領域復雜、低標準化的長尾場景

　　工業(yè)領域復雜、非標的長尾場景往往需要不同的AI算法來解決問題。面向這些場景，商湯SenseCore AI大裝置通過模型生產(chǎn)平臺、算法訓練平臺等AI生產(chǎn)的強大能力，生產(chǎn)了超過22000個算法模型。

　　不僅如此，商湯還與香港中文大學商湯聯(lián)合實驗室合作打造了算法開源計劃（OpenMMLab），與社區(qū)開發(fā)者共同構(gòu)建創(chuàng)新生態(tài)，目前，商湯已將210多個算法和1500多個預訓練模型進行了開源�；�于此，商湯向企業(yè)開發(fā)者提供算法工具，使得自身開發(fā)的先進算法和開源形成的算法生態(tài)能夠下沉到工業(yè)生產(chǎn)、管理、運維等各個環(huán)節(jié)，并串聯(lián)其間的關系，形成價值閉環(huán)。

　　痛點二：場景多樣化對算力的需求激增

　　算法精度的提升并沒有使AI對算力的需求降低，相反，隨著AI開始向工業(yè)上游的長尾場景覆蓋，場景的復雜性要求AI由專用向通用轉(zhuǎn)變，這一過程中，AI對算力的需求出現(xiàn)了指數(shù)級的增長，在過去幾年翻了近百萬倍。

　　為滿足日益增長的算力需求，商湯建立了新型人工智能計算中心AIDC，這一設施整合了AI芯片與AI傳感器，能夠提供高達3740 Petaflops（Petaflops，每秒千萬億次浮點運算）的算力，預計在2022年完工投入使用。

　　通過強大的算力基礎，整合領先的算法能力，商湯可以助力工業(yè)企業(yè)實現(xiàn)AI的更大規(guī)模落地和應用。

　　痛點三：AI的自動化、自適應部署

　　擁有大量針對不同工業(yè)場景的算法和支撐算法運行的算力之后，還需要一套能夠讓算法自動“Run”起來的方案，這是降低AI公司部署算法成本與工業(yè)企業(yè)接受部署成本的關鍵。

　　商湯在平臺層打通了數(shù)據(jù)平臺、模型生產(chǎn)平臺、深度學習訓練框架和深度學習推理部署引擎，實現(xiàn)了從數(shù)據(jù)存儲、標注到模型訓練、生產(chǎn)、部署、測試的全鏈路、批量化過程。通過商湯的AI大裝置，可以真正實現(xiàn)對人工智能生產(chǎn)要素成本的大幅降低，從而讓工業(yè)企業(yè)能夠在有限的資源和預算的情況下，用得起、用得上AI，部署和覆蓋到更多需求場景中去。

　　然而，商湯給出的方案沒有停留在提升AI能力與降低部署成本，在工業(yè)場景的易用性上，商湯為工業(yè)提供了更加具象化的能力——SenseMARS火星混合現(xiàn)實平臺與SenseFoundry Enterprise方舟企業(yè)開放平臺。

　　SenseMARS火星混合現(xiàn)實平臺能夠通過仿真技術(shù)，為企業(yè)打造工業(yè)生產(chǎn)環(huán)境1:1的數(shù)字孿生空間。在虛擬層，商湯提供的AI可以在數(shù)字孿生空間中進行預訓練，降低AI部署對現(xiàn)實生產(chǎn)環(huán)節(jié)的影響；而在現(xiàn)實層，通過虛實結(jié)合的方式，則能夠讓AI對實體資產(chǎn)進行數(shù)字化管理。

　　在與南方電網(wǎng)的合作項目中，商湯為南方電網(wǎng)打造基于人工智能和增強現(xiàn)實技術(shù)的換流站智能運檢系統(tǒng)“AR巡檢”，包括了巡檢路線自動規(guī)劃、數(shù)據(jù)分析與智能協(xié)助等功能，實現(xiàn)了一線人員與AI的協(xié)同工作，大幅提升了巡檢的效率。

　　SenseFoundry Enterprise方舟企業(yè)開放平臺則能夠直接為企業(yè)提供標準化的AI算法和應用，降低企業(yè)的學習成本和部署工業(yè)AI的成本。

　　通過AI工業(yè)引擎，商湯能夠向工業(yè)企業(yè)提供低成本、低使用門檻的AI算法，即使面對工業(yè)領域的長尾場景，這些算法也能表現(xiàn)出極高的匹配度，加速AI賦能工業(yè)轉(zhuǎn)型的進程。

　　對所有AI企業(yè)而言，工業(yè)領域的長尾場景是一個龐大的藍海市場，如果能在這些領域快速落地，這些公司商業(yè)價值也能得到大幅提升。

　　04

　　尾聲

　　對中國來說，制造業(yè)的轉(zhuǎn)型升級是一項永遠在路上的歷史性課題，想在新一輪的技術(shù)革命中搶占制高點，必須要仰仗更多的政策推動和技術(shù)支持，包括AI。

　　反過來，中國制造業(yè)的轉(zhuǎn)型升級也為AI的落地和發(fā)展提供了廣闊的平臺。

　　一方面，重復性、規(guī)則性以及可編程性較強的工作將逐步由工業(yè)機器人完成，另一方面，AI將促進制造業(yè)研發(fā)、生產(chǎn)、運輸、倉儲、服務等環(huán)節(jié)的數(shù)字化和智能化，與工業(yè)互聯(lián)網(wǎng)疊加，創(chuàng)造出更多高質(zhì)量的就業(yè)崗位，產(chǎn)生更多有商業(yè)價值的新場景。

   【免責聲明】本文僅代表合作供稿方觀點，不代表和訊網(wǎng)立場。投資者據(jù)此操作，風險請自擔。