「工业」「新基建」下大火的工业智能，问题依旧很多( 二 ) |黄亮|疫情|极客公园|

本文插图
工业相机对电路板进行检测 | 视觉中国
以物流为例，道路车辆的管控导致工厂生产产品及原材料物流的受限，如果企业使用系统化的大数据应用，人工智能的判别来协助解决这方面的问题，在供应链的解决方案里面，可以尽早做出判断，寻找到更快更佳的替代方案，不至于到时变得被动。
「疫情让我们发现原来很多习以为常的工作方式，在特殊情况下就不会灵活运转了。」一位资深业内人士向极客公园表示。在中国许多生产场所里生产管理流程都不如欧美国家完善，在整个产业当中还有学习的空间。
工业智能化三部曲
产业协同推进过程略显缓慢，而在另一边，工业智能化方向上有一个概念倒是很火热——自动化。
当我们提到自动化时，一般指的是「机器换人」，不止是大型的机械臂，在工业检测、设备故障检测等方面也正在由技术主导代替人工。而技术方面，机器学习、深度学习、计算机视觉、物联网等都在特定的工业场景中存在相对应的解决方案。
腾讯优图实验室工业 AI 项目负责人黄亮分享过一个利用计算机视觉解决液晶面板缺电检测的工业 AI 案例。
缺电检测是工业智能一个比较常见的业务场景，腾讯优图服务的客户是国内非常大的面板生产企业。黄亮表示，腾讯优图联合腾讯云团队投入许多人力和资源支持这个项目，前期很多模型都是靠算法专家通过手工方式去训练模型。但是从交付的形态来说，这算是比较轻量级的交付，没有提供摄像头等硬件设备，也没有对客户生产系统进行调整。腾讯优图就是利用视觉 AI 算法做了缺陷检测产品替代缺陷质检这样的环节。
结果是，该产品对企业产生的效益非常好。黄亮举例，该模型可以保证在跟人的准确率相当的情况下达到 70% 以上的覆盖率，能够替代七成以上的质检工人。从近期的现场数据来看，搭建这套缺陷检测系统，客户的质检工人已经减少了 100 多人。
不过摆在面前的现实情况是，工业智能化企业短时间内也没办法覆盖到所有需求，能下定决心花钱引进技术的企业也并不多，这两点总结下来就是，工业智能落地没有人们想象中的容易。
黄亮也提到，工业场景与其他场景相比特殊的一点是，工业场景的定制化比较严重，不同的垂直领域有不同的业务特点。「很难去找到一个大而全的通用的解决方案。如何在保障方案的通用性同时又能够灵活适配不同的业务场景，是非常有挑战的事情，我们也是在朝着这个方向努力。」黄亮表示。另外，由于企业对数据保密性比较看重，大多数工业项目都以私有化部署为主，对设备、人员都存在限制，因此业务上云是将来不可避免的趋势。

本文插图
工业智能落地并不容易 | 视觉中国
清华大学大数据系统软件国家工程实验室总工程师、工业互联网产业联盟副秘书长王晨向极客公园表示，工业智能化应用早就出现，但从现在来看并没有按照预想发展路径走。「在和许多企业家聊的时候，他们会觉得企业的痛点不在智能化上，可能还没跳出框看到有一种更简便、更智能的方法带来改变，我觉得很多企业都没有想明白。」
另一方面，中小企业并不是工业智能化的天使用户，大企业才是。业内人士向极客公园表示，像上面提到的工业 AI 项目，在跟某企业做一些用神经网络、用机器视觉和 AI 的部分去代替人工检测，这一块一下子能够上线，准确如果用人工智能马上替代 100 多位工人，其成本是可以计算出来的。这种体量的项目一般在一年半以内能够收回投资，对于企业来说是非常愿意接受的。但实际上，这条产业链上的环节都不足以完成这个目标，或者说企业无法算清楚。