10月21日，2021第五屆全球智能工業(yè)大會(huì)暨全球創(chuàng)新技術(shù)成果轉(zhuǎn)移大會(huì)于深圳召開。

思謀科技創(chuàng)始人兼董事長(zhǎng)、香港中文大學(xué)教授賈佳亞表示，1940年，全球工業(yè)在發(fā)那科、安川等企業(yè)的帶動(dòng)下走入了自動(dòng)化時(shí)代;1970年，工業(yè)在西門子、IBM等企業(yè)的引領(lǐng)下走入了信息化時(shí)代;2020年，工業(yè)正在走進(jìn)智能化時(shí)代，智能制造的市場(chǎng)規(guī)模至少是萬億美元級(jí)別。

思謀科技創(chuàng)始人兼董事長(zhǎng)賈佳亞 圖片來源：每經(jīng)實(shí)習(xí)記者 安宇飛 攝

賈佳亞稱，很多人認(rèn)為自動(dòng)化就是智能制造，但其實(shí)智能制造的核心在于“智能”，自動(dòng)化只是“手臂”，智能才是讓制造擁有“大腦”并讓其進(jìn)行決策的各種“神經(jīng)系統(tǒng)”。AI技術(shù)正是讓制造擁有會(huì)思考的工業(yè)機(jī)器設(shè)備的核心因素。

不過賈佳亞同時(shí)表示，目前智能制造還面臨著“數(shù)據(jù)緊缺”等難題。

全球工業(yè)正步入智能制造時(shí)代

為什么工業(yè)制造需要智能化?

賈佳亞舉了個(gè)例子，上世紀(jì)60年代專門為阿波羅登月計(jì)劃研制的計(jì)算機(jī)，用現(xiàn)在的眼光來看，它的制作工藝其實(shí)是非常原始的。為了檢驗(yàn)芯片是否合格，當(dāng)時(shí)美國雇傭了非常多的女工，在顯微鏡下一片一片地看有沒有問題，如果有問題，則會(huì)用人眼判斷這個(gè)芯片能不能用。

他表示，當(dāng)年的阿波羅11號(hào)導(dǎo)航計(jì)算機(jī)，內(nèi)存是2KB-4KB，存儲(chǔ)空間是72KB，處理速度是8萬次/秒，而如今哪怕是三代以前的iPhone，內(nèi)存都有4GB-6GB，存儲(chǔ)能達(dá)到512GB，處理速度也有15.8萬億次每秒。比較這三個(gè)數(shù)字，分別是100多萬倍的增長(zhǎng)，700多萬倍的增長(zhǎng)和1.2億倍的增長(zhǎng)。制造能力的飛躍，倒逼著檢測(cè)工藝的進(jìn)步。

而智能制造不僅能實(shí)現(xiàn)比人眼更精確的觀測(cè)、檢測(cè)，還能對(duì)產(chǎn)品的生產(chǎn)進(jìn)行智能調(diào)節(jié)。賈佳亞稱，一個(gè)擁有了“智能身體”的工廠，可以自行知道原料和生產(chǎn)是否達(dá)標(biāo)，產(chǎn)品的質(zhì)量如何，自發(fā)調(diào)整機(jī)器的工作效率，迅速針對(duì)新產(chǎn)品需求進(jìn)行生產(chǎn)，預(yù)測(cè)未來產(chǎn)品生產(chǎn)的數(shù)量，還可以根據(jù)產(chǎn)品銷售情況來及時(shí)調(diào)整生產(chǎn)安排。

“經(jīng)過了1940年的自動(dòng)化革命，1970年的信息化革命后，工業(yè)即將迎來的是智能化革命。與電氣化、信息化一樣，智能制造具有高度的普適性。但對(duì)智能制造來說，其基礎(chǔ)資源不再是電力和網(wǎng)絡(luò)，而是計(jì)算。智慧能力構(gòu)建和以計(jì)算為中心的AI，將成為智能制造發(fā)展中最需要攻克的難關(guān)。”賈佳亞說。

智能制造的難題

盡管智能制造可能成為未來全球工業(yè)的發(fā)展方向之一，但目前仍面臨著一些挑戰(zhàn)。

“比如一款手機(jī)，400多個(gè)供應(yīng)商，所有供應(yīng)商有5個(gè)制程，每個(gè)制程有25條產(chǎn)線。(智能制造)需要干什么呢?當(dāng)我去把AI全面覆蓋手機(jī)生產(chǎn)鏈路的時(shí)候，我要去做它整個(gè)所有零件的管控和質(zhì)量評(píng)審的時(shí)候，我要做400×75等于3萬種算法。等于為了這一個(gè)手機(jī)，我這個(gè)公司或者這個(gè)團(tuán)隊(duì)做3萬種算法出來。”賈佳亞說。

賈佳亞表示，如果放眼全球前5名的手機(jī)廠商，每家每年按照推出6款不同產(chǎn)品計(jì)算，工業(yè)AI若想落地頭部手機(jī)行業(yè)，僅第一年就需要90萬種算法，這幾乎是不可完成的任務(wù)。這就需要系統(tǒng)可以自動(dòng)實(shí)現(xiàn)算法組合和部署，人類才可能只提供少量定制化算法，來實(shí)現(xiàn)AI的跨領(lǐng)域規(guī)模產(chǎn)業(yè)化，這是一個(gè)巨大的命題，如何能實(shí)現(xiàn)自動(dòng)的算法組合和部署，也是一個(gè)系統(tǒng)工程。

與此同時(shí)，智能制造還面臨著數(shù)據(jù)緊缺的問題。賈佳亞表示，可靠的AI模型離不開大量數(shù)據(jù)的訓(xùn)練，尤其在工業(yè)場(chǎng)景下，對(duì)AI的準(zhǔn)確率要求極高，然而目前工業(yè)生產(chǎn)的有效數(shù)據(jù)非常稀缺，可供訓(xùn)練的樣本極小。通過傳統(tǒng)的AI訓(xùn)練/檢測(cè)方法，當(dāng)訓(xùn)練樣本不足的情況下，很難成功檢測(cè)出非常見的產(chǎn)品缺陷。

盡管智能制造仍面臨著重重挑戰(zhàn)，但國內(nèi)一些公司也在技術(shù)方面開始了“破局”的嘗試。賈佳亞以他創(chuàng)辦的思謀科技克服“數(shù)據(jù)緊缺”難題的過程舉例，稱公司通過自研的區(qū)域感知異常檢測(cè)器(RADD)，對(duì)目標(biāo)區(qū)域各個(gè)細(xì)節(jié)進(jìn)行捕捉，并與標(biāo)準(zhǔn)參考數(shù)據(jù)進(jìn)行比對(duì)，記住圖像的“規(guī)則”，從而能夠進(jìn)行原理推導(dǎo)，從而實(shí)現(xiàn)對(duì)非常見缺陷的準(zhǔn)確判斷識(shí)別。

賈佳亞表示，智能制造想要發(fā)展，需要記住三大核心原則：第一個(gè)是普適性，不是只做某一個(gè)行業(yè)，而是大到汽車、飛機(jī)，小到半導(dǎo)體、晶圓和3C產(chǎn)業(yè)都要做;第二點(diǎn)是以計(jì)算為先，不依賴于電力和其他的基礎(chǔ)能源，依賴的是算力;最后，是要保持永不間斷的學(xué)習(xí)。

“如果能夠真正實(shí)現(xiàn)AI系統(tǒng)設(shè)計(jì)自動(dòng)化和AI系統(tǒng)部署自動(dòng)化，那么未來的幾十年，就將是新一代的智能產(chǎn)業(yè)變革。”賈佳亞說。