<mark id="oztn4"></mark>
0
一年前，來自恒逸化纖的王麗娜還是一名普通質檢女工，每天要全神貫注盯著產線8個小時，從千萬個絲錠中找出破綻，在超強光的刺激下，”眼睛受不了，工作一段時間后，效率明顯下降“。
但在引入百度智能云AI質檢后，原來費神傷身的檢查工作，變成了機器視覺檢測。
前端部署的工業相機對流水線上的絲錠進行拍攝，然后生成照片，每張照片會被拆分為上百個部分，傳送至數據中心進行分析判斷，與此前的數據標注進行比對，然后判定該絲錠是否異常。
而今，王麗娜已然轉型成了數據標注師，將有瑕疵的絲錠照片及瑕疵的種類一一標注出來，剩下質檢任務交給“機器”，她只要負責異常產品的復檢，工作強度大大降低。
恒逸化纖相關負責人表示，2021年3月，公司引進了百度智能云“開物”平臺，將平臺部署到相關產線上，不但減輕了招工難、員工身體健康等問題，同時將單個絲錠的檢驗時間縮短到2.5秒，效率提高70%。
嘗到甜頭之后，今年，恒逸化纖計劃將“開物”部署到更多的產線上，并且在超30條產線上，通過部署小型云計算服務中心來實現算力共享，以避免算力浪費，減少建設成本。
9月6日，在北京舉行的智能經濟高峰論壇上，百度集團執行副總裁、百度智能云事業群總裁沈抖表示，“開物”將人工智能變成中小企業觸手可及的生產工具，打通了AI落地的“最后一公里”。
會上，沈抖還向外界展示了“開物”的2.0版本，從當前智能制造轉型難點出發，介紹了百度智能云對工業轉型的新理解，以及“開物”平臺的新變化。
工業轉型可大致分為三個階段：裝備自動化、流程數字化以及智能制造。
裝備自動化階段，核心是機械代替人力，提高生產效能；流程數字化階段，核心是“向流程要效率”，即通過各種軟硬件來獲取數據，以縮短生產周期，提高業務流程效率；智能制造的核心，則是通過數據產生新的價值，解決重復性勞動、危險生產等一系列問題，在提高生產安全、效率的同時，讓企業能夠實現降本增效。
當前，國內多數工業企業已經跨越裝備自動化階段，正在從流程數字化向智能制造轉型。不少企業已經有了數字化的雛形：各種傳感器積累的數據，通過數字大屏呈現出來，工廠實現可視化管理。
之所以說是雛形，是因為數據本身的價值沒有得到深度挖掘。
舉個例子，在恒逸化纖的質檢產線上，工人需要記錄絲錠是否有瑕疵，數量有多少，每條產線在生產周期內檢查多少，誤檢率保持在多少以內等等；這些數據固然對企業調整生產流程、人力分配有一定的參考價值，但是核心問題——如何提高質檢效率——卻是沒有解決的。
產線仍然依靠工人的“火眼金睛”來檢查絲錠的好壞，高強度工作除了對工人的身體健康帶來損害之外，還嚴重依賴于工人的經驗，這種重復性勞動效率非常低下。
實際上，這些可量化的數據，足以產生新的業務價值。就絲錠質檢而言，瑕疵的標準是可以被量化的，工人的經驗也可以復制，當這些數據、經驗被用于訓練人工智能模型，相應的工作便可由機器來解決。
目前有相當多的企業意識到了數據的價值，但并沒有將數據很好的利用起來，原因有二：一是工業企業多為被動式轉型；二是這些企業轉型面臨很多難點。
被動式轉型很容易理解，從企業本身看，生產制造需要的是穩定，在未見到改造實效之前，企業愿意去改革的動力較弱，并且轉型涉及到各部門之間的利益糾葛，靠企業主動去推產線升級非常緩慢。
即便是企業想要主動轉型，從某種程度上講，也是“巧婦難為無米之炊”。
首先，工業企業本身擅長于生產制造工藝，而非人工智能、云計算，只有那些超大型制造公司會組建相應的技術團隊，但效果也很一般，畢竟“聞道有先后，術業有專攻”，靠制造業企業自身去推智能制造，難如登天。
其次，工業場景復雜，每一家企業都有無數條產線，每一條產線對技術的要求又各不相同，比如絲錠質檢要用到AI質檢、視覺檢測，但其它產線的的產品質檢，卻是另外一重標準。如果每一條產線都做定制化部署，成本會異常高昂，甚至超越了人工。
最后，在原有高強度的工作以及勞動報酬較低的背景下，愿意從事制造業的人正在減少；另一方面，懂相關技術并且愿意從事制造業的人才更是緊缺；制造業本身面臨著一場“人才荒”。
這些原因并非都是孤立的，而統一于企業轉型的各環節、各場景、各部門，并且相互影響，共同制約著工業企業的智能化變革。
因此，必然需要有外力來打破這種僵持的局面，推動企業轉型，而這種外力，只能來源于解決方案供應商。
在工業領域，技術方案供應商在輿論上處于尷尬的位置：不少人認為，他們不懂制造、不懂場景，技術無法落地，雖然demo做得盡善盡美，但形同雞肋，實用性很低。
這其實是一種誤解，固然拿著高薪的工程師們鮮有從事制造業工作的意愿，但解決工業難題卻是他們的本職工作，沒有誰會拿KPI當玩笑，好的產品，對三方都有利。
所以方案供應商們從一開始就沒有將自身獨立于制造業之外，閉門造車的意思，而是強調要深入實際，讓工程師們走向“田間地頭”，“下沉”到一線了解實際情況，get企業痛點。
正如沈抖所言：“為了智能化解決產業的核心需求，我們必須更加深入產業；同時產業里豐富的應用場景，也為人工智能與云的發展提供了廣闊的空間。”
例如，在恒逸化纖百度AI質檢應用場景中，百度智能云工程師必須要守在產線上，觀察整個質檢流程，同時與工作人員交流細節，以實現經驗可復制化，并且實時針對數據進行模型調優，降低誤檢率。
百度智能云工程師表示，在做化纖絲錠、PCB質檢時，相應的技術開發團隊吃住都在工廠里，一待就是半年甚至更長，原因只有一個：到業務場景中碰應用，才更接地氣。
對于需求方，技術方案是否有用，最直觀的表現就是當下生產成本減了多少、效率提高幾何，企業才愿意引進方案，而不是在PPT里展示能帶來多少降本增效的案例，解決方案供應商本身要避免做“虛空價值”。
在百度智能云看來，人工智能+云計算，是挖掘數據價值的核心武器，對工業智能制造轉型的作用不可或缺。具體在賦能企業時，一方面要注重方案落地的實用性；另一方面則要”舉一反三“，盡可能將單一場景的經驗實現規模化復制的可能。
此前曾提到，工業場景非常之多，定制化模式很難攤銷成本，是制約企業引入技術方案的一個重要原因。
但百度智能云認為，這些場景雖然多且繁復，卻仍然可以抽取其通用部分，基于平臺做模塊化沉淀，從而實現規模化復制，并根據企業的需求開發場景應用。
舉個例子，絲錠的AI質檢，雖然和其它產品的質檢，相關的標準、數據并不相同，但模型卻是可以通用的，將類似的模型沉淀下來，再去開發應用，能有效縮減開發成本。
就好比做同一道菜，菜譜就是一個模型，但不同人有不同的口味，可以根據需求添加調料，而不用去開發一道新菜譜。
而對于人才問題，如果要培養高素質人才走向工業，首先要面臨較長的培育周期，其次培育出來的人才愿不愿意從事工業制造還兩說；最后，企業轉型過后，這些原來的工人往何處去，也是問題。
實際上，與其靜等“遠水”，不如人盡其用以解“近渴”。技術代替人，并非是搶飯碗，而是讓人轉型做更簡單、有價值的工作。
比如，王麗娜從一名質檢工人變為數據標注師，在技術的加持下，這一轉型并不困難，人才短缺、就業問題都得到解決，從另一個維度講，這也是智能制造轉型的重要方面，對企業本身也能帶來降本增效的好處。
一言以蔽之，工業企業轉型面臨的三大難題，都可以通過技術尋找「最優解」，而解決方案供應商們，也正在一步一步下沉，將技術從學術前沿，以各種形式落地到工業場景。
百度智能云進入工業很早，散見于各種應用案例。在2018年工業互聯網平臺寫入政府工作報告之后，百度就提出了“云智一體”，賦能工業，并于2020年聯合貴陽打造了國家級AI工業互聯網平臺；直到2021年5月18日，在重慶舉行的工業互聯網高峰論壇上，百度才正式推出工業互聯網品牌“開物”。
時隔一年，在今年9月6日的智能經濟高峰論壇上，沈抖向外界展示了開物的2.0版本。
據悉，2.0版本有三個方面的更新：
首先，在應用層面，開物1.0注重底層AI能力賦能，開物2.0更聚焦AI能產生價值的核心場景。百度智能云將投入大量資源，打造應用案例，并且將相應的經驗、能力以及服務沉淀到平臺之上。
如在AI質檢領域，恒逸化纖的落地案例，并不是單一的定制化模式，而是要解耦整個質檢場景，將相應的經驗、能力凝結在平臺上。
目前，除了AI質檢以外，開物2.0聚焦的其他場景包括：質量管理、安全生產、能耗優化等等，可應用到汽車、電子、能源、水務等多個行業。
其次是平臺升級，重點打造全新的工業智控引擎，提供基礎的模型服務和創新工具，解決企業在智能化改造過程中面臨的相關問題。
百度智能云認為，由于工業場景很多，不可能一一覆蓋，因此要走平臺模式，才能加快技術落地。比如一些企業并不會開發模型、算法，可以直接從百度工業互聯網平臺上下載部署。
具體來說，開物2.0將發揮“資源集約”、“信息協同”、“知識獲取”三大平臺經濟優勢。
“資源集約”指的是通過數字化SaaS應用來降低使用門檻，企業無需自建運維團隊，以此減少企業信息化建設成本；“信息協同”則不單于企業內部、企業之間的協同，而是整個供應鏈的協同，旨在減少供應鏈風險、牛鞭效應（信息不對稱帶來的市場失真）；“知識獲取”指的是企業可以在平臺上調用相應的參數模型，直接分撥部署，解決需求。
最后是AI核心升級，表現為基于AI的生產知識模型的沉淀和服務體驗，目的是實現知識經驗、數據模型可遷移、可復制，而降低開發成本。
可以這樣理解：開物1.0基于百度智能云的AI能力建立起底層技術基座，打下了“地基”，而開物2.0則是在地基之上開始添磚加瓦“蓋房子”，百度扮演著施工方的角色，針對客戶的具體需求，如房型、房屋設計等，打造差異化產品。這些建房經驗可以沉淀為模型，從而快速批量生產房屋。并且，在建房之外，還提供產業鏈上的信息共享，從而減少信息溝通成本。
工業就相當于這座房子，百度智能云作為施工方，基于其AI能力以及行業經驗，旨在打造一套“樣板房”，最大限度降低工業企業轉型的“建設成本”。
“從產業核心場景切入，在打造標桿應用的同時，將知識、經驗沉淀到AI中臺（AI PaaS層)，大量的經驗、場景數據又能反哺百舸異構計算平臺和昆侖芯片等（AI IaaS層），二者的結合則形成了AI Cloud。”
沈抖介紹道，通過AI Cloud，百度向上可以更新、孵化應用，向下則可以改造原有的技術底座，使其更適合AI應用，實現從核心場景到平臺沉淀、支撐工業企業降本增效的“螺旋上升”，幫助企業從云計算“算力”調取，進階到“智能”隨取隨用的云智一體3.0時代。
恒逸化纖的智能轉型始于2016年，此前有過試水，沒有規模鋪開，然而做了幾年，雖然改造了老舊工廠，引入各種自動化設備，打通了生產流程，但離智能化還很遠。
在與百度智能云合作之前，恒逸化纖曾與另一家技術供應商合作，并取得一定成果。然而，恒逸化纖發現，以傳統制造業的角度做產品，只能做單品，雖然能起到移動作用，卻無法實現真正的智能化。
“智能化需要平臺支持，沒有平臺，數據很難產生價值，產品也就是自動化設備，只能解決一部分問題。”恒逸化纖相關負責人表示。
這也是恒逸化纖為何選擇百度“開物”平臺的原因：大平臺能覆蓋企業生產的全流程，打通生產壁壘，小到AI質檢，大到供應鏈協同，實現整體的智能化升級。
恒逸化纖之外，開物2.0已經在重慶、廣州、蘇州等多個城市，多個行業落地。
例如，在電力行業，龍源電力通過百度智能云AI智能化管理平臺，實現了集中式管理，在北京就可管理分布在全國各地的1萬2千多臺風機，200多座風電場。并且，通過AI巡檢，風機巡檢效率最高比過去提升6-10倍，還有效避免了巡檢工人高空作業的風險。
而在石化領域，中海油在引入百度管廊智慧巡檢系統之后，可通過管廊機器人自動采集、遠程監控，安全異常報警響應速度比原先提升了6倍。
論壇上，百度智能云首次發布了汽車云，從車企集團云、網聯云、供應鏈協同云，三個層次深入汽車制造行業的數字化升級，解決汽車行業生產、自動駕駛測試、供應鏈管理等三大應用難點。
一個鮮明的例子是，吉利集團已整體上云，整個生產制造環節，包括生產訂單自動排產、訂單完成率、設備開動率等等，都可通過百度智能云工業數字化大腦平臺展示，管理運維成本降低了30%。
恒逸化纖、龍源電力、中海油......這些都是“開物”落地的案例，而在能源、水務、制造、交通、金融等行業，“開物”正向下扎根，為工業企業轉型提供技術源動力。
沈抖表示，人工智能、云計算必須與實體經濟深度融合，真正深入到實體產業，去解決產業遇到的實際問題，才能共創價值。
他認為，產業智能化還需要更長的時間探索，技術解決方案供應商需要給產業、給企業持續交付真實的價值和成果，“不玩噱頭，讓行業真真切切地嘗到智能化的甜頭。”雷峰網(公眾號：雷峰網)雷峰網
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
