​蹚入工业AI”深水区“,腾讯如何“对症下药”?

  • 来源: 驱动号 作者: 曾响铃   2021-11-12/18:32
  • 文 | 曾响铃

    来源 | 科技向令说(xiangling0815)

    人工智能加速发展的今天,技术将如何更好的促进产业发展?

    在美国,本田的马里斯维尔工厂每天需要接收300万零部件,生产1900辆整车。在这个庞大的生产车间内,工人依旧组装生产线上不可欠缺的部分。据工厂总经理罗伯·梅介绍,机器人的精细程度还不足以把后悬系统独立安装至车辆底盘。而人类员工具有很高的灵活性,能用双手在规定时间内完成任务,安装螺栓的时间约为40秒。

    1.png

    在这家超过三十年历史的工厂内,人机协同且人工占主导作用的现状非常典型,对今天中国日趋规模的产业智能化转型提供着关键的两个信息点:

    第一,人工智能若要深入工业场景助力行业发展,就必须能解决相应的产业痛点,真正地服务于人,释放技术价值,不然人工操作始终仍是工厂主要考虑的用工方式;

    第二,人工智能若要在工业场景中更好地协同人工进行操作,关键的方向可以在操作灵活性、视觉、听觉等方面着重升级,进而追平人工优势,真正的解放员工生产力。

    如果无法理清楚这两个问题,AI等技术对于产业特别是工业场景的助力是有限的,根本无法深入行业之中解决好专业的问题。

    值得一提的是,目前随着中国产业智能化的探索愈发深入,越来越多的数字服务商和生产制造商也认识到了这一点。

    在2021腾讯数字生态大会的云智能专场,腾讯云智能便面向产业场景发布了最新的ABCI云智融合新架构,以全局智能深入产业,面向管理者、生产者、开发者和C端用户做出了四大智能升级,分别为管理智能、生产智能、创造智能、生活智能。

    同时,腾讯高级执行副总裁、云与智慧产业事业群CEO汤道生强调,无论是“终端智能”还是“云上智能”,上云赋智的终极价值还是“服务于人”。

    2.png

    紧扣“服务于人”的终极价值导向,腾讯与富驰高科展开了一场AI技术与工业场景的双向融合,在提高两者产业影响力的同时也为工业AI加速深入行业来了诸多思考。

    工业+AI,富驰高科背后的一场技术拉锯

    富驰高科成立于1999年,是一家老牌制造企业,主要从事金属粉末注射成型(MIM)产品专业制造。近年来,富驰高科在质检环节面临着明显的人工质检局限性,急需寻求有效的AI解决方案。

    在这个过程中,富驰高科相继找了几个数字服务商,但前期的评估都不太满意——主要面对要求的零漏检、过杀率、精准缺陷分类、缺陷迁移、快速迭代等,没有一家数字服务商该明确百分百可以做到。

    由此可见,工业制造业的技术要求以及场景复杂程度远比想象的要高,AI技术助力工业制造业并不是一次简单的技术+场景的耦合应用,它需要理解产业,理解流程,进而将技术应用到场景中发挥价值。

    这就要求一家数字服务商不仅仅要有技术能力,更要有服务意识和责任心。最终,是腾讯打动了富驰高科。

    据富驰高科自动化总监邓声志回忆:“我们在评估的过程中,让我感觉到的是,腾讯是最有责任心的,对这个是最用心的,也是在我们这个案子里更愿意投入的。”在前期的评估过程中,腾讯就派人常驻现场几个月,深入做了诸多调研,甚至还在富驰高科的设备上免费提供算法试验,直到双方签约合作。

    而这也仅仅只是工业+AI的一个起点,接下来的工作是一场紧迫且艰巨的拉锯。整个项目的研发周期只有300多天的时间,在这个期限内需要融合双方的技术、设备以及各个业务需求等。

    在邓声志的回忆中,双方在这期间就有两百多次超过半小时的技术会议,像自动化的各类工程师,机构的、视觉的、项目的,包含内部SQE和工程类的这些人员,以及腾讯云和腾讯优图实验室的工程、软件、AI算法、架构师,甚至包含硬件设计、光源设计这一块的人员都会参与进来,共同探讨工业+AI的融合应用问题。

    这样的拉锯还在持续,从双方的人员磨合向更深入的技术、场景以及产业推进。比如,AI算法的迭代同样也是一场不小的拉锯。

    其中,给腾讯云AI研发总经理、腾讯优图实验室副总经理吴永坚比较深的一点感受是,AI质检项目不同于做To C产品,它具备更强的时效性,必须严格地按照期限推动,同时还不能出现质检纰漏,否则就会影响到下游厂商的产业进程和质量。

    因此,整个质检项目不仅对AI算法的要求极高,也需要数字服务商有强大的技术能力和创新能力以及协同能力。

    为了如期完成质检目标,腾讯优图实验室携手富驰高科创造性设计了光度立体成像解决方案,从而克服了MIM产品因高反光特性而导致的产品缺陷与正常反光混淆的业内难题,成功判断连人眼也很难分辨的缺陷。同时,更是结合域适应迁移学习和缺陷生成技术,帮助富驰高科在产品早期样本数据严重不足的情况下,达到检测指标可用状态。

    如今,富驰高科在手机摄像头组件的质检工作中,仅需几秒就能完成对目标零件数十个大小点位的采图、分析、分类的工作,而原来人工质检则需要一分钟。

    这场技术上的拉锯最终取得圆满成功。不管是从未做过同类型质检项目的腾讯,还是多次找过数字服务商做过尝试的富驰高科,回过头再看,都颇为感慨。

    或许,工业AI注定是一场深入且长远的拉锯战。

    蹚入“深水区”,腾讯云智能与产业共振

    如何在这场拉锯中取得更好的反馈?从腾讯与富驰高科的合作来看,不难发现,只有深入产业端,与产业共振,To B的技术才能真正的释放出产业价值。

    继续以AI质检为例,有三个信息印证着这一趋势。

    1. 工业AI不仅仅只是一个算法问题,更主要还是软硬一体化的问题。

    通常来说,质检行业存在光、机、电、软、算五大部分,它不仅仅只是需要软件、算法的加持,还需要融合光、机、电几个模块一同配合,构成软硬一体化的技术解决方案。

    对于腾讯这类数字服务商而言,所擅长的是软件、算法,另外三个部分就需要富驰高科予以配合,共同解决。因此,如果一家数字服务商无法深入产业之中,只是游离边缘,是很难统筹好整个工业流程的各个模块,来打造出一个优质的工业AI解决方案的。

    通过与富驰高科的合作,腾讯也沉淀出软硬一体的针对3C领域的腾慧飞瞳AI质检仪,只需组装上下料设备,就能快速给3C客户完成质检解决方案的交付。类似软硬一体的技术应用在未来也将继续成为数字服务商的优势所在。

    2.AI技术与工业场景须实现深度融合应用。

    再者,很多创新应用并不只是简单的技术“嵌入”,而是在理解工业流程、工业设备以及工业场景之上的深度融合应用。

    腾讯优图实验室所提供的视觉AI算法是本次质检项目的关键技术支持,但是这个算法在实际应用中还需要不断的更新、迭代,从而适配质检流程的需求。在这个过程中,富驰高科就基于自身的制造经验和工具应用,为腾讯的视觉AI算法优化提供了诸多建议,使得整个优化过程能更快更好的应用到质检场景中。

    对此,吴永坚感慨:“为什么一定要到产线去,如果你不到产线跟这些相关的有经验的人做这件事情,你是很难实验室里面去做这些事儿。”深入工业场景,让技术与流程深度融合应用,是必要的。

    3. 工业AI是一个完整的综合性方案。

    总的来说,工业AI并不是一次简单的项目交付,而是数字服务商与产品制造商基于信任关系建立起来的深度合作。腾讯和富驰高科除了在工业质检上展开合作之外,未来还将共同推进智慧工厂建设,全局推动工业数字化、产业智能化。

    而回到质检来看,其本身就是一个完整的综合性方案。整个AI质检项目包括了场景调研、技术赋能、IT运维、创新服务等多个环节,同步影响着富驰高科所在的供应链和产业链,关联性极强。

    那么,面对这样的情况,数字服务商就必然要学会与产业共振,To B才能有实际的产业价值。

    工业AI背后,制造业转型再提速

    这样的产业价值不仅仅只是对生产线的一次改造,其实际更广泛的影响将是行业性的、社会性的。

    比方说,近年来,工厂就存在着招工难的问题。据邓声志介绍,一方面是招人确实不好招,大家都不愿意进入工厂工作,另一方面每年的生产高峰期就只有几个月的时间,短期的高爆发需求很难进行人员招聘和管理。

    基于这种情况,富驰高科就尝试着寻求AI质检,用机器来和人工做更好的协同,从而解决当前制造业普遍存在的效率低的问题。长期以往,在未来,人机协同必然会是一种常态,届时整个制造业的用工模式或许也将进一步发生改变,从而更快的发展。

    同时,这种变化也将持续的影响制造业体系的演变。在腾讯和富驰高科的预想中,未来双方还将持续推动智慧工厂建设,整个技术能力从生产线向管理层,从机器到人,不断创新应用,形成一个完整的闭环。

    目前,腾讯云智能已经面向管理者、生产者、开发者和C端用户做出了四大智能升级,包括生产、生活、管理、创造,全局的智能化必然也将更快地推动制造业更快的转型升级,达到更高的水平。

    那么,由工业AI所呈现出来的未来,是智能制造、智能管理、智能生活等全局智能化共同构建的,而这就需要数字服务商与众多合作伙伴联合共振,才有可能实现。

    结语

    回过头来看,腾讯与富驰高科此次的工业AI应用,为接下来的产业智能化探索出一条明确的路径,即工业AI要深入行业、场景之中,在理解行业的同时应用技术,才能发挥技术真正的价值。

    而这也将成为腾讯To B的重要拐点,既是向市场展现腾讯服务能力和技术能力的一次标杆,更是践行“服务于人”终极理念最好的体现,全局智能或许也不远了!

    *本文图片均来源于网络

    *此内容为【科技向令说】原创,未经授权,任何人不得以任何方式使用,包括转载、摘编、复制或建立镜像。

    【完】


    评论 {{userinfo.comments}}

    {{money}}

    {{question.question}}

    A {{question.A}}
    B {{question.B}}
    C {{question.C}}
    D {{question.D}}
    提交
    文章数: {{userinfo.count}}
    访问量: {{userinfo.zongrenqi}}

    驱动号 更多