「新基建」火了。

連同 5G、人工智能、物聯(lián)網(wǎng)等信息數(shù)字化基礎(chǔ)設(shè)施，都成為國家新的發(fā)展方向，不僅在這些新領(lǐng)域內(nèi)的從業(yè)者們明確了目標(biāo)，傳統(tǒng)行業(yè)對數(shù)字化轉(zhuǎn)型的需求也蓄勢待發(fā)。

[[321034]]

當(dāng)然，新基建也包括工業(yè)方面，諸如工業(yè)互聯(lián)網(wǎng)、工業(yè)智能等行業(yè)升級的說法逐漸被人們重視起來。在從業(yè)者蠢蠢欲動之下，整個行業(yè)的升級可能很快就要到來。

但如此大的行業(yè)變革不是說說就可以完成的。根據(jù)《2018 年中國制造業(yè)痛點(diǎn)分析報(bào)告》數(shù)據(jù)顯示，制造業(yè)企業(yè)的數(shù)字化設(shè)備聯(lián)網(wǎng)率僅為 39%，MES(面向制造企業(yè)車間執(zhí)行層的生產(chǎn)信息化管理系統(tǒng))普及率只有 18.1%。最基本的「聯(lián)網(wǎng)」都沒達(dá)到，更別說更高級的智能化。

俗話說，飯要一口一口吃，大潮之下的工業(yè)互聯(lián)網(wǎng)還存在著許多問題。從最近來看，2020 開年爆發(fā)的疫情之下，就暴露出不少。

復(fù)工大潮下的行業(yè)升級

「當(dāng)前的疫情引發(fā)了太多平時看似平常，但是實(shí)則不太合理或者是需要解決的痛點(diǎn)。」工業(yè)互聯(lián)網(wǎng)企業(yè)格創(chuàng)東智 OT 業(yè)務(wù)總監(jiān)&智能裝備事業(yè)部總經(jīng)理王贇表示。

雖疫情還未完全結(jié)束，但復(fù)工大潮已經(jīng)基本到來，疫情期間或復(fù)工時的問題也隨之顯露。總結(jié)來看，問題可以簡單歸為兩大原因：智能缺失與協(xié)同不足。

首先是受到最大影響的，工業(yè)領(lǐng)域的從業(yè)人員的「上班之路」。

這也是工業(yè)領(lǐng)域面對疫情遇到最大的問題——人。工業(yè)、制造業(yè)等本就屬于勞動力密集型行業(yè)，疫情又發(fā)生的比較突然，企業(yè)首要面臨的問題就是人員安全。有制造業(yè)企業(yè)就表示，僅員工打卡環(huán)節(jié)就遇到了困難，因?yàn)檫M(jìn)出門都要進(jìn)行體溫檢測，上下班過程中極易造成擁堵。

園區(qū)或工廠內(nèi)的人員聚集也時常存在。為了避免這種情況，許多企業(yè)都提出分時上下班、分批吃飯，縮短會議時間等措施，但是不是有一些更靈活、更智能化的方式可以解決這類問題?

在一些從業(yè)者看來，這些場景完全可以用技術(shù)手段來提升效率，最主要的是轉(zhuǎn)向線上，和數(shù)據(jù)可視化。利用手機(jī)打卡已經(jīng)不是新鮮事，也有企業(yè)在考慮通過員工注冊的復(fù)工信息將其分類，提前進(jìn)行預(yù)判，一次來解決安全問題。而比如會議室的使用情況、工廠內(nèi)人員的位置、生產(chǎn)情況等等，都可以將其公開透明地展現(xiàn)在所有人面前。

從這個角度看，最近比較火的 RPA，可能會是大勢所趨。

其次，在生產(chǎn)方面，王贇告訴極客公園(ID：geekpark)，除了疫情導(dǎo)致用工荒的現(xiàn)象存在，對于半導(dǎo)體、液態(tài)面板等重資產(chǎn)、高價值、連續(xù)制造的行業(yè)，由于存在特殊性，這類行業(yè)一旦停產(chǎn)損失將非常大。「這類行業(yè)屬于 365 天全年無休的狀態(tài)，外部疫情的變化以及一些人員的管制，對于員工的身心都是一種壓力和負(fù)擔(dān)。」比如，很多產(chǎn)品的品質(zhì)檢測會使用到大量的人力，這些檢測的結(jié)果會受到人員的經(jīng)驗(yàn)、身體狀況、疲勞、心情等等因素的影響。疫情的變化，是不是對員工檢測的輸出品質(zhì)有影響?如果有更好的工具，或者場景化的應(yīng)用來協(xié)助解決，也許是一個很好的突破點(diǎn)。

此外，對于外部管控、原材料物流、現(xiàn)金流等方面，實(shí)際上都有一些問題亟待解決。一方面，使用提升生產(chǎn)力的工具一定能在某種程度上避免疫情下不必要的接觸;另一方面，如今很多人都在提及的產(chǎn)業(yè)協(xié)同、平臺協(xié)同，在疫情之下被證明還處于很初級的階段。

以物流為例，道路車輛的管控導(dǎo)致工廠生產(chǎn)產(chǎn)品及原材料物流的受限，如果企業(yè)使用系統(tǒng)化的大數(shù)據(jù)應(yīng)用，人工智能的判別來協(xié)助解決這方面的問題，在供應(yīng)鏈的解決方案里面，可以盡早做出判斷，尋找到更快更佳的替代方案，不至于到時變得被動。

「疫情讓我們發(fā)現(xiàn)原來很多習(xí)以為常的工作方式，在特殊情況下就不會靈活運(yùn)轉(zhuǎn)了。」一位資深業(yè)內(nèi)人士向極客公園表示。在中國許多生產(chǎn)場所里生產(chǎn)管理流程都不如歐美國家完善，在整個產(chǎn)業(yè)當(dāng)中還有學(xué)習(xí)的空間。

工業(yè)智能化三部曲

產(chǎn)業(yè)協(xié)同推進(jìn)過程略顯緩慢，而在另一邊，工業(yè)智能化方向上有一個概念倒是很火熱——自動化。

當(dāng)我們提到自動化時，一般指的是「機(jī)器換人」，不止是大型的機(jī)械臂，在工業(yè)檢測、設(shè)備故障檢測等方面也正在由技術(shù)主導(dǎo)代替人工。而技術(shù)方面，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺、物聯(lián)網(wǎng)等都在特定的工業(yè)場景中存在相對應(yīng)的解決方案。

騰訊優(yōu)圖實(shí)驗(yàn)室工業(yè) AI 項(xiàng)目負(fù)責(zé)人黃亮分享過一個利用計(jì)算機(jī)視覺解決液晶面板缺電檢測的工業(yè) AI 案例。

缺電檢測是工業(yè)智能一個比較常見的業(yè)務(wù)場景，騰訊優(yōu)圖服務(wù)的客戶是國內(nèi)非常大的面板生產(chǎn)企業(yè)。黃亮表示，騰訊優(yōu)圖聯(lián)合騰訊云團(tuán)隊(duì)投入許多人力和資源支持這個項(xiàng)目，前期很多模型都是靠算法專家通過手工方式去訓(xùn)練模型。但是從交付的形態(tài)來說，這算是比較輕量級的交付，沒有提供攝像頭等硬件設(shè)備，也沒有對客戶生產(chǎn)系統(tǒng)進(jìn)行調(diào)整。騰訊優(yōu)圖就是利用視覺 AI 算法做了缺陷檢測產(chǎn)品替代缺陷質(zhì)檢這樣的環(huán)節(jié)。

結(jié)果是，該產(chǎn)品對企業(yè)產(chǎn)生的效益非常好。黃亮舉例，該模型可以保證在跟人的準(zhǔn)確率相當(dāng)?shù)那闆r下達(dá)到 70% 以上的覆蓋率，能夠替代七成以上的質(zhì)檢工人。從近期的現(xiàn)場數(shù)據(jù)來看，搭建這套缺陷檢測系統(tǒng)，客戶的質(zhì)檢工人已經(jīng)減少了 100 多人。

不過擺在面前的現(xiàn)實(shí)情況是，工業(yè)智能化企業(yè)短時間內(nèi)也沒辦法覆蓋到所有需求，能下定決心花錢引進(jìn)技術(shù)的企業(yè)也并不多，這兩點(diǎn)總結(jié)下來就是，工業(yè)智能落地沒有人們想象中的容易。

黃亮也提到，工業(yè)場景與其他場景相比特殊的一點(diǎn)是，工業(yè)場景的定制化比較嚴(yán)重，不同的垂直領(lǐng)域有不同的業(yè)務(wù)特點(diǎn)。「很難去找到一個大而全的通用的解決方案。如何在保障方案的通用性同時又能夠靈活適配不同的業(yè)務(wù)場景，是非常有挑戰(zhàn)的事情，我們也是在朝著這個方向努力。」黃亮表示。另外，由于企業(yè)對數(shù)據(jù)保密性比較看重，大多數(shù)工業(yè)項(xiàng)目都以私有化部署為主，對設(shè)備、人員都存在限制，因此業(yè)務(wù)上云是將來不可避免的趨勢。

清華大學(xué)大數(shù)據(jù)系統(tǒng)軟件國家工程實(shí)驗(yàn)室總工程師、工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟副秘書長王晨向極客公園表示，工業(yè)智能化應(yīng)用早就出現(xiàn)，但從現(xiàn)在來看并沒有按照預(yù)想發(fā)展路徑走。「在和許多企業(yè)家聊的時候，他們會覺得企業(yè)的痛點(diǎn)不在智能化上，可能還沒跳出框看到有一種更簡便、更智能的方法帶來改變，我覺得很多企業(yè)都沒有想明白。」

另一方面，中小企業(yè)并不是工業(yè)智能化的天使用戶，大企業(yè)才是。業(yè)內(nèi)人士向極客公園表示，像上面提到的工業(yè) AI 項(xiàng)目，在跟某企業(yè)做一些用神經(jīng)網(wǎng)絡(luò)、用機(jī)器視覺和 AI 的部分去代替人工檢測，這一塊一下子能夠上線，準(zhǔn)確如果用人工智能馬上替代 100 多位工人，其成本是可以計(jì)算出來的。這種體量的項(xiàng)目一般在一年半以內(nèi)能夠收回投資，對于企業(yè)來說是非常愿意接受的。但實(shí)際上，這條產(chǎn)業(yè)鏈上的環(huán)節(jié)都不足以完成這個目標(biāo)，或者說企業(yè)無法算清楚。

根據(jù)艾瑞在 2019 年發(fā)布的《中國制造業(yè)企業(yè)智能化路徑研究報(bào)告》，全國規(guī)模以上(年主營業(yè)務(wù)收入 2000 萬元)工業(yè)企業(yè)當(dāng)中有 84.2% 屬于小型企業(yè)，規(guī)模以下尚有 200 余萬家小微企業(yè)。由于自有資金不足、信息化基礎(chǔ)薄弱、缺乏相關(guān)人才等多方面因素影響，大部分小微企業(yè)只能圍觀大企業(yè)開展智能化改造，自己卻很難融入智能化制造的浪潮。

在王晨看來，現(xiàn)在的「機(jī)器換人」概念已經(jīng)發(fā)生了變化。原來的機(jī)器換人不是靠數(shù)字化或智能化手段實(shí)現(xiàn)的，而是自動化，一些機(jī)械化的重復(fù)性勞動交給機(jī)器人，效率會更高。而今天講的機(jī)器換人，可能是要換下有經(jīng)驗(yàn)、有知識的人。

王晨告訴極客公園，在工業(yè)生產(chǎn)過程中，機(jī)器在三個步驟上可逐漸替代人工：學(xué)習(xí)-知識-決策。諸如產(chǎn)品缺陷檢測等在工業(yè)上比較成熟的應(yīng)用叫模式識別，人工智能通過學(xué)習(xí)后可以生成一個模型，隨后產(chǎn)生知識，達(dá)成決策。

在這樣一個鏈條之下，人工智能在今天只做了一些局部的事情，這也是工業(yè)智能為什么落地困難的原因。我們需要看到痛點(diǎn)做出決策，這是機(jī)器暫時做不到的事情。

那么問題出在哪里?從業(yè)者們給出了答案，沒有數(shù)據(jù)。在收集數(shù)據(jù)的過程中，成本是一個很大的問題。「數(shù)字化改造都是需要錢的，安裝傳感器、加裝數(shù)采的盒子、數(shù)據(jù)通訊……都需要錢，大量投入數(shù)字化的東西拿出來的數(shù)據(jù)有沒有用?不知道，所以現(xiàn)在中國的制造業(yè)企業(yè)這么困難的情況下做這樣大量的投資很多時候是難的。」王晨說到。

另外，在工業(yè)領(lǐng)域，人們不需要設(shè)備正常的數(shù)據(jù)，而是需要異常的數(shù)據(jù)，后者在歷史數(shù)據(jù)中只占非常少的比例，一臺設(shè)備在它的使用周期里只壞過幾次，在不同設(shè)備不同技術(shù)不同場景下，差異化讓工業(yè)智能受到很大挑戰(zhàn)。

毫無疑問，在全世界范圍內(nèi)，中國對新技術(shù)新場景的開放程度都首屈一指，因而在制造業(yè)、工業(yè)等急需自動化的行業(yè)，對技術(shù)的接受度和呼聲也越來越高，「新基建」更是添了一把火。不過在火熱之下，考慮到行業(yè)內(nèi)的現(xiàn)實(shí)因素，在一些環(huán)節(jié)當(dāng)中依然存在著不少細(xì)節(jié)問題。如何抓住機(jī)會，實(shí)現(xiàn)智能化改造，想必是從業(yè)者最關(guān)心的話題，但落實(shí)到每個企業(yè)之中，也是他們應(yīng)該同時考慮的。