「新基建」火了。

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

[[321034]]

當然，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)痛點分析報告》數(shù)據(jù)顯示，制造業(yè)企業(yè)的數(shù)字化設備聯(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。

復工大潮下的行業(yè)升級

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

雖疫情還未完全結束，但復工大潮已經(jīng)基本到來，疫情期間或復工時的問題也隨之顯露。總結來看，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)領域的從業(yè)人員的「上班之路」。

這也是工業(yè)領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，因為進出門都要進行體溫檢測，上下班過程中極易造成擁堵。

園區(qū)或工廠內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手段來提升效率，最主要的是轉向線上，和數(shù)據(jù)可視化。利用手機打卡已經(jīng)不是新鮮事，也有企業(yè)在考慮通過員工注冊的復工信息將其分類，提前進行預判，一次來解決安全問題。而比如會議室的使用情況、工廠內人員的位置、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)，除了疫情導致用工荒的現(xiàn)象存在，對于半導體、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擔。」比如，很多產(chǎn)品的品質檢測會使用到大量的人力，這些檢測的結果會受到人員的經(jīng)驗、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有影響?如果有更好的工具，或者場景化的應用來協(xié)助解決，也許是一個很好的突破點。

此外，對于外部管控、原材料物流、現(xiàn)金流等方面，實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)應用，人工智能的判別來協(xié)助解決這方面的問題，在供應鏈的解決方案里面，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)原來很多習以為常的工作方式，在特殊情況下就不會靈活運轉了。」一位資深業(yè)內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)當中還有學習的空間。

工業(yè)智能化三部曲

產(chǎn)業(yè)協(xié)同推進過程略顯緩慢，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。

當我們提到自動化時，一般指的是「機器換人」，不止是大型的機械臂，在工業(yè)檢測、設備故障檢測等方面也正在由技術主導代替人工。而技術方面，機器學習、深度學習、計算機視覺、物聯(lián)網(wǎng)等都在特定的工業(yè)場景中存在相對應的解決方案。

騰訊優(yōu)圖實驗室工業(yè) AI 項目負責人黃亮分享過一個利用計算機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)務場景，騰訊優(yōu)圖服務的客戶是國內非常大的面板生產(chǎn)企業(yè)。黃亮表示，騰訊優(yōu)圖聯(lián)合騰訊云團隊投入許多人力和資源支持這個項目，前期很多模型都是靠算法專家通過手工方式去訓練模型。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備，也沒有對客戶生產(chǎn)系統(tǒng)進行調整。騰訊優(yōu)圖就是利用視覺 AI 算法做了缺陷檢測產(chǎn)品替代缺陷質檢這樣的環(huán)節(jié)。

結果是，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確率相當?shù)那闆r下達到 70% 以上的覆蓋率，能夠替代七成以上的質檢工人。從近期的現(xiàn)場數(shù)據(jù)來看，搭建這套缺陷檢測系統(tǒng)，客戶的質檢工人已經(jīng)減少了 100 多人。

不過擺在面前的現(xiàn)實情況是，工業(yè)智能化企業(yè)短時間內也沒辦法覆蓋到所有需求，能下定決心花錢引進技術的企業(yè)也并不多，這兩點總結下來就是，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是，工業(yè)場景的定制化比較嚴重，不同的垂直領域有不同的業(yè)務特點。「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)項目都以私有化部署為主，對設備、人員都存在限制，因此業(yè)務上云是將來不可避免的趨勢。

清華大學大數(shù)據(jù)系統(tǒng)軟件國家工程實驗室總工程師、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)智能化應用早就出現(xiàn)，但從現(xiàn)在來看并沒有按照預想發(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)內人士向極客公園表示，像上面提到的工業(yè) AI 項目，在跟某企業(yè)做一些用神經(jīng)網(wǎng)絡、用機器視覺和 AI 的部分去代替人工檢測，這一塊一下子能夠上線，準確如果用人工智能馬上替代 100 多位工人，其成本是可以計算出來的。這種體量的項目一般在一年半以內能夠收回投資，對于企業(yè)來說是非常愿意接受的。但實際上，這條產(chǎn)業(yè)鏈上的環(huán)節(jié)都不足以完成這個目標，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)智能化路徑研究報告》，全國規(guī)模以上(年主營業(yè)務收入 2000 萬元)工業(yè)企業(yè)當中有 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、信息化基礎薄弱、缺乏相關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「機器換人」概念已經(jīng)發(fā)生了變化。原來的機器換人不是靠數(shù)字化或智能化手段實現(xiàn)的，而是自動化，一些機械化的重復性勞動交給機器人，效率會更高。而今天講的機器換人，可能是要換下有經(jīng)驗、有知識的人。

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

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。我們需要看到痛點做出決策，這是機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)領域，人們不需要設備正常的數(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，一臺設備在它的使用周期里只壞過幾次，在不同設備不同技術不同場景下，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，中國對新技術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)內的現(xiàn)實因素，在一些環(huán)節(jié)當中依然存在著不少細節(jié)問題。如何抓住機會，實現(xiàn)智能化改造，想必是從業(yè)者最關心的話題，但落實到每個企業(yè)之中，也是他們應該同時考慮的。