丰融是阿里云工业大脑首席解决方案架构师。春节期间,客户跟他电话沟通时,表示非常后悔,如果能早三个月接触,项目在春节前落地,如今就可以用工业大脑托管
疫情前期,可谓一工难求,甚至加钱员工都不愿意上工。这也在悄然改变产业方对于工业智能的看法。
在新基建七大领域中,有三个(大数据中心人工智能、工业互联网)直接与人机一体化智能系统相关,政策的引导与扶持,也为工业智能的落地与传统企业的智能化转型带来良好的契机。
自2017年以来,科研大牛、相继涌入工业领域。前不久,原腾讯杰出科学家、优图实验室 X-Lab 负责人贾佳亚离职创业,人机一体化智能系统便是新公司发力的重要领域。
再往前翻,前阿里云机器智能首席科学家闵万里去年亦离职创业,成立北高峰资本,制造业也是三大聚焦方向之一。
然而,当每一位创业者、变革者拿起AI的工具,叩响工业之门时,扑面而来的是前所未有的挑战,不仅有工业机理、领域知识的屏障,还有数据匮乏、模型泛化的挑战,更有传统企业的认知问题与信任缺乏。
透过阿里云工业大脑、库柏特科技、阿丘科技、杉数科技等在工业领域的实战,看他们如何从「深坑」中趟出一条工业智能之路。
在清华大学AI实验室还未毕业时,黄耀就创办了阿丘科技,如今已在工业视觉赛道摸爬滚打了3年多。
创业以来,他一直聚焦解决工业检测问题,跑了不下100个工厂,看到了行业的无数坑,自身也踩过许多坑。
AI在工业检验测试领域的落地,如同「技术成熟度曲线」所演绎的那样,整一个完整的过程中会存在一个低谷,黄耀称之为「AI工业落地之深坑」。
他坦言,刚开始接触AI时,客户的工程师往往比较兴奋,愿意去尝试,用AI尝试解决之前不可解的工业视觉难题,小样本测试的结果通常非常好,比如传统方法的识别准确率只有50%,而AI很短时间内就能做到超过80%。
这给了他们期望,推动公司投入更多资源进行AI项目导入。可是当进行大量样本测试时,尽管增加一定的数据可以让模型准确度逐步提升,比如达到90%,但瓶颈随之出现。
盲目增加数据,带来效果不一,有的缺陷项检测效果可能变好,有的准确率反而会下降。此时往往进入一个震荡期,工程师陷入其中而不得其解。
黄耀称,这样的一种情况在AI落地工业检验测试过程中遇到的概率高达90%以上,几乎是必遇的坑。
这一精度对工业而言,显然远远不足,AI难以达到上线要求。一些人开始失望,深度学习似乎远未达到预期,许多AI项目逐渐搁置或边缘化。
这就是AI工业视觉落地之深坑。工业领域经常会出现一种情况,两张差不多的「缺陷」照片,一张能够被AI检测出来,另一张却没有,甚至不明显的被检测出来,明显的却被漏掉了。
此时,工程师需要的不是盲目增加数据,而是理性分析,找出问题的根源,优化直至模型达标上线。
工业AI问题的解决不能只局限问题本身,更应该基于工业应用的一般流程,从全流程中去优化核心问题,这也是运营的关键。
在AI落地的流程中,每一个环节都值得推敲。李淼称,场景选择很重要,不能太大,否则数据千奇百怪,也需要与大量行业专家沟通,合理定义问题的边界。
数据获取直接影响模型的效果,往往需要算法工程师到现场搜集,成本很高,并且对标注人员要求比较高,需要懂得行业知识。
除了数据环节,后期的部署运维也需要耗费企业很多时间,进行实际样本测试,算法人员驻场观察,优化模型等。
从整个流程来看,中间的模型训练环节,反而不是AI公司的主要障碍,两端则耗费大量的时间成本与人力成本。
除了技术之坑、业务之坑,AI在工业落地中还面临领域知识之坑、公司定位之坑、商业模式之坑等等。
趟过一个个坑,这一些企业完成了工业AI落地的「从0到1」,并实现一定规模的落地。透过他们的落地之路,更有助于我们思考,如何走出AI工业落地之深坑。
波士顿动力机器人近乎花哨的表演,几乎每隔一段都会上演。但业内人都清楚,它离实际场景太远,并且难以商用。因为工业场景对机器人的精度要求极高,低于99.9%甚至无法商用,远非实验室可以达到。
在库柏特创始人李淼看来,机器人面临的挑战可分为3类:一是做不了,任务挑战太大,智能性不够;二是做不好,柔性不够,适应性差;还有一类是不想做,细分市场规模较小,盈利空间有限。
面对这些挑战,机器人公司一方面需要结合AI、传感器、工业软件等提升机器的智能性与适应性;另一方面,也需要结合技术成熟度与市场判断,选择正真适合的「主战彻。
创业近4年的李淼,趟过无数坑后,做的一个艰难决定便是做什么、不做什么,定位在哪里,选择什么商业模式。
库柏特定位于机器人操作系统,即给定一个真实任务,就可以从平台中找到对应的机器人系统,来解决这一个问题。它跟机器人本体进行打通,针对系统集成商的需求,面向行业提供解决方案。
在最开始的AI落地中,ToB的勇于探索商业模式的公司往往会接触大量场景,打磨技术同时培养产品化能力。
2018年,库柏特广泛涉猎了3C电子、汽车零部件、食品、物流、医疗等众多领域,但绝大多数时间都用在了「脏活」(dirty work)和极端案例中。
「你费半天劲解决某个复杂技术难题后,可能只卖出去一套。一开始,对方说要一百套。」李淼曾谈道。
与集成商和设备商合作,还是直接面向计算机显示终端提供服务,是一个艰难的商业选择。
李淼想要针对大的市场,实现机器人系统的产品化和规模化。但深耕在集成商与设备商之后,企业很难把握计算机显示终端与市场的真实需求。
后来他决定转变,与渠道合作,直接与计算机显示终端签订合同。既然决定铺渠道和规模化,他又砍掉98%不成熟业务,将重心浓缩为一个平台(操作系统),两个领域(智能检测和柔性抓取)。
具体到一个场景,以香菇分拣为例,机器人系统的落地并不是特别容易,数据就是尤为突出的一个挑战。
其业务逻辑为,送料系统运输香菇到检测环境,经由光源与相机,获取一张图像,传回智能控制器进行决策,除了判断优、良,还有必要进行分类或剔除,分装到不同箱子中。
这一工作原来由人工完成,早期并无数据积淀,需要算法工程师现场采集一个个香菇数据,并进行标注。
但这一看似简单的活并不是特别容易。香菇个体有近10个维度的差异,包括花色、菇腿、卷边、薄膜、残缺等,需要存储大量领域数据。
数据标注的专业性也相当高,非专业人士标注水平比不上分拣工人,一个工厂中往往标注水平最高的是厂长。经由他们标注的图像,能让算法识别率跃升一个新高。
此外,香菇特征很丰富,每个厂家的分类标准也不同,这对算法带来很大挑战;并且这样一个实时性高的场景,对于算法的稳定性、决策的实时性也有更高要求。
目前库柏特的香菇分拣准确率可达90~95%,结合这一场景的特性,已可以在一定程度上完成规模商用。
李淼称,一台机器可替换4~6人,一条产线人。这些工人一年最少也要100万工资,而他们的产线个月客户就可以收回成本。
一直以来,行业似乎更看好AI在自动化程度更高、数据更好的汽车、3C等领域落地。从库柏特的案例来看,劳动密集型的食品加工业,无论材料或配方,往往变动更小,未尝不是一个好的AI落地方向。
对于投身于工业视觉的阿丘科技而言,清晰认知AI能做什么,不能做什么,以及将AI算法和传统算法相结合去解决具体问题,是实现AI工业落地的重要一步。
工业视觉主要有四个应用场景,一是测量,比如计算两点间的距离;二是识别,比如读取各种条码;三是定位、引导,识别位置,引导机械臂抓取或组装等;四是检测,典型的就是缺陷检验测试。
阿丘科技创始人黄耀解释,2D/3D测量更强调精度,核心在于光学和传感器,对硬件要求高,不是AI的主战常
识别,算法复杂度不是很高,也不是工业AI的主战常特殊场景复杂OCR识别(光学字符识别),需要用AI才能很好解决。
定位分2D定位与3D定位,工业领域大部分定位场景不需要AI来做。定位应用中,AI在一些种类较多的场景价值较大,比如物流领域,有成千上万种SKU,场景较为复杂,适合AI来做定位、分拣等。
至于检测,他认为这是AI的主战场,「AI在工业视觉的最大价值点,是解决复杂的缺陷检测,这属于行业难题,AI为它提供了新的可能性。」
而传统视觉检测存在一系列问题,比如难以解决复杂检测;存在过检误报过高,需要人工辅助复检;重光学、重算法,对集成商、设备公司要求高;并且后期算法补丁慢慢的变大,维护难度大。
但黄耀坦言,国内能够做一定复杂度的缺陷检验测试的公司很少,很多做的属于轻量简单检测,比如判断有无等。
一个典型的证明是,在黄耀去过的上百家工厂中,2017年质检员约占10~20%,但到2019年质检员已占到超30%。随着自动化水平的提升,组装的工人在减少,但检测端,受限于技术等问题,仍需靠人力。
因为在复杂的缺陷检验测试中,每种产品有几率存在数十种到数百种的缺陷类型,且每种缺陷存在多样的形态和变种,可能分布在产品的任何一个位置。此外缺陷的认知,还存在人员间的主观差异。这些都增加了问题的解决难度。
以一个小小的为例,涉及到的缺陷种类相当多,包括划伤、脏污、溢胶等复杂缺陷。
除了界定好问题,有明确的目的性的获取缺陷数据,并一直在优化AI模型外,还需要以具体问题为导向,综合深度学习和传统视觉,发挥各自的长处,来解决问题。
针对胶圈间隙大、圆点超二分之一等精度测量问题,阿丘科技采用传统视觉算法解决;针对套筒溢胶、套筒粘胶等难以察觉、且可能分布任意位置等问题,他们主要是采用AI算法检测。
不仅如此,针对金手指刮伤/粘胶、端子粘胶包胶等别的问题,阿丘科技会动态调整算法,或以AI检测为主,传统算法为辅,或传统算法为主,AI检测为辅,来解决实际问题。
其主要思路是,把生产全流程的数据打通汇聚,构建工业数据中台,进而通过算法挖掘出数据的价值。简单来说就是「数据智能」。
互联网起家的阿里云,天然具备AI、大数据、云计算的沃土,这也是其最初探索工业领域的三项核心技术。
然而随工业领域探索的深入,互联网人的局限进一步暴露,不懂工业机理,不懂领域知识。一个项目,往往需要AI算法人才、行业专家、行业集成商/方案商等多股力量,才能将工业大脑落地。
阿里云的一个转变是,将「专家知识库」纳入核心技术版图,更加重视行业专家的力量,将传统机理与数理结合。
数据中台,是阿里云工业大脑的核心能力之一。在落地钢铁、水泥、化工等不相同的领域的过程中,他们也在深化对于工业数据中台的认知。
阿里云工业大脑首席解决方案架构师丰融称,数据中台最核心的部分是「中间层」,今天数据中台能不能做成,很大程度取决于中间层数据的治理是不是合理,是否足够完善,能否支撑上面的业务体系。
目前工业领域的现状是,企业内部数据往往割裂成「孤岛」,直接用容易变成「数据烟囱」,数据治理尤为重要。
以某水泥集团为例,它面临的一个主体问题是熟料生产能耗高。在水泥行业,能耗成本约占生产经营成本的60%,其中主要能耗来自电耗和煤耗。
阿里云通过工业大脑来托管水泥产线控制,通过模型来推荐相关指标参数,相比人工更稳定、合理性更高。目前工业大脑可将吨熟料煤耗降低0.64%,将熟料工序电耗降低1.23%。对于水泥企业而言,任何一个点的提升,一年都能节约数百万成本。
丰融称,目前工业大脑已经托管了客户90%以上的控制场景,客户反馈,工业大脑基本达到中级操作员水平。
疫情期间,招工难、人工紧缺之下,AI工业自动化可谓正当时。而随着复工复产,如何优化运营,进行智能供应链决策同样重要。
杉数科技联合发起人&CPO王曦称,企业在做供应链决策时,往往存在4个问题:
看不清,难以看懂市场需求的波动性;靠人工,一方面靠人工做各类生产/销售计划,另一方面针对现有软件给出的不合理结果,需要手动调整;效果差,订单满足率、生产所带来的成本、仓储成本等难以优化;难应变,需求端变化、产能端变化、接单插单、转产等运营问题,难以应变。
针对这样一些问题,杉数科技推出智能供应链决策平台,来辅助企业的生产计划、调度计划、销售计划等业务决策。其核心技术是依托运筹学和机器学习等搭建的杉数优化求解器(COPT)。
以某ICT行业巨头为例,原来单工厂、不透明的计划排产系统难以满足业务需求,面临工厂间协同生产效率低下的问题。
它有数十个工厂,超过10万个零部件半成品,需要做一个28天+10周的订单排程与需求预测计划,这中间存在上亿种可能性,千万级限制条件。
杉数为其打造一个最优生产计划,可详细到每一个零部件加工指令,同时包括原材料到货指令、建议采购计划与异常分析、预警等。
最终使客户的订单满足率提升20%,产能损失率降低30%,人工干预降低70%,带来生产端资源池的盘活,效率较大提升。
针对机器决策,王曦也谈道,智能决策的目的不是替代人工,而是一个决策辅助工具,它要把人们从那些容易出错,无法全局寻优的工作中解放出来。
针对预测、分类问题,人类的先验知识非常有价值,模型不一定准确,因为数据驱动的预测,本质只能解决历史数据规律的最大化挖掘,但历史数据不代表未来。
而决策建议,当我们给定约束,比如产能、订单、原材料、库存等,可以让机器去最优化一些目标。人能够找到一个合理解,但未必是最优解,这正是机器的价值。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。举报投诉
”为主题,包括一场高峰论坛和两场技术分论坛:图像与语音识别技术、大数据与AI技术应用论坛。大会汇聚了
产业链上下游领先企业——国际一流IP供应商、EDA供应商、芯片/算法独角兽
高峰论坛“洞见AI,智变未来”将于2020年7月10日举行。本届大会将邀请行业顶尖的专家、学者、企业代表、投资机构共聚一堂,洞见和把握市场先机,共享AI赋能
大量的机器人出现了。杰瑞·卡普兰认为,这并非是因为它们很聪明,而是因为成本更低、生产效率更加高、生产的产品质量更好,而且不会犯错。但是
公司技术负责人,对场景成熟度、复杂度、以及潜力值进行了综合评分。该结果能在某些特定的程度上,客观反应未来医疗大数据、
,清华大学信息学院自动化系张学工教授。据张教授透露,目前清华大学正与国内医疗信息化有突出贡献的公司卫宁健康在
。据推测,目前的无人驾驶汽车会像其他司机一样,只有当垃圾掉落在路面时才会做出一定的反应。我们是不是会期待
AI技术当然并非是凭空而来,可预见的AI技术人才现在是多么炙手可热!工信部公布的数据中,中国AI人才的缺口已超越500万。人才缺口,对应的是就业岗位。目前高校是培养人才的摇篮,就高校
输入的数据和其输出的答案之间,通常存在着无法洞悉的“隐层”,被称为“黑箱”。“黑箱”存在的后果,就是
是一门新的技术科学。说是科学实际上也是一种擦边球似的科学,属于自然科学、社会科学、技术科学三项交叉而来的科学。如今的地球,在这颗水蓝色的小球上生活着大约65亿
逐渐成为科技领域最热门的概念,被科技界,企业界和媒体广泛关注。作为一个学术领域,
是在1956年夏季,以麦卡赛、明斯基、罗切斯特和申农等为首的一批有远见卓识的年轻科学家在一起聚会,一同研究和探讨用机器模拟
在城市发展会有哪些应用及场景呢?AI+安防:计算机视觉+深度学习技术是
的实际应用能够在汽车安全系统的发展进步中发挥重要的作用。而这些系统远不止仅供典型消费者群体掌握和使用。
据相关招聘机构多个方面数据显示,2018年AI领域仍然是大部分资深技术人才转岗的首选目标,在人才最紧缺的前十大职位中,时下最火的大数据、
技术本身就是一种模拟人类大脑的思考方式的一种技术,它的英文简称是AI技术,在西方国家,
会以怎样的姿态进入大众家庭的客厅?不少人判断,语音交互是关键的第一步。但出乎
哪些?,如:法国的人形机器人NAO,软银公司的带有情绪的机器人Pepper等等,大家会发现,这些机器人的硬件都做
还能确定6种肺癌相关基因包括EGFR、KRAS和TP53等有无异常。可能是这些基因改变或突变可导致肿瘤异常
的时代就到来了。就像前段时间引力波被探测出来,我越来越觉得——Anything is possible。然后我
的人才需求的公司如威盛、松下、索尼、三星等。鉴于AI方向的人才都是高科技型的,在待遇方面自然相对来说还是比较丰厚,所以很这个方向很有发展前途。如果您看好
` 本帖最后由 cdhqyj 于 2020-10-23 11:09 编辑
浪潮中,对经济最大的价值在于更大规模地实现自动化、机器化转变。虽然这种自动化经济,或者叫机器人经济,可能将无可
时代的核心驱动力量》从AlphaGo的人机对战,到无人驾驶汽车的上路,再到AI合成主播上岗
大量新生的AIoT应用程序出现,我们甚至没办法理解其他的东西。但有一件事是肯定的 - 今天的数字时代社会正在发生根本性的变化。
貌似与我们的真实的生活距离十分遥远,实际上它慢慢的开始走入我们的生活,而且正以一种磁悬浮般的速度向我们奔来,
大模型已经孵化;繁衍过程将突飞猛进,ChatGPT已经上线。 世界首富马斯克认为AI对人类是一种威胁;谷歌前CEO施密特认为AI和机器学习对人类
领域的马太效应也慢慢变得明显。与此同时,AI芯片行业也走过了野蛮生长,开启了加速
。随着手机芯片AI化的两个主流玩家新品的亮相,即华为麒麟980和苹果的A12处理器
技术如今已经走进不少工厂和流水线,其帮助不少企业提升了产品制造效率,而使用
来为产品质量把关也成为一个必然趋势。近日,日本IT大厂 NEC 推出了一个“视觉检测(AI Visual
```▌活动背景随着包括谷歌、脸书、微软、亚马逊以及百度在内的巨头相继入局,
开发套件,为大家做个开箱及硬件评测。 打开快递纸箱塑料包装,引入眼帘的是一个设计精美蓝色的大盒子,在盒子里
创新型中小微企业,打造成长质量高、创造新兴事物的能力强、拥有自主品牌、具有示范带动作用的创新型中小微企业群体,发展成为各细致划分领域领军
以来,谷歌、百度、阿里、腾讯等互联网巨头以及多家知名的风险投资基金疯狂涌入
,它的实际应用百度大脑、语音搜索、图像、广告跟搜索排序及无人驾驶,用一句简单的话来概括就是在云端基于大数据、大计算做
产品的需求。而对于从中小企业到预算受限的大规模的公司来说,通过云计算来采用
作者:Kaustubh Gandhi,Bosch Sensortec软件产品经理
(AI)目前正在为社会的方方面面带来革新。比如,通过结合数据挖掘和深度学习的优势,如今可以利用
基础设施平台的研发优势,与天津大学共同致力于AI高等教育实训课程教学体系设计和实训软硬件平台建设,助力天津大学的
(AI)目前正在为社会的方方面面带来革新。比如,通过结合数据挖掘和深度学习的优势,如今可以利用
,生动形象地诠释了“物体认知系统”“通用嵌入式计算机”的概念。王宜怀教授指出:嵌入式
成为国家新型基本的建设与传统产业升级的核心驱动力。同时在此背景驱动下,众多名企也纷纷在嵌入式
开发套件(EAIDK)AIoTOPEN AI LAB最开始听到这一个名字,以为是一家国外的公司或者是一个开源社区,登录官网之后发现是国内
在记忆、人脸识别方面比人更精确,机器学习通过大量数据的探索,面向任何狭窄
地会从简单的 AI 程序开始,随着他们的理解和学习能力的发展,这些程序会创建新代码。
本帖最后由 讯飞开放平台 于 2018-9-4 09:54 编辑 2018年,
`今天,吴恩达确认离职百度的消息迅速在业界刷屏。吴恩达曾不止一次感慨,现在
在物联网以及大数据的推动下,实现飞跃式的发展,并且迎来了第三个黄金周期。必优传感今天和大家解读一下关于
存储双活的建设方案,一定是要建立在数据库双活方案基础上的,只有明确了数据库和相关应用程序的工作模式,才能做好存储双活的整体选型规划,否则,对于存储双活的建设来说,任何技术细节都是空谈。
他们带来的竞争。但是,市场占有率并不会迅速变化,英特尔x86处理器在未来五年甚至更长时间仍将主导这一市场,面对强有力的竞争者,能否守住这一市场,新产品变得更重要。
联系人:刘经理
手机:15169028800
电话:15169028800 ( 微信同号)
邮箱:21241043@qq.com
地址: 山东省济南市