“新基建”火了。与5G、人工智能、物联网等信息数字基础设施一起，成为国家新的发展方向。不仅这些新领域的从业者明确了目标，传统行业也做好了数字化转型的准备。当然，新基建还包括产业方面，比如工业互联网、工业智能等产业升级也逐渐被重视。随着从业者跃跃欲试，整个行业的升级或将到来。但这么大的行业变革，不是说说就能完成的。《2018 年中国制造业痛点分析报告》数据显示，制造企业数字化设备联网率仅为39%，MES（面向制造企业车间执行层的生产信息管理系统）普及率仅为18.1%。最基本的“联网”都没有实现，更不用说更高级的智能了。俗话说，一口饭吃，大潮之下的工业互联网还存在很多问题。从近期来看，2020年初的疫情暴发下，暴露了很多。复工潮下的产业升级“当前的疫情，造成了太多看似正常，实则不合理或亟待解决的痛点。”工业互联网公司格创东智OT事业部总监、智能装备事业部总经理王云表示。虽然疫情还没有完全结束，但是复工的浪潮基本已经到来，疫情期间或者复工的时候也出现了问题。总结起来，问题可以简单归结为两大原因：缺乏智慧和缺乏协调。首先是受影响最大的工业领域员工的“上班之路”。这也是工业领域在面对疫情时面临的最大问题——人。工业、制造业等本来就是劳动密集型产业，疫情来得突然。企业面临的首要问题是人员安全。一些制造企业表示，仅在员工签到环节遇到了困难，因为进出大门时需要进行体温检测，容易造成上下班途中的拥堵。人们在公园或工厂的聚集也时有发生。为了避免这种情况，很多企业提出了分时上下班、分批就餐、缩短开会时间等措施，但有没有一些更灵活、更智能的方式来解决此类问题呢？在一些从业者看来，这些场景可以通过技术手段提升效率，最重要的是转向线上化和数据可视化。使用手机签到并不新鲜，一些企业正在考虑通过员工登记的复工信息对员工进行分类，提前做出预测，一次性解决安全问题。比如会议室的使用情况、人员在厂区的位置、生产情况等等，都可以公开透明的展示在大家面前。从这个角度来看，最近流行的RPA或许是大势所趋。其次，在生产方面，王云告诉极客公园（ID：geekpark），除了疫情带来的用工荒现象，对于半导体、液晶面板等重资产、高价值、连续制造的行业，由于它们的特殊性，这个行业一旦停摆，损失会非常大。“这类行业处于365天、全年无休的状态，外部疫情的变化和部分人员的管控，对员工的身心都是一种压力和负担。”例如，很多产品的质量检测会使用大量的人力，这些检测的结果会受到人员经验、身体状况、疲劳程度、情绪等因素的影响。疫情的变化会不会影响员工检测的输出质量？如果有更好的工具或者场景化的应用来帮助解决问题，不失为一个很好的切入点。此外，在外部控制、原材料物流、现金流等方面，其实也存在一些亟待解决的问题。一方面，生产力提升工具的使用，一定程度上可以避免疫情下不必要的接触；初级阶段。以物流为例，道路车辆的控制导致工厂生产产品和原材料物流受到限制。如果企业利用系统的大数据应用和人工智能判别来帮助解决这些问题，在供应链解决方案中，可以尽早做出判断，找到更快更好的替代方案，以免到时候陷入被动。.“疫情让我们发现，很多惯用的工作方式在特殊情况下就无法灵活运用了。”一位资深业内人士告诉极客公园。在中国很多生产基地，生产管理流程还没有欧美国家那么完善，整个行业还有学习的空间。工业智能三部曲中的工业协同过程有点慢，但另一方面，工业智能方向上有一个概念很火——自动化。当我们提到自动化时，一般指的是“机器换人”。不仅是大型机械臂，还有以技术为主导的工业检测和设备故障检测的人工替代。在技??术方面，机器学习、深度学习、计算机视觉、物联网在特定的工业场景下都有相应的解决方案。腾讯优图实验室工业AI项目负责人黄亮分享了一个利用计算机视觉解决液晶面板缺电检测的工业AI案例。缺电检测是工业智能中比较常见的业务场景。腾讯优图服务的客户是国内非常大的面板厂商。黄亮表示，腾讯优图和腾讯云团队投入了大量的人力物力支持这个项目。早期很多模型都是靠算法专家人工训练的。但从交付形式来说，这是一种比较轻量级的交付，没有提供摄像头等硬件设备，也没有调整客户的生产系统。腾讯优图利用视觉AI算法，用缺陷检测产品替代缺陷质量检测。结果，产品给企业带来的收益非常好。黄亮举例，该模型在准确率与人类相当的情况下，可以保证覆盖率达到70%以上，可以替代70%以上的质检人员。从近期的现场数据来看，通过搭建这套缺陷检测系统，客户的质检人员减少了100多人。然而，摆在我们面前的现实是，工业智能企业无法在短时间内覆盖所有需求，能够下定决心花钱引进技术的企业并不多。想象中的轻松。黄亮还提到，工业场景相对于其他场景的特殊性在于，工业场景的定制化严重，不同的垂直领域有不同的业务特点。“很难找到一个大而全的通用解决方案，如何在保证方案的通用性的同时，灵活适应不同的业务场景，是一件很有挑战性的事情，我们也在朝着这个方向努力。”黄亮说道。此外，由于企业对数据保密性非常重视，工业项目大多以私有化部署为主，对设备和人员都有限制。因此，业务上云是未来的必然趋势。清华大学大数据系统软件国家工程实验室总工程师、工业互联网产业联盟副秘书长王辰告诉极客公园，工业智能化应用很早就出现了，但从现在开始，没有遵循预期的发展道路。“和很多创业者交谈的时候，他们觉得企业的痛点不在智能上，他们可能不会跳出框框，看到有更简单、更智能的方式来带来改变。我想很多企业已经没想明白。”另一方面，中小企业不是工业智能的天使用户，大企业才是。业内人士告诉极客公园，像上面提到的工业AI项目，我们正在和某家公司合作，用神经网络、机器视觉和AI来替代人工检测。Smart会立即更换100多个工人，其成本是可以计算的。这样规模的项目，一般一年半就可以收回投资，企业是很容易接受的。但实际上，这个产业链上的环节还不足以实现这个目标，或者说企业想不明白。根据艾瑞咨询2019年发布的《中国制造业企业智能化路径研究报告》数据，84.2%的规模以上工业企业（年营业收入2000万元）为小型企业，规模以下小微企业超过200万户。由于自有资金不足、信息化基础薄弱、相关人才匮乏等诸多因素，大多数小微企业只能眼睁睁地看着大企业进行智能化改造，而难以融入智能化浪潮。制造业。在王晨看来，现在“机器换人”的概念已经发生了变化。原来的机器换人不是通过数字化或智能化的手段来实现的，而是自动化。一些机械化、重复性的劳动交给机器人，效率会更高。今天的机器换人，可能是要取代有经验、有知识的人。王晨告诉极客公园，在工业生产过程中，机器可以通过学习-知识-决策三个步骤逐步替代人类劳动。产品缺陷检测等工业上成熟的应用称为模式识别。人工智能可以在学习后生成模型，进而生成知识，从而做出决策。在这样的链条下，人工智能今天只做了一些局部的事情，这也是工业智能难以落地的原因。我们需要看到痛点来做决定，这是机器暂时做不到的。所以有什么问题？从业者有答案，没有数据。在收集数据的过程中，成本是一个很大的问题。“数字化转型需要钱，装传感器、加数据采集盒、数据通信……都需要钱。数字化投入大，产生的数据有用吗？我不知道，所以现在中国的制造企业呢？”在如此困难的情况下，往往很难进行如此大量的投资。”王辰说道。另外，在工业领域，人们需要的不是设备的正常数据，而是异常数据，这些数据在历史数据中所占的比例很小。不同设备、不同技术的不同场景下，差异化对工业智能化提出了巨大挑战。毫无疑问，在世界范围内，中国对新技术、新场景的开放程度首屈一指。因此，在制造业、工业等急需自动化的行业，对技术的接受度和呼声越来越高。“新基建”更是火上浇油。不过，热度之下，考虑到行业内的现实因素，在一些环节还是存在很多细节问题。如何抓住机遇，实现智能化转型，想必是从业者最关心的话题，但在每一个企业落地，也应该是他们同时考虑的问题。
