一九产业AI速写：工业篇

2019年已经过去，这两天很多朋友问我：去年AI到底是火了还是凉了?

然后我跟他们说：为了身体健康，别光吃凉的烫的，也吃点温的。

根植于互联网经济带来的一个又一个“风口记忆”，似乎如今国人已经习惯于把某种技术、产品，或者商业模式粗暴归类为非火既凉。换言之，我们总是很难有信心等待去技术按部就班地发展进步，而是热切希望它一步登天或者一脚蹬空。

2019年，AI火了吗?显然并没有，最简单的体现就是AI相关的投融资成交额大幅下降，众多优质AI项目找不到资本投入。

2019年，AI凉了吗?显然也没有，我们能够看到明显的算法进步、国产AI芯片进入产业周期、AI开发环境走向成熟。对于AI从业者和AI开发者来说，2019年甚至迎来了翻天覆地的变化。

那么，到底在哪里能感受到AI的真实温度呢?我想有一个地方或许可以，那就是AI走入各行业，也就是所谓的产业智能市场，在2019年到底进展如何?

去年麦卡锡发布了一份名为《模拟人工智能对世界经济影响》的报告，其中认为到2030年，AI将为全球贡献9万亿美元的GDP增长，其中90%来自于各行业智能化组成的企业市场。AI一分在C端，九分在B端，也已经成为了今天中国社会对这门技术的共识。

如果说投资人会偏袒泡沫，科学家执着于实验室，那么工厂主和企业家们，似乎是今天AI技术发展中一个恰如其分的“裁判”。

时值岁末，我们希望用一个系列报道的形式，来总结这一年中各主要行业使用AI技术的变化，市场的成长，以及产业成熟度的趋势。系列中各案例和数据，都来自真实存在的企业，为了减少麻烦我们将隐去企业的具体名称。

希望这种回望和总结，有助于大家换一个视角看清AI技术的“真身”。

第一站，我们要去号称“AI能改变的最后一个行业”——工业。业内人士普遍认为，工业AI是最难做的一个领域，但也可能是那“9万亿GDP”中的绝大部分。工业AI的希望、艰难与真实进展，都能很轻易在这一年中被发现。

AI是温的，热的，凉的?且为如今事，功绩且待来日说。或者换个说法——AI的未来不在键盘上，而在工厂里。

质检：工业AI的第一站

作为AI相关的内容报道者，今年最直观的感受是与制造业代表的传统行业管理者聊AI，其专业程度和了解深度已经远远超过2017年AI刚刚兴起的时候。

或许换个角度看，这与如今工业领域遭遇的外部压力有直接相关。劳动力的成本提升、大量工业订单向东南亚转移，以及经济下行压力下的成本与效率焦虑，构成了今天工业企业的主要情绪。

而这种情绪的促使下，企业主和管理者开始积极寻找外部的技术推动力，这与AI希望走进产业的愿望不谋而合。

但是周瑜打黄盖，还需要蒋干当引子，工业遇上AI的契机又在哪里?这个答案已经比较明显。2017年，工业AI命题更多还处在讨论当中;2018年，AI质检就已经提上了云计算、企业网和AI公司的服务列表。

对于工业场景来说，融合AI最大的挑战在于AI的释放需要设备、网络和算力作为基础条件。而工厂显然不能拆掉流水线去为AI寻找容身之所。所以工业最开始尝试的，只能是外部的、浅层的、不伤筋动骨的工业智能化能力。于是质检作为一个特殊场景跃然而出。

在今天绝大部分工业体系中，质检都是依靠人工来完成的。凭借的是人力的大量重复劳动以及相关经验，而使用智能摄像头和机器视觉算法，来学习和理解质检员需要找到的瑕疵与问题，可以令很多行业的质检工作快速被AI所替代。

于是从2018年开始，大量AI+质检项目快速上马，很多工厂也找到相关供应商尝试搭建自己的智能质检体系。但是这个领域的初始瓶颈也很明显，一个是智能摄像头的精度不够，微小瑕疵识别成为了AI的难题，另一方面AI识别的算力和处理速度不足，也导致AI质检速度不如工人质检，更多时候只能作为人工识别的复检补充。

还有一个问题，是AI摄像头很难识别立体的东西，尤其是球状物。所以在2018年中到2019年初，行业内更多能看到的是AI对板状原材料进行质检，比如钢铁板坯、光伏面板等。一方面是因为原材料质检的容错率高，一般漏检错检率低于10%就可以应用，另一方面就是这些材料只用AI识别单一平面，相对具有可行性。

为了解决这些问题，让AI质检这个“工业AI”第一站能够走的更通顺。2019年相关产业发生了系列变化，比较显著的变化，是边缘计算解决方案，开始通过云服务厂商走进工厂。这就让AI质检的算力和传输问题得到了极大解决，如今很多AI质检项目已经可以用高于人工效率的方式来完成。

与此同时，市面上的智能摄像头也在增多，工业级别的高精AI摄像头和相关质检算法不再“有价无市”。另一方面，云服务厂商提供的工业AI质检解决方案更加多元。除非垂直需求独特的工业类别，钢铁、煤炭、电力、防治等工业主要行业，已经可以在云服务厂商中直接选购比较成熟的行业定制化AI质检解决方案。

与此同时，虽然工厂里的工业摄像头不够高清和缺乏立体视角，依然是AI质检的主要难题。但是AI+工业检测这件事却得到了众多新的发展机会，比如设备故障识别、电路巡检、仪表巡检、施工现场检测等，在2019年都可以找到成功的智能化案例。

质检作为工业AI的第一站，已经完成了从单点到多元化的价值释放，尤其在危险作业环境和偏远地区的AI质检，其价值远远大于产业价值本身。

工业模型预测：2019年的最大收获

当一些声音开始嘲笑所谓的“工业AI”只会质检，这条产业链却在悄然开始新的进化。

如果说，2019年中国市场上的工业AI必须选择一个主要进展，那工业模型预测应该得票最多。

所谓AI工业模型预测，一般是指利用工业大数据，通过AI对原料、产出、生产时间、废料排放等数据进行智能调配，最终得到高于粗放式生产的智能生产模型。当然，这只是工业AI预测的一个基本模式。广义的工业AI预测，还包括将专家经验转化成AI模型，再反向投入生产解决工人经验不足的问题;还有将维修与设备管理经验转化为AI模型，来预测设备故障，智能管理检修体系等等。

（编辑：ASP站长网）