10月21日，2021第五屆全球智能工業(yè)大會“智能感知與機(jī)器視覺”分論壇上，思謀科技董事長、香港中文大學(xué)終身教授賈佳亞指出，未來 10 年是新一輪工業(yè)制造革命的關(guān)鍵時間窗口，是全球各國將高精尖制造業(yè)全面升級成為智能制造的核心階段，目前智能制造依然面臨著場景需求復(fù)雜、設(shè)備連接力不足、跨行業(yè)跨領(lǐng)域能力薄弱、數(shù)據(jù)分析能力不足等挑戰(zhàn)，而唯有用 AI 破局，才能激活制造業(yè)的增長潛力。
他提到，未來工業(yè)智慧化會成為改變?nèi)祟惿a(chǎn)方式的新基建，會成為制造業(yè)必不可缺的關(guān)鍵性環(huán)節(jié)。工廠將來一定會由現(xiàn)在的自動化升級為智能化、自動化、數(shù)字化的“三化”，最終實(shí)現(xiàn)智慧工廠，重構(gòu)生產(chǎn)方式。
未來，一個擁有了“智能身體”的工廠，可以自行知道原料和生產(chǎn)是否達(dá)標(biāo)，產(chǎn)品的質(zhì)量如何，自發(fā)調(diào)整機(jī)器的工作效率，迅速針對新產(chǎn)需求進(jìn)行生產(chǎn)，預(yù)測未來產(chǎn)品生產(chǎn)的數(shù)量，還可以根據(jù)產(chǎn)品銷售情況來及時調(diào)整生產(chǎn)安排。
然而另一方面，讓 AI 大規(guī)模、跨行業(yè)在工業(yè)場景中落地，并不是簡單的事情：工業(yè)制造生產(chǎn)的流程復(fù)雜、涉及的硬件種類繁多，要求 AI 算法對大量硬件進(jìn)行適配；當(dāng)制造生產(chǎn)場景新增或更替硬件時，會直接帶來算法的重新設(shè)計；最終算法往往妥協(xié)于硬件能力，甚至主動放棄最佳算法的使用最終導(dǎo)致跨行業(yè)的工業(yè) AI 落地的難度大幅增加。
“這個行業(yè)里真正能做到 AI算法的自動化和高效化的其實(shí)并不多且很難做。”賈佳亞介紹，僅以智能手機(jī)為例，一款手機(jī)按照 400 個供應(yīng)商參與生產(chǎn)制造，每家供應(yīng)商 5 種制程，每個制程 25 條產(chǎn)線來計算，想要 AI 全面覆蓋生產(chǎn)鏈路，但一款手機(jī)就需要 30000 種算法。而如果放眼全球前5 名的手機(jī)廠商，每家每年按照推出 6 款不同產(chǎn)品計算，工業(yè) AI 若想落地頭部手機(jī)行業(yè)，僅第一年就需要 90 萬種算法，這幾乎是不可完成的任務(wù)。
因此，面對當(dāng)前幾大技術(shù)落地難題，賈佳亞教授認(rèn)為，工業(yè) AI 企業(yè)需要尋找新的方式進(jìn)行“破局”。
以數(shù)據(jù)緊缺為例，可靠的 AI 模型離不開大量數(shù)據(jù)的訓(xùn)練，尤其在工業(yè)場景下，對 AI 的準(zhǔn)確率要求極高，然而目前工業(yè)生產(chǎn)的有效數(shù)據(jù)非常稀缺，可供訓(xùn)練的樣本極校通過傳統(tǒng)的 AI 訓(xùn)練/檢測方法，當(dāng)訓(xùn)練樣本不足的情況下，很難成功檢測出非常見的產(chǎn)品缺陷。傳統(tǒng)的 AI 訓(xùn)練往往通過給計算機(jī)提供大量圖片，讓計算機(jī)記住“細(xì)節(jié)”，但思謀科技通過自研的區(qū)域感知異常檢測器（RADD），對目標(biāo)區(qū)域各個細(xì)節(jié)進(jìn)行捕捉，并與標(biāo)準(zhǔn)參考數(shù)據(jù)進(jìn)行比對，記住圖像的“規(guī)則”，從而能夠進(jìn)行原理推導(dǎo)，從而實(shí)現(xiàn)即使是非常見缺陷，也能準(zhǔn)確進(jìn)行判斷識別。
此外，工業(yè)生產(chǎn)對驗(yàn)收要求極高，想要成品良率至少達(dá)到 99.9% 以上，每個零件的良率至少需達(dá)到 99.999%；因此當(dāng)前能夠滿足工業(yè)生產(chǎn)場景需求的，往往是高度定制化算法和訓(xùn)練方式。然而，僅訓(xùn)練一個神經(jīng)網(wǎng)絡(luò)就有超過百萬種不同方式，長期下的定制路線，顯然無法滿足技術(shù)落地的需求。因此，思謀科技結(jié)合學(xué)術(shù)界與產(chǎn)業(yè)界的最新成果，研發(fā)出了最合適工業(yè)場景的全棧式 AutoML 算法，可用于分割、檢測、關(guān)鍵點(diǎn)等多種不同任務(wù)中；已在幾十個工業(yè)場景、近百萬工業(yè)數(shù)據(jù)中得到驗(yàn)證。傳統(tǒng)調(diào)參下完成一個模型（算法開發(fā)+部署）需要10 人月，在 AutoML 下僅需 0. 3 人月。
此外，在被檢產(chǎn)品形態(tài)多樣化核心難題中，思謀科技通過對被檢對象采取“零件化模型”處理，進(jìn)行“拆分再整合”模式，高效率理解同品類物體的內(nèi)在結(jié)構(gòu)一致性，從而實(shí)現(xiàn)面對新形態(tài)的產(chǎn)品時也可快速交付；以及在缺陷類型難區(qū)分的核心難題中，思謀科技通過“前后背景對比學(xué)習(xí)”方案，使用類比學(xué)習(xí)，能讓計算機(jī)更好理解哪些是目標(biāo)異物。
因此，賈佳亞教授表示，只有當(dāng)計算機(jī)系統(tǒng)可以突破工業(yè)落地中的幾大難題，實(shí)現(xiàn)自動算法組合和部署，人類僅需參與少量定制化算法設(shè)計時，AI 的跨領(lǐng)域規(guī)模產(chǎn)業(yè)化才具備實(shí)現(xiàn)的可能。他表示，基于此前提，思謀科技也在致力于打造其工業(yè)級 AI 系統(tǒng)，構(gòu)建以智慧為核心的新一代工業(yè) AI 架構(gòu)，涵蓋了工業(yè) AI 算法平臺、工業(yè) AI 訓(xùn)練平臺、工業(yè) AI 工具平臺，以及超過30種全球領(lǐng)先的新型工業(yè)AI生產(chǎn)設(shè)備。
據(jù)介紹，已具備了智能制造跨行業(yè)快速落地能力的思謀科技，目前可賦能超過 1000 個細(xì)分領(lǐng)域，并成功與芯片、半導(dǎo)體、精密制造、汽車、航空、新能源等多個行業(yè)的頭部企業(yè)實(shí)現(xiàn)合作，完成了多個新型工業(yè) AI設(shè)備產(chǎn)品的落地，如鏡片分揀、軸承檢測、特種條碼設(shè)計與識別、偏光彎膜、隱形二維碼識別、模具檢測、AVI 檢測等。
