锚定「制造业」转型，百度智能云为何「死磕」一线？

未来10年，制造业转型仍然是全球性质的重要议题。

浙江湖州的纺织印染工厂内，美欣达的智能验布系统正在运行中。

过去，工厂往往以人工目测的方式检查布面瑕疵和色差，其检出率在70%左右，在搭载了百度智能云的智能验布系统后，其检出率不仅可达到95%以上，且速度比人工快2倍。

东南相互电子的工厂中也是同一番景象。在印制电路板的生产车间中，通过AI质检在内的智能化改造后，企业产值提升18%，人均产值提升42%，报废成本一年降低1000多万。

作为2022年制造业数字化转型的缩影，一个个数字革命正在汹涌袭来。

然而赛迪顾问数据显示，2020年中国拥有世界500强制造业企业61个，排名世界第一，但平均利润率仅为2.0%，相比美国8.3%、英国12.3%、瑞士11.7%的数据，差距之下反映出我国制造业亟需向高溢价能力的上游迈进。

于是，当数字化转型成为一种破局密钥，大量的技术服务商也开始崛起。伴随着AI、云计算等数字技术与传统产业的加速融合，新基建正在挑起大梁，著名经济学家任泽平在跨年演讲中谈到，“云智一体”的智能化新基建，开始让“产线学会思考”。

一年以来，以百度智能云为代表的技术服务商们无论是在深耕传统工业场景，打造行业智能应用；抑或是匹配用户需求，为企业打造人工智能与云计算融合的数字化底座方面，均有了更多的落地思考。

其中，搭建面向未来的数字化底座尤为关键。这里面包含基础设施的云化建设、数据治理的智能化、端边云业务场景的创新，对此，英特尔公司市场营销集团副总裁兼中国区行业解决方案部总经理梁雅莉建议：“首先是要转变思维，从数智化提供的能力和机遇的视角，打破原有业务边界，重构发展方向；其次是找准自己数智化的发力点和切入点来构建核心能力，或者是平台或者是基础设施也或者是两者中的核心能力；再者是从点到线再到面进行业务布局，联合上下游合作伙伴，逐步推进全盘的数字化和智能化进程。”她表示：”时代变革要求企业从前端的设备到后端的云基础设施以及支撑企业运转的关键应用，都需要尽快完成升级和换代，通过再次‘进化’以适应算力挑战、异构加速、存储创新、软硬融合的新需求，才能在数字化浪潮中立于潮头。”

面向2023年，或许深入业务一线，才能帮助制造业企业精准进行数字化转型。

制造企业的现状如何？

提起轻纺工业，劳动密集、低科技含量、高污染等关键词总是挥之不去。

美欣达以纺织印染起家，在几十年发展过程中，员工超过1.2W名、下设公司达到279家。数据孤岛问题愈发明显，业务数据在计量覆盖率、时效性等方面，无法支撑企业更深一步进行精细化成本管控。

数字化转型迫在眉睫。在传统模式下，美欣达在产品检测上严重依赖人工主观判断，对于可能出现的破洞、污渍、勾丝、色污、擦伤痕等瑕疵，无法通过人工保证检测质量的一致性，过程中也容易受情绪、突发事件等多因素影响，很难提升检测效率。

并且更严重的是，美欣达的人工成本已占到产品总成本的20%到30%。一方面随着劳动力红利消失，人工成本压力未来只增不减；另一方面，多品种、小批量、快交货等市场需求增加了产品交付的难度，最终也会反映在人工层面上。

包括在能耗管理方面，由于自动化装备技术不成熟，大量数据躺在系统里，没有利用起来，反映在车间生产过程中，水电用量比较大，直指粗放的成本管理。

同样的现象也发生在电子设备制造厂商中。

在东南相互电子的车间中，对于传统“指甲盖大小”的印制电路板外观检测，在优先保证不良品不漏失的情况下，机器常常出现过杀现象，导致出现高达70%以上的假点。此后便需要大量人工在VRS机台进行图片复判，将实际合格的电路板再度送回产线。

过程中，尤其是产品缺陷种类高达一百多个，仅仅一个熟练的复判员工的培训周期约需2个月，且人工复判准确率低，也导致了印制电路板直通率低的现象。

种种问题层出不穷，而这也正是众多制造企业所面临的相同现状。

转型之痛，痛在何处？

要真正帮助制造业更好地进行转型，首先需要搞明白他们的症结在哪儿。

上述种种问题，背后是大量企业在产品检测、分拣上严重依赖人工，全流程追溯相对粗放，数字技术应用不成熟以及数据割裂等痛点的显现。

如何让沉睡的数据“活”起来，成为了制造业企业转型的关键。解决问题的核心之一是将隐藏在专家脑海的工艺经验变成显性的数据资产，并转化为数据模型融入到组织管理中，过程中也需要从单一场景逐步拓展到整个生产链条上。

而这只是最表面一层的原因。

往更深的层次去探究，首先，在数字化转型的深水区里，企业害怕掉队，又往往畏而却步，还停留着大量“不敢转”与“不会转”的企业。个中原因在于很多企业看不清AI带来的价值收益，所以他们更倾向于在投入前算清楚产出这笔账。其次，制造业企业过去并没有适配于生产场景的算法模型，这也需要从百度和英特尔等拥有领先技术的科技公司引入，进而搭建自身的AI技术能力。

或许，制造业迫切地需要一组数字化、智能化的系统解决方案，解决传统制造业工厂在质量检测、安全生产、能耗优化等核心场景遇到的难题，同时还能更直观地看到AI在生产过程中所产生的价值。

为此，传统企业需要一条全新的数字化转型道路。而在这条路上，离不开百度“芯片-框架-大模型-行业应用”的端到端的自研技术能力，同样也离不开英特尔的超高性能算力支持。

比如，百度智能云的“开物”工业互联网平台如融合了英特尔的算力技术，可以进一步帮助制造业企业降低他们建设数字基础设施的成本。

具体而言，百度智能云可基于英特尔® 架构的边缘计算盒、边缘服务器提供强大算力，为企业搭建领先的工业Al底座。英特尔对36氪表示，边缘服务器搭载新一代英特尔® 至强® 可扩展处理器，边缘计算盒搭载英特尔® 酷睿™ 处理器，可加速人工智能推理性能，同时也可以来处理数据存储、数据处理、设备管理、资源调配等多种负载。强大的计算能力、低功耗、性价比高和安全可靠等特点，为企业搭建数字化平台提供理想选择。

实际上，面向车间产线，AI质检能否让企业清晰的看到“投入产出比”成为制造业企业数字化转型成功的关键一环。

在相互电子的车间中，百度智能云提供的AI质检技术，通过用几十万张图片去建立不同缺陷的AI模型，学习熟练员工的判定行为，对AVI机台出来的所有图片通过AI模型自动进行假点过滤，可以减轻VRS判定的工作量。

根据内部数据测算，原有3台AVI机台白夜班需配备30名VRS人员，通过AI去掉80%假点后可减少18人，检测效率提升20%，VRS人员的培训周期也由2个月缩短至2周。

技术背后带动作业流程的变化（来源：企业供图）

美欣达亦然。AI能力的加持下，他们逐渐解决了从质量检测、产品交付与能源管控的痛点。其中，智能验布、色差检验的自动化成为现实。就结果而言，验布环节的缺陷检出率由70%提升到95%以上，速度比人工快2倍的同时，产品瑕疵漏检率也低于2%。

再进一步，产品质量的向上追溯成为可能，即之后将能够知道整个生产线中是哪个环节的问题导致引起这些瑕疵，从而可以进行生产线的不断优化。

另外，印染车间经过改造升级后，数据不再“沉睡”，只要工人一刷卡，屏幕上便可以自动显示详细数据，包括每台机器上的电力、燃气使用数据。百度智能云工程师谈到，接下来这些设备将实现自主决策，即不需要人工调节，而是通过AI实现能耗的自动优化与决策。

变化是明显的。美欣达如今通过大规模使用百度智能云“度能”平台，对能耗过高的设备及时整修，大大降低了10%的能耗，一年下来单能耗一项可以节省100多万元。

或许，百度智能云与美欣达、相互电子的智能化探索，将为传统制造业提供新的样本名片。

死磕一线成为新常态

疫情纵深三年，所有企业认识到线上化、数字化的必要性。十年后再回看，2022年也许会成为制造业转型中里程碑式的一年，转换思维、求变求存、降本增效成为企业的常态。

过去几十年，中国一直是全球的制造中心。如今，东南亚国家的人口红利优势显现，全球制造产业链迁移成为潜在可能，加之疫情等多重因素，国内制造业从低端走向高端，技术升级换代成为了新的要求。

百度智能云的工程师、英特尔的资深专家都纷纷表示，AI可以帮助企业快速响应市场个性化需求，创造新模式新价值，但这对企业的数字化技术要求颇高。因此，建立一个稳固的数字化底座，挖掘沉睡多年的数据，做出解决核心痛点的智能化应用，成为制造业企业寻找的第二条增长曲线。

智能制造作为制造业企业数字化转型的核心方向。过程中，如何既能解决业务问题，又能实现低成本、可规模化的产品方案，成为了企业数字化转型破局的关键因素。

截至目前，百度智能云开物平台已累计超过200个工业解决方案，沉淀了3.8万个工业模型。百度智能云一位负责人谈到，开物平台发展到现在，越来越重视下沉园区、当地运营的重要性。或许，持续“死磕”制造业一线将成为科技企业的新常态。

面向未来，无所不在的计算、无处不在的连接、从云到边端的基础设施，通用化可复制化的算法模型、人工智能与产业场景之间的相互增强、相互融合以及共同放大，将成为制造业企业数字化转型的关键力量。