工业AI应用热潮奔涌

在工业制造领域，人工智能正向产品质检、辅助决策、智慧分拣等领域快速渗透，各种创新型场景化应用相继迭代，助力制造企业提质增效降本。

生产一辆汽车，最快需要多长时间？在智能车间，自动化率能提高到多少？汽车焊接，精度能控制到什么程度？

在位于重庆市的长安汽车两江工厂的装配线上，摄像头扫码零部件，根据件号进行匹配；冲压线上，全自动冲压机以每分钟15次的节奏运转；焊接车间，实现蓝光自动检测、激光在线检测，焊接精度在1.5毫米以内……经过多道程序，在自动化率达92%的工厂，最快用了18个小时，一辆汽车就下线了。

在中华大地上，智能生产场景早已不再鲜见，智能化让工业焕发新的生机。根据德勤此前发布的《制造业+人工智能创新应用发展报告》指出，中国制造业人工智能应用市场，预计未来三年将保持年均40%以上的增长率，并在2025年超过140亿元人民币。

可以预见的是，在当下数字经济、数字孪生、元宇宙、AIGC（生成式人工智能）等概念加持下，人工智能将加速与工业融合创新，向下一波快速增长蓄势待发，为工业智能化带来更多可能。

01

AI质检

在生产流水线上装一双“慧眼”

工业AI的本质是将人工智能技术与特定的工业场景相结合,实现设计模式创新、智能生产决策、资源优化配置等创新应用。这一概念在诞生之初，就寻求在工业制造的各种场景中进行应用，诸如智能分拣、智能巡检、能效优化、预防性维护、智能缺陷检测等。其中，质检环节是制造业在完成智能化过程中的一块“硬骨头”。

众所周知，现在绝大部分工厂中，质检都是依靠工人来完成，凭借的是人力的大量重复劳动以及相关经验。而工厂在人工质检方面“招工难、用工难”现象越发严重。

相关统计显示，中国每天有超过350万工人在生产线上进行产品外观检查，仅3C行业就有150万以上工人。这些质检人员每天都要花费大量的时间去判断工业零件的质量，存在速度和稳定性差等问题。同时，传统工业质检方法是通过人肉眼所见和主观经验来进行判决，仅可给出定性的评价，无法形成精细化的判定数据辅助工艺优化，人工判别经验也难以复制与传承。

而相比于传统的人工质检方式，AI质检具备质检效率高、检测精度高、质检系统稳定等优势，在工业数字化转型大背景下，用AI完成质检无疑是最好的选择。目前已经有不少企业入局，借助各自技术优势推出解决方案。

比如，腾讯云智能根据多个制造企业应用案例，逐步打磨出软硬一体的一站式AI质检方案，并已应用于3C、电池能源等行业。这套由质检仪、工业AI质检平台组成的完整AI质检方案包含了模型训练和预测服务，用AI智能化决策辅助或代替人工，能解决制造业外观检测自动化的瓶颈问题。

腾讯云智能联合生态伙伴实现了让机器自由定位工件表面任意位置，全方位多角度无死角捕捉缺陷，并能将每个点位的平均检测速度优化至0.2秒以下，极大提高检测效率。腾讯云智能质检方案通过更换夹具即可完成多类产品适配，产线改造成本大大降低。

例如在3C行业，百度智能云与生态合作伙伴共同研发了高度集成的一体化 3C 智能工业质检设备，设备上线后可为企业减少 90%以上的质检员。百度智能云深度学习模型对固定点位场景进行智能检测，大幅提升检测精度和效率，并可通过机械调整工作距离以实现不同尺寸产品的兼容需求，减少售后与返工成本。

此外，百度智能云AI知识智能搜索平台可将“老师傅”经验存至云端，方便及时调用，为质检工作提供快速、可靠的经验与技术支持。

02

辅助决策

“工业大脑”让制造“心中有数”

近期ChatGPT（人工智能对话聊天机器人）的“一夜爆红”，让人看到了基于生成式AI技术的“算法+数据”的预训练大型语言模型的无限可能。事实上在工业领域，已经有企业甘当先行者，推出了基于工业知识库的智能聊天产品，为企业运营提供辅助决策

对于制造业来说，AI技术的加入，让工业机器人能以与人类智能相似的方式做出反应，不仅可以代替部分体力劳动，还能提高生产效率、降低成本。而中国相对领先的人工智能应用企业，更擅长从具体的场景、领域应用入手，在视觉、语音、自然语言处理等领域落地，加速实现工业生产的颠覆性变革。

以BaaS工业大脑在化工园区的应用为例，面对智慧化工业园区火灾、爆炸、天然气泄漏等突发安全事故，卡奥斯COSMOPlat聚焦CV开展智慧应急算法研究(火灾模型、爆炸模型等)，打造行业独有的人工智能+机理模型双重灾损评价体系，自动修正环境误差，给救援和逃生提供更快速更精准的支撑，实现毫秒级响应。

如今，通过数字技术和智能技术的深度融合，卡奥斯COSMOPlat在工业AI领域逐渐走深走实，正依托BaaS工业大脑以AI能力网格推动普惠AI落地中小微企业成长，加速推进工业领域数据的高水平应用，进而提升整个工业互联网的高价值创造，建设工业领域人工智能开放创新生态。

03

智慧分拣

“深度学习+3D视觉”

跑出工业物流“加速度”

物品分拣作为工业流水线生产中非常重要的一环，一直以来由人工完成，速度较慢，准确率低，已经无法满足当下制造企业对产能、时效和成本的要求。

04

业内观点

解决复杂场景问题

是未来发展方向

工业AI已成为工业实现智能化的必经之路。在工业互联网发展浪潮下，工业AI技术创新将进一步加快、应用推广和场景创新不断加速，成为助推工业数字化转型、驱动制造业高质量发展的重要引擎。

不少业内人士表示，AI将为工业互联网发展点燃“新引擎”。一方面，当前工业生产过程中经常会出现不同状况和场景，而通过AI赋能，工业互联网会更加智能，特别是在工业生产中涉及到高维度、高复杂度的计算场景，AI更是可以通过深度学习、机器学习等算法提供更高效的解决方案。

另一方面，AI可以为工业互联网运行提供方向。针对工业互联网中的大量数据，AI可以对这些数据进行分析、筛选、判断，对工业生产问题进行推理。此外，AI可以通过数据对生产结果进行预判，实现生产过程的自动化、智能化升级。

对于AI未来在工业领域将呈现怎样的发展方向，格创东智AI事业部总经理王贇认为，工业AI轻量化、模块化、低代码化甚至无代码化的“傻瓜式”应用将成为未来的趋势。与此同时，工业AI未来将能通过自然语言处理(NLP)技术对行业报告、市场分析等外部数据进行分析，基于客户需求可以协助企业去做相应方案设计，能有效规避客户可能出现的安全风险。

卡奥斯工业智能研究院工业AI技术总监王晓利则表示，在产品向服务和体验延伸的趋势下，通用AI技术可复用将越来越多，但应用场景还需继续挖掘。在大规模个性化定制的趋势下，语言认知类模型将得到延伸升级。工业级大模型将涌现，多模态融合和群体智能解决复杂场景的模型需求也会增加。

业内人士认为，当前，工业AI对工业企业来讲，还不是“雪中送炭”，需要在技术工具、场景挖掘合理推进应用创新。同时，正视AI技术特点，分类推进产业创新突破。除此之外，核心算法技术创新已经相对过剩，工程化技术突破以及与机理深度融合将是下一步技术发展的核心方向。