“在工業(ye) 領域，雖然生產(chan) 設備產(chan) 生了海量數據，但實際上可作為(wei) 樣本的數據少；行業(ye) 機理也不允許通過迭代來提升模型精度，比如在煉鋼中稍有誤判可能就留下一爐子廢材。”在7月20日舉(ju) 行的華為(wei) 雲(yun) TechWave技術峰會(hui) 上，針對人工智能（AI）麵臨(lin) 的痛點與(yu) 挑戰，華為(wei) 雲(yun) CTO張宇昕如是感慨。

無獨有偶，日前在上海舉(ju) 行的2020世界人工智能大會(hui) 上，多位企業(ye) 家不約而同提到，未來10年，AI將以前所未有的力度賦能傳(chuan) 統製造業(ye) ，但AI發展的不平衡現象尤為(wei) 突出。SAP全球高級副總裁、中國區總經理李強援引賽迪顧問數據表示，互聯網金融、安防、交通貢獻了超過50%的AI市場份額，緊跟其後的是與(yu) 消費者息息相關(guan) 的消費電子、教育、醫療等，而製造業(ye) 的AI市場份額隻有5%。

作為(wei) 製造業(ye) 大省，廣東(dong) AI核心產(chan) 業(ye) 規模約占全國1/3，AI核心產(chan) 業(ye) 及相關(guan) 產(chan) 業(ye) 規模均居全國前列。如何讓傳(chuan) 統製造業(ye) 更有AI？落地中還需要克服哪些困難？針對這些問題，南方日報記者采訪廣州大學博士生導師、《“智能+”製造——企業(ye) 賦能之路》作者孫延明，富士康工業(ye) 互聯網公司董事長李軍(jun) 旗，TCL旗下工業(ye) 互聯網公司格創東(dong) 智CEO何軍(jun) ，深圳精銳視覺董事長孔慶傑以及廣州人工智能促進會(hui) 副秘書(shu) 長蔡遠塵等。

現狀

大企業(ye) 已嚐甜頭，中小企認識缺失

南方日報：目前AI在製造業(ye) 應用中還存在哪些不足？

孫延明：AI在製造業(ye) 中，除了機器人、圖像識別、故障診斷等單項應用外，在全麵深化應用方麵還處於(yu) 初級階段。從(cong) 外部看，不同行業(ye) 、不同區域都存在不均衡；從(cong) 內(nei) 部看，標準化、自動化程度不夠，複合型人才短缺，資金投入不足等，直接影響了AI的深化應用。

何軍(jun) ：這種不均衡也體(ti) 現在多個(ge) 方麵。地域上，就以我們(men) 客戶分布看，長三角、珠三角、京津冀等占比達80%，這些區域的企業(ye) 對AI的重視和投入遠超其他地區。

從(cong) 企業(ye) 規模上看，大型製造企業(ye) 已經從(cong) AI的使用中獲利，兩(liang) 年前去和大型製造企業(ye) 廠長聊新技術，他們(men) 對這些沒有太大感覺，但今天再去談，他們(men) 已經有了很多認識，還能反過來跟我們(men) 談新技術，並大膽應用新技術；但大多數中小型製造企業(ye) ，對AI的認識非常缺失。

孔慶傑：目前國內(nei) AI完整產(chan) 業(ye) 鏈已初步形成，但仍存在結構性問題，整體(ti) 偏重於(yu) 應用，終端應用豐(feng) 富，技術商業(ye) 化程度比肩歐美。但在基礎研究方麵，缺乏突破性、標誌性的研究成果，基礎理論和基礎技術方麵尚顯薄弱，這也製約了AI係統產(chan) 品化落地的效率與(yu) 效果。

比如圍繞計算機視覺誕生了不少AI公司，但紮堆做人臉識別、安防這些熱門場景，工業(ye) 應用偏少。手機生產(chan) 中，對外觀瑕疵是零容忍，以前還會(hui) 采用抽檢，現在良率要求越來越高，人臉識別準確率達到90%就很好用了，而工業(ye) 至少要達到99%，甚至要小數點後麵“4個(ge) 9”才行。對每天產(chan) 能在幾十萬(wan) 份的工廠來說，稍有不準確就意味著有幾百個(ge) 瑕疵產(chan) 品成為(wei) “漏網之魚”。我們(men) 也呼籲，把技術真正應用到智能製造中來，而不是趕熱點。

難點

投入大，而且難直接產(chan) 生經濟效益

南方日報：造成AI在製造業(ye) 領域融合發展的痛點有哪些原因？

李軍(jun) 旗：製造業(ye) 存在一個(ge) “試點困境”，即單點試用例的成功無法規模化推廣，一方麵，AI是泛指一類技術，結合具體(ti) 應用場景技術路線差異很大，成功的要素也各有不同；另一方麵，AI在製造領域的應用隻能覆蓋部分需求，仍有大量問題無法解決(jue) ，無法形成係統化的整體(ti) 解決(jue) 方案，比如無法打通價(jia) 值鏈閉環，在工廠運營層麵（而不僅(jin) 是車間現場）產(chan) 生重大影響。

孫延明：智能製造具有“木桶效應”，不能有短板，需要全產(chan) 業(ye) 鏈的企業(ye) 共同提升才能達到效果，因此需要投入大量資金。但中小企業(ye) 又經常麵臨(lin) 智能化改造資金不足的難題。此外，製造業(ye) 的標準化程度不夠也是非常嚴(yan) 重的問題，標準化是自動化、智能化的基礎，自從(cong) 轉變為(wei) 買(mai) 方市場以來，客戶非標準化的要求給製造業(ye) 的自動化帶來很大的障礙。

孔慶傑：AI技術在製造業(ye) 行業(ye) 落地占比低是有多方麵原因的，比如，相當一部分製造業(ye) 信息化和自動化都未成功普及，更不要提智能化了；其次，製造業(ye) 智能化改造對於(yu) 生產(chan) 工藝的契合度要求較高，並且係統研發與(yu) 實施周期較長，不是單靠純AI團隊簡單賦能就能輕易實現的，需要多方麵的技術團隊充分合作才能成功落地。

蔡遠塵：從(cong) 宏觀角度，AI在技術、數據、成本、法規以至於(yu) 道德準則等方麵都存在著各種的問題，同時，AI發展成熟度與(yu) 當地的產(chan) 業(ye) 密切相關(guan) 。廣州社會(hui) 經濟以商貿為(wei) 主導，本土高校和科研資源較北方城市缺乏，整體(ti) AI發展有所欠缺。

舉(ju) 措

加快AI產(chan) 業(ye) 集群應用，推動區域平衡發展

南方日報：如何來改變這種困局，推動AI與(yu) 製造業(ye) 深度融合？

何軍(jun) ：我認為(wei) 最佳的一個(ge) 方法，就是借助外部的力量，來幫助企業(ye) 更快更有效實現智能升級。為(wei) 什麽(me) 呢？首先，很多企業(ye) 擔心AI技術成本高、不實用，而且製造業(ye) 企業(ye) 難以培養(yang) 和留住相關(guan) 人才；其次，因為(wei) 薪資和企業(ye) 文化的原因，AI人才更願意去互聯網公司和新一代信息技術公司，可見製造企業(ye) 自己培養(yang) 人才的方式並不是最優(you) 選擇。

此外，很多工業(ye) 場景是基於(yu) 經驗判斷，因果關(guan) 係暫時不能夠量化，都是存在人腦子裏頭。此時首先要把過去這些存在於(yu) 人腦裏的東(dong) 西，變成一個(ge) 模型並逐漸定量化。從(cong) 這個(ge) 角度來說，AI在製造業(ye) 應該重點做兩(liang) 件東(dong) 西，先把信息模型化，然後定量化，把人的經驗變成一個(ge) 可傳(chuan) 承的知識、可傳(chuan) 承的模型。在診斷、預測、品質分析等方麵深化工業(ye) 智能應用，無疑會(hui) 增強企業(ye) 發展動力。

孔慶傑：工業(ye) 鏈條很長，要找準突破點。比如，生產(chan) 環節自動化程度已經很高了，幾乎不需要人工，但品質檢驗和包裝環節，工人盯一天下來眼睛受不了，我在一家油廠就看到，一桶油有20斤重，即便發現問題體(ti) 力也跟不上，但這些是可以用計算機視覺查找出來的問題，企業(ye) 能感受到實實在在的效果。

南方日報：前麵提到，AI應用也存在區域不均衡現象，對此廣東(dong) 可以做哪些努力？

孔慶傑：廣東(dong) 是我國電子製造行業(ye) 主要聚集區，在AI應用方麵蘊藏著巨大的市場，要鼓勵和大力支持廣東(dong) 的行業(ye) 龍頭和骨幹企業(ye) 盡快推動智能化改造。

何軍(jun) ：廣東(dong) 是國內(nei) AI技術落地的先鋒，AI相關(guan) 企業(ye) 數量全國第一，雄厚的製造業(ye) 根基加速了AI的應用。有技術有場景，AI的廣泛應用，可以使得區域內(nei) 產(chan) 業(ye) 間的差距逐漸縮小，整體(ti) 產(chan) 業(ye) 平衡得到保障。

李軍(jun) 旗：以珠三角為(wei) 例，政府決(jue) 策靈活程度高，產(chan) 業(ye) 集聚明顯，並形成了新一代移動通信、智能製造裝備、新材料等產(chan) 值超千億(yi) 元的產(chan) 業(ye) 集群，接下來應思考，AI如何能助力當地產(chan) 業(ye) 的整體(ti) 轉型升級以及在國際競爭(zheng) 力上的提升，產(chan) 生深度的聯動效應。