「鸿海之子」张宗尧想让人人都成为拥有智能管家的「工业钢铁侠」
2007年 , 富士康工厂正因产品不良率突然暴涨至10%焦头烂额 , 无论是内部团队 , 还是外部请来的几家专业咨询公司 , 都没能做出有效分析 。
彼时 , 张宗尧从台湾大学研究生毕业 , 来到了他最景仰的公司富士康母公司鸿海精密担任工程师 。
初入鸿海精密的张宗尧 , 本着初生牛犊不怕虎的精神 , 设计出一个机器学习模型 , 通过机器学习和线性分析发现包含温湿度 , 及其它影响制造的关键因子 , 并模拟出最优的因子参数 , 从而才消除了这次产品不良率的暴涨 。
这也是他第一次用数据的方式 , 实际解决制造业中的生产难题 。
病根确认 , 这一困扰工厂良久的“大难题” , 最终顺利解决 。 张宗尧设计的机器学习模型 , 帮富士康省去了2000万美元的潜在损失 。
数次脱颖而出的表现 , 让一直有意提携年轻后辈的郭台铭 , 精神为之一振 , 张宗尧于是有了“鸿海之子”的称号 。
用数据分析 , 破解“黑天鹅”问题
成为一名科学家 , 是讯能集思创始人张宗尧从小就努力实现着的一个愿景 。
正是由于这段与鸿海之间阴差阳错的缘分 , 张宗尧成为亚洲最早一批将机器学习在工业中落地的人 。
文章图片
在他眼中 , 许多实用的机器学习模型 , 并没有太高的技术壁垒 。 大企业花大力气都没分析出原因的关键 , 是囿于传统人工经验的固有认知 。
面对罕见事件 , 既有的人工经验失效了 。 “企业大多时候不是利用数字化决策 , 而是凭经验 。 不常发生的事 , 他们就没有感觉 。 ”
通过在富士康的学习 , 张宗尧近距离观察到了AI参与制造业转型升级的必要性 。 同时 , 他也意识到 , 数据分析尽管优势明显 , 但门槛颇高 , 只有很小一部分人才具备这种能力 。
后来 , 张宗尧申请到了前往麻省理工读博的机会 , 在电机工程和计算机科学系 , 他做了大量指向降低技术使用门槛的AI自动化研究 。
除了技术上的钻研 , 顶尖学府的教学理念以及整体的创业氛围 , 也为日后张宗尧的创业 , 带来不少启发 。
一是做事前一定要明确其价值 。 麻省理工十分强调“研究要以应用为基础” 。 课程结束 , 即意味着将研究成果落地 , 并且保证实用性 。
二是有大量现成的创业经验可参考 。 从孵化创业想法 , 到选择创业路径 , 再到寻找合作伙伴获得融资 , 后来者得以从整个创业链条中 , 获得借鉴与鼓舞 。
六年前回国后 , 张宗尧四处走访智能制造公司以及制造业企业 , 惊异于国内企业竟还秉持着直觉与经验式的传统做法 , “其他行业已经天翻地覆 , 为什么中国的制造业还是没有改变?”
文章图片
彼时 , 中国的制造业正值脱胎换骨之际 , 数字化转型已成为企业进入下一个时代的门票 。
想要在行业竞争中保持领先 , 如何高效利用数据 , 变得尤为重要 。
以往企业做数据决策过程中 , 完成数据提取、清洗、分析、建模等一系列操作 , 需要借助数据分析师/科学家 , 整套流程不仅贵 , 结果也是滞后的 , 并不能支撑起“即时决策”或华为所说的“随需响应” , 而且数据模型还难以复用 。
系统数据困境的背后 , 是数据科学家的匮乏 , 以及技术与业务在知识、技能和经验上天然的壁垒 。 高成本投入下 , 企业决策却明显滞后 , 低效率的运转 , 很容易遭到市场淘汰 。
面对行业痛点 , 张宗尧在2016年底创立了讯能集思 , 决定成为一家利用AI技术 , 辅助工业企业更好进行决策的公司 , 其解决方案是一款结合前沿自然语音及AI数据分析技术的人工智能决策平台JarviX 。
- 电子商务|为什么我们都爱看「东方甄选」
- 就在前几天(6月20日)|苹果ios16系统中包含「验证码机器人」的新闻
- 本文转自:环京津新闻网6月21日|「践行社会主义核心价值观」国家广电总局发话!这类频道,将基本关停
- 北京市|36氪首发|云原生数据库公司「拓数派」完成新一轮战略融资,估值已达准独角兽级别
- 现在很多人都会佩戴一款智能手表|「手慢无」览邦Z36 Plus SMART WATCH
- 「数码晚报」三星电子有望下周宣布 3nm 工艺量产
- 亚马逊|「亮眼设计」阿里巴巴达摩院南湖园区效果图
- 华云安|华云安荣膺创新赛道之攻击面收敛赛道领航者,入选2021数字安全「年度创新力十强」
- 聚焦场景,开放生态,宇视进击AIoT「无限新视界」
- 「科学」网络勒索来了,怎么办?