工业软件赛道，这家经济适用型AI是如何突围的？( 二 ) 美通社|里程碑|自图|公装|inc

文章插图
按照应用环节划分，工业软件可分为研发设计类、生产调度和过程控制类、业务管理类和专业功能类四大领域。要想提高生产决策的科学性和可行性，实现柔性生产，就离不开生产调度和业务管理软件助力破除制造“管理瓶颈”。
“一直以来这两个方向的头部市场，都是由国外的几个大型玩家把持的，比如SAP、Oracle、西门子等等。”梁翼表示，“另一方面随着技术的进步和更迭，一些运筹学和人工智能驱动的小型初创企业不断应运而生。”
事实上，人工智能技术在工业领域的应用正方兴未艾。《2021年“新基建”背景下中国工业互联网与工业智能研究报告》指出，2020年中国人工智能市场主要客户来自政府城市治理和运营，如公安、交警、政务、国土资源、环保等方面，互联网和金融行业也占比不俗，然而工业却只在人工智能市场份额中占到5%，可以说整体还处于待开发的状态。因而先入局者就有可能在未来5到10年成为赛道的隐形冠军。
然而人工智能行业经过6年市场教育，狂热逐渐退散，企业和投资人不再痴迷于技术，对AI落地能力的重视程度逐渐提高。
梁翼清楚地知道这一点：“现在人工智能的主要挑战就是如何落地和变现的问题。我们认为解决的关键点就在于它的成本和周期控制，因此我们尽可能加快产品的落地，同时为客户提供一个有价格竞争力的解决方案。”

文章插图
商简智能创始人梁翼
作为长期置身学术界的科研人士，梁翼头脑中有着非常清晰的路径打法。“为了达到这个目标，我们首先需要对需求进行清晰地定义，并且将这个问题精准分割成适宜用现有技术解决的一系列子问题。”
梁翼看到传统ERP和MES系统存在响应不够敏捷灵活、决策不精确、方案能见度低、决策效果难以评估等痛点，而旨在弥补这些缺陷的APS（先进计划与排程系统）又在响应速度和决策质量上不尽人意。这也促使他带领商简打造了基于人工智能和运筹学算法的工业智能决策解决方案（SPS）。

文章插图
得益于深度强化学习、图计算等先进技术，商简SPS系统在决策效率上大大优于市面上的传统方案。据了解，其智能排程模块帮助某大型PC制造企业提升了20%以上的产能，并将每天的排程周期从6小时缩短到10分钟；其工单管理和物料匹配模块实现了在相同场景下，比国际某知名供应商方案快20多倍的决策速度，同时原料利用率、营收、交期达成率等关键指标也获得了显著提升。
“有了人工智能策略学习等能力的加持，我们可以站在更高的维度重新审视制造业管理和决策问题，并构建出更优的解决方案。”梁翼说道。
三、挑战重重，未来可期
虽然工业智能是一片待开发的处女地，然而相对贫瘠的“土壤基础”依然为AI普及应用造成了重重障碍。
如底层硬件、计算框架、开发平台等AI基础设施在工业领域的建设较为落后，直接限制了工业智能化的发展；而数据、算法和算力的门槛也导致了AI技术只能以点状分布于工业应用场景，难以大规模拓展铺开。
除了外部硬性条件限制，用户友好度也是人工智能技术在落地时经常面临的问题。梁翼提到，在实操层面，用户会针对方案透明度和可解释性提出质疑，这就要求AI企业在提供高效的技术和产品方案的同时，兼顾灵活的交互能力、可视化呈现等用户友好特性，并力争降低开发和部署成本，这对AI企业来说是一个不小的挑战。