百度|真正的智能云,应该走到工厂一线( 二 )


此时你会发现 , 其实智能制造最难的点 , 不在于能不能解决好单点问题 , 而在于如何把多个单点问题进行系统化集成 , 逐个击破 , 然后达整体降本增效的目的 。 其实这也是百度智能云开物平台的解题思路:先基于天工AIoT平台收集数据 , 经过飞桨进行数据标注和模型训练 , 最后形成各类具体的算法应用模型 。

实际上 , 无论是美欣达 , 还是前面提到的东南相互电子 , 如果把它们正在遭遇的智能化改造痛点抽丝剥茧 , 你会发现 , 现在市面上流行的各类教条式的方法论根本解决不了问题 , 因为不同企业在不同发展阶段所需要的数字化适配方案千差万别 , 过去一套SOP打天下的时代已经过去了 , 但有一点是可以确定的:传统制造业需要跳出旧模式 , 而且越早越好 。
02国内市场 , 用AI实现业务增量更重要在实地调研东南相互电子工厂期间 , 副总经理顾亚文曾详细梳理过企业的“上云进程”:
“现在东南相互电子的所有机器设备均以联网 , 底层数据也已经打通 , 车间完成了全制程数字化 。 ”但他同时也强调“目前只是数字化工厂建设的第一步 , 后面会把精力在一些特定的应用场景上 , 比如安全生产管理、计划排产方面 , 运用AI人工智探索创造新增长模式 。 ”
这背后其实是有说法的 , 因为就“智改数改”这件事来说 , 东南相互电子要走在不少同行前头 , 过去几年的实践 , 他们很清楚自己眼下缺什么、需要补什么 , 就如IT经理胡平华谈到的 , “百度智能云的AI技术辅助机器视觉检测的方案 , 正是我们现在所需要的 。 ”
据当时的一位车间质检工人介绍 , 在过去 , 他们一直有一个难题没有得到解决 , “传统PCB检测通常使用AVI机进行产品质检 , 容易因过于敏感出现大量过杀现象 , 导致大量‘假点’出现 。 ”而且 , 东南相互电子的部分产品是RFPCB软硬结合板 , 比PCB硬板尺寸更小 , 缺陷识别更困难 。

那么 , 百度智能云究竟怎么做到用AI赋能的呢?
答案其实并不复杂 。 首先 , AI对检验工人多年沉淀的复核经验进行学习 , 形成一个与资深人员拥有相同检验质量标准的AI模型 , 接着 , 把这个AI模型装入到产线 。 这样一来 , 如果是AVI机检验完的产品 , 就会被AI模型自动识别和复判 , 短短几秒钟就能判定成品是否异常 。
这也是百度智能云和其它云厂商的能力差异性所在 。
因为对于制造业来说 , 真正的智能云 , 应该走到工厂一线去 。

章畅海是百度智能云资深解决方案架构师 , 他告诉新眸 , “其实数字化发展这些年 , 在很多方面已经比较完善 , 甚至隐约摸到了瓶颈 , 这时候就需要AI智能化进场 , 把端到端优化做好 , 甚至可以向上追溯、改进原先的工艺 , 这也是现在百度智能云的发力点 , 比如在苏州地区汽车零部件、装备制造、纺织服装等重点特色产业 , 提供了‘芯片-框架-大模型-行业应用’端到端的技术服务 。 ”
事实也的确如此 , 这些年国内云计算行业走了不少弯路 , 早前很多云厂商都在对标海外 , 大学产品、大搞规模 , 但后来的市场反馈告诉我们 , 这种思路是不对的 。 如果说过去云服务的路数是如何让客户快速获得资源 , 那么 , 现在的逻辑应该是如何让客户快速获得能力 。
当然 , 这种顶层逻辑的思考来自于对底层需求的感知:在中国 , 除了人们耳熟能详的大企业 , 还有很多规模以上的中大型企业 。 像东南相互电子、美欣达这样的企业 , 国内其实不在少数 , 相比于简单的业务上云 , 他们更看中的是能不能用技术赋能业务增量 , 至于它叫什么云并不关键 。