每經記者｜郭榮村    每經實習記者｜安宇飛    每經編輯｜宋思艱    

10月21日，2021第五屆全球智能工業(yè)大會暨全球創(chuàng)新技術成果轉移大會于深圳召開。

思謀科技創(chuàng)始人兼董事長、香港中文大學教授賈佳亞表示，1940年，全球工業(yè)在發(fā)那科、安川等企業(yè)的帶動下走入了自動化時代；1970年，工業(yè)在西門子、IBM等企業(yè)的引領下走入了信息化時代；2020年，工業(yè)正在走進智能化時代，智能制造的市場規(guī)模至少是萬億美元級別。

思謀科技創(chuàng)始人兼董事長賈佳亞 圖片來源：每經實習記者 安宇飛 攝

賈佳亞稱，很多人認為自動化就是智能制造，但其實智能制造的核心在于“智能”，自動化只是“手臂”，智能才是讓制造擁有“大腦”并讓其進行決策的各種“神經系統(tǒng)”。AI技術正是讓制造擁有會思考的工業(yè)機器設備的核心因素。

不過賈佳亞同時表示，目前智能制造還面臨著“數據緊缺”等難題。

全球工業(yè)正步入智能制造時代

為什么工業(yè)制造需要智能化？

賈佳亞舉了個例子，上世紀60年代專門為阿波羅登月計劃研制的計算機，用現在的眼光來看，它的制作工藝其實是非常原始的。為了檢驗芯片是否合格，當時美國雇傭了非常多的女工，在顯微鏡下一片一片地看有沒有問題，如果有問題，則會用人眼判斷這個芯片能不能用。

他表示，當年的阿波羅11號導航計算機，內存是2KB-4KB，存儲空間是72KB，處理速度是8萬次/秒，而如今哪怕是三代以前的iPhone，內存都有4GB-6GB，存儲能達到512GB，處理速度也有15.8萬億次每秒。比較這三個數字，分別是100多萬倍的增長，700多萬倍的增長和1.2億倍的增長。制造能力的飛躍，倒逼著檢測工藝的進步。

而智能制造不僅能實現比人眼更精確的觀測、檢測，還能對產品的生產進行智能調節(jié)。賈佳亞稱，一個擁有了“智能身體”的工廠，可以自行知道原料和生產是否達標，產品的質量如何，自發(fā)調整機器的工作效率，迅速針對新產品需求進行生產，預測未來產品生產的數量，還可以根據產品銷售情況來及時調整生產安排。

“經過了1940年的自動化革命，1970年的信息化革命后，工業(yè)即將迎來的是智能化革命。與電氣化、信息化一樣，智能制造具有高度的普適性。但對智能制造來說，其基礎資源不再是電力和網絡，而是計算。智慧能力構建和以計算為中心的AI，將成為智能制造發(fā)展中最需要攻克的難關。”賈佳亞說。

智能制造的難題

盡管智能制造可能成為未來全球工業(yè)的發(fā)展方向之一，但目前仍面臨著一些挑戰(zhàn)。

“比如一款手機，400多個供應商，所有供應商有5個制程，每個制程有25條產線。（智能制造）需要干什么呢？當我去把AI全面覆蓋手機生產鏈路的時候，我要去做它整個所有零件的管控和質量評審的時候，我要做400×75等于3萬種算法。等于為了這一個手機，我這個公司或者這個團隊做3萬種算法出來。”賈佳亞說。

賈佳亞表示，如果放眼全球前5名的手機廠商，每家每年按照推出6款不同產品計算，工業(yè)AI若想落地頭部手機行業(yè)，僅第一年就需要90萬種算法，這幾乎是不可完成的任務。這就需要系統(tǒng)可以自動實現算法組合和部署，人類才可能只提供少量定制化算法，來實現AI的跨領域規(guī)模產業(yè)化，這是一個巨大的命題，如何能實現自動的算法組合和部署，也是一個系統(tǒng)工程。

與此同時，智能制造還面臨著數據緊缺的問題。賈佳亞表示，可靠的AI模型離不開大量數據的訓練，尤其在工業(yè)場景下，對AI的準確率要求極高，然而目前工業(yè)生產的有效數據非常稀缺，可供訓練的樣本極小。通過傳統(tǒng)的AI訓練/檢測方法，當訓練樣本不足的情況下，很難成功檢測出非常見的產品缺陷。

盡管智能制造仍面臨著重重挑戰(zhàn)，但國內一些公司也在技術方面開始了“破局”的嘗試。賈佳亞以他創(chuàng)辦的思謀科技克服“數據緊缺”難題的過程舉例，稱公司通過自研的區(qū)域感知異常檢測器（RADD），對目標區(qū)域各個細節(jié)進行捕捉，并與標準參考數據進行比對，記住圖像的“規(guī)則”，從而能夠進行原理推導，從而實現對非常見缺陷的準確判斷識別。

賈佳亞表示，智能制造想要發(fā)展，需要記住三大核心原則：第一個是普適性，不是只做某一個行業(yè)，而是大到汽車、飛機，小到半導體、晶圓和3C產業(yè)都要做；第二點是以計算為先，不依賴于電力和其他的基礎能源，依賴的是算力；最后，是要保持永不間斷的學習。

“如果能夠真正實現AI系統(tǒng)設計自動化和AI系統(tǒng)部署自動化，那么未來的幾十年，就將是新一代的智能產業(yè)變革。”賈佳亞說。