• 投稿
  • 移动端
    访问手机端
    官微
    访问官微
    搜索
    取消
    温馨提示:
    敬爱的用户,您的浏览器版本过低,会导致页面浏览异常,建议您升级浏览器版本或更换其他浏览器打开。

    “新基建”加速AI工业场景落地,关键技术和人才不足问题待破解

    来源:第一财经 2020-05-29 09:55:49 工业 ai 金融AI
         来源:第一财经     2020-05-29 09:55:49
    金融AI 收藏

    核心提示“新基建将是2020年非常大的一个增长点,AI赋能传统产业转型升级将迎来历史性机遇。

    在“新基建”的推动下,人工智能与传统产业融合应用成热点,尤以智能制造最受瞩目。

    “新基建将是2020年非常大的一个增长点,AI赋能传统产业转型升级将迎来历史性机遇,尤其是AI+制造业,通过人工智能模型算法、视觉识别等技术,可以优化传统制造业的生产流程。”创新奇智CEO徐辉向第一财经表示。

    AI在工业领域的发展前景被业界所看好。根据Markets报告预计,2025 年人工智能制造市场规模将达172亿美元,预测期(2018-2025年)内的年复合增长率为49.5%。对此徐辉也深有感触,据徐辉透露2019年公司保持了翻倍的增长速度,其中工业领域占公司总营收的40%,2020年这一占比将有望超过50%。

    为了加码在智能制造领域的布局,5月27日,创新奇智长三角总部、创新工场人工智能工程院上海分院纷纷落地上海宝山。作为中国工业制造基地,长三角地区拥有汽车装备、航空制造、工程建筑、钢铁冶金等基础技术优势,这些正是AI在工业场景落地的关键领域。

    事实上,工业智能在工业系统各层级各环节已形成了相对广泛的应用,其细分应用场景可达到数十种,其中定位、检测、测量、识别四大功能场景应用最为普及。在创新奇智CTO张发恩看来,工业视觉是智能制造的核心分支,也是能够率先渗透并发展起来的核心技术之一。

    例如,质量控制是摩托车发动机生产线上最耗费人力、最容易出现问题的地方,在产品制造的过程中,不合格产品的缺陷种类难以穷举,为此宗申动力尝试将创新奇智的智能质检一体机与装配线集成,检测发动机装配过程中正时点是否对齐,活塞挡圈、垫片、拨叉等是否漏装,待检发动机通过传送带的运输经过质检机下面,1秒即可输出检测结果,检测精度达99.99%。

    不过与金融、消费场景不同,工业制造的数据化基础相对落后,致使当下工业AI应用仍然以点状场景居多,普及范围有限。中国工程院院士谭建荣认为,人工智能与智能制造结合仍存在一些关键技术需要破解,包括多源多通道数据实时采集感知技术、大数据故障诊断深度学习技术、数字样机建模等,例如很多企业采用了各种软件做数字化,但最终发现数据结构是异构的,破除数据孤岛的难度就很大。

    徐辉认为企业在进行智能化改造的过程中,普遍面临三方面的问题:首先是要在可控的时间、可控的成本里创造价值,企业必须有耐心,务实寻找到单点解决方案或单点经济模型,再慢慢放大,不能一上来就求全求大。其次,不少大型企业仍面临机制、体制问题,因为熟悉固有的业务流程,所以很难纯粹依靠内部力量进行改变。第三就是真正懂人工智能的人才比较稀缺。

    上海航天一亘智能科技有限公司副总经理张文也遇到过同样的问题,他发现很多客户并不清楚自己要做什么。曾有一个飞机工程找到他们提出了非常多的想法,但目的分散不明确。他认为企业既要重视自动化和数字化,也要重视单点流程,这样才能建设流水生产线。

    对于人才匮乏问题,谭建荣院士认为主要是融合人才不足。智能制造成功的关键首先在于智能制造系统和产品设计工艺要有机融合,其次是要用新技术去改造原有工艺,这需要既懂信息又懂制造的融合人才。中国过去按照专业培养人才,而企业处于产业链的中下端,通用型人才的培养仍需时日,技术如何融合,融合人才如何培养都是新挑战。


    责任编辑:王煊

    收藏

    为你推荐

    收藏成功

    确定