角逐人工智慧，中美製造誰勝出？

編譯 | 藤子 張震

來源 | eetimes

「機器人時代正在到來！」這是世界各地愈演愈熱的一個主題。

每天，我們都會聽到使用人工智慧協助甚至替代人類工作的新例子。許多討論都會圍繞消費者所面對的境況而展開。然而，從產品到資本，從工廠到遍布全球的供應網路，製造業因其複雜的程序和機器之間的相互作用，在人工智慧的浪潮中可能會受到更大的影響。

隨著感測器數據洪流的到來，工廠有機會加入信息知識界，有效地推動車間的產出量。AI 的應用，從智能合作機器人到虛擬助手，會顛覆工廠的運作方式。

從生產、流通到銷售，大數據和人工智慧技術可以協助企業分析生產過程中的全鏈路數據，實現生產效率、庫存周轉率、設備使用效率提升等目標。

在市場方面，人工智慧可以計算、分析海量的交易數據以及大量感測器採集的流通數據，使企業實現自動化、智能化的生產計劃和市場計劃。在製造環節，可以通過收集、分析產品數據、生產設備數據，使產品的良品率實現自動化診斷，設備實現遠程監測。

人工智慧在製造業的應用

1、預測性維護和自我監測

埃森哲的研究顯示，人工智慧的潛在好處遠比過去的自動化帶來的影響大得多，舉例來說，在 1993 年至 2007 年之間，傳統的自動化系統據估計已經產生了 0.9% 的額外年增長率，而在發達經濟體中則增長了 0.9%。

在利用人工智慧進行預測性和自我監測方面，根據埃森哲的報告顯示，德國製造公司 Bosch 正在把人工智慧放在他們的業務的前沿。該公司的「思維工廠」目前在德國汽車工廠中推出，目的是讓人工智慧機器能夠自我診斷技術故障，自動訂購替換部件，並預測維修需求。

通過使用機器學習實現預測性維護以及自我監測，Bosch 能夠節省十億美元的成本開支，並且預計會帶來十億美元的額外收入。

而 Bosch 並不是唯一一家施展人工智慧策略的公司，日揮株式會社（以下簡稱日揮）與日本電氣株式會社（以下簡稱 NEC）早在 2016 年就簽署合作，利用人工智慧和物聯網技術，圍繞面向石油精製、化學、液化天然氣、煤氣、發電、資源開發等領域提供工廠運轉異常預測系統的構建及服務。

日揮與 NEC 合作共同提供工廠運轉數據分析服務，通過分析涵蓋整個工廠的廣泛運轉數據，可以提高數據的完備性，縮短異常狀況預測的分析時間，提高分析速度。另外，再基於運轉中的工廠整體數據，實時測定異常狀況發生的因果關係，能夠防患於未然。

而 NTT 集團旗下的 NTT Communications Corporation 與三井化學株式會社則合作將人工智慧技術應用在產品質量的預測上。他們以來自注入反應器的原材料及反應器條件的數據集與代表氣體產品質量的 X 氣體濃度之間的關係進行建模為基礎，用深度學習演算法對數據進行分析，隨之高度精確地預測產生的氣體產品的質量。

美國通用電氣同樣看到了這樣的機遇，專門成立人工智慧公司，致力於利用數據分析、機器人、人工智慧技術，為油氣、運輸和能源行業等提供先進的檢測服務。目前，GE 公司已經開始了對用於煉油廠、工廠、鐵路以及其他工業設施檢測的自主無人機和機器人「爬蟲」的檢測工作。

2、通過視覺檢測技術提升品檢效率和良品率

在製造過程中，生產線上的產品，最後一關就是檢查是否良品，而這項工作必須由對產品非常熟悉、經驗老到的員工進行，因而效率比較低下，而人力也不足。

然而，通過人工智慧的圖像識別，則可以代替作業人員的肉眼檢查，不僅能減少作業人員的工作量，提升效率，而且還能使產品質量更為均衡。

NEC 就曾經推出「AI Visual Inspection」視覺檢測，運用機器學習技術，檢測金屬、人工樹脂、塑料等產品加工業的生產線的產品影像，快速找出不良品，提升生產線效率。

NEC 在 NEC Industrial IoT 中，新增 AI Visual Inspection 功能，協助作業人員進行產品檢測。具體流程則是，NEC 將現場品檢時拍攝的系列產品影像，儲存保管在物聯網平台 NEC the WISE Iot Platform 雲端上。當影像數據達到一定的量後，雲端的 AI 會從這些數據中抽取並分析良品與不良品的特徵，並根據分析結果，進一步歸納出良品與不良品的判別模式，並將判別模式從雲端傳輸到工廠現場裝設的設備上。

在工廠端，則會運用現場設備內建的 AI，以接收到的判別模式為基礎，判別產品是否為不良品。而當生產線要追加製造新的產品時，雲端的 AI 也會自動學習新產品的特徵信息，並同步更新判別模式，進而有效降低追加設計、研發的工作量。

而 ABB 與 IBM 合作，可以在生產過程中記錄實時圖像，藉助 ABB 系統，並結合 IBM Watson 的 AI 能力和實時產品圖像實時發現瑕疵，識別人眼無法觀察到的問題，然後再用人工智慧系統進行分析，由此快速發現並排除故障。

3、機器人帶來的自動化

而人工智慧在工廠中的應用，最常被提及的也莫過於機器人了。而一些公司正在致力於使機器人更加易於使用以及更加智能。

Universal Logic 的基於人工智慧的機器人技術 Neocortex 能使機器人感知周圍環境，如機器維修、垃圾清理，可以實時快速進行互動並對環境做出回應，它的能力包括識別各種形狀材質的物體如瓶子、包、箱子等，並適當做出反應，可靠性達到 99%。

除了第三方機器人技術平台之外，作為垂直製造商，通用電氣正在內部研發自己的技術，比如進入飛機發動機內部進行檢查的產品。除了構建軟硬體平台，通用電氣還投資了以自動化移動機器人著名的 Clearpath Robotics 和以蛇臂機器人著名的 OC Robotics。

隨著機器人的觸覺敏感度越來越高，對製造車間的組裝和獨立行動工作，也將會越來越方便。而隨著感測器與視覺技術的提升，機器人將會更加智能、輕便和友好，使用機器人承擔大部分的組裝、移動、包裝、運輸或其他體力勞動，從而能極大地提升效率，降低成本。而在以後，機器人不僅能基於其程序進行判斷，還能基於經驗主動做出決策。

人工智慧+製造業，中美誰勝出？

無論是德國的「工業 4.0」還是中國的「中國製造 2025」，還是美國政府想盡辦法讓製造業迴流，製造業依然是全球國家競爭的核心戰場。然而，有此前有所不同的是，人工智慧將為製造業的競爭加碼，國家對人工智慧的投資和重視程度成為了一個關鍵因素。

據麥肯錫研究稱，大多外部投資都將眼光放在 AI 技術的機器學習方面，比如語音識別和機器人技術。眾多投資都流向了美國的公司（66%），緊接著是中國公司（17%），據 Infosys 調查發現，在過去的一年，美國機構很可能增加了對 AI 技術的投資，儘管中國獲得的 AI 投資金額遠低於美國，但其投資和 AI 的部署增長迅速。麥肯錫研究稱，「我們的調查顯示，美國和中國不僅在 AI 投資和創新方面居於領先水平，在 AI 的採用方面也遙遙領先。」

中美兩國都建立了人工智慧技術的生態系統，且都將 AI 技術置於製造業戰略的中心位置。去年，奧巴馬政府發布了一份 AI 研發戰略規劃。中國也將 AI 作為五年計劃的重要部分，爭取到 2020 年實現重大發展。

「中國製造 2025」是中國的最新行動計劃，目的是將中國的製造業從低勞動成本轉向高附加值的製造，而 AI 將在這一行動計劃的成功中發揮重要作用。為了完成「中國製造 2025」的雄心規劃，按照時間表完成目標，中國可能需要進行更多的併購交易。2016 年，中國家用電器製造商美的完成了對德國機器人公司 Kuka Robotics 的收購，就是其中一例。

Infosys 調查報告稱，中國在人工智慧成熟度評分中居於領先地位，可能是因為其「具有較少的法律體制和商業程序，使得人工智慧的採用和整合更加容易。」但這並不意味著中國能很快趕超美國，畢竟除了近四倍多的外部人工智慧投資之外，美國也擁有其它很多優勢。比如，根據麥肯錫研究，進行內部研發投資的大型公司大多位於美國。進行內部研發的超級工業製造商，如 ABB、Bosch、通用電氣、IBM、西門子以及特斯拉等總部大多位於美國或者歐洲，而不是在中國。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！