“人工智能+制造”的本质是“人机协同”
人工智能可以简单地理解为“像人类一样聪明的人造机器”。将这个聪明的“人造机器”应用到制造业,主要的作用就是使机器能够“达到甚至超过人类技工水平”,实现制造企业生产运营效率的提升。
“人工智能+制造”的“智能化”过程,与过去制造业追求“自动化”的过程有本质上的区别。“自动化”追求的是机器自动生产,本质是机器替代人,强调大规模的机器生产;而“智能化”追求的是机器的柔性生产,本质是“人机协同”,强调机器能够自主配合人的工作,自主适应环境变化。
“人工智能+制造”追求的不是简单粗暴的机器换人,而是将工业革命以来极度细化的工人流水线工作,拉回到“以人为本”的组织模式,让机器和人分别从事自己更擅长的事,机器承担更多重复、枯燥和危险的工作,人类承担更多创造性的工作。
制造业是一个高度复杂的产业,一件产品少则有数十种原料投入,多则由数百万零部件构成;生产同一个产品,不同企业具有不同的生产工艺、生产设备和零部件投入。由于生产工艺不同、设备接口不同、数据格式不同,不但会造成供应链上下游的数字化连接困难重重,而且每个企业的数字化改造都要另起炉灶,费时费力。通过建立一个遵循共同标准、通用性更强、即插即用的工业互联网平台,可以解决“人工智能+制造”过程中的上述问题。工业互联网平台为制造业提供通用的算力(工业云计算和边缘计算)、算据(工业大数据)和算法能力(工业人工智能),从而推动整个产业的转型升级。
目前“人工智能+制造”的典型方向主要有三类:一是智能生产,实现生产设备、价值链、供应链的数字化连接和高度协同,使生产系统具备敏捷感知、实时分析、自主决策、精准执行、学习提升等能力,全面提升生产效率。二是智能产品,通过云端连接或将训练好的人工智能系统封装到硬件中等方式,赋予产品智能化响应外界变化和用户需求的能力。三是智能服务,实时监测产品状态和响应用户需求,提供以租代售、按时计费、远程诊断、故障预测、远程维修、一体化解决方案等增值服务,实现制造企业从提供产品向提供“产品+服务”的转变。
总之,通过“人工智能+制造”实现高水平的人机协同,能够推动制造业的质量变革、效率变革、动力变革,为人类创造更美好的生活。
从制造到“智”造
人工智能发展会改变制造业国际分工格局,重塑全球制造业价值链,形成一套新的国际分工体系,对传统的制造业国际分工产生重大影响。一方面,人工智能在传统价值链上增加新的环节,这一环节成为价值链上新的制高点,发达国家正在努力抢占这一制高点以强化其制造业对全球分工的主导。另一方面,人工智能也改变了传统价值链形态,发展中国家的劳动力成本优势将继续减弱。与其他发展中国家一样,我国制造业在与发达国家的竞争中,仍然具有劳动力成本优势,但人工智能的更多应用会削弱这一优势;同时,我国劳动力成本不断上涨,用工成本高企已经成为沿海发达地区制造业发展的瓶颈,而人工智能的应用则可以缓解这一压力。
人工智能在互联网领域更成熟
由于特殊的国情、产业结构和发展阶段,我国人工智能发展面临诸多挑战,突出表现为人工智能发展与我国优势制造业融合不足、人工智能社会学研究相对滞后等方面。无论在发达国家还是在我国国内,一个很有意思的现象是,对人工智能投入巨大且掌握领先技术的大多数是互联网公司。
谷歌是国外人工智能技术研发和市场推广的代表,而更早入局的IBM当前并没有占领全球领军的位置。中国情况也是如此,以百度、腾讯、阿里巴巴为代表的互联网公司对人工智能的发展最为热衷,虽然联想、海尔、长虹等企业也在人工智能上投入巨大,但似乎并没有掌握国内人工智能发展的主导权。人工智能作为未来的一种通用技术,本身应用的领域可能是有限的。就如同互联网自身或许不会产生太大价值,但与企业经营、产品销售、娱乐游戏相结合却能够产生巨大社会和经济效益并最终改变我们的生产生活。人工智能最终也需要嫁接于特定的产品和业态上,否则只会是一些科学游戏。
从发达国家及其跨国公司已经浮出水面的人工智能战略可以看出,很多国家都会在人工智能的具体应用上有所侧重,例如日本就非常强调人工智能与本国优势的机器人产业的融合。中国是制造业大国,虽然制造业的比重不断下降,但客观上讲,制造业仍然是我国最有国际竞争力的产业部门。而发达国家的优势产业部门是服务业,人工智能的研发和应用聚焦于互联网能够实现强强联合。我国如果也将人工智能的投资集中于以互联网为代表的服务业上,一方面会引起和发达国家跨国公司的正面竞争,同时可能还会失去在优势制造业领域的领先地位。
为制造业插上智能“翅膀”
我国要在人工智能时代巩固和提升制造业在全球的竞争优势,就应根据当前我国制造业转型升级的发展需要,针对人工智能与制造业深度融合的难点,从以下多个方面加快补齐短板。
编制制造业人工智能技术路线图。由行业主管部门主导,其他政府部门、产业界和学术界专家共同编制制造业人工智能技术路线图,帮助制造业企业及时、准确地把握人工智能技术、产业发展现状及未来发展趋势。并根据技术和产业发展情况、趋势进行调整,从而更好地指导下一阶段的技术创新和产业化应用。
组建以基础研究为重点的人工智能国家实验室。以官办研究机构为基础,联合领先互联网企业和制造企业组建人工智能国家实验室,聚焦于任务导向型、战略性前沿基础技术的研究,依靠跨学科、大协作和充沛的资金支持开展人工智能领域的协同创新和战略性研究,加强在大数据智能、人机混合智能、群体智能、自主协同等方面的基础理论研究,并前瞻性布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。加强国家实验室与制造业企业的联系,建立理论研究与市场应用的对接渠道。
构建制造环节的工业大数据库。电子商务是人工智能技术最初的应用领域之一,其中一个原因是消费环节已经形成大数据,使得机器学习有迹可循。相比较,工业领域主要以企业私有数据库为主,且数据规模有限、数据质量不高,严重制约人工智能在工业领域的“自主学习”。要实现人工智能与制造业深度融合,就必须在制造业领域加强数据获取和整合,以企业私有数据库为基础,打造全球领先和规模最大的制造业大数据库,并逐步形成自主标准体系,提高人工智能的安全性和稳定性。
促进人工智能在制造业领域的应用研究和模式推广。鼓励支持企业层面建立人工智能与智能制造创新中心。创新中心聚焦于人工智能在制造业应用中共性技术的研发与推广。人工智能与智能制造创新中心可采取“公私合作”,运营经费来自财政、政府的竞争性采购和市场。在治理机制方面,由技术专家、政府官员、企业家代表和学者共同组成专业委员会作为最高决策机构,创新中心最高管理者采取公开招聘的方式,通过专业委员会和管理社会化减少政府的行政干预,保证创新中心的高效运营和专业管理。
复合型人才供需不平衡
在一场革命性的产业进化中,人才准备度是决定产业地位高低和影响力大小的关键变量。人工智能的发展也带动了许多产业,未来的就业结构也可能因此改变。我们现在已经可以看到许多人工智能应用落地,越来越多的领域与人工智能培训结合,我们身边都有许多人工智能的应用,人工智能发展火热但是不得不面对的一个问题就是,人工智能人才的缺失。一个组织在产业人工智能化的发展中,如果不能使用自己的算法人才和应用人才团队去重构自己的业务,那将只能依赖于第三方的“外脑”,最终在整个产业进化过程中被架空、被边缘化。
为了获得领先的技术能力,国内各家企业和机构纷纷花巨资吸引世界顶尖的人才入驻,这使得人工智能行业成为国内离职率最高和薪酬提高最快的行业之一。根据相关调研报告,2016年,我国人工智能业内平均员工离职率高达44%,离职的员工一些是被其他公司以更高薪酬挖走,也有相当比重是离职创业,成立新的公司,然后吸引新的投资,再在人才市场创造新的岗位。我国语音识别企业科大讯飞仅仅半年就从外部引进人才3500名,其中各行业关键人才接近100名,并引入了600多名优秀的大学生,这600多名大学生是在接受了5万多份简历(均来自“985”“211”高校)选拔出来的,由此可见人力资源市场对人工智能人才的青睐。
复合型人才严重缺乏是国际上人工智能与制造业深度融合发展存在的普遍问题。一直以来,人工智能高端人才通常集中于软件和互联网行业,而制造业部门负责信息化的人员对人工智能概念的理解、对技术的掌握总体上看还很不准确、不全面,难以支撑制造业企业智能化改造升级。从人才供给看,现阶段既了解制造业技术和发展规律,又掌握人工智能关键技术,还能够进行应用开发的复合型人才严重缺乏。虽然国内外一些高校已经开始设立人工智能专业或课程,但是针对制造业的人工智能教学内容还很少。
虽然在历史上从未造成由于技术进步导致的长期失业,但引起就业结构性变化是必然的。人工智能与制造业深度融合会对简单程序化、无须太多创造性思维的脑力劳动岗位形成冲击,同时在体力劳动岗位上加速机器对人的替代。而现有的大学专业设置和职业培训课程并不能适应新发展、新需求,未来人工智能与制造业大规模深度融合,制造业结构性失业风险较高。对此,应在短期内对人工智能与制造业深度融合直接形成冲击的相关学科进行调整,减少招生数量规模,同时扩大技能型和知识型职业教育的比重。在大学教育中增设智能制造相关的课程和专业,合理设置学科、完善教材编制,尽快形成教学体系。各级教育支出向智能制造相关专业倾斜,同时改革技术教育体系,满足人工智能时代对技术人才的需求。
近日,由中国社会科学院工业经济研究所、腾讯研究院共同研究编制的《“人工智能+制造”产业发展研究报告》在北京发布。
报告从概念、现状、影响和对策等方面,对人工智能与制造业融合发展进行了系统性研究。其中重点分析了互联网的资源与能力,为更好发挥互联网的作用指出了方向。报告认为,对于复杂的制造业来说,互联网的定位更应该在“助力者”而非“颠覆者”,帮助制造企业加快转型升级的步伐。具体而言,本报告主要探讨了以下几个问题:
“人工智能+制造”,本质是追求人机协同
人工智能作为一类信息技术,诞生于上世纪50年代,几乎与计算机同步。60多年来人工智能涉及的技术和派系众多,学界并没有一个明确的定义。对于大多数公众而言,从其发展目的的角度,可以简单将其理解为“与人类一样聪明的人造机器”。
将这个聪明的“机器”放入制造业中,主要的作用就是使机器能够“达到甚至超过人类技工水平”,以实现企业生产运营效率的提升。这个放入“人工智能”的“智能化”过程,与过去制造业追求“自动化”的过程实际上有本质的差异。“自动化”追求的是机器自动生产,本质是“机器替人”,强调大规模的机器生产;而“智能化”追求的是机器的柔性生产,本质是“人机协同”,强调机器能够自主配合要素变化和人的工作。
因此,“人工智能+制造”未来所追求的,不应是简单粗暴的“机器替人”,而应是将工业革命以来极度细化、甚至异化的工人流水线工作,重新拉回“以人为本”的组织模式,即让机器承担更多简单重复甚至危险的工作,而人承担更多管理和创造工作。
“人工智能+制造”,必然走向平台模式
制造业是一个庞大的产业,复杂而割裂是它的历史特征。同一个厂房里,可能有好几种来自不同厂家的生产设备,这些设备往往采用各自的技术和数据标准,彼此之间并不能直接连通和交互。不同的工厂、乃至不同的制造业企业,差异就更大了。这样的差异使得传统制造业信息化难度大、效率提升有限。
互联网的普及和发展催生了“平台模式”,平台内信息传播的速度大大增加、交易成本大大降低,有效促进了经济效率的提升。近几年,互联网的这个模式逐渐扩展到了各行各业。对于制造业而言,这个模式就是“工业互联网平台”。
未来“人工智能+制造”的实现的重要基础就是这个平台,由这个平台为产业提供通用的算力(工业云计算和边缘计算)、算据(工业大数据)和算法(工业人工智能)能力,从而推动整个产业的转型升级。根据调研公司MarketsandMarkets的数据显示,这三部分代表的全球工业互联网平台市场规模占整体“人工智能+制造”的比例,将从2016年的24%增长为2025年的36%,达到2.6千亿美元。
互联网助力“人工智能+制造”的三类典型场景
互联网经过数十年发展,已成为信息革命的中坚力量,也是当前人工智能技术发展的领航者。其连接、数据、云、算法和安全等五方面的经验与积累,能够有效支持其推动人工智能与各产业结合落地。对“人工智能+制造”而言,目前互联网助力的典型场景主要有三类:
1)产品注智,从软件到硬件的智能升级。互联网可以将其人工智能算法,以能力封装和开放方式嵌入到产品中,从而帮助制造业生产新一代的智能产品。如谷歌开发出专用于大规模机器学习的智能芯片TPU、腾讯AI开放平台对外提供计算机视觉等AI能力、亚马逊推出内嵌人工智能语音助手的智能音箱echo等;
2)服务注智,提高营销和售后的精准水平。互联网可将利用其人工智能算法,为制造企业提供更精准的增值服务。一是售前营销,以人工智能进行用户侧需求数据的多维分析,实现更实时、精准的广告信息传递,如谷歌为制造业专门开发了精准广告平台;二是售后维护,以物联网、大数据和人工智能算法,实现对制造业产品的实时监测、管理和风险预警。如三一重工结合腾讯云,把分布全球的30万台设备接入平台,实时采集近1万个运行参数,利用大数据和智能算法,远程管理庞大设备群的运行状况,有效实现故障风险预警,大大提升了排障效率并降低维护成本。
3)生产注智,增强机器自主生产能力。互联网可帮助制造企业,将人工智能技术嵌入生产流程环节中,使得机器能够在更多复杂情况下实现自主生产,从而全面提升生产效率。目前主要应用在:一是工艺优化,即通过机器学习建立产品的健康模型,识别各制造环节参数对最终产品质量的影响,最终找到最佳生产工艺参数,如腾讯云帮助亿纬锂能提升1.5%良品率、阿里云帮助保利协鑫提升1%良品率等;二是智能质检,即借助机器视觉识别,快速扫描产品质量,提高质检效率。如腾讯云帮助福耀玻璃实现质检工序替代80%人力、并且不良品检出率达到90%以上。
总之对于复杂的制造业而言,互联网需要更多从合作者、助力者、服务者的角度看待。正如腾讯董事会主席兼首席执行官马化腾在2018年腾讯“云+未来”峰会上所言,腾讯“不会进入各行各业取而代之,而是做好连接、工具和生态三个角色”。在此基础上,人工智能等新一代信息技术才能更有效的发挥作用。
(工程控制网)
声明:本网站所收集的部分公开资料来源于互联网,转载的目的在于传递更多信息及用于网络分享,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。本站部分作品是由网友自主投稿和发布、编辑整理上传,对此类作品本站仅提供交流平台,不为其版权负责。如果您发现网站上所用视频、图片、文字如涉及作品版权问题,请第一时间告知,我们将根据您提供的证明材料确认版权并按国家标准支付稿酬或立即删除内容,以保证您的权益!联系电话:010-58612588 或 Email:editor@mmsonline.com.cn。
- 暂无反馈