在2020年的疫情面前工业AI将是何去何从—库卡机器人配件

2019年即将过去，这两天很多朋友问我：今年AI到底是火了还是凉了？

**站，我们要去号称“AI能改变的*后一个行业”——工业。业内人士普遍认为，工业AI是*难做的一个领域，但也可能是那“9万亿GDP”中的绝大部分。工业AI的希望、艰难与真实进展，都能很轻易在这一年中被发现。

AI是温的，热的，凉的？且为如今事，功绩且待来日说。或者换个说法——AI的未来不在键盘上，而在工厂里。

质检：工业AI的**站

作为AI相关的内容报道者，今年*直观的感受是与制造业代表的传统行业管理者聊AI，其专业程度和了解深度已经远远超过2017年AI刚刚兴起的时候。

或许换个角度看，这与如今工业领域遭遇的外部压力有直接相关。劳动力的成本提升、大量工业订单向东南亚转移，以及经济下行压力下的成本与效率焦虑，构成了今天工业企业的主要情绪。

而这种情绪的促使下，企业主和管理者开始积极寻找外部的技术推动力，这与AI希望走进产业的愿望不谋而合。

但是周瑜打黄盖，还需要蒋干当引子，工业遇上AI的契机又在哪里？这个答案已经比较明显。2017年，工业AI命题更多还处在讨论当中；2018年，AI质检就已经提上了云计算、企业网和AI公司的服务列表。

对于工业场景来说，融合AI*大的挑战在于AI的释放需要设备、网络和算力作为基础条件。而工厂显然不能拆掉流水线去为AI寻找容身之所。所以工业*开始尝试的，只能是外部的、浅层的、不伤筋动骨的工业智能化能力。于是质检作为一个特殊场景跃然而出。

在今天绝大部分工业体系中，质检都是依靠人工来完成的。凭借的是人力的大量重复劳动以及相关经验，而使用智能摄像头和机器视觉算法，来学习和理解质检员需要找到的瑕疵与问题，可以令很多行业的质检工作快速被AI所替代。

工业AI，依旧路漫漫

如果算报偿比率，工业AI**是所有“智能+产业”中的魁首，同时从产业周期上看，工业也毫无疑问是*后一个彻底完成智能化升级的产业。

无数细节和流程、漫长的产业链、上百年岿然不动的重型机械、与劳动者之间复杂难言的关系，种种因素限制着工业AI的发展速度。

如果为工业AI画一条增长曲线，那么在这条曲线的尽头，工业AI无非是要做两件事：彻底代替工人的工作，实现工厂的完全自动化。机械臂、工业机器人就是向这个目标前进；另一种是让AI的感知、推理与决策能力，发生在工业生产的核心部类当中，也就是让工业设备、生产线、工业产品获得智能能力。工业AI预测、大规模工业数据处理、工业BI，都是这个目标的初级阶段。

但在这两个**目标之前，今天依旧能看到工业AI的阻力依旧非常清晰。

比如说，工业AI改造的核心，必须经历对工业生产核心设备进行改造。这一方面意味着巨大的成本压力，甚至是根本天方夜谭的成本。另一方面，AI走进工业需要一系列配套技术与解决方案的支持，这些基础条件今天并不成熟。所以说一方面工厂不会让AI改，另一方面AI也改不起。所以无论是质检还是预测，AI依旧在工业核心的外围转悠来转悠去。

比技术和成本困境更先遇到的，是工业和AI的相互不理解。我们经常会遇到这样的情况，一家AI公司到工厂走访后，能给出100多项自己可以做的智能化升级。而工厂专家和领导审核之后，可能*多留下两三项，甚至可能看着令人眩晕的技术列表，决定把AI拉黑。这种情况，一方面是AI技术从业者并不了解工业，尤其对工业所需的安全、效率、成本周期缺乏常识；另一方面工业专家也并不了解AI，经常将这门技术与机器人、数据可视化等技术划等号。

经常听到这种情况，工厂主见到AI公司负责人后有两种情况，一种是想让AI做一切事，另一种是拿AI当又一个骗人的“风口”。

可能相对幸运的是，如今的工业发展压力，正在倒逼着产业智能化升级发生。工业专家和工厂主也在持续提升对AI的认识。对于沟通层面的抱怨，在2019年已经少听到了很多。

但是双方的代沟还远未消弭。举个例子，很多工厂在探索使用AI时，都会强调一定要AI公司附加非常多的数据可视化功能与系统建设。往往AI专家会很诧异，一方面数据可视化很可能不是AI公司或者AI部门的业务，另一方面他们认为这种大量浪费成本在视觉系统上的项目意义不大。但是工厂主却普遍认为，能看到自己的数据流动、智能决策是如何一步步做出的，这件事十分有必要——哪怕这些可视化数据是人工一点点画出来的。

八竿子打不着的两伙人要坐在一起图谋大事。这事确实很烦心，但是能做好的人和公司一定会得到未来的奖赏，无论他来自AI还是工业，亦或其他。

2020，变化何处而生？

说千道万，工业AI的重点还是要往前走。

那么在2020，我们*可能看到哪些来自AI与工业的进一步碰撞呢？回到刚才那个判断，今天众多来自工业的声音，都是希望AI技术与云服务、企业解决方案提供商，能够进一步深入自己的行业，去主动洞察产业机会。

就像以上我们提到的几个案例，可能对于大部分互联网和技术从业者来说，都没有想过原来还可以这么干。这种“原来还可以”今天依旧分布于工业体系的无数个细节，在技术内核发展之先，产业洞察是决定AI深入工业的主要推动力。有很多乍一听老掉牙，或者根本不明白的工业领域，都是AI大显身手的富矿。