思谋科技：智能制造基于“大脑”，才能更好发挥自动化“手臂”作用

         作者：郑湘琪

      “未来，一个拥有‘智能身体’的工厂，可以自行知道原料和生产是否达标，产品的质量如何，自发调整机器的工作效率，迅速针对新产需求进行生产，预测未来产品生产的数量，还可以根据产品销售情况来及时调整生产安排。”10月21日，在2021第五届全球智能工业大会暨全球创新技术成果转移大会期间，思谋科技创始人贾佳亚谈到了对智能制造的展望。

        贾佳亚表示，“经过了自动化革命，信息化革命后，工业即将迎来智能化革命，智能制造蕴含着极大的市场规模。与电气化、信息化一样，智能制造同样具有高度的普适性，但对智能制造来说，其基础资源不再是电力和网络，而是计算。因此智慧能力构建和以计算为中心的AI，将成为智能制造发展中最需要攻克的难关。”

        在他看来，智能制造的核心在于“智能”，智能并不是简单的自动化，而是要让制造拥有“大脑”和让大脑决策的各种神经系统。只有拥有了聪明的“大脑”后，才能最大化发挥自动化“手臂”的作用——而 AI 正是让制造拥有会思考的工业机器设备的核心因素。新一代AI将贯穿于设计、生产、管理、服务等生产活动的全链条，使制造具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

        然而，贾佳亚也坦言，“让AI大规模、跨行业在工业场景中落地，并不是简单的事情。工业制造生产的流程复杂、涉及的硬件种类繁多，要求AI算法对大量硬件进行适配；当制造生产场景新增或更替硬件时，会直接带来算法的重新设计；最终算法往往妥协于硬件能力，甚至放弃最佳算法的使用，最终导致跨行业的工业AI落地的难度大幅增加。”

        因此，面对当前几大技术落地难题，他认为，工业AI 企业需要寻找新的方式进行“破局”。

        以数据紧缺为例，贾佳亚表示，“可靠的AI模型离不开大量数据的训练，尤其在工业场景下，对AI的准确率要求极高，然而目前工业生产的有效数据稀缺，通过传统的AI训练/检测方法，当训练样本不足的情况下，很难检测出非常见的产品缺陷。传统的AI训练往往通过给计算机提供大量图片，让计算机记住‘细节’，相比之下思谋科技通过自研的区域感知异常检测器（RADD），对目标区域各个细节进行捕捉，并与标准参考数据进行比对，记住图像的‘规则’，从而能够进行原理推导，对非常见缺陷也能准确进行判断识别。”

        他认为，“只有当计算机系统可以突破工业落地中的几大难题，实现自动算法组合和部署，人类仅需参与少量定制化算法设计时，AI的跨领域规模产业化才具备实现的可能。基于此前提，思谋科技也在打造其工业级AI系统，构建以智慧为核心的新一代工业AI架构，涵盖工业AI算法平台、工业AI训练平台、工业AI工具平台，以及超过30种新型工业AI生产设备。”

        据贾佳亚介绍，思谋科技已具备智能制造跨行业快速落地能力，目前可赋能超过1000个细分领域，并与芯片、半导体、精密制造、汽车等多个行业的头部企业实现合作，完成了多个新型工业AI设备产品的落地，如镜片分拣、轴承检测、特种条码设计与识别等。