這一波人工智能的再度興起，終于讓我們看到了人工智能技術(shù)實(shí)實(shí)在在的應(yīng)用實(shí)踐，AI成為社會(huì)發(fā)展、經(jīng)濟(jì)增長的必然需要已經(jīng)是一個(gè)共識(shí)。人工智能技術(shù)已經(jīng)在金融銀行業(yè)和互聯(lián)網(wǎng)經(jīng)濟(jì)中產(chǎn)生了巨大的價(jià)值，也必將為傳統(tǒng)制造業(yè)帶來巨大的改變，當(dāng)“物理世界”和“數(shù)字世界”發(fā)生碰撞，制造效率再次得以提升，數(shù)據(jù)科學(xué)為企業(yè)運(yùn)營決策和資源優(yōu)化提供了可量化的依據(jù)。
道理如此，但真正落地應(yīng)用，如何讓人工智能價(jià)值最大化，制造業(yè)實(shí)踐中會(huì)遇到哪些挑戰(zhàn)，又有哪些應(yīng)對之道?
人工智能在制造業(yè)應(yīng)用，目的是創(chuàng)造價(jià)值 過去談到信息化，離不開三個(gè)詞：流程、規(guī)則、制度，業(yè)務(wù)按照系統(tǒng)流程執(zhí)行。而人工智能也涉及三個(gè)詞：感知、認(rèn)知、決策，要解決的是這三個(gè)環(huán)節(jié)的問題。
舉個(gè)例子，規(guī)定一輛車五千或一萬公里做一次保養(yǎng)，是通過大量的實(shí)踐統(tǒng)計(jì)數(shù)據(jù)分析得出的，不保養(yǎng)可能會(huì)出現(xiàn)問題。但是按固定里程計(jì)劃保養(yǎng)是不是一個(gè)最好的保養(yǎng)策略呢，是不是最經(jīng)濟(jì)呢?常識(shí)告訴我們不一定。那么人工智能可以怎么優(yōu)化保養(yǎng)策略呢?比如可以通過車上安裝傳感設(shè)備，獲得數(shù)據(jù)，讓AI感知到車輛的詳細(xì)工況，通過算法給出建議，幫助決策該不該保養(yǎng)或哪些地方該保養(yǎng)。
再比如手機(jī)加工，怎樣才能保證不因?yàn)榧庸ぼ嚧驳牡毒吣p出現(xiàn)計(jì)劃外的宕機(jī)，做出合理及時(shí)的保養(yǎng)決策呢?最好的方式當(dāng)然是可以預(yù)知刀具明天很可能會(huì)壞，今天換掉。提前換或者推后換，都會(huì)對生產(chǎn)效率、成本帶來問題。
比如在產(chǎn)品研發(fā)方面，如何快速將之前的產(chǎn)品研發(fā)知識(shí)構(gòu)建成智能知識(shí)庫，把最相關(guān)的知識(shí)最直接準(zhǔn)確的按邏輯提供給研發(fā)人員，而不是打開知識(shí)文檔庫去查找文檔。構(gòu)建知識(shí)點(diǎn)之間的內(nèi)在聯(lián)系邏輯，讓人工智能在感知研發(fā)人員在做什么，需要什么。在整個(gè)制造業(yè)鏈條上，從研發(fā)到營銷，類似的人工智能的應(yīng)用場景非常多，也被大量試驗(yàn)證實(shí)了，那么人工智能在制造業(yè)的規(guī)模化應(yīng)用離我們還有多遠(yuǎn)?
另外一個(gè)問題，人工智能是一個(gè)更加復(fù)雜的技術(shù)，應(yīng)用技術(shù)是需要投入的，那么創(chuàng)造多大的價(jià)值才值得去實(shí)現(xiàn)一個(gè)AI應(yīng)用。舉個(gè)例子，一家整車企業(yè)，每年因發(fā)動(dòng)機(jī)異響造成的售后成本是兩個(gè)億，對這個(gè)異響，人工智能是可以遠(yuǎn)程診斷的，那應(yīng)用這樣一個(gè)技術(shù)，能降低多少售后成本?因此，任何人工智能應(yīng)用最后都會(huì)歸結(jié)到價(jià)值衡量，不只是考慮技術(shù)問題，還要算出能帶給企業(yè)多少利潤或節(jié)省多少成本。
人工智能應(yīng)用場景中，制造企業(yè)挑戰(zhàn)有哪些? 面對人工智能在技術(shù)上已經(jīng)可以實(shí)現(xiàn)的諸多應(yīng)用場景，在制造業(yè)的落地過程中又有哪些難點(diǎn)與挑戰(zhàn)呢?
第一，制造業(yè)“體質(zhì)”。我們說的是體質(zhì)，不是體制。挑選培養(yǎng)運(yùn)動(dòng)員，有的選去練長跑，有的選去練游泳，從常識(shí)我們都知道，很大程度上是由天生體質(zhì)決定的。制造業(yè)的 “體質(zhì)”是什么呢?制造業(yè)的“體質(zhì)”就是扎扎實(shí)實(shí)，沒有捷徑?；蛘呶覀兛梢哉f，制造業(yè)不熱衷于討論“模式”。制造業(yè)要建一條數(shù)字化生產(chǎn)線，不能講互聯(lián)網(wǎng)的“試錯(cuò)”，“快速迭代”。三年的時(shí)間，可能一個(gè)互聯(lián)網(wǎng)企業(yè)已經(jīng)上市了或落幕了。但是對于制造業(yè)來講，三年的時(shí)間一條數(shù)字化生產(chǎn)線可能還沒有達(dá)到設(shè)計(jì)時(shí)的理想指標(biāo)。這就是制造業(yè)的體質(zhì)：有機(jī)器、有設(shè)備，必須跟實(shí)實(shí)在在的東西打交道。
第二，AI落地路徑選擇。富士康的李杰教授將人工智能應(yīng)用在工業(yè)過程中的研究對象劃分為四個(gè)象限：解決可見的問題、避免可見的問題、解決還不可見的問題，避免還不可見的問題。從哪一類對象入手才是對企業(yè)回報(bào)最大或最迫切的選擇呢，是企業(yè)需要判斷的。
第三，技術(shù)和人才。一談到人工智能，腦子里第一個(gè)跳出來的概念是算法，算法在哪里?需要算法科學(xué)家，那么算法科學(xué)家哪里有?我們發(fā)現(xiàn)，企業(yè)在做傳統(tǒng)信息化的時(shí)候(比如ERP系統(tǒng)，MES系統(tǒng))，基本上都是買來用，自行開發(fā)的鮮有聽聞。但到人工智能就不同了，算法都靠供應(yīng)商不現(xiàn)實(shí)，需要算法科學(xué)家的參與。因此，企業(yè)需要如何化解人工智能人才短板的問題。
第四，數(shù)據(jù)。新經(jīng)濟(jì)背景下，消費(fèi)和零售行業(yè)應(yīng)用人工智能最核心的三類數(shù)據(jù)為客戶數(shù)據(jù)、行為數(shù)據(jù)和交易數(shù)據(jù)。一旦進(jìn)入制造業(yè)，數(shù)據(jù)的類型一下五花八門。比如波形數(shù)據(jù)、時(shí)域數(shù)據(jù)、頻率數(shù)據(jù)、生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)、實(shí)驗(yàn)數(shù)據(jù)、圖像數(shù)據(jù)、音頻數(shù)據(jù)等眾多類型。這些數(shù)據(jù)要如何治理，如何使用呢?這么多數(shù)據(jù)該怎么選擇才能夠把模型訓(xùn)練出來?這也存在著很大問題。
企業(yè)級人工智能平臺(tái)帶來了什么? 面對這些挑戰(zhàn)，業(yè)界的人工智能應(yīng)用提供者必須思考出解法。而第四范式的選擇是，致力于企業(yè)級通用的人工智能平臺(tái)。
這個(gè)企業(yè)級人工智能平臺(tái)有什么?一談到人工智能，大家就會(huì)想到模型，從定義問題到建模，訓(xùn)練到模型評估最后到模型應(yīng)用，整個(gè)過程都包括了數(shù)據(jù)的應(yīng)用。一個(gè)完整的人工智能構(gòu)架包含應(yīng)用層、系統(tǒng)層和算力層。模型部署和應(yīng)用是在應(yīng)用層面，模型開發(fā)和管理在系統(tǒng)層，算力層面還存在異構(gòu)算力要被管理和調(diào)度管起來，算力還要被合理重復(fù)的使用起來。這點(diǎn)在最底層，容易被忽略，但是很重要。一個(gè)大家熟知的例子就是：Iphone應(yīng)用最流暢，但肯定不是因?yàn)橛布渲米罡摺?/p>
這樣一個(gè)企業(yè)級的人工智能開發(fā)、部署、應(yīng)用和管理平臺(tái)，是第四范式最核心的產(chǎn)品。在這個(gè)產(chǎn)品中，有這么幾個(gè)最核心的優(yōu)勢。
自動(dòng)機(jī)器學(xué)習(xí)。通過自動(dòng)機(jī)器學(xué)習(xí)的方法，在解決相應(yīng)問題時(shí)，模型是由平臺(tái)來產(chǎn)生的。平臺(tái)產(chǎn)生的模型，必要時(shí)允許在平臺(tái)工具中再由人來優(yōu)化，但解決了模型必須依賴算法科學(xué)家來生產(chǎn)的問題。用戶只需要把問題定義出來，平臺(tái)自動(dòng)產(chǎn)生模型，隨著時(shí)間的推演，模型還可以迭代和更新。這個(gè)優(yōu)勢是第四范式世界領(lǐng)先的自研核心技術(shù)，希望幫助企業(yè)降低人工智能應(yīng)用門檻，盡早體驗(yàn)人工智能技術(shù)。
AI數(shù)據(jù)治理“中臺(tái)”。這里用中臺(tái)這個(gè)詞只是便于大家理解，因?yàn)榻赀@個(gè)詞實(shí)在是太普及了。有了企業(yè)的人工智能數(shù)據(jù)“中臺(tái)”，可以管理數(shù)據(jù)的有效性、一致性，定義標(biāo)準(zhǔn)的“數(shù)據(jù)形式”，給不同的系統(tǒng)使用角色提供不同的數(shù)據(jù)訪問和應(yīng)用形式等。解決了人工智能數(shù)據(jù)治理的問題。
軟件定義算力。能用軟件定義算力，一定是因?yàn)閷λ懔τ布谐浞值牧私夂驼莆?。第四范式的專業(yè)團(tuán)隊(duì)擁有包括獲得ACM大賽世界冠軍的一流專家，進(jìn)行算力層的研發(fā)，致力提供運(yùn)行最流暢的人工智能一體機(jī)來服務(wù)客戶。
另外，第四范式還對解決某一類特定人工智能問題提供了開箱即用的應(yīng)用。即成熟模型的快速應(yīng)用部署，比如像一般的聲音和圖象處理問題等。
目前，第四范式在中國機(jī)器學(xué)習(xí)平臺(tái)市場份額遙遙領(lǐng)先，根據(jù)IDC的報(bào)告，已經(jīng)連續(xù)兩年蟬聯(lián)第一。
（本篇文章摘自第四范式制造業(yè)行業(yè)負(fù)責(zé)人常健在ENI主辦活動(dòng)“把握雙循環(huán)機(jī)遇 打造內(nèi)涵驅(qū)動(dòng)力 再談新常態(tài)下的智造規(guī)劃及落地”重慶CIO智行社的演講。）
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。