旷视科技机器人战略发布会笔记丨邬贺铨：人工智能助力智能制造

<演讲主题：AI助力智能制造>

邬贺铨（中国工程院院士）：大家下午好！

我过去了解的旷视科技是从人脸识别做起的，当时主要是面向个人、智慧城市等应用，现在机器人是面向产业、物体的，所以我认为这是旷视科技的一个转型。结合新技术，机器视觉还是没有变化，实体产业在应用上做，市场会更大。

我今天的题目是“人工智能助力智能制造”，从应用归类的人工智能技术可以分成感知、理解、行动，包括视觉处理、音频、语音、语言、机器学习。目前是提升生产效率、降低成本、改进体验、促进创新，产业链的采购-安排生产-生产设备诊断-产品质量检测、销售决策、成本控制等都全部包括到这里来了。

比如说台湾的中钢公司引进了IBM的PowerAI解决方案，主要是怎么把一个27吨的钢坯压到0.5毫米，以及在这个过程里怎么保证质量。

它把一年积累的7000批各种参数提出来进行清洗，让数据符合机器学习的规范，把数据分成两组：

1、80%的数据做机器学习。

2、20%的数据作为验证。

开始选择四种数学模型，从数据验证了以后，确定了其中的一种模型是最好的。

另外再把生产线上，新生产出的2000多个数据进行分析，发现其中压力对这个影响最大，光发现还不够，还要通过人工的经验来验证，这是对的。

通过这几种方式，它把钢坯质量的判定和人工资源节省了90%，成本大幅度下降，现在我们很多的工业上开始用机器人了，当然机器人买回来放到你的工厂上还是要变成的，否则的话它也不会按你的要求准备的运行，而且机器人的手臂、各种动作，有一些不该的动作没必要用。

所以，这里面往往要再编程，当然现在可以让机器人自我学习，比如说沈阳有一家公司是做各种机器人的（新松公司），一个焊接机器人为例，他卖给客户，当然他也会帮助客户，然后客户的应用场景他稍微训练一下，这个机器人就自我生成程序了，现在国内也有公司做云控机器人，更多的机器人没必要装上大脑，我们可以把大脑装成云端，这样机器人的成本大大下降。

比如说这个小视频，机器手臂是没有预先编程序的，它看到旁边人的手臂怎么做它就会怎么做，它学会以后，人的手臂就不用动了，这个小视频的机器人也不见得需要有程序，它看见旁边的人怎么走它就会怎么走，在走的过程中它自己生成程序。

这个PPT是杭州浙江大学跟杭州汽轮机厂合作，过去一些修汽轮机厂是要把各种零件做出来，这个就比较麻烦。现在网上就可以做了，但是往往很多的时候要做仿真、各种各样的东西，大数据本身是从数据到模型，而仿真是从模型到数据，两者是相反的。

目前的仿真，哪怕你买了仿真软件，是比较难用的，因为你还要建模，然后非仿真的专业人员基本上不会用，现在用人工智能的技术，可以帮助非仿真的人员也可以用上仿真软件，像吉利汽车，它每做一辆新车要做60次整车的碰撞和数百次仿真，而每一次碰撞仿真要花30多个小时，现在利用了人工智能帮助他缩短到10个小时，当然仿真里面还可以用虚拟现实，更直观，仿真完了还可以检验整个过程，他的每个程序是不是正常，也可以做到优化你的工艺。

在生产工艺上面，比如说苏州有一个全世界最大的光伏公司，它生产了全世界1/3的光伏切片，光伏切片切得越薄，成本越低。当然太薄了，成品率有问题，怎么能做到兼顾这两方面？他把阿里请去了，利用阿里开发的工业大脑来监控他的生产线上上千个参数，其中找出60个最关键，把流程优化了良品率提了1%，单是这一年带来的效益就是超过了1个亿。

还有一个做光伏电池的，也有类似的情况，通过优化流程，成品率提升了7%，杭州有全世界第三做轮胎的，每年生产5000多万条轮胎，每天从全球不同地方进口1000吨橡胶，来源不同，质量很难控制。它也利用了人工智能的技术，分析出来其中混型胶这个环节的合格率是最关键的，把这个提升了每年也能增加上千万的利润。

另外，90年代后期，欧洲、美国生产期间，订单来了20天就可以交付，而现在变成了40天才能交付，因为现在要求个性化，一个企业要适应个性化生产是比较麻烦的。

奥迪和德国SAP合作，在匈牙利的电动汽车厂用人工智能技术，因为不同的车型工序不同、要的零部件组合不同，加起来这种组合是几何级的数据，只要你能把模型做好就能适应这个情况。所以，同时满足了效率和个性化，生产效率提升了20%。

瑞士是出巧克力的国家，现在消费者也在买巧克力，每一袋是一个品种，现在很多消费者希望一袋里面有很多品种，因为每个消费者的口味不同，现在通过个性化给你配料，也能做到个性化，通过人工智能提升你的效率。

韩国有一个浦项钢铁的公司，做镀锌钢板。怎么控制镀锌层的重量是成本和质量的保证，过去人工控制，一平方米的误差有7克，现在1平方米只有0.5克，这里就用到了机器视觉的技术。

还有普锐特公司和宝钢合作，管理轧机的压力，做到准备控制钢铁工业出来的薄板，印度也有塔塔公司控制汽车钢板，。

清华和英业达合作，英业达是做印刷版的，现在的印刷版成熟很多，条条很秘，靠人工的办法很难发现该连的线是不是连了，不该的连是不是没有连，人工的漏检率、误检率是14%，现在用了机器视觉技术，每年能节省1亿元效益。

华星光电和腾讯是做液晶板的，可以对海量板的图片进行快速学习，用机器视觉的办法自主质检，分类识别准确率是88.9%，节省人力60%。

所以，机器视觉在生产上不但可以看人、产品，还可以看生产线，都是很有用的。

下面说一下供应链，今天有很多物流，过去钢材供应链有很多环节，很不容易直接得到用户的信息，现在通过人工智能技术可以做到这个。

比如说联想和宝钢合作，利用联想的数据库，不是钢铁数据库，是反映经济形势的销售数据库，帮助宝钢准确掌握未来销量走向。

波司登是做羽绒服的，在全世界有3000多家门店，它原来不能掌握每家门店库存是不是多了、卖完了没有及时补充，利用人工智能的技术也能很好的做到这一点。

蒙牛是做牛奶的，为了提高国产牛奶质量的信誉，它用人工智能打通了奶源运输、仓储、生产、销售全流程，产品周转率提升30%-40%，核算人员减少了25%。

亚马逊通过各种行为采集数据、分析，掌控用户的行为，不仅向用户推荐，也给运营商、供销商、供货商推荐，亚马逊增加了30%的附加利润。

这是数字孪生，左图是一个实物，右图是网络上的径向，正常情况下可以采集这个实物所有的数据，一旦这个实物的数据发生变化就会出现异常，网上马上就可以感知，有些可以通过网上遥控改进，有一些不能改进的可以提醒做预防性维护。

很多公司都认为很多产品的故障80%是随机的，18%是可以预测的。

所以，随机的故障靠人工的经验是很难决定的，但是如果用了这种人工智能的技术，能全面性的预测、维护，对制造商平均提高25%的资产收益率，这也是相当可观。

客服中心，菜鸟提供一个数据，平均每一个快递员每天大概要送150-200个包裹，每一个包裹一般都要打一个电话，假如每个电话1分钟的话，每天打电话要花3个小时，阿里开发了语音助手，也就是帮助快递员，不是简单的打电话，如果打电话客户说我不在家，语音助手就会问你在什么地方，如果人家有一点犹豫，那我是送给你家还是送到你单位的问口，还是送到物流、物业、丰巢，它会智能化的解答。

所以，马云认为这个对于菜鸟是非常好的，当然印度有一个大型的IT节，这种大企业都有客户中心，他的客服中心有8000人，现在他用语音识别人工智能技术可以减少人数，未来还可以做什么呢？人脸识别，把客户投诉的人脸也录进来，更能够分析客户本身的感受。

日本保险公司说，他花了一点钱引进IBM的人工智能系统，代替了白领，虽然每一年需要付一点的维护费，但是每年节省的投资比那个多得多。

企业管理上人工智能也非常好用，华为他的管理水平应该在我们企业界应该是比较高的，当然华为认为他们管理上也有问题，华为开发了很多的手机型号，当然每一个手机型号软件是独立来做的，实际上里面有很多的硬件、软件是可以共用的，过去他没很好的把它利用起来，影响了效率。

另外，华为每一个产品的交付环节很多，有一些供应商来，有一些从合作方来，他现在每一个交付过去要先进20多个IT系统，效率很低，基本是华为在2014年，账务和他实际的产品一致率只有78%，每年有600多亿的账是对不上实物的，需要花大量的人力、物力来核对，现在利用人工智能技术，账面跟实物对应率达到了98.62%。

华为有10多万员工，有人说现在天上哪一家飞机上没有华为的员工基本上都是很少的，这么多的员工出差报销量很大，现在华为所有的报销都是机器人，每年可以处理120万单的员工报销，华为是用什么转型呢？

数字化的转型，要同时满足客户、消费者、合作伙伴、供应商和人工，总得来讲，整个华为是一体的，但是每一个员工出去是单兵作战的，要实现在单兵作战的情况下整个企业的一体化的利益。

当然，大数据人工智能制造业应用是有很多的挑战，一个神经网络，是一种输入导向的算法，要基于大量的数据，准备来讲要基于无穷的数据，而实际上的数据，再大也不可能绝对的全面。

所以，基于大数据导出的模型，不一定能比现在制造业多年累计得出来的模型更精准，所以就要对大数据的模型要求比较高，另外即便训练出的系统模型准备率到100%，但是实际的系统还是会有错误的。

而且，数据模型，它的参数因为复杂的数据离合，只有结果，没有理化意义，经常得出的结果是知其然不知所以然，没有透明性和解释性，因此不大好用。

比如说人工智能的医生，他最后诊断一个病人说要锯掉一条腿，但是它不告诉你为什么要锯掉一条腿，这个医院是很难做决策的。

所以，大数据、人工智能的应用是要创造工程师跟人工智能协同工作的环境，要通过人工经验来加以解释，大家看一下这个旋转的女郎，它是顺时针转还是逆时针转，当你眨一下眼睛再看的时候，原来以为顺时针转，现在又变成了逆时针转了，为什么？

取决于你主观上认为它是左腿在前面还是右腿在前面，人会发生这样的判断错误，人工智能、大数据也会有这样的判断错误，比如说Google上经常说明机器学习的图，通过机器学习、深度学习训练能识别狗和猫，实际上是找出它们的分界线，如果说在某个分界线边上稍微改了一下，可能就容易产生误判了。

但是，无论如何人工智能对经济增长的贡献是很高的，这是对美国、欧洲、日本12个国家统计的，到2035年人工智能的贡献，可以看到这里的整合关系。

第一个，ICT。

第二个，制造业。

第三个，金融。

第五个，物流仓储。

制造业，IT是因为本身的贡献比较高，附加值并不算太高，制造业本身的贡献没那么大，可是AI的附加值更大，所以人工智能对于制造业的影响更大，这边是对中国的分析，制造业是排第一位的，人工智能会使制造业带来的影响，高于其它的行业。

所以，预测2035年中国的GDP大概6.3%，但是如果用了人工智能有望我们的GDP提到7.9%，我们相当于增加7.1万亿美元，但是可惜的是，目前中国人工智能的投资，尽管绝对值高于美国人工智能投资，当然我们的人工智能投资。

23.4%在，在商业零售，18.3%在自动驾驶，在制造业还不到1%，这是什么呢？制造业相对于面向消费者的人工智能应用，他的数据采集，流程循环要长一些，本身的可靠性等等，可能有挑战，所以检验它的成果也比较难一些，这方面是有难度的，但是从那个角度来说它也使人工智能应用在未来的市场，很高兴看到旷视已经把这个领域作为自己的主攻方向。

人工智能、大数据、移动互联网、物联网、云计算的协同融合，点燃了信息化新时代的引擎，数字化的转型成为企业向高质量发展的共识，人工智能推动企业向智能制造和智能运营发展。

基于人工智能的智能制造的实现是长期过程，目前仅仅是开始，还有很大的应用和创新空间，我们需要以管理创新和技术创新并重，来应对发展中的挑战，推动数字经济发展。

谢谢大家！（完）

下集介绍