文|錢皓
在搜索平臺上輸入“召回”兩個字，可以發(fā)現(xiàn)一天之內(nèi)的消息里，大到豪華汽車，小到手機、牙刷，每天都有大量品牌發(fā)出公告，提醒消費者對相關產(chǎn)品發(fā)起退貨。
一次次缺陷產(chǎn)品召回的背后，不僅會對品牌聲譽造成影響，也讓其一定程度上失去了消費者的信任。這背后，除了產(chǎn)品原始的設計問題，品控也得背鍋。
因為隨著人們消費水平的提高，工廠的出貨壓力也隨之增加。而品控環(huán)節(jié)基本都是依賴人工檢測，高強度工作之下，質檢員可能因為視覺疲勞、精神不集中等出現(xiàn)更多錯檢、漏檢情況。
如何在保證檢測效率的情況下，提高產(chǎn)品良率呢？AI或許是把利劍。
工業(yè)需要國產(chǎn)“慧眼”
制造業(yè)苦人工質檢久矣。
一直以來，傳統(tǒng)的人工檢查方法除了效率低，更突出的問題在于人口紅利不再導致的“用工難”問題。據(jù)統(tǒng)計，目前每天流水線上進行人工檢測的工人數(shù)量超350萬人，但因工資低、工作枯燥，愿意從事人工質檢的工人愈來愈少。
因此，制造業(yè)在質檢上花費成本甚至能占人力成本的40%。在降本增效的需求下，質檢行業(yè)也一直在尋找更高性價比的方式。
從上圖可以看到，在深度學習階段，智能化賦能質檢后，可以解決更多場景更復雜的質檢工作，也就徹底實現(xiàn)“機器換人”。
當下，越來越多企業(yè)利用AI加快智能化轉型，一方面是需求所致，另一方面則是技術推動。在此前的《RPA賽道大熱，正在量產(chǎn)你未來的機器人同事》文章中，我們也提到過，現(xiàn)在工業(yè)機器人同樣也在面臨智能挑戰(zhàn)，從一開始承擔類似工廠流水線的活，到現(xiàn)在需要理解老板的意思，效率更高、出錯更少，所以讓RPA+AI的結合擁有了更大的想象力。RPA和AI就相當于人的“手”和“大腦”，從體力和腦力上來解放人工。（RPA意為機器人流程自動化）
同樣在質檢上，隨著RPA和AI技術的逐漸成熟，AI質檢的聲量也越來越高。但是，AI質檢這項關乎生產(chǎn)良率的“命門”，卻長期掌握在國外廠商手中，尋求替代品，就成為了國內(nèi)創(chuàng)業(yè)者的當務之急。
可以說中國工業(yè)，尤其是高端自動化行業(yè)中，普遍存在這樣的“通病”：外資廠商牢牢掌握先發(fā)優(yōu)勢，技術方面積累更深，人才儲備豐富，往往價格也普遍更高，但是服務卻不見得好。
就以修建地鐵不可或缺的盾構機為例。2000年左右的時候，中國沒有盾構機，只能靠進口，不僅購買價格高達到7億一臺，且維修工作都由國外的維修工人飛到國內(nèi)進行，一人一天3000美金，相當于國內(nèi)普通工人一年的工資。面對這樣的高昂成本，又本著技術掌握在自己手里才是真道理，中國便下決心自己研發(fā)，從對盾構機一無所知，到研發(fā)出第一臺自己的盾構機，中國花了6年的時間。到目前為止，中國的國產(chǎn)盾構機已經(jīng)占據(jù)了90%的國內(nèi)市場，并拿下了全球市場的2/3，順帶著把國外盾構機產(chǎn)品的價格也打下來了。
所以，正是中國智造的崛起，讓國產(chǎn)AI檢測企業(yè)正在積極布局。各路云廠商、AI創(chuàng)企、傳統(tǒng)機器視覺企業(yè)以及工業(yè)互聯(lián)網(wǎng)平臺企業(yè)等等，也都加入了工業(yè)AI質檢賽道。IDC數(shù)據(jù)顯示，中國國AI工業(yè)質檢市場在高速增長下，預計到2024年的規(guī)模將達到4億美元。
選擇窄門的理由
創(chuàng)業(yè)的旅途有兩種，擇大門走險路，過窄門而寬途。
在當下動輒在百億的風口面前，工業(yè)AI質檢似乎是一條頗為狹窄的賽道，卻是通往智能制造的康莊大道。無論是美國工業(yè)互聯(lián)網(wǎng)、德國的工業(yè)4.0，還是中國的智能制造2025、日本的超智能社會5.0藍圖，當前全世界都在向智能制造邁進。
但任何一個想讓工廠智能化轉型升級的企業(yè)，都無法回避的一點是：智能制造是一個產(chǎn)業(yè)鏈場，且極其復雜、龐大的體系，所以根本不存在通用的AI。而工業(yè)AI質檢卻是一個門檻相對較低、成果較為明顯的切入口。
一方面，AI質檢可以直觀告訴工廠能節(jié)省多少成本，降低多少誤檢漏檢率；另一方面AI的高精特性，對于品控管理有著更強的適應性。我們來看些具體的例子：
比如全車車燈質檢，有兩道關必須把好。一是檢測車燈有無裝錯，由于現(xiàn)代汽車制造普遍采用混線生產(chǎn)機制，同一條流水線上，要流過不同車型的車燈，且這些燈外觀差別不大，極有可能裝錯，出現(xiàn)張冠李戴；二是檢測車燈有無毛病，能不能點亮。示寬燈、轉向燈、剎車燈、倒車燈等等，檢查點多達22處。而百度云AI質檢員1秒就能測完，準確率高達99.9%。
同樣在手機攝像頭組件的質檢工作中，需要檢測的目標零件也多于10個。而基于騰訊云技術的工業(yè)質檢儀，可以把效率提升為人工的20倍，一年就替工廠節(jié)省人力成本數(shù)千萬元。此外，還有華為云、阿里云、商湯科技、遠舢智能、鼎納等云廠商、機器視覺或AI創(chuàng)企們，開始將AI質檢規(guī)模化深入工廠，甚至還有移動、聯(lián)通的身影。
但對大多數(shù)玩家來說，野心始于AI質檢，卻不止于AI質檢。
當下的工業(yè)AI市場，存量頗豐。例如工業(yè)AI質檢離不開的機器視覺，也受到了資本的追捧。2022年上半年，工業(yè)3D視覺領域已有10余起規(guī)模性的投融資事件。據(jù)統(tǒng)計，2021年3D視覺引導類出貨量同比增長超100%，預計未來五年內(nèi)，也將以復合增長率超40%的速度增長。
近期工業(yè)3D視覺領域主要投融資事件
所以從AI質檢切入這個占據(jù)國民經(jīng)濟40%的工業(yè)領域，也是為了更大的工業(yè)AI市場大蛋糕。當前也有許多玩家們正由點及面，利用已有的落地成果改善算法，從單點突破到探索全方面賦能智能制造的平臺級方案，加速智能革命。比如與華為云合作的遠舢智能，就是從視覺監(jiān)測技術切入，實現(xiàn)了質量分析、風險預警、源頭追溯等完整的質檢閉環(huán)，然后進一步打造面向整個工業(yè)制造智能化的AI-PaaS，幫助產(chǎn)業(yè)轉型。
工業(yè)AI需要Know-How閉環(huán)
過去十五年，中國制造業(yè)市場增長了差不多三十倍，而中國也連續(xù)12年成為世界上最大的制造業(yè)國家，全球市場占比接近30%。在如此極具成長空間的行業(yè)，哪怕有一點改變都令人無比振奮。
而工業(yè)AI能提高勞動生產(chǎn)率的本質之一，在于利用機器學習技術實現(xiàn)數(shù)據(jù)分析與再挖掘，從而求得一些產(chǎn)業(yè)效率的最優(yōu)解，但對于產(chǎn)業(yè)鏈的理解卻離不開神秘的Know-How。
所謂Know-How，是指工匠時代那些師傅對徒弟，言傳身教的“行業(yè)秘訣”。所以創(chuàng)業(yè)者的AI能力想從復雜細節(jié)中進入已有的產(chǎn)業(yè)實體中，到底如何進入，答案都掌握在Know-How手中，也可以是被稱作行業(yè)專家的人。
如果僅有AI，沒有Know-How是寸步難行。原因在于AI算法工程師，研究的是深度學習的訓練部署等相關內(nèi)容；而產(chǎn)業(yè)專家雖對產(chǎn)業(yè)周期了如指掌，卻很難了解AI相關的內(nèi)容。
難以理解的雙方最終導致的，在AI與落地之間，砌了一座無形的墻。
Know-How的復雜性，也讓工業(yè)領域很難出現(xiàn)快刀斬亂麻的智能化進程，只能徐徐圖之。所以，AI質檢市場也沒有大量入局者想象得那么簡單。在行業(yè)落地中普遍面臨以下痛點：
異常樣本分布少，實際生產(chǎn)過程中，正常樣本量遠大于異常樣本量，需耗費大量人力進行篩選；
產(chǎn)線間復制難，由于產(chǎn)線工況變化快、產(chǎn)品型號迭代周期快，一個產(chǎn)線的質檢模型無法直接復用到其它產(chǎn)線；
碎片化場景需求多，制造企業(yè)需要不斷提升良品率，各種產(chǎn)品的質量檢測復雜多樣，均需開發(fā)對應的質檢模型；
人工智能人才不足，工業(yè)領域AI的發(fā)展處于早期階段，人才短缺且培養(yǎng)周期長。
并且背后還涉及光學、自動化、電器等多學科交叉融合......這些都是制約AI質檢市場規(guī)?；臄r路虎。有這樣一個說法，人臉識別所需的AI能力對應的是一個8歲孩子的智力，那么智能制造需要AI智力水平就接近一個成年人。所以，AI質檢發(fā)展數(shù)年，滲透率依然僅有5%。
這些新冒頭的AI企業(yè)，動作快、勢頭猛，不同的知識背景和認知層次，從不同的角度和立場出發(fā)，也許他們能帶來不一樣的智能化變革思路。
八仙過海，各顯神通，智能制造的新歷史，終將大放異彩。