文 | 曾响铃
来源 | 科技向令说（xiangling0815）
5G时代磅礴而来后，AI从技术到应用的落地也与5G有着越来越紧密的联系。
最近在广州开幕的世界5G大会，就专门开辟了一个AI分论坛“第三届中国（广东）人工智能高峰论坛”，基于5G技术探讨AI如何加速在各场景的渗透，迸发出许多亮眼的观点，也有很多新锐的AI应用或产品亮相。
会上，在数百位嘉宾的见证下，为进一步提升人工智能基础理论研究和关键技术水平，人工智能与数字经济广东省实验室（简称“琶洲实验室“）与多家人工智能领域头部企业签署了战略合作协议。中国科学院院士、琶洲实验室主任徐宗本院士作为代表出席签约，华为云与计算中国区副总裁、广东云与计算总经理郑殿海代表华为公司签约。
根据协议，双方将共同聚焦智慧医疗、智慧城市、智能制造等行业场景，共同建设面向行业的基础软硬件及算法创新平台；同时共同推进科研成果的转化落地，在区域形成人工智能产业聚集，赋能传统行业，推动整个区域的产业智能化升级和数字化水平提升。
作为5G产业的核心企业，华为也一直是“AI普惠”的积极倡导者，华为公司董事、战略研究院院长徐文伟发表了《AI使能数字经济，构建领先ICT产业》的主旨演说，他认为，“产业周期正在进入各行业开始数字化的信息化周期，企业面临的共同问题是如何跨入数字化产业周期。”此外，华为腾计算智能边缘解决方案总监吴浩则就华为腾智能制造使能平台进行了系统性的展示。
很明显，华为这次把AI普惠的目光聚焦在传统制造业转型升级上，其原因，一方面在于制造业一向是5G最具价值潜力的领域，另一方面在于腾AI计算产生生态在前期的耕耘下，已经在智能制造这件事上深深地扎下了根，让传统制造转向智能制造的门槛变得越来越低。
在这样的推动下，制造业无疑将成为“AI普惠”的先行军，率先跨入数字化产业周期。
1
开发部署门槛再降低后，华为让制造业AI的获取也变得更灵活
在过去，制造业的智能化，面临最直接的痛点问题是开发部署门槛太高，传统产业连接前沿技术，往往只有少数真正有能力的企业能在专门建立的团队基础上实现，而且，越是那些具备深度能力的技术，从技术到落地的过程就越“笨重”，一个AI应用项目从立项到上线要花费很长的时间。
这些年，在科技巨头的加持下，AI开发部署的门槛变得越来越低华为的腾智能制造使能平台，其直接意义是AI开发部署的门槛得到再一次降低，甚至无限接近“零门槛”，让大大小孝各行各业的制造都能享受到数字化、智能化时代的红利。
具体来看，这种“再降低”，包括三个方面：
1、以全栈化的AI使能，让制造企业获取AI如同挑选“商品套餐”
普通人在电商平台上购物，选好自己需要的吃喝玩乐产品，一键下单即可。
腾智能制造使能平台具备的全栈式多层次AI能力体系，让制造业获得体系化AI能力如同购买一套组合商品一样便捷：
可以看到，腾在自主技术能力和生态打造下，已经形成了AI系列硬件、AI平台软件、制造行业A应用软件的布局，抛弃了很多平台“卖盒子”式解决方案做法，而提供给制造企业一个自由选取的、可以一次性建立从底层到表层应用的能力体系。
制造企业们可以选择不同场景适用的硬件，可以根据开发能力不同选择MindSpore、MindX等开发框架自己开发应用，也可以直接套用SDK嵌入应用，还可以直接购买成型的应用软件，不同数字化能力的企业，都能找到适配自己的AI能力来源方式。
2、以自由和便捷的部署，让AI应用匹配不同的场景需要
在具体的落地执行环节，企业根据业务部署和场景需求，也能找到适合自己的方式。
以需要与生产一线相结合的底层硬件为例，华为腾目前提供AI加速卡（MXM接入卡、PCIE接入卡）、嵌入式AI工控机、箱体式AI工控机、AI加速模块、推理卡等不同的选择，通俗地说，看菜吃饭，企业既可以在已经具备的数字化基础体系上选择那些嵌入式硬件（如同我们普通人为PC升级加个内存、显卡一样），也可以在全然没有数字化基础的情况下，直接选择高集成度的方案。
而在制造业AI的应用过程中，边缘计算的价值不言而喻，腾分论坛此次展示的几个Atlas硬件产品，都自带适应性很强的边缘计算能力，例如Atlas 200加速模块在低功耗需求的情况下实现了前端监测设备的强自主计算分析能力，还能适应低温、高温、潮湿等复杂的作业环境，充分适配各种一线制造场景。
由此，腾智能制造使能平台实现了从开发系统到生产系统无缝融合、自由调整，兼具通用性和个性化的能力。
3、以极短的落地周期，帮助企业快速适应市场变化、抓住市场机会
在激烈竞争的时代，企业面临的最大挑战在于外部环境的不确定性，制造业同样如此。
之所以要上线AI应用，根本上还是企业想要在新的时代快速适应市场的需要，以更高效率、更低差错、更少的成本完成产品生产。
但是，当一套AI应用的落地周期被拖得冗长，很可能当系统上线后，外部环境的倒逼已经使得智能化原本服务的基础制造业务线发生了很大的变化，二者不再能够匹配，这从根本上背离了智能制造的初衷。
华为腾智能制造使能平台除了再次降低企业获取AI能力的门槛，更重要的是，在系统化解决算法开发难、应用开发难、业务部署难的多链条环节痛点后，大大缩短从AI算法到工业制造场景化的进程，让制造业的AI能力上线更灵活。
一个典型案例是，华为首批上线的mxManufacture SDK，做到了2天完成友达光电解决方案孵化，过去这个周期需要2周。
2
三路夯实基础，普惠的同时华为还在推动技术升级
仅仅是降低门槛还不够，对AI来说，技术本身能否经得起考验是推动普惠的同时必须要关注的问题。
目前来看，在智能制造领域，华为同时从三个维度夯实了AI技术与实践的基矗
1、技术先验“自己造的降落伞自己先跳”
华为各种对外技术输出、生态营造都坚持“自己造的降落伞自己先跳”，先通过自有业务对技术和应用进行大规模检验，不断完善、积累经验后，将之整合、优化再对外输出。
在智能制造这里也是如此。作为一个通信业务企业，华为本身也有着大规模产线，与智能制造相关的腾产业应用，往往都会在这些产线上先行实践。
例如，在质量检测方式由人工、传统机器视觉向AI视觉方式转变的大环境下，AI可以极大地提高检测精度同时减少对人力的依赖，华为松山湖工厂80+产线以部署基于腾智能制造使能平台的AI工业质检能力（SDK、Atlas等），覆盖服务器、无线、终端等产品，实现了99.9%的质检准确率，让产线质检的工作量下降了60%。
有了自身实践的支撑，华为智造能力输出变得更有底气，也更值得客户信任。
2、自我成长体系化、自成长的实践反馈体系
如果一个AI应用部署之后就不再变化，它可能越来越不能适应新的产线要求，例如，新出现的产品瑕疵特征的识别等。
华为在此次分论坛上展示的，是一套能够实现自我不断成长的AI体系。
目前，腾AI产业在政务、电力、金融、交通、制造等领域都积累了众多的深度实践案例，不断反哺AI数据和算法能力的提升，优化全栈式平台使能体系。
而具体到个体企业，腾完成了边、端、云一体化的算法自我更新体系，边缘端出现未能识别的内容上传至云端，云端更新算法，以微服务的方式又部署到边缘，做到了对面对新情况、新环境的实时能力更新，让一套AI应用体系始终有活力，而这，才符合企业在不断发展发展过程中对智能化不断变化的需求。
换言之，我们看到的腾智能制造使能平台，不仅是一个静态的全栈平台，更是一个不断成长的全栈平台。
3、生态协同联合创新让AI解决方案更优质
生态一直是华为十分强调的点，正是借助了生态共建共享共赢的力量，华为政企业务才能快速崛起和发展，深耕智能制造同样不例外。
在分论坛介绍具体的智能质检识别能力时，华为方面强调了联合创新的概念，很多在产线上表现优异的AI能力，都来自于华为与合作伙伴的合作成果。
例如，电子组装产线上对螺钉、涂胶等检测及异物识别准确率提升至99.9%，半导体晶圆产线对晶圆缺陷的智能分析准确率大于99%，集成电路产线IC品质监控AOI直通率提升10%-50%，纺织产线布匹印染预检检测效率提升50倍，等等，都来自于华为与凌华科技、睿视智觉、埃克斯工业、艾聚达等优质合作伙伴的联合创新，后者在AI视觉或制造业数字化服务方面都有深度的建树。
只有强强联合，才能创造出更优质的制造业AI解决方案，也才能加快AI能力在更多产业的渗透。
3
AI普惠获得加速度后，智能制造时代也在加速到来
作为传统产业的典型代表，制造业往往被认为是迟钝的，对外界的变化不太敏感，笨重的身躯面对新时代要很吃力才能完成转身，很多企业没能够做到，就此被淘汰。
如果制造业的数字化、智能化的转型还是如此，那么更多企业将会在焦虑中逐步看到自己被时代抛弃的过程，这是痛苦的。但是，华为腾智能制造使能平台，以及更多类似的服务平台的出现，改变了这一境况，通过无限接近零门槛的方式，绕过传统按部就班的过程，快速提升传统制造的智能化能力，实现制造到智造的转变。
在以信息化为代表的工业3.0快速普及的大背景下，以智能化为代表的工业4.0正在加速到来，华为在这次峰会上展示了一些标杆示范，逐步开始了布局，但这一过程未来还有很长的路要走。只有门槛变得更低、更多生态伙伴加入、不断地技术锤炼后，真正的AI普惠才会在制造业全面实现，而从国家宏观层面来看，通过工业4.0实现弯道超车也才会更进一步。
值得一提的是，华为与生态伙伴的智能制造布局，还与产业升级实现了合流，例如为晶圆厂提供的AI质检服务，对提升良品率有可观的价值，要知道，良品率一直是衡量一条先进芯片生产线是否足够成熟的核心标准。
由此可见，AI推动智能制造，对我国的前沿产业布局也有重要的底层化意义，在根本上提升国家的竞争力。
最后，借用华为徐文伟的话来说，“未来，基于5G，基于万物互联，AI 将改变行业、改变世界。”在这场盛大的时代变革中，我们已经占据了先机，终将立于不败之地。
*本文图片均来源于网络
*此内容为【科技向令说】原创，未经授权，任何人不得以任何方式使用，包括转载、摘编、复制或建立镜像。
【完】
相关文章
