互聯網雲廠商染指「智能製造」的考量與邊界_風聞

【深幾度·產業數字化】

撰稿｜吳俊宇

編輯｜吳俊宇

審閲｜梁欣婷

「摘要：“智能製造”是個龐大的版圖，其中涉及環節繁雜。不同製造領域，往往也有不同的業務訴求。不管是雲還是AI的運用場景，最後還是要落實到定製化方案之中。這需要互聯網雲廠商強化諮詢規劃能力，引入生態合作伙伴。」

互聯網雲廠商正在不斷強化“智能製造”領域的佈局。

尤其是新冠疫情後，製造業出於復工復產和安全生產的需求，大量採用了互聯網雲廠商相關技術。十四五、新基建同樣在為互聯網雲廠商加速“智能製造”佈局提供政策窗口。

目前政府部門已經針對建立工業互聯網平台、推動工業企業上雲、開發工業APP、構建生態圈上給出了量化指標。

2018年，工業和信息化部調研50餘家國內外企業，編制形成了《工業互聯網平台評價方法》，推動重點工業設備上雲、企業業務系統上雲、培育平台應用新模式新業態，其中有幾個規劃方向：

制定分行業、分領域重點工業設備數據雲端遷移；推動企業業務系統上雲，鼓勵龍頭企業打通、開放和共享業務系統，鼓勵地方通過創新券、服務券等方式加大企業上雲支持；培育平台應用新模式，組織開展工業互聯網試點示範，培育平台應用新模式；

過去幾年，阿里雲一直在試圖為製造業企業提供阿里雲智能製造業雲化解決方案，工業PaaS等概念不斷被提出。騰訊雲在今年則是提出了工業互聯網平台、企業數字化、工業AI等重要賽道，還試圖引入生態合作，推出面向垂直行業的融合解決方案。

百度智能雲今年5月就推出了“智能製造解決方案”。目前已經覆蓋14個行業，100多家客户和30多個合作伙伴，觸達50多類垂直場景。百度智能雲還在貴州、濟南簽署協議，推動“智能製造”落地。

這次百度雲智峯會上，百度智能雲再次提到智能製造業務進展狀況。作為互聯網雲廠商，百度智能雲在智能製造領域優勢劣勢並存。

百度智能雲依託於較強的AI技術在工業質檢、工業巡檢領域已經與部分大型國企共同開發了相關應用解決方案，這些解決方案未來可以與更多中小企業中得到推廣運用。

智能製造目前市場處於早期階段，互聯網雲廠商更大可能性在於提供工業級的PaaS平台，為一部分企業提供服務支撐。

01

涉足製造的考量

通常意義看，智能製造是指利用先進信息製造技術優化生產與產品交易。

作為複雜系統，全套智能製造通用框架包含製造科學技術、ICT技術、傳感器技術、無線通信標準、大數據處理模型和算法，應用層軟件乃至智能電網等，在不同製造領域這些技術往往還有不同的定製化訴求。

目前百度智能雲、騰訊雲、阿里雲等互聯網雲廠商所指“智能製造”包含幾方面內容。

為企業定製符合自身需求的工業互聯網平台，提高企業的流程效率；將工業企業中留存業務系統中的數據信息及人工經驗，建知識圖譜；利用“雲+AI”能力在工業質檢、工業巡檢等環節提供技術支撐；

目前工業互聯網平台各家都有涉及，不過技術產品成熟度處於早期階段。和工業互聯網平台相比，工業質檢和工業巡檢技術落地則較為普遍。

如百度智能雲與幾大電網公司之間的工業巡檢技術合作進展較為順利，華星光電面板檢測同樣運用到了騰訊雲相關工業質檢能力。

事實上，智能製造在推動AI落地上有着諸多的問題制約着：

技術門檻高，AI人才輸出短期難以有效補充；行業缺乏統一標準，沒有統一系統、無法制式和量產，AI處於早期的發展階段；應用開發和實施成本高，無法快速進入企業現場；所依賴的數據的完整性和質量有待提高；應用場景的碎片化、個性化、專業化制約着複製推廣和用户接受程度；

然而，互聯網雲廠商涉足“智能製造”有幾個層面的考量。

新基建大背景下，“智能製造”是各地建設方向之一，無論政策導向還是地方政府都需要以“智能製造”為切口，推動地方招商引資、企業轉型升級；

對公有云賽道的互聯網雲廠商而言，“智能製造”是不可缺少的版圖，它往往與其他雲業務板塊互為支撐，甚至與集團在各地項目建設都有着強關聯。

互聯網企業的AI基礎儲備在工業質檢、工業巡檢部分場景下具備快速突破能力，以此作為突破口可以獲得一部分合作伙伴支撐，在部分工業場景落地更多項目。

02

雲上的解決方案

製造業企業上雲，或採用AI解決方案往往分成了多個階段。

首先是大型國企，出於監管需求或安全需求決定採用相關技術，這類企業技術能力相對較強，而且具備利潤支撐，採用新技術的門檻低、負擔小。這也是為什麼工業質檢、工業巡檢會在大型國有企業之中實現落地。

其次是大型民營製造業企業，這類企業經過長期發展，基於企業內生需求，希望實現增效降本，這往往會帶來上雲的訴求。不過這類企業出於數據安全考慮和企業信息保密需求，傾向於混合雲或私有云部署，PaaS級工業平台往往是這類企業的建設重點。

最後才是中小型民營製造企業，這類企業由於人力成本低，目前對“上雲”訴求不大，但隨着未來這類企業企業增效降本需求增強。無論是公有云IaaS、還是工業級PaaS，乃至基於SaaS產品都可能帶來市場需求。由於技術能力缺乏，這類企傾向於和雲廠商建立完整的合作關係。

目前百度智能雲在智能製造領域的主要發力方向是兩塊。

一是工業質檢和工業巡檢，而且在製造業客户中得到了相對較好的落地。

二是PaaS級的工業數據智能平台，目前處於早期階段，未來能與地方政府、地方企業實現更廣泛的合作。

從市場份額來看，百度智能雲在工業質檢領域目前佔比為16%，位居全國第一。

工業質檢和工業巡檢的最重要技術支撐是百度智能雲工業視覺智能平台。這是一款面向工業的視覺AI開發平台，可以零代碼、低成本開發視覺AI模型，降低工業視覺AI開發、應用的門檻。

以工業質檢為例，百度智能雲在3C行業的固定點位缺陷檢測、鋼鐵行業的中厚板檢測、紡織行業的智能驗布領域都提供了相應的解決方案。

某筆記本內層檢的檢測線，每條線需要每班2人進行檢測，錯漏檢安裝到整機後會導致巨大的返工成本和售後成本。

產線生產數百種機型、包含數百類零部件，人工需要在十秒內完成60餘個點位檢測。傳統視覺檢測覆蓋率能夠達到73%，但百度智能雲給出的解決方案檢測覆蓋率能達到95%。

在工業巡檢領域為例，百度智能雲則是在幫助企業實現安全生產，提升監管效率。

百度智能雲基於百度多年的視覺技術積累，集成各類攝像頭、無人機、機器人、A芯片及巡檢場景模型，實現對工業生產領域生產作業、設備狀態、人員安全的智能監控和實時預警。目前國家電網、南方電網均是百度智能雲重要客户。

百度智能雲研發了針對輸電線路通道的圖像與視頻智能檢測系統，幫助國網某省電力公司實現了施工機械、煙霧山火以及導地線異物等隱患目標高效檢測和高精度危害預警。

對百度智能雲而言，未來在智能製造賽道可能的發展方向是幾條。

繼續在工業質檢、工業巡檢領域強化自身AI技術應用，並強化知識圖譜等AI技術，通過輸出系統化的解決方案獲取大型國有企業客户。

與地方政府合作，針對地方製造業企業轉型升級提供服務支撐。事實上，這也是百度智能雲目前與濟南、貴州等地正在展開的合作模式。

強化工業數據智能平台建設，為中小企業客户提供工業級PaaS，甚至引入更多合作伙伴，幫助中小企業提供全流程的服務。

在產品應用層面，除了百度自有的產品研發外，還整合集成了生態夥伴各類產品，如漢得、亞信、東軟等很多合作伙伴在行業場景化正在推動業務進展。

事實上，百度智能雲也在選取ToB領域價值鏈較長且複雜性較高，同時積累了適當的數據資產，比如能源、電力等企業。

這類企業曾經有過大量信息化投入，建設了ERP系統、企業辦公系統，在此過程中沉澱了大量沉默數據。百度智能雲可以通過提供工業數據智能平台，讓這類企業挖掘數據特徵，實現數字化改造。

在服務這類企業的過程中，百度智能雲自身也可以積累服務經驗，為未來服務其他企業做能力積澱。

03

未來可能的挑戰

互聯網雲廠商未來在智能製造領域面臨的挑戰同樣是多樣的。無論是人力成本、技術障礙以及產業複雜度，都需要長期觀察。

宏觀環境看，我國總體企業上雲規模基數較小。製造業企業智能化進程一定是漫長的。

據中國信息通信研究院統計，2013~2016年，中國工業雲平台企業用户數年均增長超過146%。諮詢機構IDC統計則顯示，我國公有云市場規模仍不及美國的3%。如果上雲、上AI無法打平人力成本甚至實質上帶來增效降本效果，製造業企業往往缺乏實際動力。

技術層面看，雲與AI落地製造業需要長期技術磨合，還需要針對細分場景進行定製。

尤其是大型製造業集團的信息改造，其中涉及大量信息公司，導致運維難度很大。製造業其信息化步伐尚且有限，雲與AI技術的普及和教育更是需要較長過程。

互聯網雲廠商目前最大可能性是在工業質檢、工業巡檢領域做技術服務。

製造業本身看，這一產業本身具備複雜性，需要理解行業的企業參與其中。

互聯網雲廠商涉足智能製造領域，需要長期客户服務和技術積澱。製造業企業本身處於自身企業安全和保密考慮，往往對外部雲廠商有較大戒備心態，需要互聯網雲廠商與其建立信任關係，更需要提高專業度，引入更多生態合作伙伴，包括應用方案商以及諮詢規劃企業。

“智能製造”是個龐大的版圖，其中涉及環節繁雜。不同製造領域，往往也有不同的業務訴求。不管是雲還是AI的運用場景，最後還是要落實到定製化方案之中。這需要互聯網雲廠商強化諮詢規劃能力，引入生態合作伙伴。

這也是未來互聯網雲廠商涉足“智能製造”的重要開拓方向。