百度智能雲在製造業如何“卷”創新的_風聞
财经无忌-财经无忌官方账号-独特视角记录时代冷暖2022-11-29 14:46
文 | 無鏽缽 山核桃
過去的這幾年，在蘇州常熟一家印刷電路板工廠的終檢車間內，如何用眼睛精準發現瑕疵點是一線車間工人趙小米持續要做的“難”事。
作為質檢工人的她，需要檢測的電路板叫軟硬結合板——儘管看起來只有指甲蓋大小，但小到手機、車載鏡頭，智能耳機，大到5G通信基站，軟硬結合板的應用極為廣泛，製程工藝也已成熟，但在最後一環的質檢上卻存在着看不見的痛點。
趙小米的日常工作內容是“斃掉假點”。每天，車間的AVI外觀檢查機會對產品完成初次篩查，根據色差等尋找產品缺陷，但由於機器執行過程中的機械化，會存在“過殺現象”——大量沒有瑕疵的產品被誤判為“假點”，趙小米需要對着放大的照片，在電腦前確認與修正機器的篩查結果。
在不足一平方米的桌前，趙小米需要工作八個小時，一天需要看的圖片約為1萬張。即便是行業老人，也難以抵禦這種重複勞動帶來的疲倦：“從早到晚，看得真的很累”。
幸運的是，一切都在改變。今年，百度智能雲將一套智能化的外觀質檢方案帶到了趙小米所在的東南相互電子。算法在自動學習假點的特點後，建立相應的模型，為趙小米免去了大量不必要的工作。“現在，我們可能最多隻要看1000多張圖片左右。”
AI質檢對這個車間帶來的小改變，也深遠影響着這家有着十多年曆史的企業。東南相互電子IT經理胡平華自己算過一個賬：“通過包括AI質檢在內的智能化改造，生產週期縮短2天，品質良率提升近3%，企業產值提升18%，人均產值提升42%，報廢成本一年降低1000多萬。”
改變不只發生在一家工廠，也並不侷限於質檢環節。今天，圍繞中國製造業的轉型，一副宏大的產業畫卷已在這片土地上徐徐展開。
尋覓錨點：找到真需求的那顆“釘子”
喬舒亞·B·弗里曼在《巨獸：工廠與現代世界的形成》中，講述了工業革命以來，超大工廠的發展歷程，這些“巨獸”在世界經濟週期中扮演着重要角色。
中國製造業的影子，早已深深嵌入全球供應鏈中，正如這位學者所説的：“中國的工業歷程，是長達300年的大型工業歷史上嶄新的篇章，是現代世界舞台上閃亮登場的新角色。”
現實印證着他的判斷。作為全世界唯一41個工業門類都齊全的國家，中國去年的製造業增加值佔全球比重近1/3，連續12年全球居首。
但龐大的工業產值背後，“巨獸們”所面臨的“智能化程度低下”、“觸網不深”的痛點，同樣如影隨形。
鈦媒體研究院發佈的數據顯示，94.4%的中國企業未能做好部署智能製造的準備，生產設備數字化率只有44.8%，而數字化設備聯網率僅為39.0%。
隨着世界百年未有之大變局加速演進，全球產業鏈供應鏈面臨重塑， 中國製造業的數字化轉型已不是“搶答題”，而是關乎從“中國製造”向“中國智造”轉變的“必答題”。
一方面，區別於消費互聯網，工業的底色是慢和磨，大多數雲巨頭在切入工業場景時仍遵循互聯網企業“大力出奇跡”的打法，企圖從“大切口”進入，用通用化的模型解決一切問題。
但不同工廠的數字化能力不同，同一工廠各個環節的數字化進程也不一，這就決定了通用方案並不能“一家通吃”。
另一方面，工業企業往往崇尚“成效先行”原則，看重投入產出比。我國工業曾長期依賴人口紅利，製造業企業希望通過數字化實現降本增效，但也對毛利的要求也格外嚴苛。 一旦發現服務廠商缺乏行業認知，投入與產出不對等，數據無法沉澱價值，就會心生退意。
因此，數字化轉型不是“信息—工業”的粗暴加法，而是要深入產業肌理探尋病灶，以工業需求為主導，實現二者的有機結合。
在一次常熟工信局組織企業參訪活動中，百度智能雲發現了東南相互電子在質檢環節上的痛點，這恰好與東南相互電子數字化改造的方向一致。
IT經理胡平華回憶到，受原材料成本上升與大客户影響，東南相互電子在2017年時曾面臨虧損困境，但通過梳理生產的製程流程與作業方式，數字化的紅利很快凸顯，企業已不再為營收增長擔憂。
像東南相互電子此類已完成自動化改造與早期數字化建設的企業，下一步關注的是在具體場景下的“精細化”。胡平華告訴財經無忌：“我們考慮的是如何將IT技術和OP（作業程序）做緊密結合，包括我們關注的AI技術與局部應用場景的結合”。
雙方因此一拍即合，用IT經理胡平華的話來説，這是一個“顛覆性變革”。在百度智能雲的賦能下，一台外觀檢測機需要配備的複核人員可以從5個人降到2個人，相應的培訓週期從2個月縮短到2周，東南相互電子看到了實實在在的增長。
距離常熟一百多公里外的湖州，百度智能雲也找到了當地紡織企業美欣達的“真需求”。
美欣達創立於1993年，從傳統紡織印染廠起家，憑藉着全產業鏈優勢成為了諸多國內外快時尚與高端服飾品牌的供應商。
但紡織企業能源消耗大，產業鏈冗長，近年來美欣達逐步向數碼印染與綠色環保轉型，但在具體場景與業務環節上，數字化進入中國工廠，沒有想象中那麼簡單。
比如，產品檢測依賴人工，業務環節上的數據孤島等問題，在美欣達驗布車間工作多年的李師傅提到整個紡織行業數字化轉型的普遍困境：“紡織行業是離散型行業，整個行業的很多節點都依靠人力與經驗”
在美欣達的湖州工廠內，“經驗”貫穿這家工廠的各個環節。
偌大的工廠內，紡織女工們正在對布料進行分類，作為面料出廠的關鍵環節，驗布是保證出廠成品質量的第一關，傳統的驗布環節都靠工人眼睛來識別破洞、色污、摺痕等瑕疵。
除了分辨瑕疵外，在漂染過程中，工廠會用“匹條”（每匹布的布條）用以核對整批貨的顏色，對比缸差，但這項工作同樣極其依賴老師傅的經驗。
李師傅展示着兩塊匹條——肉眼看上去它們的顏色極為相似，但老師傅卻能一眼看出不同。
“原來匹條就是靠人眼一根一根的比對來分的。像顏色差異很近的話，沒有經過專業訓練，很難分辨出來。”
但藉助一套和生產體系匹配的AI攝像頭，可以輕鬆解放人力。美欣達與百度智能雲合作的智能驗布系統、色差管理系統，通過AI攝像頭採集數據，建立可視化的三維模型，系統可以分辨正品布與次品布，並根據顏色自動分類。
同時，智能驗布系統、色差管理系統也保證了產品瑕疵漏檢率低於2%，分類準確率大於85%。
數字的增長下，是百度智能雲錨定企業“真需求”所帶來的回應。 百度智能雲資深解決方案結構師章暢海認為，百度智能雲通常在評估一個項目時，思考的是“能否滿足需求方的投資回報。”
如何將抽象的數字化切入具體複雜的工業場景，圍繞着需求這顆“釘子”，百度智能雲一系列的實踐已經給出了答案。
路徑更新：壓強式創新的合縱連橫
而在那之外，技術的魅力不僅僅在於助力企業解決痛點，同樣也在於為品牌描摹全新的增長向量。
對於百度智能雲來説，找到痛點的“釘子”後，更重要的是幫助中國工廠找到持續增長的路徑。
面對行業應用，在經歷了“不計成本做集成”的階段後，頭部廠商們所形成的共識是遵循“被集成”這一原則，模式更輕。
但工業製造業碎片化、模式重、鏈條長且場景複雜，即便找到了單點痛點，但依照大部分雲計算廠商“被集成”的路徑依賴，依舊難以深入場景，形成數字化建設的業務閉環。
百度智能雲的路徑是“合縱連橫”：一邊以核心AI能力，縱向深入企業核心場景，解決具體問題，再基於應用需求部署PaaS平台、IaaS基礎設施，建立一整套“通用+個性”的解決方案。另一邊以“園區”為接口，橫向彙集共性問題，批發式滿足中小企業的需求，實現規模化。
首先，是“合縱”。 對雲廠商而言，想要深入產業，實現跨行業、跨領域的佈局，必須要具有可複製性的產品。
經過多年實踐，百度智能雲工業互聯網品牌“開物”在AI質檢、能源優化、安全生產和智能調度四大場景上的能力沉澱，成為了百度智能雲切入不同製造業的“刺刀級產品”。
以AI質檢場景為例，這款應用已在全國15個規模化行業的100多個場景裏落地，服務了首鋼、寶武、恆逸、一汽、廣汽本田等知名企業。
“百度智能雲在工業質檢上已實現了平台化，可以用來覆蓋所有的行業。”百度智能雲智慧工業資深解決方案架構師章暢海介紹道。在AI質檢領域，百度智能雲已形成了多層能力，一層是底層框架的算法算式迭代，一層是跨行業的初始通用模型，最上層是真正的應用落地。
回到企業具體的實踐中，一方面，這些已具備成熟能力的產品能夠幫助百度智能雲靈活切入不同工業場景；另一方面，隨着成效凸顯，雲廠商與工業企業在磨合中，逐步從單一生產場景的數字化轉型走向更縱深的業務與組織創新。
胡平華對此深有體會。目前，東南相互電子正準備將AI質檢應用於產品的中段檢環節與安全生產。而李師傅所在的美欣達正打算利用AI技術打通上游設計、中游生產與檢測與下游物流運輸的業務閉環。
在合縱之外，百度智能雲通過企業間的橫向集成，以集聚工業資源要素的園區為接口，通過打造園區雲、產業雲，進而實現行業產業鏈與區域產業集羣的數字化升級。
以去年工業總產值邁向4萬億台階的蘇州為例。從“蘇南模式”一路走來，作為長三角工業製造業的重鎮，儘管蘇州製造業高新技術產業比重大，產業結構高級化特徵突出，但也存在着挑戰。
《財經智庫》中國實體經濟蘇州課題組在走訪蘇州張家港、吳中等地的調研曾發現，蘇州產業間的互動仍待加強，中小企業在數字化建設等層面也存在着融合度不高、發展不均衡等共性問題。
在蘇州常熟高新園區，百度智能雲組建了一線運營團隊與“AI+工業互聯網”產業基地，負責長三角地區的交付與服務。截至目前，百度智能雲在蘇州，已服務300餘家企業，幫助近20家企業推進數字化改造工作，為183家企業提供諮詢診斷服務。
事實上，在蘇州的實踐之前，百度智能雲已在廣州、重慶、桐鄉、寧波等地區以“AI+園區”的形式實現了因地制宜，先通過與當地頭部企業的合作找到需求的“點”，再集成需求形成“面”。
範式轉換：中國智造升級的“百度方案”
跨過具體企業、園區的案例，今天，擺在所有中國製造面前的問題是：
數字化可以解決兩家、甚至兩百家企業的問題，但量變終究不等於質變。如何助力行業，乃至“千企千面”的製造業，實現兼具規模與效果的轉型？
在錨點、路徑之外，百度智能雲在對中國智造的賦能上，找到了一條“範式轉換”之路。
所謂的“範式轉換”是美國著名科學哲學家庫恩在《科學革命的結構》曾提出的概念，“範式”是一種公認的模型或模式，而當穩定的範式無法解決新的問題，就需要打破舊範式，尋找新範式。
雲計算領域同樣經歷着“範式轉換”的過程，跨過“數字化必須要轉”的階段，現在企業更需要的，是既快又好的數字化轉型。
這也意味着，雲企業不僅需要具備解決“單個”場景、企業痛點的能力，同樣要能借助新的IT基礎架構和應用，將瑣碎的方案整合為規模化輸出能力。
截止目前，百度智能雲已形成了一套“芯片-框架-大模型-行業應用”的智能化閉環路徑，從應用中來，到應用中去，沉澱下通用的、標準化、可複製的能力。
恆逸石化的案例，就是一大體現。作為全球最大的化纖生產商之一，同眾多接觸數字化轉型不深的企業一樣，過去，恆逸石化的質檢模式一直是傳統的“人眼+手電筒”，不僅效率低下，漏檢等現象也難以避免。
百度智能雲的出現改變了這一切，從AI質檢切入，在接入由這一品牌打造的行業首個AI智能外檢一體機後，依託傳統光學成像與人工智能算法的完美結合，恆逸石化實現了對產品複雜表面的深度分析，車間的檢測時間縮短70%，絲綻C級產品更是實現了0漏檢，大幅提升質檢效率。
不僅如此，當下，百度智能雲還在謀求借助質檢端和邊緣雲的聯動，通過應用帶動更多算力，從而將質檢應用從1條產線擴展到30條產線，並順勢推動智能質檢的“平台化”。
今天，在恆逸石化的業務端，圍繞百度智能雲的“端到端”能力，智能質檢的成功實踐，還在作為樣板模式，擴展應用到包括安全檢測、能耗優化在內的更多場景。
回顧這一案例，百度智能雲提供的，不僅僅是基於單一產線的變革，而是從1條產線到30條產線，從算力、到算法、到智能化應用的多層級、全方位、一站式優化。
在這些優化的背後，百度智能云為老牌化工企業帶來的“範式轉換”並非偶然，而是其核心自研AI技術在產業中充分應用，並結合端到端能力，推動業務高速增長的體現。
這正是得益於這一技術優勢，今天，百度智能雲可以跳過堆疊的“工廠故事”，以製造業、能源、城市、交通等行業為賦能基點，譜畫千行百業的增長繪卷。
眺望未來，站在更宏觀的視角，產業化升級的大潮不可逆，全球經濟格局重構的趨勢不會變。百度智能雲除了能幫助產業加速智能化進程，也能幫助中國產業更好地利用AI能力，在全球化的競爭中佔據優勢。