四名在讀研究生，用昇騰AI探索軟件定義的未來製造_風聞

過去幾年中，“柔性化”這個詞經常被各大主機廠商掛在嘴邊。

簡單地説就是千人千面的柔性生產，越來越多的工廠開始實行訂單制生產模式，每一台車都能根據客户的需求個性化定製，同一條產線可以實現SUV、MPV、轎車等不同車型的混合生產。

只是在柔性生產的大背景下，製造環節還有一些待解的老問題。

比如汽車焊接工藝中普遍存在的兩個不確定性：一是需求的不確定性，產線需要根據不同的需求，不斷規劃生產線的工藝過程和參數；二是過程的不確定性，存在漏焊、虛焊等缺陷，需要精準識別焊接缺陷並進行補焊。

在剛剛結束的昇騰AI創新大賽2023上，由一名博士生和三名研究生組成的“山東大學大山坡汽車焊工技術服務隊”，斬獲了昇騰AI創新大賽2023開發者套件創新賽道全國總決賽金獎，他們將汽車製造模擬產線和昇騰AI基礎軟硬件平台結合，讓困擾汽車製造行業多年的焊接工藝問題有了可行的新解法。

01 雲邊協同，驅動製造場景智能化

在講述“山東大學大山坡汽車焊工技術服務隊”的解題思路前，先來了解下汽車行業比較常見的解決方案，畢竟“智能製造”的話題已經喊了很多年，而焊接工藝缺陷恰恰無法跳過的一個核心環節。

一種是靠工人用肉眼識別判斷的笨方法，即質檢員用肉眼檢查漏焊、虛焊等不良問題，再由焊接工人進行補焊。代價是效率低下且成本很高，而且現在的年輕人對工作環境的要求越來越高，即使高薪也很難招到熟練的藍領人才。

另一種是對生產線進行智能化改造，常見做法是通過終端獲取實時數據，將數據上傳到雲端進行識別，再將計算結果下發到終端，控制焊接機器人等進行作業。某種程度上替代了人力，但依然存在時延高、穩定性不足等問題。

“山東大學大山坡汽車焊工技術服務隊”深入上汽通用等生產車間進行實地調研，結合工廠車間的真實環境，提出了雲—邊—端的架構設計。

在雲端部署了領域建模工具和流程工廠工具，前者通過CAD圖紙文件、功能規格説明等理解需求，並將需求結構化後構建場景模型；後者對生成的模型進行代碼的編排和組合，實現了場景代碼的構造。雲端同時也是面向用户的操作端，利用遠程服務調度、低代碼等對產線進行遠程控制。

邊端的主力是Atlas 200I DK，承載了代碼生成、在線推理、智能決策等多重角色。在焊接點缺陷處理中，攝像頭採集的圖像數據，可以直接在邊端進行實時的解碼處理，自動識別漏焊、虛焊等缺陷，並向焊接機器人發送補焊指令。原本需要在雲端處理的決策和調度，下沉到了邊端。

終端模擬真實的產線環境，還原了汽車焊接製造的一整套流程，包括車型識別視覺套件、焊點識別視覺套件、機械臂、傳送帶、緩存區軌道、底層通信模塊等等，主要負責數據的採集、傳輸和操作執行。以補焊場景為例，從實時感知、在線推理、智能決策到指令下發，全程在1秒內完成。

和市面上已有的方案相比，“山東大學大山坡汽車焊工技術服務隊”創造性地採用了雲邊協同的思路，因為邊端有了更強的算力支撐，原本需要在雲端處理的工作，下沉到了邊端進行實時處理，為製造場景的智能化轉型給出了新解法：

以往對智能控制精度和時延的顧慮，現在可以在邊端實時處理，整個過程都不需要人工的參與；以往必須分成多個產線才能實現的個性化需求，現在有了按照需求智能決策的能力，可以在一條產線上混線生產……或許當前的應用場景還比較簡單，但在很大程度上印證了雲邊協同的可行性。

02 軟硬融合，釋放澎湃的創新力量

讓人想不到的是，在參加昇騰AI創新大賽2023之前，“山東大學大山坡汽車焊工技術服務隊”的四名成員都只有軟件開發的經驗。不到四個月的“急行軍”，對整個團隊來説都是一場從0到1的探索。

作為隊長的李贏坦言：“一開始是有些牴觸的，因為大家的心思都在軟件上，本能地認為軟硬結合比較難。但去做後發現，做軟件的必須要懂硬件，軟硬件結合對我們思路和視野的開闊是非常重要的。”

視野上的開闊，可以從硬件的迭代説起。

在接觸到Atlas 200I DK前，他們使用的是一款支持OpenMV的智能攝像頭，既能夠錄製視頻，還可以做一些簡單的數據處理。由於昇騰AI對視頻流的精度要求比較高，“被迫”更換成了CG1200P工業攝像頭。

“昇思MindSpore的上手還是比較簡單的，只要邏輯理清的話，開發只用了兩週左右的時間，就把原來的算法更新了一版。因為昇騰AI的在線推理能力很強，攝像頭的設計可以實時抓取進行在線解碼和模型推理，檢測精度比之前提升了82%，比原設備的算法提升了40%，單張照片的處理時間只要0.014秒。”

思維方式的轉變，則體現在部署方式上。

“過去的邊端設備只能做簡單的計算，所有的代碼項目都是放在雲端的，但是需要修改的時候，過程還是比較繁瑣的，需要現在本地服務器修改、部署、驗證，再放到雲端部署驗證。如果是在真實的生產環境中，整個過程中有很多不確定因素，導致實時性和可靠性打了不小的折扣。”

讓李贏感到興奮的是，代碼項目部署在邊緣端，測試和部署要方便很多，可以直接修改直接看到成效，並且不太需要考慮網絡延時，從而能夠實現更快的數據傳輸和響應速度。再加上推理和部署在同一個節點上，後續的維護和管理也很簡單，而且對於車間工廠這樣的環境要更加友好。

恰恰是“不熟悉”的軟硬融合模式，讓“山東大學大山坡汽車焊工技術服務隊”用雲邊協同這種最為“接地氣”的解決方案，使模擬生產工藝實現了智能化、可視化、模塊化執行，走在了工業製造智能化創新的第一線。

而在整個昇騰AI創新大賽2023上，像“山東大學大山坡汽車焊工技術服務隊”這樣的團隊還有很多。

有團隊想要用AI解決航空發動機智能視覺缺陷檢測，有團隊給出了無人機光伏智能巡檢解決方案，還有團隊提出了深海AI聲吶智能感知系統……軟硬融合模式正在深入不同的場景，用新的思路、理念去解決既有問題，不斷釋放出澎湃的創新力量。

03 釣勝於魚，點燃產業端創新之火

在大模型浪潮的影響下，人工智能已經融入到生產生活的各個領域。事實上，這也是昇騰AI創新大賽的初心所在，旨在鼓勵全產業開發者打造軟硬件解決方案、探索模型算法，加速AI與產業的融合。

也許仍有人不解，像昇騰AI創新大賽這樣面向開發者的頂級賽事，與“AI和產業融合”到底有什麼關係？就這一點來説，“山東大學大山坡汽車焊工技術服務隊”可以説是回答類似問題的“最佳對象”。

正如前面所提到的，智能製造並不是什麼新課題，可大多是用純軟件的思路，導致學術和實際之間總是存在某種距離。“山東大學大山坡汽車焊工技術服務隊”看到了邊緣計算的想象空間，並用軟硬結合、雲邊協同的方式提出了新的架構設計，不僅進一步提升了效率和準確性，也讓整套系統離落地更近。

授人以魚，不如授之以漁。比焊接工藝這種具體問題更為重要的，其實是用所學知識 解決問題經驗和方法論。

按照李贏的説法：“參賽對我們比較重要的幫助是統籌協調的能力。我們四個人是師兄弟的關係，沒有誰指揮誰的説法，遇到某個技術問題或者下一步怎麼做，大家都是一起討論的。但一個項目能夠走到最後，需要明確的個人分工和合作規劃，這個過程中的統籌和協調，對我來説是一次非常好的鍛鍊。”

在團隊中負責理論學術和算法研究的史浩然博士，有着不一樣的成就感：“之前的學習主要是針對某個技術問題或者某個單一的學術難點，這是第一次做一個完整的有實際落地意義的系統，從軟件工具到硬件設備再到算法的實現，如何運用多種技術協同來解決一個事情，讓我從中學到了很多。”

主要負責雲邊調度研究的傅顯坤，表達了相同的感受：“我們實驗室本來就一直在做雲計算、雲端協同，但之前都是在學術方面，沒有很深的落地。這次最大的收穫可能是做的東西能夠看得見、摸得着，真的可以用技術去解決問題。”

因為大四做畢業設計參與到項目中的陳嘉彬，主要負責邊緣開發和軟件開發，在他看來：“本科階段學的都是偏理論性的知識，實踐的機會相對比較少。通過這個項目，知道了這些知識該怎麼用，怎麼在實際場景中落地實踐。”

可以看到，他們參賽的動機並不複雜，一開始僅僅是為了“學以致用”。正是這樣樸素的想法，在他們心裏種下了創新的種子，然後在汗水的滋潤下生根、發芽、開花、結果。有理由相信，焊接工藝缺陷只是他們解決的第一個問題，等待他們的將是星辰大海。

把視角再放大一些的話，“山東大學大山坡汽車焊工技術服務隊”的參賽經歷，何嘗不是AI與產業融合的新範式：只要為開發者提供“用得起、用得好、用得放心”的軟硬件服務，為他們的創新想法和探索精神提供落地的土壤，終將在產業端燃起智能化的熊熊之火。