作為香港中文大學終身教授兼思謀科技董事長/創始人的賈佳亞，近日在《智能制造中的核心AI技術》主題分享中給出了一些啟發。

　　在他看來，4.0時代是以智能為核心的一個時代，這個時代開始不僅僅具備網絡、電力，還有計算。計算不再是一種非常奢侈的輔助設備，相反地，計算變成一種基礎能源。當電力被計算提純以后，計算的可利用性和資源強化性將變得非常巨大，技術特點就是永不間斷的學習。

　　也就是說，要想完成工業4.0.必須要重視工業互聯網中的無線通信作用，更要重視AI作用。

　　無線通信在工業互聯網中至關重要

　　自2012年通用電氣提出了AIOT(人工智能物聯網)概念后，通過新一代的信息通信技術，將關鍵基礎設施與新型應用模式建立起連接工業全要素，實現數據的實時采集和精確分析和智能反饋就越來越普遍。因此，工業互聯網的布局與通信息息相關。

　　在過去，工業通信系統的特征表現為多領域融合，包括傳感、通信、計算機和自動控制等。對于通信的要求也非常嚴格，比如要求高實時性、確定性和可靠性，但部署的環境又很復雜。

　　“工業互聯網，開始成為未來智能制造發展的方向之一”，北京郵電大學教授、IEEE Fellow、中國工程院院士張平表示。

　　隨著無線通信的發展以及工業互聯網概念的提出，科研人員開始考慮用無線通信來解決工業互聯網面臨的挑戰。無線通信優勢表現在：其結構精簡、數據采集和傳輸受設備影響比較小，可靈活采用工業數據，國內外發展路徑也非常清晰。

　　盡管無線通信成為智能工廠的核心部分，但目前其投入使用的比例較低，不到6%。因為柔性制造對于

　　對無線網絡，或者5G的需求非常高。這是由于這是一個閉環系統，不僅要解決信息從A地到B地不確定性的問題，而是要對這些不確定性問題產生決策，最后對系統的控制產生效應，因此，這就要求具備高安全性、高可靠性。

　　張平指出，“目前，國內互聯網已經由消費互聯網進入產業互聯網，一方面，其發展對算力提出了新要求，另一方面，也對密集型，時延敏感性提出了新的挑戰，在這樣的情況下，急需考慮云、邊、端的算力資源的自治或者自洽，以高效處理數據。而面向海量業務差異化的上云需求，當前被廣泛使用且依賴專家的人工式解決方案，難以滿足業務種類、規模增長的需求，比如業務獲取、業務分析轉譯、網絡狀態感知、策略下發等。因為未來需要實現邊緣云、通信云與網絡資源的協同一體。”

　　同時，國內科研人員也在編程語言NPL上實現對用戶需求的精確感知，從高級語言轉換為網絡設置，還有對網絡專發2節點逐跳進行信息的采集和報告，實現隊列、緩存、延時等精確感知，為網絡自治提供準確可靠的數據支撐。 對數據流量歷史及寬帶的特征進行分析，挖掘網絡空間特征，以實現寬帶流量自由化。

　　在工業互聯網中，目前出現最為棘手的問題在于：工廠里機器設備的運行會產生電磁干擾，尤其是傳統的信道建模工廠車間，會影響電子器件的正常通信。因此，為了保證無線干擾傳輸可靠性，電磁噪聲的建模起到至關重要的作用。

　　為了解決干擾通信的問題，張平提出，未來需要根據車間業務特點來定制合理的設備，接入功率控制策略，避免減少同頻干擾，盡可能減少設備空口干擾的影響。

　　面臨這樣的挑戰，未來無線通信技術的發展有以下急需突破的方向：

　　首先，在過去，網絡是以人為信息作為接收主體構建的網絡，而未來面向機器的網絡是自主感知的閉環智能機器網絡，因此這兩者存在很大差異。過去，面向人與人之間通信來設計的“TCP IP” 可歸納“為三部曲”：發一個請求——回答請求——建立鏈路。因此，這種模式無法適用于機器與機器之間的通信。因此，未來迫切需要變革面向人的無線網絡的設計，以及研究出面向閉環信息流的、系統級的信息理論。

　　其次是搭建感知、傳輸、計算及使用一體化的網絡架構，以及可靈活適配的可信交互協議，以滿足工業互聯網持續可信的通信需求。如今，5G技術已經把人與人之間的通信擴展到機器與機器之間的通信，同時也增加了一個維度。在這種情況下，未來科研人員可使用很多方法、算法以及算力，來提升其性能。但這需要一個長期準備階段才能實現。

　　除了無線通信，AI也無比重要

　　雖說在工業4.0時代，智能制造意味著制造業進入一個新的發展階段，人類需要創造一個智能制造的大腦，讓它能思考。智能化也更像是代替人類生產的“手臂”，通過智能化控制生產來提高更多效率。

　　“但是，智能制造是一個非常復雜龐大的工程，包括產品設計、生產管理、生產服務以及對客戶交互等環節。智能制造的目的則是要實現所有全鏈條環節都由機器完成，達到自主決策、自主執行及自主適應。”賈佳亞說道。

　　為了達到這一目的，在智能制造領域中，實現跨行業的工業AI落地，是目前科研界面臨的一大難題。

　　比如在手機質量檢測任務中，實現機器自主檢測。假設一款手機大概有400個供應商，所有供應商有5個制程，每個制程有25條產線。在生產手機過程中，科研人員要去做所有零件管控和質量評審，則需要做出近3萬種(400×75)算法，才能保證手機擺脫人為因素的干擾，自動判別質量，實現高管控率。如果把范圍放縮小至全球排名前5的手機品牌，每個品牌每年約推出6款不同型號，第一年科研人員需要寫出90萬種算法，但目前沒有一個團隊可以完成如此繁重的任務。

　　因此，只有當系統能夠自動實現算法組合和部署，人類只需要少量定制化算法，才有可能實現AI的跨領域規模產業化，這是一個巨大的命題。而如何能實現自動的算法組合和部署，則是一個系統工程。

　　智能制造有三個核心原則，首先，智能制造一定要具備普適性，不管是應用在汽車、飛機等行業，還是半導體、晶圓和3C產業等，都要具備該特質;第二，制造的核心原則是以計算為先，不依賴于電力和其他的基礎能源;除此，實現智能制造，還需要滿足兩大條件，分別是AI系統設計的自動化以及AI系統部署的自動化。只有當這些條件得到滿足之后，將會迎來新一代的智能產業變革。

　　未來 10 年是新一輪工業制造革命的關鍵時間窗口，也是全球各國將高精尖制造業全面升級成為智能制造的核心階段，目前智能制造依然面臨著場景需求復雜、設備連接力不足、跨行業跨領域能力薄弱、數據分析能力不足等挑戰，而唯有用 AI破局，才能激活制造業的增長潛力。

　　AI的關鍵在于機器視覺

　　機器視覺被稱為“工業之眼”，是實現智能制造必不可少的一環。目前，機器視覺被廣泛應用在消費電子3C制造中。

　　與其他行業相比，消費電子行業具備“多、變、快、全”這四大明顯特征。換而言之，就是產品種類多、生命周期短、更新迭代快、品控嚴格。同時，生產制造需要不斷適應形態及工藝的變化，快速切換生產線。高標準、高要求的品質管控也導致消費電子行業對成本非常敏感。因此，在品控與成本之間做好平衡，提升利潤空間成為制造環節中的一大挑戰。

　　進一步來看，在成本方面，人力成本攀升、工人流動性強、工人狀態會影響良率性等問題，已成為該行業主要痛點。為了解決這些問題，機器視覺的應用優勢得到體現。

　　在國內，運用機器視覺技術投入智能制造的公司多數屬于消費電子領域。

　　針對機器視覺的特點，聞泰科技副總裁、自動化研究院院長郭洪濤表示，首先，機器視覺具備柔性化優勢，機器視覺基本上相當于一個標準品，用一個相機再加上鏡頭及光源，就能實現拍照功能，再通過圖像處理方式去完成檢測，并可適用于不同產品，柔性化程度較強。

　　其次是無接觸；最后一點是實現信息化，用圖像處理方式再通過算法把數據檢測和識別出來，同時將相應信息寫入系統，為迭代算法及優化工藝等打下良好基礎，因此，機器視覺在消費電子領域應用得越來越廣泛。

　　在手機生產制造中，機器視覺應用得最多的環節包括尺寸測量、貼物料、精確識別等。以貼物料為例，手機由不同零部件組合而成，但不同批次生產的不同構件存在一定公差，機器視覺可通過測量及優化的算法找到零部件之間的最優匹配。

　　不過，值得一提的是，所有技術都具備一定局限性，且技術落地還需要與相應場景特點相結合。機器視覺在消費電子制造的應用過程中，也存在各種挑戰。

　　舉個例子，外觀檢測是機器視覺應用領域的一大難題，但一旦突破就會變得非常有價值。其難點在于污點、缺陷及形態隨機出現在不同位置，對于設備來說很難進行直接的量化定義。因此，需要基于AI算法做一些數據收集及分析，但依然會受到其他外界因素不同程度的干擾。

　　從機器視覺在智能制造落地應用的趨勢來看，其發展空間會越來越廣。郭洪濤指出，由于具備算法的支撐，機器視覺能夠不斷迭代成長。再加上它具有無接觸的特點，令它在各種應用場景都能得到發揮及應用。

　　在未來的發展路徑上，機器視覺可與光學設計進行緊密結合，通過更優化的光學設計來實現更好的成相。在具備成像的基礎上再加入算法，有利于提高生產效率。其次，通過AI的加持，傳統算法能解決智能制造中90%的問題。最后，再將2D與3D進行互補便有望解決以往無法攻破的難題。

　　由此可見，機器視覺未來的應用前景廣闊，也成為智能工廠重要的組成部分。