Uploads%2farticles%2f13419%2f     2019 09 04   8.54.28
|
2019-09-04

从田间到厂房,AI 工业化那些事

一文详解百度 AI to B 战略

这几天百度又接二连三的做了一轮发声——主题不是智能音箱:

上周,在重庆智博会上,李彦宏对 AI 产业落地提出了三点建议,透露出百度在产业物联网的布局。

上周,在第四届「ABC SUMMIT 2019 百度云智峰会」上,百度智能云连发了 20 大智能计算新产品,勾勒出百度智能云方案的全景图。

本周,李彦宏发出全员信,宣布百度智能云与 CTO 体系高效融合,公司副总裁、百度智能云总经理尹世明携百度智能云事业群组(ACG)团队向集团首席技术官王海峰汇报。

一系列动作表明,百度智能云的战略地位不断提升,百度 AI to B 业务战略的地位不断升级。

AI to B 的赛道,为何来?

小度智能音箱走向千家万户,这是百度 AI to C 战略的体现。今年 Q2 季度,百度智能音箱全球排名已经赶超 Google,跃居全球第二。

百度智能云 ABC 即百度 AI、大数据、云,成为大型公有云厂商的标配,这是百度 AI to B 战略的体现。今年 Q2 季度,百度智能云在中国公有云市场中排名第四。

相比阿里云、腾讯云已经占据的市场份额,百度意在奋起直追、弯道超车:百度智能云过去一年用户数、收入翻倍增长,流量和服务器三倍增长,成为中国增速第一云厂商。百度不仅强调了名次,还强调了增速。

在 AI to B 的赛道上,阿里、腾讯、百度三巨头相继发力。

去年 9 月,腾讯成立云与智慧产业事业群(CSIG),宣布从 to C 向 to B 业务的转变。之后,在今年 5 月的腾讯全球数字生态大会,腾讯更是强调通过 CSIG 这个「窗口」,面向行业输出 AI 应用解决方案,协同发力产业互联网。

去年 12 月,阿里云升级为阿里云智能,通过组织架构调整,将中台战略中所构建的智能化能力与阿里云的能力相结合,构建基础设施。在刚刚结束的世界人工智能大会上,阿里云发布《中国企业 2020:人工智能应用实践与趋势》白皮书,旨在为企业应用人工智能提供落地指南。

百度智能云在完成了一系列的组织架构调整、基础设施蓄能后,打出了一张靓牌——AI 工业化。

AI 工业化,怎么理解?

上周四,百度召集了近 7000 位合作伙伴开会。这个「百度云智峰会」已经是第 4 届,和「百度 AI 开发者大会」在同一个会场、同一个规模。会上,「INDUSTRIALIZE / 工业化」成为主旋律。

AI 工业化——这并不是狭义「将 AI 带入工业领域」。这一概念出现的时代背景是:

在过去几年,AI 已经完成了从大数据到云的基础建设,AI 技能能力已经能够满足算力、算法、数据的要求;接下来,AI 将大规模进入产业,解决规模化应用的问题。

而「规模化应用」就是工业化。

百度提炼了过去三次工业革命发生的关键要素——生产力、自动化、协同共享。与之相对应的,在人工智能向工业化推进的过程中,百度遵循了这样一个形似爱因斯坦「质能公式」的「智能公式」:

人工智能工业化 =(智能计算 x 智能应用)^ 智能生态

把这个公式拆开逐项解读,就能看到一张百度发力产业智能的战略蓝图。

智能计算是智能化变革的基础设施,百度已经在计算、网络、存储、数据库、安全等方面做好了技术储备;同时,适应产业智能化的需要,百度的智能计算还具备全场景覆盖、弹性配置和交付、高性价比、安全、易运维等特性。

不仅如此,百度还构建了 6 大工程平台,总结了 3 套方法论,在大数据工程、AI、视频云、物联网、区块链、云原生等领域,帮助企业解决技术环境、开发路径、资源需求等难题,助力企业完成智能化变革。

有了基础设施,百度在视觉智能、对话智能、数据智能三个方面,为企业及合作伙伴提供 5 大场景解决方案,列举了 6 大典型客户案例,以推动 AI 落地各行各业。

沉下田间地头,沉进矿区厂房

这里要和大家展开讲讲这两个下沉市场的故事。

有好一段时间媒体在关注 AI 下沉市场。让智能音箱走向三四线城市的家庭是在消费市场的一个体现,而在行业市场,让 AI 沉下田间地头,沉进矿区厂房,是一件更有趣的事情,因为你会发现,对于行业用户来说,AI 不仅是一件「好玩」的事,还是一件真正有价值的事。

在制造业耕耘的朋友都知道,大部分的车间质检工人都是用「肉眼+放大镜」的人工检测方法,来排查零部件外观是否有缺陷。产线上的工人上班时间是不允许带手机的,就连上厕所都要有倒班轮换,也就是说,不仅坐在那里一个姿势几个小时不能动身,就连眼睛也是要做到不能有一刻松懈。

而当我们用摄像头做人眼,对零部件外观进行 6 个工作面不同位置的拍照,用 AI 数据进行比对排查,然后再让机器自动挑选缺陷零件。当这些都能集成在工厂的自动检测系统中,并且部分排查由边缘侧的终端设备完成而无需实时上云,就能实现高效的机器自动、智能检测。

精研科技是三星、华为、OV、亚马逊、谷歌等企业精密零部件的制造商,他们利用百度智能云技术打造的智能质检设备,能同时检测 6 个零件面的 33 种缺陷,将漏检率控制在 0.1% 内,设备投资回报率则达到了传统机型的 6.5倍。

更进一步的,数据还能驱动算法优化,驱动工艺优化,企业的竞争力也获得了极大的提升。

百度云智峰会现场连线精研科技工厂车间,左边是人工质检车间,右边是智能质检车间

很多时候我们在谈到「智能云」的时候,都会担心在 5G 还没有大规模应用的时代,设备如果不能实时联网上云,智能云的相关应用方式是不是就根本是无稽之谈?

从 2017 年初步尝试落地到 2019 年规模化应用,这套云边端协同的智能质检方案,已经在数十个行业里运行了有一段时间了。来自江苏常州的制造业企业精研科技是一个缩影,在之前,首钢的钢板缺陷检测、宝钢和一汽的零部件质检等等,都应用了端云一体的质检云方案。

我们再看一个草根救援行业在科技赋能下如何实现高速发展的案例。在今年夏天的「利奇马」台风登陆浙江不到一个小时内,吉诺救援接收到 295 个救援请求。吉诺救援利用百度智能云的 AI 方案,在 40 分钟内就调度了 300 多台车辆,前往 37 个县展开救援,救援的效率和准确性大大提升。

吉诺救援

事实上,仅在 2018 年一年,吉诺救援就处理了 10 次台风灾害,39 次强降水洪涝灾害,覆盖了 3260 万台风受灾人数,以及 271 万辆受灾救援车辆。在中国车主已经超过 2 亿的大市场里,吉诺救援每天要处理 20000 次救援请求,派出 40000 辆专业救援车辆出险行动。

要应对如此大规模的数据量,就要通过智能化实现救援变革,应用地图技术实现时空的智能调度,从而真正做到全面监控、高效分析、精准预测和预防处理。

如何获得指数级发展?

最后我们回到之前提到的「智能公式」,这其中提到了幂指数是「智能生态」,尹世明解释说:

智能计算和智能应用交叉促进,再通过智能生态实现指数级的发展,才能实现人工智能的工业化。

规模化应用和指数级发展,离不开生态的繁荣。为此,百度智能云推出业界首个完整的人工智能生态联盟——百度产业智能联盟,并展现面向制造行业的子生态领航俱乐部,共同建设产业智能化生态圈。

百度智能云合作伙伴分享企业智能化升级故事,并为百度产业智能联盟站台。从左到右分别为吉诺汽车集团董事长贾小平、Dell 全球供应链负责人黄畅唱、央视网总经理赵磊、国家电网有限公司客户服务中心董事长吴杏平、重庆市气象局局长顾建峰

题外话

这几天德国柏林 IFA 展即将召开,我得空了解了一下最早由德国提出的第四次工业革命。

在完成了两次工业革命后,德国意识到,要保持自己制造业强国的优势,就要在提升技术水平和提升创新体系的效率上做文章。而其中关键目标就是减少人力成本,以此来应对像中国这样的新兴国家的庞大的制造输出能力。

人力成本这件事情对于中国来说,可能暂时还没有德国那么痛。但随着中国智能化进程的推进,部分试点里冗余的劳动力提早被释放出来,不正是为了迎接更大规模的智能革命后,生产效率的指数级提升吗?

背负着 AI 赋能大业的百度、阿里、腾讯,在这一波智能革命中,能否将领先的智能计算技术,规模化应用到各行各业,并带动效率的提升以及业务的指数级发展,这是我们全民所期待的。

>>
Back to top btn