從輝煌到落寞

　　我們把時間扯回到2016年——當時，谷歌AI系統(tǒng)AlphaGo以4:1戰(zhàn)勝圍棋九段高手李世石，引發(fā)了一波全球性的人工智能熱潮。與此同時，互聯(lián)網(wǎng)巨頭們也給AI再添一把火。李彥宏率先提出all in AI，馬化騰隨后也提出AI in all，馬云啟動了NASA計劃并創(chuàng)立達摩院。似乎，AI時代已經(jīng)觸手可及。

　　Wave Computing被譽為全球最有前途的AI公司之一。這是一家專注于通過基于數(shù)據(jù)流驅動（dataflow）技術、以及實現(xiàn)dataflow技術的軟件可動態(tài)重構處理器（CGRA）架構，突破AI芯片性能和通用性的瓶頸，加速從數(shù)據(jù)中心到邊緣的AI深度學習計算。Wave Computing曾經(jīng)也是各種榮譽加身：“機器學習行業(yè)技術創(chuàng)新領導者”；“25大人工智能供應商”之一；“最受尊敬的私營半導體公司”獎等等。

　　但是十年過去，公司在產(chǎn)品方面，相比Nvidia、Graphcore，他們芯片的優(yōu)勢并沒有得到很好的凸顯，引發(fā)了前景擔憂，終于倒在疫情之下。

　　就拿視覺領域的應用來說，目前還是在比較初級的階段；即使是頭部企業(yè)，也還在努力探索大規(guī)模商業(yè)化的路徑。雖然所有的AI公司都知道工業(yè)是最大的應用領域，但真正落地工業(yè)的寥寥無幾，更多的還是PPT。

　　制造業(yè)的競爭

　　當前，人工智能技術的應用場景主要集中于商業(yè)領域，因受專用性限制以及數(shù)據(jù)量的影響，人工智能與制造業(yè)的融合場景主要是在非制造的研發(fā)、售后服務等環(huán)節(jié)。在制造業(yè)的應用主要集中在視覺缺陷檢測、機器人視覺定位和故障預測等。

　　不過總體來講，AI故障預測還處于試點階段，成熟運用較少。一方面，大部分傳統(tǒng)制造企業(yè)的設備沒有足夠的數(shù)據(jù)收集傳感器，也沒有積累足夠的數(shù)據(jù)，另一方面，很多工業(yè)設備對可靠性的要求極高，即便機器預測準確率很高，不能達到百分之百，依舊難以被接受。此外，投入產(chǎn)出比不高，也是AI故障預測沒有投入的一個重要因素，很多AI預測功能應用后，如果成功能減少5%的成本，但如果不成功反而可能帶來成本的增加，所以不少企業(yè)寧愿不用。

　　正如中國工程院院士鄔賀銓所說，目前中國在人工智能領域投資在制造業(yè)的投入明顯不足，而制造業(yè)是人工智能應用在未來的巨大市場。目前中國人工智能投資23.4%集中在商業(yè)及零售領域，18.3%在自動駕駛，而制造業(yè)卻不到1%。他認為，這主要是因為制造業(yè)的數(shù)據(jù)采集流程更長、數(shù)據(jù)的可靠性挑戰(zhàn)較大所導致的。

　　AI與制造業(yè)深度融合的難點有哪些？

• 制造環(huán)節(jié)數(shù)據(jù)難以開發(fā)利用

　　人工智能與制造業(yè)的深度融合發(fā)展需要以大數(shù)據(jù)作為支撐，與消費環(huán)節(jié)相比，制造環(huán)節(jié)數(shù)據(jù)的可獲得性、可通用性更弱。制造業(yè)機器設備生成的數(shù)據(jù)通常較為復雜，有接近一半的數(shù)據(jù)是沒有相關性的。與此同時，制造環(huán)節(jié)的數(shù)據(jù)需要安裝大量高精度傳感器，這不僅需要投入巨額的資金，而且在后期維護上也會產(chǎn)生檢修及人工成本等。

• 無法采用可復制的系統(tǒng)和整體解決方案

　　人工智能必須根據(jù)制造業(yè)的具體場景進行定制，簡單照搬模版式的制造業(yè)人工智能解決方案是不可行的，而且也不存在一個能夠被大多數(shù)制造業(yè)接受的統(tǒng)一的人工智能系統(tǒng)。此外，不同制造業(yè)之間的技術、流程差異巨大，對人工智能有不同需求，一個人工智能系統(tǒng)難以滿足所有制造業(yè)的要求。

• 人工智能與制造業(yè)深度融合所需的復合型人才嚴重缺乏

　　一般來說，人工智能高端人才主要集中在互聯(lián)網(wǎng)行業(yè)，而制造業(yè)相關人員對人工智能概念的理解、對技術的掌握還不是很準確。因此，難以支撐制造業(yè)企業(yè)智能化轉型升級。從人才供給看，現(xiàn)階段既了解制造業(yè)技術又掌握人工智能技術，還能夠進行應用開發(fā)的復合型人才嚴重缺乏。

　　沒有應用經(jīng)驗的AI不可能落地制造業(yè)

　　一家行業(yè)應用軟件公司曾經(jīng)說過一句話：“我們用200行代碼達到了國外同行1000行代碼的功能”。時過境遷，1000行代碼的公司依然活得不錯，而200行代碼的公司已經(jīng)銷聲匿跡。不知在消失之前，是否明白了，800行代碼的差距在哪里？

　　再看一例，在中國最大的工業(yè)展會之一的工博會上，這些號稱面向工業(yè)領域的AI公司來了幾家？幾乎都是硬件公司在展示AI的行業(yè)應用?？赡茉谕粫r刻，那些AI獨角獸正在給投資公司演示炫酷的PPT。

　　其實在2018年底，科大訊飛被曝出人工翻譯假裝的機器人翻譯的丑聞，讓這家老牌AI語音巨跌落神壇。甚至險些被認定為“機器人公民”的索菲亞，最后確被指出只不過是一個機器類人音箱”，震驚全世界。曾有媒體報道，很多早期的機器人和虛擬機器人上節(jié)目，多數(shù)是寫好了劇本，或者直接由人工操控的。

　　不僅這些，在2019年8月，曠視科技就向港交所提交了招股書，這也是首次揭開了AI獨角獸的神秘面紗。從提交的招股書來看，其2016年、2017年和2018年的營業(yè)收入分別達到人民幣6780萬元、3.13億元和14.27億元，虧損分別為人民幣3.43億元、7.58億元和33.52億元。而2019年上半年，曠視科技虧損額度達到驚人的52億元。這次IPO之旅并不順利。在提交上市申請6個月后，曠視科技在港交所IPO的進程狀態(tài)顯示為“失效”。

　　雖然那些AI獨角獸在“不務正業(yè)”，但深耕制造業(yè)的巨頭公司對AI的投入?yún)s在不斷加大，西門子、施耐德、羅克韋爾等在AI領域投入巨資，加大研發(fā)力度，并購等，不斷搶占制造業(yè)AI的制高點。

　　事實證明，技術并不能成為一家AI創(chuàng)業(yè)公司的“護城河”，如何將技術變現(xiàn)才是AI企業(yè)的當務之急。

　　2020年突發(fā)的疫情，又將AI推到了絕境——一些PPT玩家將黯然離場；另一些則匯入制造業(yè)的大海中，接受更大的考驗。

　　5月7日，國內著名的AI獨角獸在回復證監(jiān)會問詢時表示：公司的人工智能處理器IP系列已經(jīng)失去了華為這個最大的客戶，原因是華為公司按照其發(fā)展慣例，自主研發(fā)相關產(chǎn)品。

　　“軟件定義一切”是最近制造業(yè)常說的一句話，但這里是不是要加個問號？在制造業(yè)中“軟件公司的軟件定義一切”還是“生產(chǎn)硬件的行業(yè)公司的軟件定義一切”，to be or not to be，that is aquestion.