2024政府工作報告指出，深化大數(shù)據(jù)、人工智能等研發(fā)應(yīng)用，開展“人工智能+”行動，打造具有國際競爭力的數(shù)字產(chǎn)業(yè)集群，這是“人工智能+”首次寫進政府工作報告。就技術(shù)應(yīng)用而言，人工智能就像氧氣，本身很有價值，但自己不會燃燒，必須找到可燃物才能把價值發(fā)揮出來，這里的“可燃物”指的是落地場景。這也是政府工作報告中為什么要強調(diào)“人工智能+”，只有通過“+”深度鏈接場景，AI才能為各行業(yè)帶來革命性變革，推動傳統(tǒng)產(chǎn)業(yè)智能化轉(zhuǎn)型?？梢姷氖?，目前AI已在工業(yè)場景中被廣泛應(yīng)用，如工藝流程優(yōu)化、產(chǎn)品質(zhì)檢、以及預(yù)測性維護等等。經(jīng)過場景的淬煉后，AI是否已經(jīng)成為變革生產(chǎn)力的工具?在近期的慕尼黑上海電子生產(chǎn)設(shè)備展上，研華通過展示其AI一站式解決方案，涵蓋邊緣采集、工業(yè)通訊、AI計算平臺等全系列軟硬件產(chǎn)品，分享了3C電子、半導(dǎo)體等行業(yè)應(yīng)用，實地檢驗了AI的落地價值。

　　文/研華科技

　　1 舊范式的困境與突破

　　首先落地到應(yīng)用層面，電子制造行業(yè)的產(chǎn)品質(zhì)檢是一個可供AI大展拳腳的典型場景。

　　在該場景中，原有的質(zhì)檢解決方案緊緊依賴于以傳統(tǒng)算法主定義的AOI檢測設(shè)備，而傳統(tǒng)算法的核心是Rule-based，也即意味著定量分析和特征工程，一堆的if....else是傳統(tǒng)算法的一個特點。雖然至今在定量分析上，傳統(tǒng)算法依然不可或缺，但它有一個非常大的問題，即應(yīng)用門檻高。比如運用傳統(tǒng)算法做檢測時的幾何形狀匹配，它需要設(shè)置非常多的參數(shù)，如果要用好，工程師需要理解幾何匹配算法的基本原理、參數(shù)的物理含義，這里需要的圖像處理背景知識“門檻”要求就很高了，甚至理解不到位，就會出現(xiàn)定位結(jié)果不是想要的，或者是達不到一個非常精準的效果。

　　而應(yīng)用“門檻”與維護成本高只是其一。

　　可以想象一個這樣具體的場景，在某3C客戶的模組外觀檢測中，由于檢測種類涉及到注塑件、金屬件等多種材料組合，產(chǎn)品異形，缺陷種類多達70多種、形態(tài)多變;而客戶的檢測要求漏檢率低于0.1%，過殺率3%左右。如果從傳統(tǒng)算法視角出發(fā)，該項目基本無解。

　　類似這樣的瑕疵類型難以被明確定義、大量混檢的場景，甚至是光學(xué)成像環(huán)境相對復(fù)雜的環(huán)境，目前僅靠傳統(tǒng)算法無法達到預(yù)期效果，還需要依賴人工。而這成為了AI天然的戰(zhàn)場，通過數(shù)據(jù)對AI進行大量的訓(xùn)練，便可以將以前“質(zhì)檢老師傅”的經(jīng)驗沉淀為AI模型，然后驅(qū)動設(shè)備去做大量的缺陷檢測工作。

　　在研華給某Type-C客戶導(dǎo)入的瑕疵檢測解決方案中，通過一站式的AI瑕疵標注、模型訓(xùn)練、模型驗證、模型部署，幫助客戶產(chǎn)線輕松落地了AI的應(yīng)用。最終幫助客戶實現(xiàn)了100%的人工替代，每個月節(jié)省了將近5萬的人力成本支出;通過在系統(tǒng)部署多個AI模型，達到1秒即時檢測零延遲;并且完善記錄檢測數(shù)據(jù)，提高品質(zhì)可信度。

　　又如在電感元件的外觀暗裂檢測項目中，客戶過去大多采用人工目視的檢測方式，或者六面檢查機造成較高的過殺率，從而導(dǎo)致檢測成本顯著上升。針對客戶的訴求，研華在原有的AOI設(shè)備中增加了AI算法復(fù)檢，將過殺率從5%降低到了1.2%，提升檢測效率達到1800pcs/min，而客戶只需要投入原先10%的人力成本，ROI控制在一年以內(nèi)。

　　2 研華AI Navi，簡單易上手

　　當然，不可否認的是，客戶在導(dǎo)入AI的嘗試中，仍然會有AI標注困難且耗時、缺乏數(shù)據(jù)訓(xùn)練AI模型導(dǎo)致實際應(yīng)用效果不佳、甚至是對于應(yīng)用門檻的擔心，而這些問題也恰恰是AI 1.0在工業(yè)場景應(yīng)用中呈現(xiàn)出來的不足。

　　而研華也始終強調(diào)，工業(yè)場景復(fù)雜，好的產(chǎn)品一定是簡單易用的，比如通過簡明的交互、一鍵化部署方案、減少交付過程中的培訓(xùn)成本和學(xué)習(xí)負擔。因此，研華AI Navi通過圖形化的操作界面讓一線生產(chǎn)員工通過流程化點擊的方式無需編程即可上手應(yīng)用，更無需深度理解這些植入在設(shè)備系統(tǒng)里的神經(jīng)網(wǎng)絡(luò)與AI算法。

　　針對標注困難且耗時的問題，原先的標注需要工程師一點點現(xiàn)場拉框選擇，如果沒有完美標注好，即會影響到AI模型的訓(xùn)練效果;而現(xiàn)在研華AI Navi通過輕觸點擊的方式，系統(tǒng)會自動捕捉出瑕疵的狀態(tài)，然后進行自我訓(xùn)練。

　　3 研華AI Navi，自我訓(xùn)練與進化

　　其次，由于缺陷是非受控因素產(chǎn)生的，獲取成本很高;加之電子制造行業(yè)良品率極高，在大量正常的產(chǎn)品中，收集缺陷樣本既耗時又低效。這一行業(yè)特點就導(dǎo)致了缺乏用于訓(xùn)練AI模型的瑕疵品數(shù)據(jù)。

　　一方面研華AI Navi開發(fā)了智能缺陷生成功能，基于AI技術(shù)，僅需少量的缺陷圖，即可批量生成仿真缺陷圖，高度還原缺陷紋理、立體度、色彩等細節(jié)，自我積累數(shù)據(jù)訓(xùn)練自己;另一方面AI Navi還可以進行強化學(xué)習(xí)的拓展，如在檢測過程中出現(xiàn)了從未出現(xiàn)過的瑕疵，通過現(xiàn)場人員進行標注后反饋給AI系統(tǒng)，AI Navi即可重新生成包括該瑕疵的AI大模型，完成自我的迭代與完善。它將人類的反饋納入了訓(xùn)練AI大模型的過程中，為機器提供了一種自然的、人性化的互動學(xué)習(xí)過程，就像人類從另外一個專業(yè)人士身上學(xué)習(xí)專業(yè)知識的方式一樣。如此一來，缺乏訓(xùn)練數(shù)據(jù)的難題也迎刃而解。

　　總結(jié)來說，AI Navi是研華面向制造業(yè)打造的一站式AI應(yīng)用平臺;包含從圖像標注、AI模型訓(xùn)練、AI模型驗證、AI模型部署、產(chǎn)線設(shè)備導(dǎo)入應(yīng)用。據(jù)研華介紹，一般在客戶現(xiàn)場，徹底跑通這一完整流程大約需要一周以內(nèi)的時間，完全能夠應(yīng)對電子制造業(yè)的生產(chǎn)節(jié)奏。

　　4 多層級計算平臺，加速工業(yè)AI普惠

　　縱觀AI平臺的應(yīng)用，其系統(tǒng)的部署需要大數(shù)據(jù)和高計算能力的支持，尤其在模型訓(xùn)練階段，需要不斷對算法/模型迭代優(yōu)化，該特點在工業(yè)領(lǐng)域尤其突出，即使是利用AI做外觀檢測，對于大規(guī)模定制生產(chǎn)來說，針對新產(chǎn)品的不同外觀檢查的模型訓(xùn)練異常頻繁，此時作為AI算力的硬件就顯得尤為重要。軟件與硬件的完美配合才能更好地實現(xiàn)終端應(yīng)用化的價值落地。

　　研華持續(xù)深耕AI各領(lǐng)域應(yīng)用，提供了如邊緣采集、工業(yè)通訊、邊緣計算等一系列AI計算產(chǎn)品線，為客戶提供了一站式的工業(yè)級AI解決方案。通常在應(yīng)用中，端邊信息采集后，下一步就是通過工業(yè)神經(jīng)網(wǎng)絡(luò)傳遞到各層級計算平臺，在邊緣計算層，為了應(yīng)對各行業(yè)不同的邊緣計算環(huán)境，研華可為客戶供了包括輕量級AI計算平臺，混合型AI計算平臺以及復(fù)雜級AI計算平臺等多種產(chǎn)品。

　　在輕量級AI計算平臺，研華推出的基于NVIDIA Jetson所開發(fā)出來的AI BOX產(chǎn)品MIC系列，產(chǎn)品形態(tài)豐富，從Lite型的711系列、到通用型的713、733系列，包括有無機殼的開發(fā)板形態(tài)。輕量級AI計算平臺主打緊湊小型的產(chǎn)品特性，便于部署在端及邊側(cè)的客戶場景中。

　　在混合型AI計算平臺，研華推出了應(yīng)對嚴苛復(fù)雜環(huán)境的模組化嵌入式無風扇工業(yè)電腦MIC-770V3以及整合人機顯示界面的工業(yè)平板電腦PPC-615，自帶PCIE插槽，支持多種PCIE插卡需求，來適配各種各行各業(yè)的多種應(yīng)用場景。

　　針對物聯(lián)網(wǎng)4.0更大數(shù)據(jù)量，更復(fù)雜的計算場景，研華在復(fù)雜級邊緣計算平臺推出了更高性能的工業(yè)服務(wù)器主板ASMB系列，適配Intel及AMD處理器平臺，可支持單路或雙路高性能CPU，大容量內(nèi)存的設(shè)計可實現(xiàn)數(shù)據(jù)快速實時傳輸。支持多張GPU插卡，可滿足現(xiàn)場大量數(shù)據(jù)及圖像的處理需求，實現(xiàn)AI推理與深度學(xué)習(xí)。

　　其次，一種產(chǎn)品或解決方案要在工業(yè)場景中做到普惠，一定是在其技術(shù)路線對應(yīng)的應(yīng)用場景中達到全鏈路成本優(yōu)化，從硬件、算力、開發(fā)成本、部署成本、維護成本，實現(xiàn)整體成本最優(yōu)。這也是研華一直面向AI應(yīng)用死磕的方向，無論是根據(jù)客戶需求，不斷拓展開發(fā)更能滿足客戶性價比需求的諸如JETSON硬件產(chǎn)品，還是部署運維端，通過快速縮短平臺上線周期、降低人員使用門檻、維持系統(tǒng)高效穩(wěn)定、降低運維成本等等，中心始終圍繞客戶對價值、投入等指標上持續(xù)優(yōu)化。

　　4 結(jié)語

　　就像前三次工業(yè)革命的機械化、電氣化和數(shù)字化給人類社會帶來的深遠影響一樣，站在當前產(chǎn)業(yè)躍遷的節(jié)點，有理由相信“人工智能+”可能就是下一次的技術(shù)革命和產(chǎn)業(yè)革命。現(xiàn)如今，全行業(yè)擁抱AI的浪潮已勢不可擋，研華作為一站式智能設(shè)備解決方案提供商，將始終與產(chǎn)業(yè)鏈生態(tài)合作伙伴攜手同行，致力于推動AI在全域市場普及。