AI應用

讓AI跑在邊緣側和端側基本上已經是當下AI應用的主旋律。這一趨勢從去年在上海舉辦的兩大展會WAIC（世界人工智能大會）和Electronica（慕尼黑電子展，下稱“慕展”）上再次得到了印證。

在WAIC大會論壇上，AI的應用落地前景成為熱議的一大重點。硬核科技風投機構云啟資本合伙人陳昱在“AI創新應用與投融資趨勢”論壇表示，過去一年投資界在AI領域的重心集中在基礎模型，未來兩三年則會把重點放在AI應用上而生產力提升、AI for Science、具身智能、娛樂式大模型應用的幾個重點方向。緊接著的慕展上，筆者也看到了大量將AI嵌入到端側應用中的各種解決方案。

新工業革命加速進行中，而在工業自動化領域AI應用有著極為廣闊的空間。以數據為基礎，AI因此能夠發現隱藏在海量數據集中的模式，并揭示人類無法直接獲取的數據洞察和可能的趨勢。比如，幫助工廠在潛在缺陷發生故障前就識別出該缺陷，并在缺陷影響生產質量前就采取糾正措施。還可以利用AI來優化流程，識別生產線中的低效環節和生產瓶頸，從而提升生產力。

那么新階段的AI將如何賦能智造？AI如何嵌入到工業底層，在生產現場的邊緣側和端側發揮能量？如何構想生成式AI賦能的未來工廠？如何解鎖新一輪的工業智能以及生產力提升？

01應用趨勢一

AI+機器人，具身智能機器人能為生產線帶來哪些驚喜？

值得關注的是，WAIC開設了機器人專區。據官方披露，2024年WAIC共有56款具身智能產品首次亮相，其中除特斯拉Optimus 2以外，均為國產機器人。在形態各異的機器人產品中，極引人注目的當屬人形機器人。官方數據顯示，在亮相大會的42款智能機器人，有22款是人形機器人。

用人形機器人補上高級別自動化工廠“最后一公里”，是馬斯克當年著手投入這一領域的主要出發點。在2024年4月的特斯拉一季度財報會上，馬斯克就向股東們表示，他們將少量生產Optimus供特斯拉工廠內部使用，并表示可能在2025年年底開始提高量產并對外供貨。

稚暉君曾撰文指出，具身智能即將為通用機器人補全最后一塊拼圖。（注：稚暉君本名彭志輝，先后任職OPPO、華為，現為智元機器人CTO、首席架構師。）

具身智能（Embodied AI）是既ChatGPT之后有一個在產業界逐漸火起來的大模型概念，并作為人工智能發展的一個重要分支，在產業界迅速嶄露頭角。微軟、谷歌、英偉達等大廠均開展了相關研究，比如谷歌RT-2、英偉達VIMA等。英偉達創始人兼CEO黃仁勛在ITF World 2023半導體大會上表示，AI下一個浪潮將是“具身智能”。而近期在一些公開場合，黃仁勛也再一次表達了在AI的應用場景層面，下一波浪潮是機器人，“其中令人興奮的發展之一是人形機器人。

具身智能通過在物理世界和數字世界的學習和進化，達到理解世界、互動交互并完成任務的目標，它是一個由“本體”和“智能體”耦合而成且能夠在復雜環境中執行任務的智能系統。

本體通常是具有物理實體的機器人，可以有多種形態。本體具備環境感知能力、運動能力和操作執行能力，是連接數字世界和物理世界的載體。智能體（Embodied Agents）是具身于本體之上的智能核心，負責感知、理解、決策、控制等的核心工作。稚暉君指出，智能體設計是具身智能的核心，而具有通用能力的LLM和VLM等模型，賦予了通用本體強大的泛化能力，使得機器人從程序執行導向轉向任務目標導向，向通用機器人邁出了堅實的步伐。

但具身智能作為邁向通用人工智能（AGI）的重要一步，面臨著算法、工程技術、數據、場景和復雜軟硬件等的諸多挑戰，尤其是高質量的行業數據更將是巨大挑戰。稚暉君指出，“數據是泛化的關鍵，但涉及機器人的數據稀缺且昂貴。”針對行業場景的高質量數據，將是未來具身智能成功應用落地的關鍵支撐。但現實場景的復雜多變，使得現階段缺乏足夠的場景數據來訓練一個完全通用的大模型，進而讓智能體自我進化。

需要注意的是，和非具身智能的一個顯著的不同之處是，耦合的本體需要實際部署到真實環境中，才能夠采集數據。比如，在工廠作業中，如果機器人本體并未參與到實際業務，則很多實際運行數據就無法采集，而大量的人類操作數據雖然可以彌補部分不足，但仍然需要實際業務的數據。通過虛擬和真實的交互，持續學習和進化的能力，則是具身智能演進的重要技術途徑。

盡管頗具挑戰，但機器人在WAIC2024的火爆反映出行業內外對具身智能的期待。讓更多的具身智能機器人進入工廠的生產線工作，獲得真實的高質量場景數據，并利用其通用性、泛化性的技術優勢，自主學習物理世界的經驗，從而拓展能力邊界，從“一機專用”到“一機多用”，是“機器人+AI”進入具身智能時代的重要發展方向。

02應用趨勢二

邊緣AI嵌入越來越廣泛的工業生產場景

生成式人工智能打開了世界對AI應用的想象力，也讓更多企業開始意識到智能技術對企業商業決策與工作流程自動化的深遠影響。邊緣AI嵌入工業自動化的各個應用環節，成為重新構想生產、產品和過程的重要推手。

在近期的多個展會上，筆者看到了越來越多的邊緣AI解決方案正在通過實時監控和控制以及數據分析引領工業領域的新變革，實現更為高效、主動和以數據為導向的運營模式，這將大大提高工業生產的安全性，優化生產流程，提升質量控制，以及減少停機時間或預防停機。

而通過實時分析智能傳感器傳回的數據，如振動、聲音或溫度，邊緣AI解決方案能夠實現預測性維護。這樣就能幫助預測設備可能發生故障的時間，從而在故障發生前進行主動維護。

意法半導體（ST）就有面向工業設備的預測性維護AI解決方案Oxytronic，是一個利用意法半導體生態系統開發出基于AI的解決方案，為所有工業設備增添了預測性維護特性。預測性維護解決方案可縮短設備停機時間，提高生產率，并減少人為干預。通過在ST超低功耗STM32微控制器上運行的機器學習算法，再借助NanoEdge AI庫在終端設備上的學習能力，該模型能夠進行漸進式學習，從而適用于各種環境中的特定設備。該解決方案還能以高精準度實時檢測設備的任何偏移或者異常。

另外，零缺陷制造、產品質量控制是制造領域的更為普遍的訴求。主動識別潛在缺陷是重要的一步。建立基于AI及數字孿生等技術的預測性維護實踐，通過分析生產設備上傳感器的數據，利用AI算法模型來識別表示存在異常或潛在缺陷的模式，就可以在缺陷發生之前通過自動警報觸發糾正措施，進而大大提升產品良率。

在慕展上，筆者就看到各大原廠都展示了基于自家核心芯片產品而做的預測性維護和缺陷檢測方案。比如，TI展示了使用其AM62A 視覺 SOC 進行缺陷檢測的方案。使用AM62A視覺 SoC運行基于視覺的人工智能模型，可以應用在制造生產線上，可以實現在生產出的器件隨傳送帶移動時即可以對其進行測試，以識別可接受的器件和有缺陷的器件。

流程優化也是利用AI來識別生產線中的低效環節和生產瓶頸，以便制造商能夠做出調整來提高產能。此外，AI還可還可用于實時監控，識別產品退役后的改進。可以說，AI的應用貫穿著整個產品生命周期，并重新構想生產、產品以及過程。

03應用趨勢三

如何構想生成式AI賦能的未來智能工廠

在麥肯錫DCC Talk“生成式AI：引領中國智造變革，解鎖企業永續價值”線上峰會，5位麥肯錫全球董事合伙人及全球資深專家深度解讀了生成式AI為制造企業帶來的變革與趨勢觀察，以及制造企業釋放價值并打造韌性的成功案例。

對于如何構想生成式AI賦能的未來工廠？麥肯錫對此的解讀是，就整體的影響來講，生成式AI的應用，尤其是在運營層面，可以分為三個大的方面。第一就是加速，即提升提取和索引知識速度，縮短業務研發創新周期，實現持續創新；第二是自動化，包括從軟件開發到機器替代人工的自動化；之后是增強輔助的功能，主要是幫助大幅度改善人工生產力，可以更有效地完成工作。

而對于未來工廠的想象，也不僅限于一個個碎片化的應用功能，而是需要一種非常全面的系統性改變。因為從整個工廠來看，所有這些不同的功能和應用，互相之間都有著相互輔助的作用。而這多種生成式AI的共同作用力，有著巨大的潛能徹底改變未來工廠的運營、生產和流程，甚至產品本身。

據麥肯錫披露，在全球153家燈塔工廠中，差不多有60%以上的燈塔用例都采用了AI技術，而2023年獲選的燈塔企業都是采用AI這項技術。麥肯錫指出，生成式AI（AIGC）在供應鏈和制造中的應用，帶來的價值可能只占總體改善的2%~3%，但即便是這么小的比重，基于一個巨大的全球生產體量上，其所帶來的價值也是很大的。

另外很重要的一點是，面對越來越快的技術和應用演進，以及全球供應鏈的諸多不確定性，未來的智能工廠必須要有更高的靈活性和更強的抗風險能力。

一方面，生產需要跟隨不斷變化的消費和應用趨勢，更頻繁地按照市場反饋進行新產品的制造，隨時跟進擴充高需求的產品制造或者減產低需求的產品制造，同時還要滿足越來越多的小批量、個性化制造需求。另一方面，工廠需要緊密跟隨技術演進，不斷將創新制造技術與傳統產線融合，從而實現不間斷的效率提升。

在預測應對風險變動上，未來工廠還要對于不可預測的國際事件和供應鏈變化，做好突發關停或產線遷移的準備，盡可能降低損失。

“軟件可配置硬件”成為未來工廠智能化、數字化轉型中日益重要的概念。軟件可配置硬件，也稱為可重構硬件，是指通常應用于工業制造領域，可以通過編程來更改其功能和結構的硬件設備。也就是說，硬件參數可配置，也就意味著可以打造出更靈活的制造產線。在AI和機器學習，以及工業物聯網、邊緣計算等應用中，軟件可配置硬件已經逐漸這些應用的技術核心。常見的軟件可配置硬件類型包括：現場可編程門陣列（FPGA）、可編程自動化控制器（PAC）、可編程I/O口、可編程ADC/DAC、可重構AFE和多通道PMU等多種不同的類型。

04結語

AI，特別是生成式AI 正在以驚人的速度為制造企業創造巨大價值，帶來前所未有的變革。根據麥肯錫全球研究院的新預測，50%左右的工作內容將在2030年前實現自動化。充分釋放生成式AI的潛力已成為制造企業重塑運營模式、解鎖永續價值的重中之重。

工業自動化進入了生成式AI的新時代，進階版的工業智能也隨著AI及其一系列相關技術的迭代突破而不斷演進。進入了工業應用層面的AI正在深入工業技術的底座，成為一股潤物細無聲的力量。而如何利用好這股力量，是人類的重要課題。