進入2018年，中國AI的投資和創(chuàng)業(yè)公司正持續(xù)增加。“人工智能+制造”的投融資案例也是不勝枚舉。

“AI”隨處可見，已成為多人熱衷的流行詞。機器學習宗師級大牛 Michael I.Jordan則認為這一現(xiàn)象讓他感到非常不安：“AI只不過是他們借此向 VC、企業(yè)、媒體以及大眾兜售其自身的概念。至于真正的 AI，我們根本還沒有實現(xiàn)。”

曾經(jīng)，在追求性價比與實用性的工業(yè)領(lǐng)域，“人工智能只是智能制造舞臺上的小配角”。如今，關(guān)于具體應(yīng)用場景，業(yè)界人士普遍認為，人工智能將大幅提升工業(yè)機器人的工作效率。

截至目前，機器人行業(yè)發(fā)現(xiàn)了哪些人工智能位于工業(yè)應(yīng)用場景的“新大陸”？人工智能技術(shù)與機器人技術(shù)結(jié)合的未來發(fā)展方向在何處？

人工智能+傳統(tǒng)工業(yè)機器人=智能機器人

傳統(tǒng)的工業(yè)機器人是機械設(shè)計與制造技術(shù)、自動控制技術(shù)以及計算機軟硬件技術(shù)的高度融合。

人工智能是數(shù)據(jù)和算法的集合，計算能力（芯片）不斷躍升是人工智能得以廣泛應(yīng)用的基礎(chǔ)。目前人工智能仍處于弱人工智能的階段，形成突破的領(lǐng)域仍比較局限。人工智能技術(shù)和機器人技術(shù)相結(jié)合，實現(xiàn)既具備機器人的肢體又具備類人智慧的機器人是人工智能和機器人技術(shù)發(fā)展的終極目標。智能機器人是人工智能技術(shù)和傳統(tǒng)工業(yè)機器人技術(shù)融合發(fā)展的結(jié)果。

Geek+ CEO鄭勇表示，如果把人工智能定義到“深度學習”的程度，那目前幾乎沒有落地應(yīng)用。他認為目前的人工智能可以定義為“相對復(fù)雜的算法帶來的自主能力”。

專注機器人智能物流領(lǐng)域的Geek+，通過人工智能和機器人技術(shù)賦能物流倉儲行業(yè)，通過智能揀選、搬運、分揀等倉儲物流環(huán)節(jié)的優(yōu)化，高度柔性的人機交互，來實現(xiàn)提高倉庫效率，降低人工成本及人工勞動強度的目的。

庫柏特CEO李淼指出，“分揀、打磨、裝配、檢測”為人工智能與機器人落地應(yīng)用最為迫切和廣泛的四大領(lǐng)域。由此，庫柏特自主研發(fā)的系統(tǒng)通過核心學習算法以及專用控制軟件可應(yīng)用于上下料的無序分揀、手機或者航空葉片的力控打磨、智能示教、智能貼標以及零件裝配等場景。

“AI時代，工業(yè)機器人將被新的核心技術(shù)定義，包括深度學習、路徑規(guī)劃、任務(wù)級編程、柔性控制等。”梅卡曼德CEO邵天蘭說道。在他看來，混雜物體分揀是目前需求最明顯、應(yīng)用最直接的部分，很多公司都能展示一定程度的demo，但是真正能大規(guī)模使用的產(chǎn)品還沒出現(xiàn)。

除此之外，還有個結(jié)合點為“操作規(guī)劃”，即人只需要指定好多個工件的安裝要求，機器人就可自行計算出抓取和安裝的方案，節(jié)省大量編程時間。

在標準場景中，工業(yè)機器人生產(chǎn)的產(chǎn)品批量較大，有大量的重復(fù)性工作，需要高頻次的軌跡優(yōu)化，比如機床加工、零件安裝等應(yīng)用。此時可以通過小樣本監(jiān)督學習，讓機器人擁有自適應(yīng)、進化功能。

而此前，艾利特展示了“機器人疊衣服”的demo，展示了機器人軌跡優(yōu)化不僅僅可以針對剛性物體，還能應(yīng)對衣服這類柔性體。艾利特的機器人疊衣服系統(tǒng)通過深度強化學習算法和深度視覺傳感器精準定位衣物疊取點，自動尋優(yōu)最佳運動軌跡，實現(xiàn)疊取效果。該系統(tǒng)還使用了仿真環(huán)境快速建模和遷移學習方法，加快學習速度、降低數(shù)據(jù)采集成本，最終將仿真結(jié)果映射到真實機器人操作中。

除了上述以提升工業(yè)機器人效率為攻堅重點的應(yīng)用外，機器視覺作為人工智能的一個分支既是機遇也是挑戰(zhàn)。

在智能制造過程中，機器視覺主要用計算機來模擬人的視覺功能，也就是把客觀事物的圖像信息提取、處理并理解，最終用于實際檢測、測量和控制。

易視智瞳CEO黃卜夫認為，機器視覺瑕疵檢測是人工智能的一大“練兵場”。易視智瞳高精度視覺點膠系統(tǒng)集成了點膠工藝的視覺感知、運動控制和點膠執(zhí)行等功能，可方便地與各種執(zhí)行機構(gòu)整合，一步形成終端點膠機產(chǎn)品，滿足各種產(chǎn)線點膠的需求，通過深度學習還可由單機智能向多機互聯(lián)協(xié)同演變。

此外，設(shè)備故障監(jiān)測與預(yù)警也是人工智能在工業(yè)場景的一大落地應(yīng)用，這類方案可監(jiān)管工廠廠房每一臺機器人，并預(yù)測機器人的異常狀況，在機器人出現(xiàn)問題前加派技術(shù)人員進行維修作業(yè)。

此外，如果有機器人發(fā)生故障，這類方案也能讓相鄰的機器人自動承擔其生產(chǎn)線上的任務(wù)，以避免或減少設(shè)備停產(chǎn)損失。

萬變不離其宗，人工智能在制造業(yè)的應(yīng)用場景大多與上述類似或相關(guān)。業(yè)內(nèi)人士一致認為，人工智能技術(shù)與機器人技術(shù)的結(jié)合將改變傳統(tǒng)的機器人行業(yè)格局，就像智能手機對傳統(tǒng)手機的顛覆一樣。

插上人工智能的翅膀，國產(chǎn)機器人能否彎道超車？

一談到工業(yè)機器人，大家必然會提到ABB、庫卡、發(fā)那科、安川。業(yè)內(nèi)人士分析，寡頭壟斷產(chǎn)生的條件是：

第一，市場空間的擴大速度不足以容納更多的同類廠商進入，少數(shù)大公司的產(chǎn)能已經(jīng)基本滿足所有客戶的總需求；

第二，技術(shù)非常成熟，難以產(chǎn)生顛覆性的新技術(shù)，處于追趕位置的公司難以通過技術(shù)突破實現(xiàn)“彎道超車”。

對于國產(chǎn)機器人來說，對于國際巨頭一直處于追趕的狀態(tài)，在這樣的市場格局之下，國產(chǎn)機器人開始選擇從細分領(lǐng)域進入，試圖通過“一技之長”在局部戰(zhàn)場取得勝利。中國要改變追趕的局面，主要有兩大超越機會：

其一，中國是巨大的機器人應(yīng)用增量市場。

數(shù)據(jù)統(tǒng)計，在3C領(lǐng)域，中國的手機年產(chǎn)量超20億部，電視、冰箱、空調(diào)等產(chǎn)量均穩(wěn)居世界第一；在物流和電商領(lǐng)域，每年的快遞包裹數(shù)量超過4百億，也就是人均達30件，穩(wěn)居世界第一；在食品化工領(lǐng)域，化肥產(chǎn)量穩(wěn)居世界第一。巨量的實際產(chǎn)業(yè)需求為人工智能的落地提供了龐大的練兵場。

其二，中國的人才、技術(shù)處于第一梯隊。

與機器人本體技術(shù)相比，中國在人工智能領(lǐng)域相對領(lǐng)先，具體體現(xiàn)為在AI領(lǐng)域發(fā)表的論文數(shù)量和質(zhì)量都在世界前二；對深度學習的基礎(chǔ)設(shè)施做出了重要貢獻；知名研究院、高校在世界上屬于第一梯隊；在各類AI競賽上刷榜等。

在具體實踐上，隨著國產(chǎn)機器人性價比的提升，工業(yè)界對國產(chǎn)機器人認可度的提高，機器人企業(yè)針對具體行業(yè)或應(yīng)用場景的實際需求，創(chuàng)造性的應(yīng)用人工智能技術(shù)和機器人技術(shù)，提出解決方案并實現(xiàn)相應(yīng)的產(chǎn)品，空間巨大，這也是創(chuàng)業(yè)創(chuàng)新的重點方向。

然而，“彎道超車”的道路必然不會是一馬平川。邵天蘭指出，要真正邁向AI+機器人新時代，中國機器人仍然面臨挑戰(zhàn)，如在軌跡規(guī)劃、柔順控制等方向上積累較淺；需要與互聯(lián)網(wǎng)、自動駕駛、人臉識別等領(lǐng)域爭奪超一流人才。除此之外，各方面的長期投入需要很大的決心和能力。

類似的，藍胖子機器人CEO鄧小白給行業(yè)打了“預(yù)防針”：概念和故事很容易講，事情卻不容易做，能實現(xiàn)的是理想，不能實現(xiàn)的是夢想。他認為，在硬件上，工藝需要時間累積；軟件上，機器人軟件方面的研發(fā)和教育遠遠落后于歐美。“中國有市場有希望，但任重道遠。無論是機器人還是人工智能，都需要踏實落地細分市場的應(yīng)用，再橫向擴展。”鄧小白說道。

風口上的“人工智能+制造”，究竟是真實的繁榮還是泡沫破裂前的狂歡？對于這一問題的回答大概是，能成功落地的人工智能將產(chǎn)生巨大價值；而狹義的單憑AI算法或技術(shù)的“空中樓閣”將無法適應(yīng)于行業(yè)態(tài)勢，很快將看到泡沫的破滅。