当前,以ChatGPT为代表的AI大模型技术席卷全球。其实,百度、阿里、腾讯、京东、字节跳动等国内企业在AI大模型领域都有布局和积累。
行业正在经历从“大练模型到炼大模型”的生长周期,攻关大模型成为产业智能化发展的必然选择,为政策制定者和企业管理者所重点关注。
大模型的背后蕴藏着一场人工智能落地模式的变革。通用AI产品能够打破技能和知识的壁垒,带来人机共创的新模式,并能够为生态企业创新性增长带来更多机遇,拥有广阔的应用潜力。
今年全国两会期间,人工智能更是成为热议话题,代表委员们提交的议案、提案中,人工智能,大模型等词汇高频出现。
根据工信部日前公布的数据显示,近年来中国人工智能加速发展,形成了较为完整的产业体系,核心产业规模超过5000亿元,企业数量接近4000家,智能芯片、开源框架、智能终端等创新成果不断涌现,一大批优秀的领军企业和专精特新企业加快发展,人工智能日益融入千行百业,成为驱动产业转型升级、推动新型工业化建设的重要驱动力量。
AI工业质检:加速向工业生产全场景迁移
制造业是国家经济命脉所系,是立国之本、强国之基。中国是世界上最大的制造业大国,人工智能作为核心技术,与制造业的结合是中国从制造大国走向制造强国的重要一步,也是走向高端化、智能化、绿色化的必由之路。
根据《2020人工智能与制造业融合发展白皮书》指出,当前,人工智能与制造业融合应用已具备一定的基础。在家电、汽车、工程机械等细分行业已经探索出众多人工智能应用的发展路径。
工业质检作为人工智能落地制造业的入口级场景,已经从前几年的试点应用,走向规模化复制推广。IDC预计,到2025年中国工业AI质检整体市场将达到9.58亿美元(约合人民币62亿元)。目前,在大多数场景下,工业AI质检以定制解决方案,即一体化检测装备及定制检测系统的形式在产线应用。但面对碎片化的应用场景,越来越多服务商开始提供工业AI视觉平台、AI摄像头等更加标准化、轻量化产品,为业务人员提供低门槛的模型训练能力,重点集中在3C电子、汽车及零部件、消费品和原材料等应用场景。
以汽车制造业为例,近年来,随着汽车“新四化”建设的提速以及加工工艺的提升,汽车零部件的结构越来越复杂,这也对质量检验效率的要求越来越严格。
库灵科技是一家通过“机器人+3D视觉+AI”产品解决方案,聚焦汽车涂装表面瑕疵检测赛道的AI科技公司,有别于3C电子、锂电等行业的批量产品缺陷检测,汽车涂装表面缺陷种类高达数十种,包活凹痕、凹陷、缺胶、合线、披风、气泡、针孔及颗粒等等,再加上千奇多样的产品外观和复杂的作业环境,让众多传统视觉检测企业望而怯步。
飞桨助力库灵科技提高对环境和零件的灵敏感知、高效识别和精准控制
上海库灵科技董事长徐荣来谈到,经过客户的实际场域验证及落地,我们的检测精确度最小可以达到0. 05毫米,这基本上满足了汽车A级面的检测要求。在一些重点企业里面去进行测试,误判率都是小于5%,只有3.6%,这在行业中具有一定的领先性。
通过“机器人+3D视觉+AI”的集成方式,库灵科技能够引导客户从前端到后端质检生命周期的管理、分析和优化,涵盖注塑、吹塑、压塑、搪塑等不同生产工艺的瑕疵检测。全工艺场景覆盖和持续的行业深耕是基于百度飞桨平台的赋能,利用Paddle X进行前期模型验证,可以帮助我们快速地建立一套技术方案。后期深入地应用飞桨PaddleDetection、PaddleSeg等开源库来做AI模型优化,能够支持我们针对实际工业场景不断进行方案改进和优化。库灵科技的技术人员告诉记者。
经过多年在汽车表面质检领域的练兵和技术积累,目前,库灵科技正在联手合作伙伴尝试将智能化解决方案迁移到金属加工、轴承、板金等相关领域。然而从漆面到金属表面的质检技术迁移其实难度非常大。徐荣来指出,例如在金属加工行业,气门生产有个特点就是环境恶劣,车间里油污、粉尘、灰尘弥漫,这些油污和灰尘会吸附在产品表面,会对产品缺陷检测造成极大的干扰。再加上气门行业对产品检测的精度要求极高,传统质检的误判率高达40%。
在恶劣环境中追求工业质检的精度,离不开小样本学习技术的加持,来解决工业检测当中实际样本量比较少的难题。而借由飞桨 EasyDL 零门槛AI开发平台的数据增强功能,可将一张图片衍生多张图片,提高数据利用率。同时,通过自动超参搜索策略,完成相对复杂场景数据训练的利用率,并能够产出基于这个场景最优的参数组合,达到更高的模型精度。同时,飞桨联合百度研究院大数据实验室,还发布了PaddleDetection少样本迁移学习的新算法,从不同角度应对标注不足的挑战,提升模型学习效果。
总体来看,人工智能在工业中的应用其实还有很大的发展潜力。徐荣来告诉记者,由于场景复杂、环境复杂、工艺复杂等等,很多的复杂性造成了人工智能在工业中的落地应用的门槛较高。
日前IDC 发布的《2022中国大模型发展白皮书》认为,大模型是 AI 发展的必然趋势,并提出业内首个大模型评估框架。经评估,百度文心大模型处于行业第一。
事实上,大模型的通用性、泛化性以及基于“预训练+精调”等新开发范式,能够解决落地门槛过高、数据资源有限、应用开发“重复造轮子”等问题。
百度文心大模型全景图
智能巡检:工业机器人与数据应用场景的双向打通
近年来,我国电力行业高速发展,电网规模已跃居世界首位,自动化水平逐步提升,电能质量和供电可靠性进一步提高,基本满足经济社会发展对电力需求。然而,我国电网运维的现状却不容乐观,现有输电线路运检人员的年均增长率不足3%,巡检人员缺员高达34%,且传统人工巡检模式下难以克服可靠性低、追溯性差、安全风险大等弊端。
在能源电力领域,基于AI大底座,百度帮国网福建建设了AI中台,在此基础上,协同打造电力大模型,构建了AI电力关键业务数据的全链条智能处理能力。这一方法已帮他们将识别准确率提升了30%,识别效率提升了5倍。变电端效率提升了40—60倍,启动送电时间缩短了80%。另外,由于不同省市自然环境不一样,借助AI大底座,将其他地方收集的数据,灌到大模型中,实现了对通用大模型和具体到场景中模型的再训练,加强了大模型泛化的能力。
而伴随传感器技术、智能控制技术、数据挖掘技术以及人工智能技术等技术的积累和应用,智能巡检机器人功能性与稳定性得到了快速提升。与此同时,AI等技术的落地推动产品市场价格不断降低,促使了智能巡检机器人用户企业运营成本不断下降,更进一步加快了市场普及率,以及智能巡检机器人的升级换代。
随着智能电网的逐渐推进,我国电网工程投资规模高速增长,2021年,我国电网工程投资规模达5530亿元,同比2020年增长5.45%。基于国家智能电网战略的推进,电力行业智能巡检机器人市场规模快速增长,未来将机器人技术与电力技术融合,通过智能机器人对输电线路、变电站/换流站、配电站(所)及电缆通道实现全面的智能化无人化运维已经成为我国智能电网的发展趋势。
在空旷的变电站、核电站、化工厂、矿山,千巡科技的巡检机器人穿梭其中,一边检测现场的情况,一边将生成的数据传送到系统后台,既避免了人工巡检可能发生的安全隐患,又实现了数据智能化采集和分析。
作为一家“把巡检机器人和工业互联网数据化应用场景打通”的科技创新企业,在机器人这一智能硬件外,千巡科技还有一项更重要的核心竞争力——自主开发了集监测数据、运维数据、作业管理、信息分析于一体的大数据系统,实现了“数字孪生”。
千巡科技 CEO王淮卿告诉记者,动态数字孪生的意义其实是后端走向智能化和数字化的一个非常核心的基础。我们只有把物理世界完整地映射到了数字世界,颗粒度越细、刷新频率越高,数字世界的信息掌握得就越精准高效,那么你在其中做出的管理决策和指令也就能更精准。
事实上,采集数据的方法、数据的质量、多样性以及规模直接决定了人工智能作用发挥的程度。而工业数据的来源和制式更加复杂,且对数据的可解释性、可靠性和准确性要求更高。
王淮卿表示,机器人采集数据也好,其他传感器采集数据也好,采集回来有两个关键的处理过程。一是对数据进行识别、分析和量化;二是把数据导入巡检中台,进行趋势性分析、交叉验证以及一些仿真和BI 应用。
王淮卿告诉记者,由于千巡科技的国内业务主要涉及电力及一些敏感的工业场景,所以我们在推一套全国产化的解决方案,从机器人的零部件到服务器再到系统架构。其中在AI 框架这一块,百度飞桨给我们提供了重要的技术支撑和算法模型,加速我们这套解决方案的落地。
此外,王淮卿提到,百度飞桨有自己的一群生态伙伴,无论是上游做算法做技术的企业,还是下游做产业链整合的企业,均有一些推动智慧能源的相关项目,我们有意向参与这些项目的落地。
据了解,今年千巡在国内电力能源行业的应用已进入批量复制阶段,产品也成功出海,在日本、欧洲、美国的项目都将逐渐落地交付。目前,公司的交付能力和生产能力已经满负荷运转,今年预计能较去年实现五倍的业绩增长,产值将突破亿元。
AI技术的攀峰与入海
千巡科技和库灵科技均是第七届“创客中国”人工智能创新应用产业链赛道赛(百度)的获奖企业。据介绍,该大赛由工业和信息化部网络安全产业发展中心(工业和信息化部信息中心)、百度公司联合举办,面向Al+智慧工业、Al+生物医药两大产业赛道,共吸引了全国134个企业和项目参赛。其中,4家企业为国家专精特新“小巨人”企业,7家企业获得了省市级专精特新企业认定。
作为领先的人工智能企业,百度正充分发挥人工智能领域龙头企业的示范引领作用,在赛事进程之外,持续对参赛项目进行技术孵化、生态资源对接等赋能,促进大中小企业产业链与资源互通。依托百度飞桨技术支撑,参赛企业人工智能应用场景不断拓展,也孕育出超出预期的落地机遇。本次大赛,百度飞桨也应势而为,完成了一场技术攀峰与入海的价值跃升。一方面将核心技术不断打磨优化,另一方面不断深入场景,赋能落地。
飞桨作为中国首个自主研发、功能丰富、开源开放的产业级深度学习平台,一方面深入各种实际应用场景,发布丰富的产业级开源模型库和详尽的产业实践范例库,让开发者更容易使用飞桨。另一方面,也积极与各种芯片、边缘终端进行适配融合,形成了软硬协同的优势。更懂场景的飞桨不仅在便捷、易用、效能等方面再度刷新记录,更将为产业应用与前沿探索提供更加硬核的技术源动力。
百度飞桨全景图
目前,以飞桨为代表的深度学习平台在制造业的落地主要集中在工业视觉、工业设备监控、数据智能和物流仓储等应用场景,在研发设计、优化生产工艺和排期、设备运维、智能供应链等环节发挥着“智眼”和“大脑”的支撑作用。
据了解,截至目前,飞桨平台已凝聚535万开发者,服务20万企业,创建67万模型。依托飞桨,目前已累计培养超300万AI人才。
随着我国新型工业化的扎实推进,智能制造成为了当前行业发展的主攻方向,AI作为核心技术,也将不断走深向实,发挥实效。
审核编辑 :李倩
-
核心技术
+关注
关注
4文章
625浏览量
19578 -
制造业
+关注
关注
9文章
2214浏览量
53536 -
人工智能
+关注
关注
1791文章
46821浏览量
237463 -
智能制造
+关注
关注
48文章
5475浏览量
76257 -
大模型
+关注
关注
2文章
2316浏览量
2457
原文标题:AI大模型落地背后,正带来一场智能制造的系统重构
文章出处:【微信号:CADCAM_beijing,微信公众号:智能制造IMS】欢迎添加关注!文章转载请注明出处。
发布评论请先 登录
相关推荐
评论