智能制造大咖共话AI与机器人智能化应用机遇

英伟达创始人兼CEO黄仁勋曾豪言，“人工智能的下一个浪潮是具身智能”。

AI大模型、具身智能、深度学习技术的兴起和火热，让机器人从过往重复单一任务，有望向自主感知、自主决策、自主执行的未来世界迈进。

AI与机器人的深度结合，是时代和技术发展的必由之路。目前，AI技术在工业机器人的应用已经广泛渗透到AI工业质检、预测性维护、智能化仓储、安全预警等多个环节，工业机器人的智能化正全力加速。

在此背景下，日前，以“万物向新 蓄力笃行”为主题的2024(第十一届)高工机器人年会暨高工金球奖颁奖典礼在深圳机场凯悦酒店圆满落幕，并邀请10余位智能制造大咖代表出席“数智化专场”进行分享。

在以“从产线智能到智能工厂”为主题的圆桌对话上，主持人高工机器人产业研究所所长卢瀚宸与领志光机电自动化总经理纪顺文、腾讯云智能制造总经理梁定安、华立企业股份智能整合事业部协理张志豪、轩田智能智能制造方案部总监陈先锋、361°技术负责人围绕“AI与机器人智能化应用机遇”、“AI赋能解决工业场景痛点”、“智能工厂转型升级瓶颈”等热门话题展开讨论。

AI+工业机器人=?

高工机器人产业研究所所长卢瀚宸：对于AI和机器人的结合有怎样的期待?

领志光机电自动化总经理纪顺文：现阶段，我希望无论是利用AI技术还是仿真模拟技术，让机器人在作业现场实现快速调机，这对于工业应用案例能否成功、企业成本控制都非常关键。

腾讯云智能制造总经理梁定安：工业自动化时代，机器人的智能不断升级，结合人工智能大模型，机器人通过信号、数据、传感器等输入和交互的形式会更加丰富，机器人向具身智能形态演进指日可待。

在机器人+人工智能落地的过程中，数据的处理、打标签、训练、部署、迭代、安全保障……这一系列工程化的问题，同样需要在座的制造企业和专家共同去思考、去拥抱、去转型。

华立企业股份智能整合事业部协理张志豪：我最近主要关注出海东南亚打造集成方案，观察到海外企业存在扩产后劳动力短缺、劳动力素质不高的问题，那么AI技术赋能机器人，怎么协助企业节省成本，让企业更好完成自动化，帮助用户完成训练，这是一个突破口。

轩田智能智能制造方案部总监陈先锋：就机器人在物流行业的应用来说，最关键的是系统调度的及时性，以及对节拍的把握，目前我比较看好复合机器人、双臂机器人，行动方式是通过移动底盘，能够在工厂平滑运行，如果具身智能机器人拥有双手臂和眼睛，未来在工业场景的应用会很广。

AI+工业的“可为与不可为”?

卢瀚宸：AI+工业有哪些不建议做的?哪些领域AI发挥的作用相对有限?

梁定安：作为一个新兴事物，AI大模型的成与败，我们暂时不去下结论。在实际应用中，许多企业在尝试大模型应用时会遇到很多卡点，包括算力卡采购难、网络搭建难、算法工程化人才招募难……

现在我国人工智能赛道供应链正在形成，包括制造业、机器人产业的细分领域里诞生了许多专业AI技术团队，如果能把具备国际水平的AI智能厂商和中国工业产业链有机地结合起来，将会是我们从中国制造迈向中国“智造”的转折点，在此鼓励更多企业尝试进行对大模型的探索。

纪顺文：AI+工业非常有挑战性的点在于，我们把参数、资料输入给AI，得出一个答案最优解，但这些数据和资料透露出去后，别人可能同样搜索到这家企业的最优解，但假设由工业企业自己来做AI，投入非常巨大，如果有第三方跨界来做私有部署，保障好数据安全，在制造业会应用地更广。

张志豪：在AI的使用上，我们可以使用类似GPT的通用大模型建立企业基础模型，再结合企业、部门、个人的个性化需求进行私有化模型训练，目前只有头部企业能在AI上有大规模的投入，一般企业怎么运用大模型，产生自己所需要的AI智能化应用，这是一个值得探讨的方向。

陈先锋：我建议一个“不做”，目前不同机器人厂商的调度系统还不能融合，希望不要设置门槛，不要一家厂商先入为主，彼此能够互相融合，给企业主更多一点选择。

一个“要做”，在机器人现场调试上，通过AI大语言模型的学习，完成高效调试。比如我完成1台机器人的数据提取和调试后，通过AI大模型和机器学习，让其他20台机器人自主完成现场调试，这类技术和应用非常值得投入和推广。

智能化转型的瓶颈

卢瀚宸：从智能产线到智能工厂，存在哪些明显的瓶颈?

纪顺文：很多制造企业希望走向智能化，但企业的管理者、技术人员没有明确的智能化想法，并且在设备通用性、投资力度上也存在问题。

近年来工业机器人、复合机器人的平均售价都在下调，出现了智能化转型的机会，比如我们可以通过引入协作机器人、物流自动化设备，先从搬运、打包这些流程自动化开始切入，逐步帮助企业智能化转型。

梁定安：以AI视觉在工业质检上的应用为例，想要让AI算法能够达到企业真实质检要求，比如精准度优化到99.9%甚至99.99%，这需要输入大量垂直场景的样本图片，让AI不断进行正负样本学习和打标签。

但在具体应用中，很多难题不在算法技术本身，而是图片样本数量不够。所以智能化的难点，一方面在于算法怎么降低对图片数据的依赖，另一方面，企业怎么去格式化地搜集基础数据，帮助算法不断优化准确率。

张志豪：第一点，数据搜集很重要，如果基础设备老旧，没有必要为了智能化而去打造智能工厂。

第二点，在智能化之前，要先实现可视化，工厂运行到哪一个生产环节，终端要做到数据的可视化呈现。难点在于，如果没有第一步的数据搜集和统筹，很难实现可视化。

陈先锋：数字化的痛点在企业主这边，第一是过去的设备不具备数字化能力，无法交互，尤其是国外一些设备，通信传输接口无法开放兼容。

第二是调度系统，很多传统制造企业在布局系统时并没有考虑到智能制造的方向，像MCS、MES、RDD这些上层信息化系统是缺失的。

第三是技术人才，智能制造转型不只是拓展硬件、软件，企业也面临数字化技术人员储备不足的难点。