专栏观察

工业互联网行至深水区,落地的路要怎么走?

在第四次工业革命的背景下,传统工业的数字化转型已经是必然趋势,但也存在着太多待解的难题。

几乎所有的企业都在讲数字化转型,可传统工业现有的定位和体系,难以满足工业互联网的架构体系、创新技术、人才引进等诉求,以至于不少企业过去几年时间里一直在摸索适合自己的转型路径。

即使解决了数字化转型的方向问题,落地过程中也面临着定制化程度高、前期投入大量资金、没有专注的技术研发等挑战。

业内逐渐形成了一种新的共识:想要释放出工业互联网蕴藏的巨大潜力,唯有那些技术底子厚、研发投入大、技术差异化的高新技术企业进场,才能更好地跨行业、跨领域赋能,解决工业转型中的一系列痛点。

在这一共识下,很多高新技术企业也正在发力。近日,百度智能云开物工业互联网平台升级到了2.0,将深耕更多重点行业里的核心场景,加速工业互联网的底层核心技术与工业场景的紧密结合,帮助越来越多企业享受到人工智能带来的技术红利。

借着7月26日在苏州举行的“2022云智技术论坛工业专场”的契机,也许企业会从中找到行之有效的智能化转型路径或答案。

01 筑基,打造智能化底座

制造业转型升级的第一步:数据的采集和处理,就让不少企业止步于工业互联网的大门外。

由于工业设备的种类繁多、分散且规模庞大,单单是设备的连接、管理、运维、扩展等环节,就存在接入成本高、数据烟囱化、运维难度大等问题,一些企业被迫自主研发物联网平台,但难以满足高性能、可扩展等发展性需求。

归根结底就是,很多企业明确了数字化转型的目标,可怎么转型、怎么落地、怎么解决欠缺的技术基因,并没有统一的答案。

借用百度副总裁李硕的话来说:工业互联网就是把人工智能、大数据、云计算等新技术与企业生产场景深度融合,给自动化的生产线装上“眼睛”和“大脑”,构建出“感知”能力和“思考”能力。

首先要解决的就是感知能力。

百度智能云工业能源产品研发总经理黄锋将开物工业互联网平台的能力概括为三个层面:底层是工业数字化底座,上层是工业智能化引擎,以及配套的安全体系。其中工业数字化底座所瞄准的,正是帮助企业打造智能化底座,通过云智一体的方式帮助企业解决数据采集、存储、流转、计算、应用的一整套技术难题。

这里涉及到两个核心产品:

一个是天工AIoT平台,企业可以基于天工AIoT平台快速打造自己的物联网管理平台,对设备进行灵活接入、统一管理、云边端混合部署,并支持千万级设备的接入和管理。由于天工AIoT还提供了与 IoT PaaS 平台打通的IoT APaaS平台,企业可以按需灵活选配需要的生态应用,比如能碳数智化平台度能。

另一个是AI原生云基础设施,包括百度百舸·AI异构计算平台、工业仿真HPC算力方案、分布式云基础设施、智算中心等等,迎合了算力异构化、位置分布式化、AI应用普适化的计算新趋势。

百度智能云基于整个的工业里相关的场景也提供了整套的大数据的解决方案应用到整体工业行业领域当中。徐工集团基于百度智能云的大数据解决方案,构建了采、存、管、用一体化的数据智能平台,市场部、采购部、生产部等内部部门能够实时掌控不同阶段的数据全貌,直观地看到生产和运营环节的问题;

中环寰慧通过天工AIoT搭建了边云融合的物联网平台,一期接入了300多个换热站,通过采集个点数据形成热网调度策略和全网水热压力分析,整体能耗降低了15%,节省了约2000万元的热成本。

02 探路,和行业深度融合

工业互联网的“思考”能力,可以说是数字化转型的终极要义。

由于AI属于综合性的学科,而工业应用涉及到数据预处理、数据建模、模型部署与管理、模型评估等多方面的技术,如果只是简单照搬模板化的解决方案显然并不可行,所以最苛刻的考验在于人工智能和场景的融合。

摆在面前的问题非常直白,既要解决场景定制化的现实诉求,又要尽可能降低人工智能的应用门槛。

百度智能云智慧工业事业部主任架构师王栋讲述了自己的见解:“我们经常到工厂和车间里去看,发现只给客户提供单一算法模型的话,大部分时候并不能解决实际问题,必须要给客户、合作伙伴提供不同层次的应用能力。比如一些化工厂需要的人员摔倒识别系统,就涉及到目标检测、人员跟踪、动作识别、触发报警等多个过程,不是一个算法模型就能解决的问题。”

当同行们还在输出单一算法的时候,百度智能云开物的回答是工业智能化引擎:让客户能够根据自身的业务逻辑,无代码或低代码的方式对模型进行编排,进而系统化地解决场景化落地的问题。

首先是算法层面上,通过预训练大模型、无监督特征抽取+特征聚类、自监督特征聚类等创新,解决了数据样本分布不均匀、标注效率低质量差、模型上线后迭代困难等制约落地的技术瓶颈。

其实是在应用层面,百度智能云打造了可以直接落地的“技能库”,涵盖生产制造、供应物流、营销服务、综合保障等场景,客户可以直接拿去使用,根据自身的业务需求调用不同的平台和模块。

而对于企业的高性能求解需求,百度智能云上线了百度自主研发的AI求解器,针对不同行业不同应用场景,提供定制化服务解决客户大规模问题,比如客户非标问题的二次开发,目前已在港口调度、切割优化等场景中应用。

王栋特意提及了“板材切割套料”的例子。

定制家具的生产流程中,往往先由设计师给出设计方案,然后拆解不同规格的板材,包括板材的数量、规格和尺寸,再制定总生产计划和日生产计划。在百度智能云工业智能化引擎的帮助下,板材利用率提升到了92.4%,切割刀数下降了8.7%,锯切时间降低了9.4%,每年帮助客户节约了1000万元的原材料成本,并被复制推广到玻璃切割、钢板切割等场景中。

相比于“数字化底座”带来的“感知”能力,“智能化引擎”则是满足了“理解”能力。简单来说就是通过工业AI平台、工业知识平台、低代码开发平台等PaaS服务降低AI接入的门槛,智能化的底座迭代智能化的引擎,彻底打通人工智能在工业场景中落地应用的链路,让科技创新和行业Knowhow双向奔赴。

03 落地,深入产业第一线

工业数字化转型中不确定性最大的环节,在于“最后一公里”。

按照当下的工业体系划分标准,全部的工业门类可以分为39个工业大类、191个中类、525个小类。中国作为全球唯一拥有全部工业门类的国家,任何一个小类的背后都有成百上千家企业,它们的规模不同、禀赋各异,在数字化转型过程中遇到的问题也不同,以至于有人将之形容为“一米的宽度,一百米的深度”。

互联网巨头出身的百度智能云,还需要回答另一个问题:夯实了智能化的地基,打通了AI落地的链路,能否跑通落地的最后一公里?

过去两三年的时间里,百度智能云的专家们频繁深入到一线调研,抱着笔记本到工厂里进行调试。因为百度最擅长的是AI技术,但技术想要落地到行业里,除了行业Knowhow外,还需要机理和数理的融合,将老师傅们的经验沉淀为一个个算法模型。既能成为一家企业的核心资产,也为工业数字化指明了方向。

比如工业质检长期存在人工检测效率低、定制化程度高、工业知识无法沉淀复用等痛点,恒逸化纤生产车间里,经由百度智能云开物的智能质检设备改造,原来的普检变成了机器筛查后的复检,AI质检设备检验1个产品只需2.5秒,效率比人工质检提高70%,也让百度智能云在中国工业AOI质检市场的份额连续两年位居第一。

再比如在水务领域,存在数据汇集管理、冗余的存储计算等难题,百度智能云结合水务的场景化需求,为某水务打造了“1+1+N”的架构,实现了实时的水务监测,可统计降雨量、水位、渗流渗压、位移沉降等水域水情关键指标,一旦出现异常参数,可及时预警,反映到手机、电脑终端还有监控大屏上,辅助工作人员决策应对。

其实类似的案例还有很多,跑通了设备管理、生产优化、智慧物流、能源管理、安全生产等工业生产的全流程,覆盖了汽车、电子、能源、水务、纺织、园区、家电、烟草、食品等20多个行业。

百度智能云开物一直在不断努力,依托“成效带动、应用为先、平台开放、下沉运营”的思路,踏踏实实地为客户去服务创造价值。

目前开物已经在贵阳、重庆、桐乡、苏州、广州、宁波等16个区域深度落地,与超过22个行业的300多家标杆企业建立了深度合作,持续沉淀不同行业和领域的工业知识,将其结构为标准化、可落地的解决方案。并于2021年进入了工信部特色专业型工业互联网平台,2022年又以第一名的身份选了国家级跨行业、跨领域工业互联网平台,正式进入了国家队行列。

做一个总结的话,工业互联网从观望阶段走向深度落地阶段,百度智能云开物的初衷并没有改变,通过技术下沉帮助企业降本、增效、提质、创新,帮助千行百业疏通堵点、解决痛点、实现价值增长。

04 结语

工业互联网之所以进入所谓的深水区,原因在于工业体系庞大且复杂,是一个既快又慢的赛道,“快”的一面是需要在技术上保持创新,针对实际需求不断推陈出新;“慢”的一面是涉及到大量的工业知识,需要逐一钻研稳扎稳打。

百度智能云等平台留下的启示在于:

它们保持了互联网平台积极求索的态度,擅长在技术层面上降低门槛,无论是AI原生云、天工AIoT等组成的数字化底座,还是工业AI中台、智能应用等支撑起的智能化引擎,都在为那些不知道如何转型的企业修桥铺路;

同时选择尊重工业本身的规律,避免了互联网厂商的激进风格,从一条产线、一座工厂到一个行业、一个区域,并联合生态伙伴一起探索数据、机理、知识的沉淀与转化路径。

工业互联网的路也许很长,但百度智能云等玩家们正在一步一个脚印地前行。