「工业」「新基建」下大火的工业智能，问题依旧很多( 三 ) |黄亮|疫情|极客公园|

根据艾瑞在 2019 年发布的《中国制造业企业智能化路径研究报告》，全国规模以上（年主营业务收入 2000 万元）工业企业当中有 84.2% 属于小型企业，规模以下尚有 200 余万家小微企业。由于自有资金不足、信息化基础薄弱、缺乏相关人才等多方面因素影响，大部分小微企业只能围观大企业开展智能化改造，自己却很难融入智能化制造的浪潮。
在王晨看来，现在的「机器换人」概念已经发生了变化。原来的机器换人不是靠数字化或智能化手段实现的，而是自动化，一些机械化的重复性劳动交给机器人，效率会更高。而今天讲的机器换人，可能是要换下有经验、有知识的人。
王晨告诉极客公园，在工业生产过程中，机器在三个步骤上可逐渐替代人工：学习-知识-决策。诸如产品缺陷检测等在工业上比较成熟的应用叫模式识别，人工智能通过学习后可以生成一个模型，随后产生知识，达成决策。
在这样一个链条之下，人工智能在今天只做了一些局部的事情，这也是工业智能为什么落地困难的原因。我们需要看到痛点做出决策，这是机器暂时做不到的事情。

本文插图
现在的「机器换人」是换掉有经验的人 | 视觉中国
那么问题出在哪里？从业者们给出了答案，没有数据。在收集数据的过程中，成本是一个很大的问题。「数字化改造都是需要钱的，安装传感器、加装数采的盒子、数据通讯……都需要钱，大量投入数字化的东西拿出来的数据有没有用？不知道，所以现在中国的制造业企业这么困难的情况下做这样大量的投资很多时候是难的。」王晨说到。
另外，在工业领域，人们不需要设备正常的数据，而是需要异常的数据，后者在历史数据中只占非常少的比例，一台设备在它的使用周期里只坏过几次，在不同设备不同技术不同场景下，差异化让工业智能受到很大挑战。
毫无疑问，在全世界范围内，中国对新技术新场景的开放程度都首屈一指，因而在制造业、工业等急需自动化的行业，对技术的接受度和呼声也越来越高，「新基建」更是添了一把火。不过在火热之下，考虑到行业内的现实因素，在一些环节当中依然存在着不少细节问题。如何抓住机会，实现智能化改造，想必是从业者最关心的话题，但落实到每个企业之中，也是他们应该同时考虑的。
责任编辑：卧虫
头图来源：视觉中国
【「工业」「新基建」下大火的工业智能，问题依旧很多】本文首发于极客公园，转载请联系极客君微信 geekparker 或 zhuanzai@geekpark.net