海爾、南方電網(wǎng)：這個AI引擎，裝它！

金磊 發(fā)自 凹非寺

量子位 報道 | 公眾號 QbitAI

最近的AI工業(yè)圈，竟流行起來裝引擎。

這不，家喻戶曉的海爾，便在自家工廠裝了一個。

然后通過快速掃描，就能對工廠車間進(jìn)行三維重建。

進(jìn)進(jìn)出出的車輛，車間里的設(shè)備、產(chǎn)品，就這樣“啪的一下”，全部囊括到了模型里。

原先偌大的現(xiàn)實(shí)空間，現(xiàn)在就立體地出現(xiàn)在你面前，出現(xiàn)了什么問題一目了然。

這種賽博朋克式地管理，可以說是既省時又省力，效率直線上升。

不僅如此，海爾在操作工藝和檢驗(yàn)工藝上，還實(shí)現(xiàn)了100%一致性“自由”。

裝引擎的除了海爾，還有南方電網(wǎng)。

南方電網(wǎng)把引擎的勁兒，主要使在了換流站（負(fù)責(zé)電能的接收和分配）。

要知道，一個輸電系統(tǒng)能夠保證穩(wěn)定運(yùn)行，換流站起到的作用可以說是至關(guān)重要了。

因此，巡檢換流站的工作成為了日常且關(guān)鍵的一環(huán)。

但你肯定想象不到，現(xiàn)在的南方電網(wǎng)做巡檢工作，是有多么的絲滑。

瞧，AR眼鏡一戴，工作人員就get到了自動識別現(xiàn)場環(huán)境的技能。

如此一來，巡檢員就能避免誤入帶電危險區(qū)域，還能全程記錄工作過程和數(shù)據(jù)，事后還能自動分析處理，一鍵生成報告。

甚至在遠(yuǎn)程的情況下，專家也可以在電腦前標(biāo)記，身臨其境般地指導(dǎo)巡檢員的檢修工作。

可以說是極大程度地降低了人力、物力的成本了。

……

說了這么多，你肯定會問了：

它們到底裝的引擎是個啥？

簡單來講，它其實(shí)是一個讓AI在工業(yè)里，能以“多快好省”方式用起來的利器。

但畢竟AI技術(shù)在工業(yè)圈里的滲透，并不是什么新生的趨勢，事實(shí)上這條路已經(jīng)有了數(shù)載的延伸。

那么接下來的一個問題便是：

為什么AI工業(yè)需要這種“引擎”？

正如剛才提到的，現(xiàn)在越來越多的行業(yè)和企業(yè)，傾向于將AI技術(shù)與自身業(yè)務(wù)做結(jié)合。

這樣做的目的，就是我們經(jīng)常說的“數(shù)字化轉(zhuǎn)型”，更實(shí)際一些來講，就是要達(dá)到降低成本和提高效率的效果。

然而在這種轉(zhuǎn)型的過程中，無論是聚焦到單個企業(yè)，亦或放眼整個行業(yè)，總歸會面臨兩方面的困擾。

首先，就是AI技術(shù)本身。

因?yàn)锳I技術(shù)，雖說頂著“智能”的光環(huán)，但它并不是真的全知全能。

它也需要一個“打怪升級”的過程，在行業(yè)的無數(shù)歷練中，不斷提高、優(yōu)化自己的能力。

但也就是在這個過程中，第二個難點(diǎn)便隨之浮現(xiàn)。

AI在解決單一實(shí)際問題的能力是毋庸置疑的，例如我們在各大AI賽事上，頻頻能看到諸如識別任務(wù)的精度，已經(jīng)超越人類水平的消息。

但在實(shí)際的工業(yè)場景中，任務(wù)的復(fù)雜度往往要比這些單一任務(wù)高得多，更多的是那種細(xì)碎、零散的小問題。

即便是將這些個小問題逐個擊破，還有一種更加棘手的問題待解決，這便是長尾應(yīng)用問題。

不像交通管理這類問題，不僅“需求頻次高”、“流量大”，可以說是投入產(chǎn)出比較高的應(yīng)用。

但長尾應(yīng)用問題，往往都擁有“需求頻次低”、“高定制化”、“場景較為分散”等特點(diǎn)。

而工業(yè)，正是一個非常典型的長尾應(yīng)用場景。

例如剛才提到的南方電網(wǎng)，工廠如何保障工人安全地巡檢，如何降低人力成本來管理廠房、檢修設(shè)備等，便是長尾應(yīng)用問題。

而像澳柯瑪這樣的老牌公司，也時常會在倉儲管理上犯難，包括在同樣面積的倉庫，怎么放東西才能放得更多。

再例如長途運(yùn)輸場景中，火車怎么從不同的倉庫里取不同的產(chǎn)品給不同的客戶；如何裝車、卸貨才能保證貨運(yùn)的效率等。

而只有解決了這些個長尾問題，我們才能說某個行業(yè)真正完成了AI數(shù)字化。

……

那么，此局又該如何破解？

建立一種超大的通用范式模型。

這就好比OpenAI的GPT-3，任務(wù)的輸出是確定的，但與以往的小模型相比，輸入的參數(shù)量卻龐大了不少。

而這種大模型的魅力，一言蔽之就是：

小模型能解決的問題，大模型也能解決；小模型不能解決的問題，大模型一樣能夠hold得住。

同理，超大通用范式模型想要達(dá)到的效果，也是如此。

它要打通的是AI在工業(yè)界發(fā)揮實(shí)力的“任督二脈”，無論是高頻、高需求，還是長尾應(yīng)用。

就好比電被發(fā)明出來后，電廠就出現(xiàn)了，而且它能夠統(tǒng)籌與電相關(guān)的所有業(yè)務(wù)。

而這種超大通用范式模型的覆蓋面，可要比電廠廣得多。

它應(yīng)當(dāng)更類似于一種引擎，像搜索引擎將互聯(lián)網(wǎng)推向繁榮那般，它需要將AI在工業(yè)落地中的高頻、低頻、高價值和長尾等應(yīng)用問題，全部串聯(lián)起來，并起到加速發(fā)展的作用。

那么，這樣的AI工業(yè)引擎，又該去哪里找？

AI工業(yè)引擎，這里有現(xiàn)成的

其實(shí)，剛才提到海爾和南方電網(wǎng)所用到的，便是一個現(xiàn)成的AI工業(yè)引擎：

商湯工業(yè)引擎，了解一下。

我們先來看下商湯工業(yè)引擎長什么樣。

剖其內(nèi)部不難發(fā)現(xiàn)，它主要分為一個底層架構(gòu)和兩個平臺：

• SenseCore：AI大裝置
• SenseMARS：火星混合現(xiàn)實(shí)平臺
• SenseFoundry Enterprise：方舟企業(yè)開放平臺

SenseCore AI大裝置可以說是商湯引擎的底層架構(gòu)了，可以類比為整個引擎夯實(shí)有力的地基。

具體而言，先從算力角度來看，商湯通過結(jié)合AI芯片以及AI傳感器，構(gòu)建了亞洲最大的人工智能智算中心（AIDC）。

這個AIDC的計算峰值可以達(dá)到3740Petaflops?（1 petaflop等于每秒1千萬億次浮點(diǎn)運(yùn)算），相當(dāng)于一天處理時長達(dá)到23600萬年！

而這卻只是AI大裝置中的一隅，再從算法角度來看，商湯把自己在各行各業(yè)“摸爬滾打”累積下來的模型都釋放了出來。

據(jù)了解，目前AI大裝置能夠提供22000萬多個算法模型，如此一來，AI大裝置在面對新行業(yè)的時候，也就是排列組合的問題了。

而且還是規(guī)?；纬伤惴ǖ牡蜕壍哪欠N，這也讓新場景下長尾模型的訓(xùn)練變成了可能。

除此之外，從平臺角度來看，AI大裝置打通了從數(shù)據(jù)處理、模型生產(chǎn)、模型訓(xùn)練、高性能推理運(yùn)算，以及模型部署等等各個環(huán)節(jié)。

而且不同于其它廠商采用開源工具，商湯這“一整套”都是自研的，具備更強(qiáng)的適配性，更利于模型的部署和應(yīng)用。

這“三位一體”下的AI大裝置，明顯區(qū)別于以往“小作坊”式的模型打造，它更像是一條流水線工廠，可以通過高效率、自動化、集約化的方式，量產(chǎn)高質(zhì)量的工業(yè)AI算法。

基于此，人工智能生產(chǎn)要素的成本將可以大幅降低，從而實(shí)現(xiàn)更大規(guī)模的落地應(yīng)用，全面覆蓋工業(yè)中的各種長尾需求。

同時，它還能串聯(lián)場景之間的關(guān)聯(lián)，把原本分散、獨(dú)立的場景聯(lián)系到一起，打通應(yīng)用閉環(huán)，幫助企業(yè)挖掘更多價值。

在AI大裝置之外，商湯工業(yè)引擎還囊括了兩大產(chǎn)品化平臺。

一個是SenseMARS 火星混合現(xiàn)實(shí)平臺，主要是通過AI感知、三維數(shù)字化和工業(yè)AR等技術(shù)，實(shí)現(xiàn)虛擬世界與現(xiàn)實(shí)世界的精準(zhǔn)交互。

這種能力能夠非常高效地應(yīng)對工業(yè)行業(yè)中，各類資產(chǎn)數(shù)字化管理以及空間設(shè)計規(guī)劃問題。

例如僅需要十幾分鐘時間，就能對一個廠房進(jìn)行全方位的掃描，快速形成三維模型。

同時再通過AI能力，可以將不同的區(qū)域進(jìn)行分塊標(biāo)注和分類，快速進(jìn)行三維高精模型搭建。

生成這樣一個高精模型，不光只是一個模型而已，它更是一個有語義、可分類、可交互的數(shù)字化模型。

如此一來，便可以快速提升很多行業(yè)的資產(chǎn)遠(yuǎn)程管理，以及數(shù)字化運(yùn)維等工作的效率。

商湯工業(yè)引擎的另一個平臺，則是SenseFoundry Enterprise商湯方舟企業(yè)開放平臺，它是基于AI大裝置核心能力做綜合AI，專注各種長尾能力平臺建設(shè)。

商湯方舟企業(yè)開放平臺可以快速為這一個場景構(gòu)建大量算法庫，而后可以解決這一個場景中，各種元器件、巡檢過程當(dāng)中帶來缺陷檢測流程自動化的難題。

而從另一種角度來看，商湯工業(yè)引擎所實(shí)現(xiàn)的，還有打通現(xiàn)實(shí)世界與虛擬世界的壁壘，構(gòu)建了一個“工業(yè)元宇宙”：

有SenseCore AI大裝置這樣的底座，能將工業(yè)場景的每個角落“由實(shí)到虛”，創(chuàng)建數(shù)字孿生，真正使其數(shù)字化、智能化；在此基礎(chǔ)上，又有SenseMARS平臺提供的AR能力，“由虛到實(shí)”，讓虛擬元素可以真正理解現(xiàn)實(shí)空間，讓想象力走進(jìn)現(xiàn)實(shí)。

……

了解完商湯工業(yè)引擎的全貌，接下來的一個問題便是：

好用嗎？

畢竟實(shí)踐是檢驗(yàn)真理的唯一標(biāo)準(zhǔn)，好不好用，效果說了算。

例如在列車運(yùn)行過程當(dāng)中，接觸網(wǎng)懸掛系統(tǒng)是列車運(yùn)轉(zhuǎn)非常重要的一個安全環(huán)節(jié)。

以往都是通過人工的方式，一點(diǎn)一點(diǎn)的看設(shè)備圖片，排查其中是否存在一些安全隱患。

而即使是派出“最能干”的工作人員，他的效率天花板也就是2.5公里每人/天了。

但基于商湯工業(yè)模型，這個長尾應(yīng)用難題就變得迎刃而解了。

據(jù)了解，目前商湯工業(yè)模型已經(jīng)可以對101種不同零部件、57種缺陷，做到快速分類檢測。

它的效率達(dá)到了12.5公里/小時，足足比人類效率提升了幾百倍之多！

這就在降低了人力成本的基礎(chǔ)上，還大大提高了鐵路列車的安全運(yùn)維可行性。

再例如許多行業(yè)中都會面臨的零碎且繁瑣問題——看儀表記數(shù)據(jù)。

以往巡檢員的工作無非就是抄寫抄錄各種儀表，看有沒有異常并長期記錄下來。

巡檢工作也是工業(yè)中長期存在的長尾應(yīng)用問題。

而商湯工業(yè)引擎，便提供了OCR識別、儀器儀表盤識別、標(biāo)識識別等能力。

在這些能力的加持下，繁瑣且低效的工作得到了良好的改善，提升了整個業(yè)務(wù)運(yùn)轉(zhuǎn)的效率。

……

再結(jié)合之前提到的海爾和南方電網(wǎng)等案例，我們不難看出商湯工業(yè)引擎對工業(yè)圈已經(jīng)在發(fā)揮的價值。

而在此背后更深一層的意義，便是充分發(fā)揮人類自身的創(chuàng)造價值。

正如商湯科技CEO徐立所堅信的那般：

AI正在進(jìn)入下一個時間點(diǎn)，一個從技術(shù)創(chuàng)新周期轉(zhuǎn)入商業(yè)創(chuàng)新周期的時間點(diǎn)。

所以，站在這樣的時間節(jié)點(diǎn)來看，工業(yè)界確實(shí)急需能夠打通數(shù)據(jù)全鏈路，尤其是解決長尾應(yīng)用難題的利器。

那么商湯工業(yè)引擎，便是已經(jīng)成熟且能上崗的那一個了。