海爾、南方電網：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，就能對工廠車間進行三維重建。

進進出出的車輛，車間里的設備、產品，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工藝上，還實現(xiàn)了100%一致性“自由”。

裝引擎的除了海爾，還有南方電網。

南方電網把引擎的勁兒，主要使在了換流站（負責電能的接收和分配）。

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

因此，巡檢換流站的工作成為了日常且關鍵的一環(huán)。

但你肯定想象不到，現(xiàn)在的南方電網做巡檢工作，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。

甚至在遠程的情況下，專家也可以在電腦前標記，身臨其境般地指導巡檢員的檢修工作。

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技術在工業(yè)圈里的滲透，并不是什么新生的趨勢，事實上這條路已經有了數(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技術與自身業(yè)務做結合。

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

然而在這種轉型的過程中，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技術本身。

因為AI技術，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，第二個難點便隨之浮現(xiàn)。

AI在解決單一實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的精度，已經超越人類水平的消息。

但在實際的工業(yè)場景中，任務的復雜度往往要比這些單一任務高得多，更多的是那種細碎、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”，可以說是投入產出比較高的應用。

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

而工業(yè)，正是一個非常典型的長尾應用場景。

例如剛才提到的南方電網，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、檢修設備等，便是長尾應用問題。

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。

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

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到的效果，也是如此。

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

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)籌與電相關的所有業(yè)務。

而這種超大通用范式模型的覆蓋面，可要比電廠廣得多。

它應當更類似于一種引擎，像搜索引擎將互聯(lián)網推向繁榮那般，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，剛才提到海爾和南方電網所用到的，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。

剖其內部不難發(fā)現(xiàn)，它主要分為一個底層架構和兩個平臺：

• SenseCore：AI大裝置
• SenseMARS：火星混合現(xiàn)實平臺
• 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了，可以類比為整個引擎夯實有力的地基。

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

這個AIDC的計算峰值可以達到3740Petaflops?（1 petaflop等于每秒1千萬億次浮點運算），相當于一天處理時長達到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、模型訓練、高性能推理運算，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，具備更強的適配性，更利于模型的部署和應用。

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，量產高質量的工業(yè)AI算法。

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

同時，它還能串聯(lián)場景之間的關聯(lián)，把原本分散、獨立的場景聯(lián)系到一起，打通應用閉環(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品化平臺。

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

這種能力能夠非常高效地應對工業(yè)行業(yè)中，各類資產數(shù)字化管理以及空間設計規(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)域進行分塊標注和分類，快速進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)的資產遠程管理，以及數(shù)字化運維等工作的效率。

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。

商湯方舟企業(yè)開放平臺可以快速為這一個場景構建大量算法庫，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)引擎所實現(xiàn)的，還有打通現(xiàn)實世界與虛擬世界的壁壘，構建了一個“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；在此基礎上，又有SenseMARS平臺提供的AR能力，“由虛到實”，讓虛擬元素可以真正理解現(xiàn)實空間，讓想象力走進現(xiàn)實。

……

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？

畢竟實踐是檢驗真理的唯一標準，好不好用，效果說了算。

例如在列車運行過程當中，接觸網懸掛系統(tǒng)是列車運轉非常重要的一個安全環(huán)節(jié)。

以往都是通過人工的方式，一點一點的看設備圖片，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上，還大大提高了鐵路列車的安全運維可行性。

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)務運轉的效率。

……

再結合之前提到的海爾和南方電網等案例，我們不難看出商湯工業(yè)引擎對工業(yè)圈已經在發(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正在進入下一個時間點，一個從技術創(chuàng)新周期轉入商業(yè)創(chuàng)新周期的時間點。

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

那么商湯工業(yè)引擎，便是已經成熟且能上崗的那一個了。