思谋科技贾佳亚：智能不是简单的自动化，要有聪明的“大脑

读创/深圳商报记者 陈姝10月21日，2021第五届全球智能工业大会暨全球创新技术成果转移大会在深圳召开，思谋科技创始人、香港中文大学终身教授、IEEE Fellow贾佳亚带来题为《智能制造的核心AI技术》的报告。

贾佳亚表示，智能制造的基础资源不再是电力和网络，而是计算智慧能力构建和以计算为中心的AI，将成为智能制造发展中最需要攻克的难关 他说，智能制造的核心在于“智能”：智能并不是简单的自动化，智能是要让制造拥有“大脑”和让大脑决策的各种神经系统，只有拥有了聪明的“大脑”后，才能最大化发挥自动化“手臂”的作用——而AI正是让制造拥有会思考的工业机器设备的核心因素。

新一代AI将贯穿于设计、生产、管理、服务等生产活动的全链条，使制造具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式未来，一个拥有了“智能身体”的工厂，可以自行知道原料和生产是否达标，产品的质量如何，自发调整机器的工作效率，迅速针对新产需求进行生产，预测未来产品生产的数量，还可以根据产品销售情况来及时调整生产安排。

然而另一方面，让AI大规模、跨行业在工业场景中落地，并不是简单的事情：工业制造生产的流程复杂、涉及的硬件种类繁多，要求AI算法对大量硬件进行适配；当制造生产场景新增或更替硬件时，会直接带来算法的重新设计；最终算法往往妥协于硬件能力，甚至主动放弃最佳算法的使用——最终导致跨行业的工业 AI 落地的难度大幅增加。

仅以智能手机为例，一款手机按照400个供应商参与生产制造，每家供应商5种制程，每个制程25条产线来计算，想要AI全面覆盖生产链路，但一款手机就需要30000种算法而如果放眼全球前5名的手机厂商，每家每年按照推出6款不同产品计算，工业AI若想落地头部手机行业，仅第一年就需要90万种算法，这几乎是不可完成的任务，工业AI企业需要寻找新的方式进行“破局”。

以数据紧缺为例，可靠的AI模型离不开大量数据的训练，尤其在工业场景下，对AI的准确率要求极高，然而目前工业生产的有效数据非常稀缺，可供训练的样本极小通过传统的AI训练/检测方法，当训练样本不足的情况下，很难成功检测出非常见的产品缺陷。

传统的AI训练往往通过给计算机提供大量图片，让计算机记住“细节”，但思谋科技通过自研的区域感知异常检测器（RADD），对目标区域各个细节进行捕捉，并与标准参考数据进行比对，记住图像的“规则”，从而能够进行原理推导，从而实现即使是非常见缺陷，也能准确进行判断识别。

贾佳亚教授表示，只有当计算机系统可以突破工业落地中的几大难题，实现自动算法组合和部署，人类仅需参与少量定制化算法设计时，AI的跨领域规模产业化才具备实现的可能他表示，基于此前提，思谋科技也在致力于打造其工业级AI系统，构建以智慧为核心的新一代工业AI架构。

据介绍，思谋科技目前可赋能超过1000个细分领域，并与芯片、半导体、精密制造、汽车、航空、新能源等多个行业的头部企业实现合作，完成了多个新型工业 AI设备产品的落地，如镜片分拣、轴承检测、特种条码设计与识别、偏光弯膜、隐形二维码识别、模具检测、AVI 检测等。

“目前，我们的新一代AI系统架构落地处理效率平均可提升90%，并支持智能迭代，如果按照落地到20个制造领域，每个算法设计成本为2万元估算，新一代AI架构带来的研发和设备增值可达5400亿元，沿着这个方向，未来产业变革一定会发生”，贾佳亚表示。

审读：谭录岗

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。