AI独角兽凉了,制造业是幕后最大推手

工控芯跳
当前,人工智能技术的应用场景主要集中于商业领域,因受专用性限制以及数据量的影响,人工智能与制造业的融合场景主要是在非制造的研发、售后服务等环节。在制造业的应用主要集中在视觉缺陷检测、机器人视觉定位和故障预测等。

全球知名的AI芯片企业——Wave Computing 公司已经遣散了所有员工,并申请破产保护。如无意外,这将成为第一家在疫情期间申请破产的 AI 芯片公司。

从辉煌到落寞

我们把时间扯回到2016年——当时,谷歌AI系统AlphaGo以4:1战胜围棋九段高手李世石,引发了一波全球性的人工智能热潮。与此同时,互联网巨头们也给AI再添一把火。李彦宏率先提出all in AI,马化腾随后也提出AI in all,马云启动了NASA计划并创立达摩院。似乎, AI时代已经触手可及。

Wave Computing被誉为全球最有前途的AI公司之一。这是一家专注于通过基于数据流驱动(dataflow)技术、以及实现dataflow技术的软件可动态重构处理器(CGRA)架构,突破AI芯片性能和通用性的瓶颈,加速从数据中心到边缘的AI深度学习计算。Wave Computing曾经也是各种荣誉加身:“机器学习行业技术创新领导者” ;“25大人工智能供应商”之一;“最受尊敬的私营半导体公司”奖等等。

但是十年过去,公司在产品方面,相比Nvidia、Graphcore,他们芯片的优势并没有得到很好的凸显,引发了前景担忧,终于倒在疫情之下。

就拿视觉领域的应用来说,目前还是在比较初级的阶段;即使是头部企业,也还在努力探索大规模商业化的路径。虽然所有的AI公司都知道工业是最大的应用领域,但真正落地工业的寥寥无几,更多的还是PPT。

制造业的竞争

当前,人工智能技术的应用场景主要集中于商业领域,因受专用性限制以及数据量的影响,人工智能与制造业的融合场景主要是在非制造的研发、售后服务等环节。在制造业的应用主要集中在视觉缺陷检测、机器人视觉定位和故障预测等。

不过总体来讲,AI故障预测还处于试点阶段,成熟运用较少。一方面,大部分传统制造企业的设备没有足够的数据收集传感器,也没有积累足够的数据,另一方面,很多工业设备对可靠性的要求极高,即便机器预测准确率很高,不能达到百分之百,依旧难以被接受。此外,投入产出比不高,也是AI故障预测没有投入的一个重要因素,很多AI预测功能应用后,如果成功能减少5%的成本,但如果不成功反而可能带来成本的增加,所以不少企业宁愿不用。

正如中国工程院院士邬贺铨所说,目前中国在人工智能领域投资在制造业的投入明显不足,而制造业是人工智能应用在未来的巨大市场。目前中国人工智能投资23.4%集中在商业及零售领域,18.3%在自动驾驶,而制造业却不到1%。他认为,这主要是因为制造业的数据采集流程更长、数据的可靠性挑战较大所导致的。

AI与制造业深度融合的难点有哪些?

◆ 制造环节数据难以开发利用

人工智能与制造业的深度融合发展需要以大数据作为支撑,与消费环节相比,制造环节数据的可获得性、可通用性更弱。制造业机器设备生成的数据通常较为复杂,有接近一半的数据是没有相关性的。与此同时,制造环节的数据需要安装大量高精度传感器,这不仅需要投入巨额的资金,而且在后期维护上也会产生检修及人工成本等。

◆ 无法采用可复制的系统和整体解决方案

人工智能必须根据制造业的具体场景进行定制,简单照搬模版式的制造业人工智能解决方案是不可行的,而且也不存在一个能够被大多数制造业接受的统一的人工智能系统。此外,不同制造业之间的技术、流程差异巨大,对人工智能有不同需求,一个人工智能系统难以满足所有制造业的要求。

◆ 人工智能与制造业深度融合所需的复合型人才严重缺乏

一般来说,人工智能高端人才主要集中在互联网行业,而制造业相关人员对人工智能概念的理解、对技术的掌握还不是很准确。因此,难以支撑制造业企业智能化转型升级。从人才供给看,现阶段既了解制造业技术又掌握人工智能技术,还能够进行应用开发的复合型人才严重缺乏。

没有应用经验的AI不可能落地制造业

一家行业应用软件公司曾经说过一句话:“我们用200行代码达到了国外同行1000行代码的功能”。时过境迁,1000行代码的公司依然活得不错,而200行代码的公司已经销声匿迹。不知在消失之前,是否明白了,800行代码的差距在哪里?

再看一例,在中国最大的工业展会之一的工博会上,这些号称面向工业领域的AI公司来了几家?几乎都是硬件公司在展示AI的行业应用。可能在同一时刻,那些AI独角兽正在给投资公司演示炫酷的PPT。

其实在2018年底,科大讯飞被曝出人工翻译假装的机器人翻译的丑闻,让这家老牌AI语音巨跌落神坛。甚至险些被认定为“机器人公民”的索菲亚,最后确被指出只不过是一个机器类人音箱”,震惊全世界。曾有媒体报道,很多早期的机器人和虚拟机器人上节目,多数是写好了剧本,或者直接由人工操控的。

不仅这些,在2019年8月,旷视科技就向港交所提交了招股书,这也是首次揭开了AI独角兽的神秘面纱。从提交的招股书来看,其2016年、2017年和2018年的营业收入分别达到人民币6780万元、3.13亿元和14.27亿元,亏损分别为人民币3.43亿元、7.58亿元和33.52亿元。而2019年上半年,旷视科技亏损额度达到惊人的52亿元。这次IPO之旅并不顺利。在提交上市申请6个月后,旷视科技在港交所IPO的进程状态显示为“失效”。

虽然那些AI独角兽在“不务正业”,但深耕制造业的巨头公司对AI的投入却在不断加大,西门子、施耐德、罗克韦尔等在AI领域投入巨资,加大研发力度,并购等,不断抢占制造业AI的制高点。

事实证明,技术并不能成为一家 AI 创业公司的“护城河”,如何将技术变现才是AI企业的当务之急。

2020年突发的疫情,又将AI推到了绝境——一些PPT玩家将黯然离场;另一些则汇入制造业的大海中,接受更大的考验。

5月7日,国内着名的AI独角兽在回复证监会问询时表示:公司的人工智能处理器IP系列已经失去了华为这个最大的客户,原因是华为公司按照其发展惯例,自主研发相关产品。

“软件定义一切”是最近制造业常说的一句话,但这里是不是要加个问号?在制造业中“软件公司的软件定义一切”还是“生产硬件的行业公司的软件定义一切”,to be or not to be,that is a question.

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论