锚定「制造业」转型，百度智能云为何「死磕」一线？( 二 ) 未来10年

包括在能耗管理方面，由于自动化装备技术不成熟，大量数据躺在系统里，没有利用起来，反映在车间生产过程中，水电用量比较大，直指粗放的成本管理。
同样的现象也发生在电子设备制造厂商中。
在东南相互电子的车间中，对于传统“指甲盖大小”的印制电路板外观检测，在优先保证不良品不漏失的情况下，机器常常出现过杀现象，导致出现高达70%以上的假点。此后便需要大量人工在VRS机台进行图片复判，将实际合格的电路板再度送回产线。
过程中，尤其是产品缺陷种类高达一百多个，仅仅一个熟练的复判员工的培训周期约需2个月，且人工复判准确率低，也导致了印制电路板直通率低的现象。
种种问题层出不穷，而这也正是众多制造企业所面临的相同现状。

文章图片
转型之痛，痛在何处？
要真正帮助制造业更好地进行转型，首先需要搞明白他们的症结在哪儿。
上述种种问题，背后是大量企业在产品检测、分拣上严重依赖人工，全流程追溯相对粗放，数字技术应用不成熟以及数据割裂等痛点的显现。
如何让沉睡的数据“活”起来，成为了制造业企业转型的关键。解决问题的核心之一是将隐藏在专家脑海的工艺经验变成显性的数据资产，并转化为数据模型融入到组织管理中，过程中也需要从单一场景逐步拓展到整个生产链条上。
而这只是最表面一层的原因。
往更深的层次去探究，首先，在数字化转型的深水区里，企业害怕掉队，又往往畏而却步，还停留着大量“不敢转”与“不会转”的企业。个中原因在于很多企业看不清AI带来的价值收益，所以他们更倾向于在投入前算清楚产出这笔账。其次，制造业企业过去并没有适配于生产场景的算法模型，这也需要从百度和英特尔等拥有领先技术的科技公司引入，进而搭建自身的AI技术能力。
或许，制造业迫切地需要一组数字化、智能化的系统解决方案，解决传统制造业工厂在质量检测、安全生产、能耗优化等核心场景遇到的难题，同时还能更直观地看到AI在生产过程中所产生的价值。
为此，传统企业需要一条全新的数字化转型道路。而在这条路上，离不开百度“芯片-框架-大模型-行业应用”的端到端的自研技术能力，同样也离不开英特尔的超高性能算力支持。
比如，百度智能云的“开物”工业互联网平台如融合了英特尔的算力技术，可以进一步帮助制造业企业降低他们建设数字基础设施的成本。
具体而言，百度智能云可基于英特尔?架构的边缘计算盒、边缘服务器提供强大算力，为企业搭建领先的工业Al底座。英特尔对36氪表示，边缘服务器搭载新一代英特尔?至强?可扩展处理器，边缘计算盒搭载英特尔?酷睿?处理器，可加速人工智能推理性能，同时也可以来处理数据存储、数据处理、设备管理、资源调配等多种负载。强大的计算能力、低功耗、性价比高和安全可靠等特点，为企业搭建数字化平台提供理想选择。
实际上，面向车间产线， AI质检能否让企业清晰的看到“投入产出比”成为制造业企业数字化转型成功的关键一环。
在相互电子的车间中，百度智能云提供的AI质检技术，通过用几十万张图片去建立不同缺陷的AI模型，学习熟练员工的判定行为，对AVI机台出来的所有图片通过AI模型自动进行假点过滤，可以减轻VRS判定的工作量。