在杭州市餘杭區秒優服飾智能工廠，機器人將訂單所需的麵料輔料精準送到各個吊掛生產線
，每台機器、每個工人的具體任務、實時進度等都化為大數據

，顯示在工廠的大屏幕上。作為一家今年3月份才成立的小企業，他們在短短四個月間就接到了4萬多個訂單
，每個訂單最少有100件……在浙江

，越來越多的製造行業正借力人工智能
，實現後疫情時代的產業“突圍”。

近日

，在杭州未來科技城舉行的2020全球人工智能技術大會上，來自全球各地的專家圍繞人工智能的行業賦能問題展開討論。不少專家認為，智能製造行業主體架構在於寓“智”於“造”
，為製造業安上智能的“大腦”
、接上網絡的“雲端”
，讓生產更“智能”
，產品更“智慧”
，成為產業轉型升級的大方向。

“柔性”特質是智能製造的優勢

當前


，企業智能化生產的需求日益強烈。在不少專家看來，智能製造正在推動傳統生產方式
、組織形式發生係統性、整體性變革，為產業轉型升級和持續發展提供了基礎和可能。

“疫情發生後，企業的優先級發生了變化
，對降本增效提出了更高要求，也強調要增加供應鏈的透明度

、靈活度，對風險安全的管理成為企業的重中之重。”IBM全球副總裁陳懷宇說，疫情暴發後
，IBM一周所接到的5個企業谘詢電話都是詢問如何讓企業生產業務“上線”
，之後包括數據如何流轉
、客戶線上溝通的安全性如何保障等深層次問題也漸次增多。

“高智商”的產品離不開“高智能”的製造。受疫情影響，今年浙江不少傳統企業和外貿企業遇到了訂單荒
、庫存高等難題。不少浙企通過工業互聯網等智能化平台，轉變經營思路和生產方式，用大數據彙聚全球訂單。

今年4月
，杭州老板電器股份有限公司茅山基地成功插上“5G翅膀”，浙江首個5G SA（獨立組網）工業互聯網應用試點在此建成啟用。7月10日起，老板電器茅山基地內1萬平方米的生產工廠封閉實施改造
，配備人工智能、工業互聯網平台、虛擬與現實融合、邊緣計算等前沿技術。

老板電器行政負責人俞佳良說

，作為一次新基建在廚電製造領域的探索，廠區改造完成後
，通過5G邊緣計算技術
，所有生產數據都能就地進行處理和傳輸
，不會出現因網絡中斷而產生的數據丟失。

當前，浙江工業智能化改造正在提速。據統計數據顯示
，上半年企業技術改造投資同比增長6.3%，高於工業投資增速1.7個百分點；創新投入逆勢增長，今年前5個月，浙江規模以上工業企業研發費用同比增長11.8%。

據《全球人工智能發展白皮書》預測，到2025年世界人工智能市場規模將超過6萬億美元，人工智能讓更多普通人和行業從業者享受到技術帶來的便捷。“智能製造的一大特點是能實現‘柔性’化生產，這讓企業能在短期內重建個性化生產線
，推動產品快速更新迭代。” 中國人工智能學會監事

、湖南大學教授王耀南院士說。

讓物流機器人在短期內改行做起消毒機器人，被多家大型醫院用以室內、室外消毒；讓原有的製藥生產線迅速調整產品生產，大規模生產疫苗
，從而滿足疫苗研發的需求……這是疫情發生以來，王耀南院士團隊利用智能化生產線的“柔性”特質而實現的一係列適應疫情防控需要的生產調整。王耀南院士說，未來
，智能製造機器人將繼續向智能化、柔性化、協同化方向發展，以適應網絡化協同製造、大規模個性化定製的需求
，形成中國製造“硬實力”。

共享協同是智能化改造的關鍵

因為起步較早
，浙江製造行業在智能化改造上確實有一定的先發優勢；但浙江中小企業眾多、企業機聯網率不高，在智能製造實施上

，仍麵臨著產業規模偏小
、改造成本較高等難題。

近日

，在紹興市越城區的明峰醫療生產車間
，兩台CT機即將裝配完成，接下來它們將漂洋過海運往巴西。疫情發生以來
，明峰醫療的產品訂單增長近50%

，其中20%左右為海外訂單。“人工智能技術研發和智能化生產線的完善一直是我們關注的重點。但裝備投入、人才引進等都需要高額投入
，對企業來說是不小的壓力。”明峰醫療董事長王瑤法說，明峰醫療在醫療設備研發上的投入已超過20億元。其中，在CT機智能化生產線改造上
，由於沒有現成的生產線，像機械手等智能化生產工具均需重新采購；目前，企業在CT的零部件生產
、產品檢測
、驗收
、運輸、服務等前後端環節均已實現智能化，組裝這一中端環節的智能化則尚在推進中。

在浙江
，除了像明峰醫療這樣的高端醫療裝備企業，更多傳統製造業企業在智能化過程中
，同樣麵臨著資金、人才等方麵的壓力。

“動輒上千萬元，甚至上億元的投入，並非是大多數中小企業所能承受的。”在王耀南院士看來，智能製造是一個複雜的係統工程，其涵蓋了管理、機器人技術
、工程實踐
、AI軟件開發、自動化裝備等諸多內容，這些都需要投入大量資金和人力成本。而中小微企業普遍存在“四缺”的情況
，即缺乏信息化技術基礎

、信息化人才
、懂信息化的經營管理團隊、領ling導dao信xin息xi化hua的de企qi業ye家jia，進jin行xing自zi上shang而er下xia的de全quan麵mian改gai造zao成cheng本ben難nan以yi控kong製zhi，自zi身shen沒mei有you能neng力li進jin行xing智zhi能neng化hua改gai造zao。其qi次ci，不bu少shao中zhong小xiao企qi業ye從cong事shi低di端duan加jia工gong，利li潤run薄bo，資zi金jin積ji累lei少shao，行xing業ye波bo動dong大da，企qi業ye擔dan心xin投tou入ru高gao回hui報bao慢man
、自動化生產線改造後停機影響交貨等問題，難以大規模投資智能製造。

此外，王耀南院士認為，企業、政府
、大學等研究機構之間信息的不對稱也是智能製造實施的一大障礙。隻有加強產學研用結合
，才能在未來發掘智能製造的更大潛能。

“疫(yi)情(qing)發(fa)生(sheng)以(yi)來(lai)
，全(quan)球(qiu)產(chan)業(ye)鏈(lian)正(zheng)在(zai)發(fa)生(sheng)一(yi)係(xi)列(lie)變(bian)化(hua)，不(bu)少(shao)企(qi)業(ye)可(ke)能(neng)麵(mian)臨(lin)著(zhe)上(shang)下(xia)遊(you)產(chan)業(ye)鏈(lian)斷(duan)裂(lie)的(de)風(feng)險(xian)，未(wei)來(lai)如(ru)何(he)通(tong)過(guo)智(zhi)能(neng)化(hua)改(gai)造(zao)
，打(da)通(tong)產(chan)業(ye)鏈(lian)，激(ji)發(fa)市(shi)場(chang)活(huo)力(li)，是(shi)企(qi)業(ye)需(xu)要(yao)解(jie)決(jue)的(de)重(zhong)要(yao)課(ke)題(ti)之(zhi)一(yi)。”王耀南院士說。

因此



，共享、協同、需求牽引等成為智能化改造過程中的關鍵詞。

youzhuanjiarenwei，duiyuzhongxiaoqiyeeryan，mianduizhinenghuashengchanxiandequanmiangaizaodailaidegaoechengben，jiezhubufenlongtouqiyehuoyanfajigoutigongdegongxiangyunpingtai，jiangshiyizhonggengweishihuidexuanze。zaizhejiang，eliyundeET大腦、之江實驗室的天樞人工智能開源開放平台等
，已廣泛服務於眾多企業的智能化改造。

“通過人、機、物的全麵互聯，可構建起全要素、全產業鏈、全價值鏈的新型工業生產製造和服務體係。”王耀南院士說，智能製造還須緊密結合市場需求建立生產線。“沒有訂單牽引的智能製造生產線
，無異於空中樓閣，容易形成資源、人才等的浪費。”王耀南院士說。

此外
，企業的智能化改造還有賴於政府、行業企業之間協同機製的形成。近年來，浙江大力實施數字經濟“一號工程”
，以智能製造為主攻方向
，以“互聯網+製造業”為新手段，產業數字化和數字產業化協調推進，智能製造發展呈現推進加快、效益趨好、動力強勁的態勢。未來，浙江將進一步發揮數字經濟先發優勢

，瞄準前沿科技領域
，加快人工智能前瞻性布局，在技術理論研究、關鍵技術攻關融合、應用創新、產業集聚發展
、全球開發合作，以及產業生態構建等方麵協同發展
，努力保障產業鏈、技術鏈穩定安全，打造人工智能創新發展強省。

讓AI學會理解人類是發展的趨勢

當關注點從智能化生產線轉向人工智能技術本身時
，複旦大學智能機器人研究院常務副院長張立華教授認為，人工智能技術的“黑盒”式深度學習機製也是其在製造領域推廣中不容忽視的問題。

張立華教授說，當前
，人工智能技術領域即便已擁有巨量神經元構成的神經網絡和專用芯片，研究人員做的仍是一種類似於“曲線擬合”的深度模型訓練
，其僅是針對有限的樣本輸入數據和輸出數據之間找到某種固定的模式
，屬於封閉過程，而非“理解”數據。“像在自動駕駛領域
，路況和場景是在不斷變化的，這就要求AI駕駛者能有隨機應變的能力，簡單地重複以往輸入的數據
、場景顯然是不夠的。”張立華說，智能製造係統最本質的特征是要讓信息係統增加對複雜多變環境與任務的認知和學習的功能。

正如2003年圖靈獎得主 Alan Kay在近期舉行的北京智源大會上所說

，一個足夠複雜的機器學習係統，就像是一隻“超級鴿子”，它(ta)可(ke)以(yi)做(zuo)許(xu)多(duo)有(you)用(yong)的(de)事(shi)情(qing)。但(dan)機(ji)器(qi)學(xue)習(xi)領(ling)域(yu)的(de)研(yan)究(jiu)人(ren)員(yuan)
，不(bu)能(neng)用(yong)這(zhe)個(ge)子(zi)領(ling)域(yu)的(de)進(jin)展(zhan)來(lai)標(biao)榜(bang)整(zheng)個(ge)人(ren)工(gong)智(zhi)能(neng)領(ling)域(yu)的(de)成(cheng)功(gong)。如(ru)果(guo)研(yan)究(jiu)人(ren)員(yuan)想(xiang)要(yao)發(fa)明(ming)能(neng)夠(gou)和(he)人(ren)類(lei)自(zi)然(ran)交(jiao)互(hu)的(de)AI係統
，就必須讓AI學會理解人類的語境和常識。這正是人工智能技術發展的趨勢所在。

“人工智能隻有實現從‘深度學習’向‘深度理解’的轉變
，未來才能更廣泛、深入地應用於智能製造領域。”張立華教授說，從微觀上來說
，讓人工智能更“智能”
，使機器像人一樣，具備更聰明靈活的決策力和判斷力

，是解決產業智能化改造的一大關鍵點。

這一觀點得到了現場不少專家學者的認同。東華大學機械工程學院院長張潔教授認為，隻有讓深度學習模型具備可解釋性、kekaoxing，cainengzhenzhengyouhuazhinengmoxing，beigongyejiesuoyong。weici，zhangjiedetuanduiyizhizaixitongjiliyushujuderonghecengmianjinxingyanjiutupo，xiwangjiangleinaoderenzhizhinengzhenzhengfunenggeijiqi，yizhidaoshenduxuexiwangluodezhonggou。tashuo，duijiliderenzhihekehuaxuyaohailiangshujudetilianhefenxi
，ertongguoduishujudeguanlianfenxi
，tamendeyanjiushituduizhenggejiegoutezhengjinxingwajue，conggongnengshangqujiexiqigongxing
、個性
，以形成更精簡和類腦的模型——隻有整個網絡得以重構，以數據驅動為核心的智能製造才可能真正實現。

借鑒人類的直覺能力
，綜合腦科學、認知科學等領域的研究
，形成交叉學科的架構方向
，是眾多專家的共識。“要真正借鑒人腦處理信息的規律，就需要理解腦的結構和功能。比如
，針對情緒
、記憶等特定認知，腦內哪些腦區和環路支撐這些認知功能等。”中國科學院自動化研究所研究員
、歐洲科學院外籍院士蔣田仔說。

參會前，蔣田仔的西湖大學之行給他留下了深刻印象。“西湖大學從分子、細胞等微觀角度對人腦開展研究，與我們團隊的宏觀和介觀研究有著明顯不同，這為我們以後的合作打開了新思路。”蔣田仔說，雙方8月份還將在北京就腦科學和類腦智能作更多溝通交流。（記者 董旭明）