AI在制造领域落地面临的挑战

编者注：用机器人制造机器人一直是科幻电影中的场景，现在，这个梦想已经接近实现了！在华为松山湖南方工厂，已经实现了用Atlas制造Atlas！这是人工智能和制造结合的一小步，却是中国智能制造的一大步！老张今天给你详细说道说道这个技术。

近两年来，随着AI算力和能效的不断提升，人工智能应用如火如荼展开，不过大部分人工智能应用还主要集中在消费、安防领域，在其他领域如制造领域还应用的比较少，人工智能和制造如何结合？这是人工智能公司和制造领域厂商们都在思考和探索的问题，近日，笔者作为疫情后第一批到华为松山湖南方工厂生产线的媒体参观了华为松山湖智能制造生产流水线，观摩了华为Atlas AI服务器的生产过程。

据介绍，在人工智能领域深度耕耘的华为已经率先将人工智能技术应用到自己的制造产线中，智能计算产品的生产线实现用Atlas制造Atlas，让AI贯穿制造的每个环节，在完成标签缺陷检测、螺钉缺失等实现“秒级检测”，将质检准确率由之前的传统机器视觉质检的90%提升至99.9%。

华为在智能制造方面的经验对于中国制造升级非常有价值，在了解华为是如何实现智能制造之前，让我们先来看看AI在制造领域落地面临的挑战。

AI在行业落地的挑战      

人工智能的本质是将人的经验数字化、可复制化，而在制造业领域确实存在大量人工重复劳动，亟需通过AI来解放人力、提高准确率，但现状却比较尴尬。

埃森哲在对欧洲、北美和亚洲地区六大行业的500家制造企业的调查后发现，只有16%的企业拥有完整的人工智能愿景，仅有5%的企业正投资应用人工智能技术改造其生产制造，全面应用人工智能解决方案的企业仅占2%。这说明人工智能在制造领域落地是个世界性的难题。

究其原因，主要是因为人工智能应用从算法到落地中间环节颇多，按照华为昇腾计算业务总裁许映童的说法，AI从算法落地需要经过8个环节--分别是模型获取，数据准备，训练、准确度验证、应用开发、NPU性能调优、业务流程监控和适配开发等,由于挑战巨大，他称这8个环节是8大鸿沟。

实际上在每个环节都有很多挑战，例如在模型获取环节，现在就有900多个模型，而且模型也在不断迭代升级，哪个模型最好？仅仅选择就是个头疼的问题。在数据准备环节，现状是很难获得高质量的数据，而没有足够的数据就无法训练足够精度的模型，在训练环节，一个模型的训练成本非常高，一个模型的训练动辄几十万美金几百万人民币，可能超过了一个初创企业整个人工的费用。模型训练好之后，如何和现有的应用结合也有很大挑战。

这些挑战阻碍了AI在应用端的落地,所以产业里迫切需要可以简单易用迅速适配的AI工具。 针对行业应用痛点，8月10日，华为在深圳举行的昇腾AI新品全球发布会（HAI 2020）上，华为发布了业界领先的昇腾AI全栈软件平台，包含异构计算架构CANN 3.0、全流程开发工具链MindStudio和昇腾应用使能MindX，覆盖基础软件到应用使能。 这个全栈平台把AI领域的顶尖开发者、应用开发者和一般开发者都囊括进来，让所有开发者都能迅速使用、快速部署，许映童说华为的核心目标就是做到：第一，极简易用，让AI计算无处不在。第二，极致性能，让AI计算触手可及。

我们在华为在松山湖参观的智能制造产线就是华为昇腾AI软件和制造结合的实际案例，华为要用自己的案例向业界展示制造是如何通过AI变成智造的。 据华为工业自动化视觉实验室主任吴佳芸介绍，华为松山湖南方工厂已有80余条产线应用了AI技术，主要是通过Atlas 800 推理服务器完成智能化工位优化。Atlas 800 推理服务器最大可支持8个Atlas 300I AI推理卡，提供640路高清视频的处理能力，广泛应用于中心侧AI推理场景。

那Atlas 800 推理服务器具体是如何和制造环节结合的呢?实际上，它应用了华为的mxManufacture SDK，这也是华为瞄准制造业推出的SDK。       制造业SDK让智造轻松实现      

在人工智能落地应用中，如果一个客户从零开始开发行业应用，则学习成本和时间成本都很高，例如客户需要理解视频编解码知识、图片编解码知识、各类图片转换、推理流程的串接以及云边协同部署等，开发工作量比较大，调试难度高，技术栈深，这样直接导致了行业应用程序开发周期长，例如一个中等复杂度APP开发就需要10人月，其中主要时间花在了业务串流和接口调试上。 另一方面，实际上在具体应用的各行业业务流程相似度高，其实存在大量可复用的业务模块，如数据获取、业务串流、结果输出、智能分析等基础模块和流程。虽然市场已经有一些产品，但都是结合各自的硬件平台，对上层软件和应用做了深度定制，缺乏开放性，这样导致各大厂家都在重复造轮子。

所以众多有AI需求的制造客户迫切需要一套完整成熟的开发工具包，以加快产品开发和推出，其核心诉求主要包含以下几方面：

视频分析：支持多种协议接入，支持多种视频格式，画框、字符叠加等OSD功能。图片分析：超大图片处理，大图小目标。智能客服：语音识别，人机对话，语义理解。交付标准：业务流程打通样例，主流模型支持能力，商用交付标准，多编程语言支持。网络模型：最新模型支持，小样本泛化能力。安全可信：模型加密，数据安全，传输安全。

针对这个需求，华为除了发布昇腾AI全栈软件平台外，还综合AI领域基础算法和行业经验积累的行业首个mxManufacture SDK，它凝结了华为在制造业里的know how。

华为昇腾计算业务CTO周斌指出，华为制造业SDK就是要把AI在制造行业里面的应用门槛压低，让大量的开发者能够充分享受AI带来的红利。“原来的万级数据转到现在的百级数据准备，因为我们的制造业SDK模型都是针对特性场景预先进行了预训练，这样我们只需要采集少量的现场数据进行优化训练，就可以得到比较好的表现能力。”他举例说，“我们的模型优化时长，由原来的数月降低到数周。代码由原来的万行降低到数百行，因为华为把这些苦活、累活都已经提前做好了。”

吴佳芸认为AI要落地就要与行业知识相结合，如果在某些场景生搬硬套AI的理论框架就会被现实无情地打脸。

她认为要实现AI的规模化应用，首先是让算法跟工业进行结合，以常见的视觉处理为例，传统理论做法是先提取特征然后做定位识别但在现实中，你会发现图像基本都是带反光、褶皱，或者破损老旧还有模糊不清的，如何识别处理？还有需要在一个400毫米场景中去识别定位3.5毫米×3.5毫米的二维码，如何让算法鲁棒性提升，去适应好场景？她认为这就需要把工业编码的规则翻译成视觉的特征，再结合纹理，这样的算法与工业的知识经验结合，才能够解决实际问题。 另外，在AI的应用部署开发中有很多断点，在工业应用不能生搬硬套，不可能以通知方式，做完上一步告诉如何做下一步，华为是通过工具链的开发做云边协同，来减少开发的断点。 另外，工业应用中还有一些特殊场景，例如一些工业检测中还有反向检测--在不该有的地方有没有一些异物？还有偏位的检测等等，还有一些场景，检测组件的吸光特性特别不一样，这样相机就需要从3万像素突然提升到30万像素，华为利用AI技术解决了问题，就是通过暗光恢复，降低光源的成像亮度，通过AI算法把图像增强到正常可检测的成像质量。 华为的制造业SDK ，实际上就是华为在自己智能制造领域的摸索总结的经验，现在这个SDK分享给产业，赋能产业向智造升级。

华为的mxManufacture SDK包含端到端流程、训练+推理+工控机交互等，这对于AI能力不高的制造企业来说，简单易用、性能极致。这是华为制造业SDK的总框架。

华为Atlas的行业使能SDK主要考虑从以下几个方面解决客户的痛点和难点： 1.提升开发效率，提供通用业务模块，聚焦用户核心组件，提供完整的业务流程，用户快速修改适配，提供精简、抽象的功能组件，降低迁移难度； 2.提升业务性能，提供高性能编程框架，提供优化后的芯片功能模块，用户无需深度优化； 3.降低学习成本，高度抽象的硬件能力，减少暴露底层API； 4.提升可扩展性，业务模块化，支持灵活扩展，模块功能精简，业务间快速复用。 该SDK提供图形化的编程界面，大大降低了程序开发门槛。它采用预训练模型方式，利用业务数据进行调优，极大地减少了模型开发的时间。此外，它采用可信设计方式，具有很高的安全可靠性。这是该SDK的训练推理框架。

这个mxManufacture SDK采用插件式开发，无需管理线程和进程通信，只需要关注插件开发与调试，逻辑简单。此外mxManufacture SDK中提供的大量可配置插件可以极大减少开发量，以视频分析业务为例，开发量可以减少90%之多。 “我们目前在华为的工厂已经实现了工位机、线体机、车间机这样的规模化应用，覆盖了80+产线，其中规模较大的包括有600+模型部署上线，而所有这些工作只投入了三个工程师开发完成！”吴佳芸强调，“运维人员可以根据不同的应用功能场景，进行任务的编排，华为工厂智能制造规模应用的经验积累也都会封装到制造行业SDK里。”据悉，这个视觉+制造行业SDK将在2020年10月正式对外上线。

“SDK中提供的插件可以手动/自动配置并行度，达到应用的极致性能，以制造业中的机器检视业务为例，检视图片经过分块后并行处理的效率可以提升50%以上。”她强调指出。 数据显示，我国人工智能产业近年呈现加速发展势头，产业规模不断壮大，预计到2020年，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元，随着华为制造业SDK的发布，中国制造业领域开始向智造迈进，这是一次产业大升级，将为我们经济生活带来巨大改变，工业4.0真的不会远了！