作者：宋帅

时至今日， “智慧”已无处不在。从人脸识别到无人驾驶，再到智慧医疗……行业格局深度调整，人的认知不断刷新，AI技术生态圈渐露雏形。这也预示着作为国民经济重要支柱的制造业，其与人工智能的结合，已经成为趋势必然和既成事实。面对新工业革命和全球技术经济竞争，特别是在“贸易战”影响的背景下，中国工业AI未来会有着怎样的发展趋势？又存在哪些机遇和挑战？

    6月21日，在苏州金鸡湖畔举办的第一届工业AI研讨会（AIM） 上，与会嘉宾围绕“工业AI”进行的议题演讲，让大家对智能制造前沿核心技术的理解进一步加深。最后的圆桌论坛以“中国工业AI行业发展机遇和挑战”为主题，将AIM  2019的苏州首秀带入高潮！香港应用科技研究院蔡振荣博士主持圆桌论坛，并发表观点。下面我们将为您呈现现场圆桌讨论的各方观点。

（从左至右：香港应用科技研究院（ASTRI）总监 蔡振荣博士，美国辛辛那提大学机械工程博士、北京天泽智云副总裁史喆先生，北京微视新纪元科技有限公司副总经理/营销总监欧阳哲先生，同济大学中德学院机械工程系主任、中国机电一体化技术应用协会常务理事和制造执行系统（MES）理事会理事长沈斌教授）   

人力外移、产业回流欧美，制造业如何应对AI趋势挑战？

沈斌：中国低成本劳动力逐渐消退，以前主要靠劳动力优势。5年前谈自动化不太现实，实行自动化，大量劳动力做什么？现在又来了人工智能，用机器来代替人。形势更加严峻，很多人担心可不可持续？一些国内的经济学家觉得这样不行，但国外经济学家看法恰恰相反！我认为这是机遇，虽然劳动力成本提高，但是人的数量还存在。搞软件、编程，我们中国人是很有优势的。世界人工智能发展很快的就是美国和中国，这一点我比较乐观。

欧阳哲：2007年开始入行做机器视觉，去深圳富士康等厂，当时机器化率很低，大部分靠人工操作。2008~2010年，富士康、比亚迪等公司引入越来越多的自动化检测设备、传统视觉。2016年开始，企业逐步引入一些人工智能深度学习算法。尤其在AlphaGo击败李世石以后，人工智能深度学习算法获得越来越多认可。当然，编程方面问题比较大，招一个好的编程人员，在深圳要3、50万，过几个月可能别人开6、70万，这是深圳经常发生的事。我认为，未来趋势一定是越来越多的检测设备，基于人工智能深度学习来做。中国高校开了这么多课程，人才储备非常足，未来会加速推进。

史喆：现在美国也在提人工智能化的概念。“数字化”最好的我认为应该是保洁。智能化现在在做，后面将产生新的模式或者其它，这个本身就是很大的产业。产业结合不同行业，会有一些进步或者突破，大家都不想错过契机。互联网刚开始出来时也一样。欧洲在互联网战略上被美国打败。可以想象，欧洲是没有一家完整互联网公司的，社交用Facebook、搜索用Google。只有中国大陆有很好的系统，我们有百度，有自己的社交Wechat。美国看到中国在互联网行业没有输，自然引到人工智能不会输。讲到中国和美国。从论文数量和质量来看，中国基本已超过美国，他们已感觉到威胁。后面怎样和产业结合，恐怕需要考虑更多。

中国企业在AI及机器人（自动化）上的优势、不足和挑战？

史喆：日本早期的制造也不全是高端制造，之后花20年时间转型到高端制造，高端在机床设备、半导体，生产出来一些产品高附加值。我们的转型可能也会有这样一个趋势。我本科学航空航天，和发动机有些关系，发动机大家说是“皇冠上的明珠”。材料、冶金到整个生产流程，链条很长，不是单点一个技术。我们国家花了很多力气在技术方面搞了一些突破。中国也经常到西方国家购买（设备），比如德国，实现技术转换。通过这样一些方式能够更好更快。但是怎样更好消化，占领高端市场？

欧阳哲：其实中国的AI优势还是很明显的，就我做的工业AI来看。中国现在也算是”世界工厂”，有很多大的工业数据，比如说有些客户要数据，在产线上跑一周，几个T的数据就有了。从数据获取的相对难易程度来讲，中国相对简单，材料制造相对差一点。中国有几家做芯片的，尤其是做AI芯片的，我们在做一些合作，未来会逐步赶上。劣势也确实有，不只中国。所谓人工智能，我们叫弱人工智能，基本上在算概率，不是真正像人一样有思考，这个差得还很远，缺理论上的突破。未来更多可能需要像沈教授这样的大学教授突破理论。这个是亟待解决的，就是把弱人工智能，把单纯靠数据积累算概率来变成强人工智能。

沈斌：中国核心技术差距很大，有些基础的东西。首先我们要直视，第二要承认差距。联合国对现代工业有一个分类，从大类、中类到小类，世界上只有中国全部具备。我们虽然有四十几个软件产业园，一千多家机器人公司，但差距确实有。我担心的不是硬件差距，而是软件上的差距。中国工业现代化，当中有一个核心的东西就是工业软件，和人家差距又是几十年。国家不够重视，现在做一些基础软件。搞人工智能，你把故事讲好，他就愿意投资，所以中国对人工智能的投资大于美国。这是好现象，但是我怕一哄而上。如果拿不出产品来，投资又要收回。人工智能这么热，工业软件却还没有热起来。

AI初创公司如何在制造领域实现创收和盈利？

史喆：这个问题非常关键。我们公司起步还没那么久，但整个业态接受度是蛮高的。个人认为，AI公司如果想赚钱，一定要和具体的业务和产业结合。有一句话叫作“拿着锤子找钉子”，我有这个技术就什么都拿这个技术去敲一下。其实不是这样的。我们现在做的跟产业结合的AI落地，确实要找到合适的产业，以及能够深度合作的一些应用。而不是像互联网一样，是一张皮，只做整合，是财富的重新分配，但没有解决核心问题。一个让生产的效率更高、更省钱，另外一个盈利能够多赚钱，然后才有我赚钱的机会。这也是选择客户和行业的一个模式。第二个是需求，这样才能做得更深更产品化。商汤科技原来从来没发布过产品，这次发布11个产品，全球落地。所以，产品化和行业结合，才是创业公司唯一可能赚钱的模式。可能到一定阶段，AI门槛会越来越低。

欧阳哲：我知道的2016年成立的公司，盈利还可以，主要找到一些场景（落地）。在工业检测行业我们也遇到一些成功和失败的例子，以太阳能检测为例，传统是80%，深度学习现在是99.5%。在多晶检测方面，只能选我们，所以我们三月份卖了500多万软件。但是单晶的传统和AI都能做，所以AI想赚钱要找到一个传统搞不定或者很难搞的行业来落地，然后大力推进。

沈斌：刚才讲到人工智能过热，这不是坏事。大家都爱赶浪潮。我倒是认为这些AI公司大部分会慢慢消退，故事好但没达到预期。但少部分可能是一枝独秀，产生的效益可能是成倍的。所以，我对创业公司讲，不要抱太大希望，你可能只是维持生存。会有少数人成功，他们会引领这个行业。

制造领域企业在导入AI时需要注意什么？

沈斌：开始大家讲“工业4.0”，一开始谁都不知道“工业4.0”是什么？后来我们又讲智能制造，大家都很热衷，现在大家又讲人工智能了。实际人工智能是个科学研究领域，但是现在吹得很厉害，因为AlphaGo下围棋下过人了。专业角度，AlphaGo这种还是弱人工智能。但是作为企业是不是要做？有些东西是不是必须要搞人工智能，这个要搞清楚。

欧阳哲：之前遇到过很多厂长、领导，他们觉得人工智能是万能的，只要是弄过来全都能搞定。这是个误区。首先需要大数据，第二他们不了解底下的员工很抵触这个。因为从某种意义上来讲，就是开发、代码做好可能意味着失业，这些也是实际当中遇到的。AI从业者应当多帮助工厂负责人。

史喆：我认为“有边界的信息对称问题”，人工智能都能实现，就像机器人下棋，棋盘就这么大，而且有规则有边界。但是专家都在做“边界信息不对称”的问题，比如打麻将，看到自己牌但看不到别人的牌。在企业应用上面，其实欧阳讲的企业数据，过去怎样的数据，应该怎样去打通。有些企业说我有大量数据，但能不能满足要求？个人觉得，现在信息化到这样一个阶段，新系统有这样几个特点：一个是新技术，一个是新组织，还有一个新人才。

沈斌：我担心的是AI不能容忍工业制造。现在AI看上去很热，但可能几年以后要降温，我们现在认为AI万能，能解决所有问题。我们要有坚韧不拔的精神。我年轻的时候没有你们这个视野，你们国内国外参会，现在的氛围对你们来说是机会！

欧阳哲：未来分三种人：一种编AI的人，一种是AI管理的人，一种是AI都懒得管的人。这是开个玩笑！未来有很多的工作，用AI做替代。在AI会“自己编自己的源代码”之前，编AI的还是不会被替代的。其它的，AI都加速部署在工业产线上。个人觉得，未来大部分都会被AI替代。

史喆：现在送外卖啊，工资都是很高的，有人问说现在中国社会是不是出现了脑体倒挂。有一种回答，我觉得非常经典，“做体力工作的人真的有这个体力，做脑力工作的人是不是真的有这个脑力”。现在信息化做好了，企业为什么需要那么多中间层？不一定实行自动化就会替代现场的人工。

AI在制造领域未来的方向或趋势？

沈斌：对制造业企业来说，首先要拥抱AI，拥抱新技术，其次要脚踏实地。适合自己的才是好的！

欧阳哲：工业这一块，我认为，未来每个人手里的工具，谁会胜出取决于谁的数据。很多工厂厂主他们关注算法怎么好、怎么厉害，实际上不太注重数据搜集。

史喆：我认为，应该重视这么一个方向。起码AI是一个更优秀的决策中心。人可以做三四个决策，再多一点人就算不动了。所以，大家看AI系统，它其实比我做得更好！不应该有抵触心理，还是应该有开放的心态！