在杭州市余杭区秒优服饰智能工厂，机器人将订单所需的面料辅料精准送到各个吊挂生产线，每台机器、每个工人的具体任务、实时进度等都化为大数据，显示在工厂的大屏幕上。作为一家今年3月份才成立的小企业，他们在短短四个月间就接到了4万多个订单，每个订单最少有100件……在浙江，越来越多的制造行业正借力人工智能，实现后疫情时代的产业“突围”。

近日，在杭州未来科技城举行的2020全球人工智能技术大会上，来自全球各地的专家围绕人工智能的行业赋能问题展开讨论。不少专家认为，智能制造行业主体架构在于寓“智”于“造”，为制造业安上智能的“大脑”、接上网络的“云端”，让生产更“智能”，产品更“智慧”，成为产业转型升级的大方向。

“柔性”特质是智能制造的优势

当前，企业智能化生产的需求日益强烈。在不少专家看来，智能制造正在推动传统生产方式、组织形式发生系统性、整体性变革，为产业转型升级和持续发展提供了基础和可能。

“疫情发生后，企业的优先级发生了变化，对降本增效提出了更高要求，也强调要增加供应链的透明度、灵活度，对风险安全的管理成为企业的重中之重。”IBM全球副总裁陈怀宇说，疫情暴发后，IBM一周所接到的5个企业咨询电话都是询问如何让企业生产业务“上线”，之后包括数据如何流转、客户线上沟通的安全性如何保障等深层次问题也渐次增多。

“高智商”的产品离不开“高智能”的制造。受疫情影响，今年浙江不少传统企业和外贸企业遇到了订单荒、库存高等难题。不少浙企通过工业互联网等智能化平台，转变经营思路和生产方式，用大数据汇聚全球订单。

今年4月，杭州老板电器股份有限公司茅山基地成功插上“5G翅膀”，浙江首个5G SA（独立组网）工业互联网应用试点在此建成启用。7月10日起，老板电器茅山基地内1万平方米的生产工厂封闭实施改造，配备人工智能、工业互联网平台、虚拟与现实融合、边缘计算等前沿技术。

老板电器行政负责人俞佳良说，作为一次新基建在厨电制造领域的探索，厂区改造完成后，通过5G边缘计算技术，所有生产数据都能就地进行处理和传输，不会出现因网络中断而产生的数据丢失。

当前，浙江工业智能化改造正在提速。据统计数据显示，上半年企业技术改造投资同比增长6.3%，高于工业投资增速1.7个百分点；创新投入逆势增长，今年前5个月，浙江规模以上工业企业研发费用同比增长11.8%。

据《全球人工智能发展白皮书》预测，到2025年世界人工智能市场规模将超过6万亿美元，人工智能让更多普通人和行业从业者享受到技术带来的便捷。“智能制造的一大特点是能实现‘柔性’化生产，这让企业能在短期内重建个性化生产线，推动产品快速更新迭代。” 中国人工智能学会监事、湖南大学教授王耀南院士说。

让物流机器人在短期内改行做起消毒机器人，被多家大型医院用以室内、室外消毒；让原有的制药生产线迅速调整产品生产，大规模生产疫苗，从而满足疫苗研发的需求……这是疫情发生以来，王耀南院士团队利用智能化生产线的“柔性”特质而实现的一系列适应疫情防控需要的生产调整。王耀南院士说，未来，智能制造机器人将继续向智能化、柔性化、协同化方向发展，以适应网络化协同制造、大规模个性化定制的需求，形成中国制造“硬实力”。

共享协同是智能化改造的关键

因为起步较早，浙江制造行业在智能化改造上确实有一定的先发优势；但浙江中小企业众多、企业机联网率不高，在智能制造实施上，仍面临着产业规模偏小、改造成本较高等难题。

近日，在绍兴市越城区的明峰医疗生产车间，两台CT机即将装配完成，接下来它们将漂洋过海运往巴西。疫情发生以来，明峰医疗的产品订单增长近50%，其中20%左右为海外订单。“人工智能技术研发和智能化生产线的完善一直是我们关注的重点。但装备投入、人才引进等都需要高额投入，对企业来说是不小的压力。”明峰医疗董事长王瑶法说，明峰医疗在医疗设备研发上的投入已超过20亿元。其中，在CT机智能化生产线改造上，由于没有现成的生产线，像机械手等智能化生产工具均需重新采购；目前，企业在CT的零部件生产、产品检测、验收、运输、服务等前后端环节均已实现智能化，组装这一中端环节的智能化则尚在推进中。

在浙江，除了像明峰医疗这样的高端医疗装备企业，更多传统制造业企业在智能化过程中，同样面临着资金、人才等方面的压力。

“动辄上千万元，甚至上亿元的投入，并非是大多数中小企业所能承受的。”在王耀南院士看来，智能制造是一个复杂的系统工程，其涵盖了管理、机器人技术、工程实践、AI软件开发、自动化装备等诸多内容，这些都需要投入大量资金和人力成本。而中小微企业普遍存在“四缺”的情况，即缺乏信息化技术基础、信息化人才、懂信息化的经营管理团队、领导信息化的企业家，进行自上而下的全面改造成本难以控制，自身没有能力进行智能化改造。其次，不少中小企业从事低端加工，利润薄，资金积累少，行业波动大，企业担心投入高回报慢、自动化生产线改造后停机影响交货等问题，难以大规模投资智能制造。

此外，王耀南院士认为，企业、政府、大学等研究机构之间信息的不对称也是智能制造实施的一大障碍。只有加强产学研用结合，才能在未来发掘智能制造的更大潜能。

“疫情发生以来，全球产业链正在发生一系列变化，不少企业可能面临着上下游产业链断裂的风险，未来如何通过智能化改造，打通产业链，激发市场活力，是企业需要解决的重要课题之一。”王耀南院士说。

因此，共享、协同、需求牵引等成为智能化改造过程中的关键词。

有专家认为，对于中小企业而言，面对智能化生产线的全面改造带来的高额成本，借助部分龙头企业或研发机构提供的共享云平台，将是一种更为实惠的选择。在浙江，阿里云的ET大脑、之江实验室的天枢人工智能开源开放平台等，已广泛服务于众多企业的智能化改造。

“通过人、机、物的全面互联，可构建起全要素、全产业链、全价值链的新型工业生产制造和服务体系。”王耀南院士说，智能制造还须紧密结合市场需求建立生产线。“没有订单牵引的智能制造生产线，无异于空中楼阁，容易形成资源、人才等的浪费。”王耀南院士说。

此外，企业的智能化改造还有赖于政府、行业企业之间协同机制的形成。近年来，浙江大力实施数字经济“一号工程”，以智能制造为主攻方向，以“互联网+制造业”为新手段，产业数字化和数字产业化协调推进，智能制造发展呈现推进加快、效益趋好、动力强劲的态势。未来，浙江将进一步发挥数字经济先发优势，瞄准前沿科技领域，加快人工智能前瞻性布局，在技术理论研究、关键技术攻关融合、应用创新、产业集聚发展、全球开发合作，以及产业生态构建等方面协同发展，努力保障产业链、技术链稳定安全，打造人工智能创新发展强省。

让AI学会理解人类是发展的趋势

当关注点从智能化生产线转向人工智能技术本身时，复旦大学智能机器人研究院常务副院长张立华教授认为，人工智能技术的“黑盒”式深度学习机制也是其在制造领域推广中不容忽视的问题。

张立华教授说，当前，人工智能技术领域即便已拥有巨量神经元构成的神经网络和专用芯片，研究人员做的仍是一种类似于“曲线拟合”的深度模型训练，其仅是针对有限的样本输入数据和输出数据之间找到某种固定的模式，属于封闭过程，而非“理解”数据。“像在自动驾驶领域，路况和场景是在不断变化的，这就要求AI驾驶者能有随机应变的能力，简单地重复以往输入的数据、场景显然是不够的。”张立华说，智能制造系统最本质的特征是要让信息系统增加对复杂多变环境与任务的认知和学习的功能。

正如2003年图灵奖得主 Alan Kay在近期举行的北京智源大会上所说，一个足够复杂的机器学习系统，就像是一只“超级鸽子”，它可以做许多有用的事情。但机器学习领域的研究人员，不能用这个子领域的进展来标榜整个人工智能领域的成功。如果研究人员想要发明能够和人类自然交互的AI系统，就必须让AI学会理解人类的语境和常识。这正是人工智能技术发展的趋势所在。

“人工智能只有实现从‘深度学习’向‘深度理解’的转变，未来才能更广泛、深入地应用于智能制造领域。”张立华教授说，从微观上来说，让人工智能更“智能”，使机器像人一样，具备更聪明灵活的决策力和判断力，是解决产业智能化改造的一大关键点。

这一观点得到了现场不少专家学者的认同。东华大学机械工程学院院长张洁教授认为，只有让深度学习模型具备可解释性、可靠性，才能真正优化智能模型，被工业界所用。为此，张洁的团队一直在系统机理与数据的融合层面进行研究突破，希望将类脑的认知智能真正赋能给机器，以指导深度学习网络的重构。她说，对机理的认知和刻画需要海量数据的提炼和分析，而通过对数据的关联分析，他们的研究试图对整个结构特征进行挖掘，从功能上去解析其共性、个性，以形成更精简和类脑的模型——只有整个网络得以重构，以数据驱动为核心的智能制造才可能真正实现。

借鉴人类的直觉能力，综合脑科学、认知科学等领域的研究，形成交叉学科的架构方向，是众多专家的共识。“要真正借鉴人脑处理信息的规律，就需要理解脑的结构和功能。比如，针对情绪、记忆等特定认知，脑内哪些脑区和环路支撑这些认知功能等。”中国科学院自动化研究所研究员、欧洲科学院外籍院士蒋田仔说。

参会前，蒋田仔的西湖大学之行给他留下了深刻印象。“西湖大学从分子、细胞等微观角度对人脑开展研究，与我们团队的宏观和介观研究有着明显不同，这为我们以后的合作打开了新思路。”蒋田仔说，双方8月份还将在北京就脑科学和类脑智能作更多沟通交流。（记者 董旭明）