疫情中预期的智能机器人应用井喷缘何没有出现？

2020年，一场新的肺炎爆发让中国经济措手不及。由于缺乏人力和原材料运输困难，许多工厂*停止生产。然而，一些企业在人工智能的庇佑下，抓住了逆境中的机遇，按下了发展的“快进”按钮。令人困惑的是，智能机器人应用的预期井喷并没有发生，那么是什么因素限制了机器人在工业生产中的广泛应用呢？

3月11日，围绕后疫情时代工业智能的机遇和挑战，腾讯YouTube、腾讯腾迅和腾讯研究院联合举办了一场在线战略研讨会。清华大学大数据系统软件国家工程实验室总工程师王晨、明代科学院院长郑宇、创新东智OT业务总监、智能设备事业部总经理王云、天则智云解决方案副总裁施哲、腾讯优图实验室工业智能项目负责人黄亮等一批工业智能领域的专家、学者和业内人士在网上聚集，就相关议题进行了深入讨论。

大数据能有效提高产品检测水平

作为“新基础设施”的一部分，工业互联网行业最近迎来了许多积极的发展。随着疫情的逐步改善，在后疫情时代，工业智能将迎来新的发展机遇，利用人工智能等前沿技术抗击疫情，恢复工作。王芸认为，每个企业和每个场景都有不同的应用。如何判断人工智能的价值？从甲方的角度来看，这取决于投资回报。例如，如果某个解决方案可以替换100名工人，这些工人的成本可以立即计算出来。如果这样一个大型项目的投资能在1.5年内收回，工业界愿意接受。

王芸补充说，利用大数据来寻找影响产品质量的因素，对提高产品质量非常有效。例如，当产品有质量问题时，传统的经验是从Excel中导入数据和捕获因素，然后找几个有经验的工程师来检查，这需要5-6个小时。然而，随着智能系统的引入，在数据完美的前提下，大数据中的可疑因素可以快速锁定在数千个因素中，问题可以在30分钟内解决。

要实现产业智能化，中小企业应从以下几点入手。

王晨认为，对于中小企业和民营企业来说，工业智能的实现应该从这个角度出发，而不是从表面上展开。因为我担心制造商在计划开始之前不知道预期的计划会实现什么。解决方案提供商可以在大型企业中提供与过去相同的水平，但这并不意味着在中小型企业中可以实现相同的效果。工业智能与企业的过程、数据状况、数据质量、数据存储周期和传感器精度密切相关。必须具体分析具体问题。

黄亮认为，劳动和自动化的结合，通用性和定制性的结合，工业场景解决方案的特点是高度定制化，不同的子行业有各自的业务特点，很难找到一个大而全面的通用解决方案。如何确保该方案的普遍性，并灵活适应不同的业务场景，是一个非常具有挑战性的问题，业界正试图兼顾这两个方面。

人机合作仍然存在许多挑战。

王芸认为，未来在5G、大数据和云技术的支持下，工业互联网需要打破数据壁垒，在更多场景中形成更多的智能方案和应用，才能实现产业协作和平台协作。人机合作最初是在工业领域发展起来的。合作机械臂已经发展了很多年。系统中有许多安全传感器和安全护手功能。然而，为什么它没有在许多企业中广泛传播呢？从甲方的角度来看，最重要的考虑是安全。在流行病期间，人工成本较高，全自动机械手的利用率也有所提高，但毕竟，重复处理仍然是在封闭的空间中进行的。事实上，合作臂在机械零件方面做得很好，比如精度和稳定性。然而，合作机构最重要的目的不是取代人来做工作，而是取代人来做出自动判断。接下来，该行业应该考虑如何匹配智能识别来帮助机器人做出判断。

当人力紧张时，为什么智能机器人在流行病期间没有预期的应用激增？王云指出，合作机械手的另一个问题是移动服务没有得到大规模推广，而且大多数移动服务只能固定在一个工作站上，而不是人工去做简单重复的工作。未来的趋势是匹配现有设备，实现路径优化、算法优化、视觉优化，最终提供场景的多应用。

疫情带来的产业情报机遇

王晨表示，疫情对行业的挑战主要体现在三个方面:协同工作、供应链和情报。

首先是合作。许多人不得不远程工作。尽管大量制造企业的工厂已经恢复工作，但总部尚未恢复工作，仍在远程工作。生产设计中的协作是这一过程中的主要挑战。目前，主要的解决方案是通过数字和云计算信息系统。第二是供应链，这也是疫情中暴露的最大短板。以前建立的大数据平台只是在面对疫情时才被发现，仍然处于低级运行状态。许多企业不知道实时操作或上下游供应链。企业智能生产需要整体把握供应链，但大数据短板目前仍然存在。第三是明智的决策。过去，机器总是用来代替人。制造企业第一层次的机器替代不是通过数字化和智能化实现的，而是通过自动化实现的。例如，机械和重复性工作被移交给机器人，机器人比人类更高效、稳定和精确。今天对智能替代品的强调不仅是为了替代这些重复性劳动，也是为了那些掌握了企业专业知识的人和那些有经验的老工匠和大师。这条路还很远。

施哲认为，疫情带来的机遇是推动工业智能的发展，主要体现在四个方面:技术替代复杂劳动、数据协同优化、信息数字化建设、平台建设。首先，慢慢减少一些生产线的人力参与，如工业缺陷检测；第二，数据协调优化是基于本地生产，甚至是集中数据在上游和下游产业链的整体分配。第三，在一定程度上，信息和数字化建设正在被推后。疫情爆发后，行业对引入人工智能技术的考虑直接关系到未来的竞争力，而且更具长期性。第四，对基于大型平台的开发方法的关注增加了。例如，视频会议和基于云的管理迫使企业开发更多的数字解决方案。我相信在现有的数字产品的基础上，人工智能在未来一定会有更好的发展。