英偉達(dá)創(chuàng)始人兼CEO黃仁勛曾豪言，“人工智能的下一個浪潮是具身智能”。

AI大模型、具身智能、深度學(xué)習(xí)技術(shù)的興起和火熱，讓機(jī)器人從過往重復(fù)單一任務(wù)，有望向自主感知、自主決策、自主執(zhí)行的未來世界邁進(jìn)。

AI與機(jī)器人的深度結(jié)合，是時代和技術(shù)發(fā)展的必由之路。目前，AI技術(shù)在工業(yè)機(jī)器人的應(yīng)用已經(jīng)廣泛滲透到AI工業(yè)質(zhì)檢、預(yù)測性維護(hù)、智能化倉儲、安全預(yù)警等多個環(huán)節(jié)，工業(yè)機(jī)器人的智能化正全力加速。

在此背景下，日前，以“萬物向新 蓄力篤行”為主題的2024(第十一屆)高工機(jī)器人年會暨高工金球獎頒獎典禮在深圳機(jī)場凱悅酒店圓滿落幕，并邀請10余位智能制造大咖代表出席“數(shù)智化專場”進(jìn)行分享。

在以“從產(chǎn)線智能到智能工廠”為主題的圓桌對話上，主持人高工機(jī)器人產(chǎn)業(yè)研究所所長盧瀚宸與領(lǐng)志光機(jī)電自動化總經(jīng)理紀(jì)順文、騰訊云智能制造總經(jīng)理梁定安、華立企業(yè)股份智能整合事業(yè)部協(xié)理張志豪、軒田智能智能制造方案部總監(jiān)陳先鋒、361°技術(shù)負(fù)責(zé)人圍繞“AI與機(jī)器人智能化應(yīng)用機(jī)遇”、“AI賦能解決工業(yè)場景痛點”、“智能工廠轉(zhuǎn)型升級瓶頸”等熱門話題展開討論。

AI+工業(yè)機(jī)器人=?

高工機(jī)器人產(chǎn)業(yè)研究所所長盧瀚宸：對于AI和機(jī)器人的結(jié)合有怎樣的期待?

領(lǐng)志光機(jī)電自動化總經(jīng)理紀(jì)順文：現(xiàn)階段，我希望無論是利用AI技術(shù)還是仿真模擬技術(shù)，讓機(jī)器人在作業(yè)現(xiàn)場實現(xiàn)快速調(diào)機(jī)，這對于工業(yè)應(yīng)用案例能否成功、企業(yè)成本控制都非常關(guān)鍵。

騰訊云智能制造總經(jīng)理梁定安：工業(yè)自動化時代，機(jī)器人的智能不斷升級，結(jié)合人工智能大模型，機(jī)器人通過信號、數(shù)據(jù)、傳感器等輸入和交互的形式會更加豐富，機(jī)器人向具身智能形態(tài)演進(jìn)指日可待。

在機(jī)器人+人工智能落地的過程中，數(shù)據(jù)的處理、打標(biāo)簽、訓(xùn)練、部署、迭代、安全保障……這一系列工程化的問題，同樣需要在座的制造企業(yè)和專家共同去思考、去擁抱、去轉(zhuǎn)型。

華立企業(yè)股份智能整合事業(yè)部協(xié)理張志豪：我最近主要關(guān)注出海東南亞打造集成方案，觀察到海外企業(yè)存在擴(kuò)產(chǎn)后勞動力短缺、勞動力素質(zhì)不高的問題，那么AI技術(shù)賦能機(jī)器人，怎么協(xié)助企業(yè)節(jié)省成本，讓企業(yè)更好完成自動化，幫助用戶完成訓(xùn)練，這是一個突破口。

軒田智能智能制造方案部總監(jiān)陳先鋒：就機(jī)器人在物流行業(yè)的應(yīng)用來說，最關(guān)鍵的是系統(tǒng)調(diào)度的及時性，以及對節(jié)拍的把握，目前我比較看好復(fù)合機(jī)器人、雙臂機(jī)器人，行動方式是通過移動底盤，能夠在工廠平滑運行，如果具身智能機(jī)器人擁有雙手臂和眼睛，未來在工業(yè)場景的應(yīng)用會很廣。

AI+工業(yè)的“可為與不可為”?

盧瀚宸：AI+工業(yè)有哪些不建議做的?哪些領(lǐng)域AI發(fā)揮的作用相對有限?

梁定安：作為一個新興事物，AI大模型的成與敗，我們暫時不去下結(jié)論。在實際應(yīng)用中，許多企業(yè)在嘗試大模型應(yīng)用時會遇到很多卡點，包括算力卡采購難、網(wǎng)絡(luò)搭建難、算法工程化人才招募難……

現(xiàn)在我國人工智能賽道供應(yīng)鏈正在形成，包括制造業(yè)、機(jī)器人產(chǎn)業(yè)的細(xì)分領(lǐng)域里誕生了許多專業(yè)AI技術(shù)團(tuán)隊，如果能把具備國際水平的AI智能廠商和中國工業(yè)產(chǎn)業(yè)鏈有機(jī)地結(jié)合起來，將會是我們從中國制造邁向中國“智造”的轉(zhuǎn)折點，在此鼓勵更多企業(yè)嘗試進(jìn)行對大模型的探索。

紀(jì)順文：AI+工業(yè)非常有挑戰(zhàn)性的點在于，我們把參數(shù)、資料輸入給AI，得出一個答案最優(yōu)解，但這些數(shù)據(jù)和資料透露出去后，別人可能同樣搜索到這家企業(yè)的最優(yōu)解，但假設(shè)由工業(yè)企業(yè)自己來做AI，投入非常巨大，如果有第三方跨界來做私有部署，保障好數(shù)據(jù)安全，在制造業(yè)會應(yīng)用地更廣。

張志豪：在AI的使用上，我們可以使用類似GPT的通用大模型建立企業(yè)基礎(chǔ)模型，再結(jié)合企業(yè)、部門、個人的個性化需求進(jìn)行私有化模型訓(xùn)練，目前只有頭部企業(yè)能在AI上有大規(guī)模的投入，一般企業(yè)怎么運用大模型，產(chǎn)生自己所需要的AI智能化應(yīng)用，這是一個值得探討的方向。

陳先鋒：我建議一個“不做”，目前不同機(jī)器人廠商的調(diào)度系統(tǒng)還不能融合，希望不要設(shè)置門檻，不要一家廠商先入為主，彼此能夠互相融合，給企業(yè)主更多一點選擇。

一個“要做”，在機(jī)器人現(xiàn)場調(diào)試上，通過AI大語言模型的學(xué)習(xí)，完成高效調(diào)試。比如我完成1臺機(jī)器人的數(shù)據(jù)提取和調(diào)試后，通過AI大模型和機(jī)器學(xué)習(xí)，讓其他20臺機(jī)器人自主完成現(xiàn)場調(diào)試，這類技術(shù)和應(yīng)用非常值得投入和推廣。

智能化轉(zhuǎn)型的瓶頸

盧瀚宸：從智能產(chǎn)線到智能工廠，存在哪些明顯的瓶頸?

紀(jì)順文：很多制造企業(yè)希望走向智能化，但企業(yè)的管理者、技術(shù)人員沒有明確的智能化想法，并且在設(shè)備通用性、投資力度上也存在問題。

近年來工業(yè)機(jī)器人、復(fù)合機(jī)器人的平均售價都在下調(diào)，出現(xiàn)了智能化轉(zhuǎn)型的機(jī)會，比如我們可以通過引入?yún)f(xié)作機(jī)器人、物流自動化設(shè)備，先從搬運、打包這些流程自動化開始切入，逐步幫助企業(yè)智能化轉(zhuǎn)型。

梁定安：以AI視覺在工業(yè)質(zhì)檢上的應(yīng)用為例，想要讓AI算法能夠達(dá)到企業(yè)真實質(zhì)檢要求，比如精準(zhǔn)度優(yōu)化到99.9%甚至99.99%，這需要輸入大量垂直場景的樣本圖片，讓AI不斷進(jìn)行正負(fù)樣本學(xué)習(xí)和打標(biāo)簽。

但在具體應(yīng)用中，很多難題不在算法技術(shù)本身，而是圖片樣本數(shù)量不夠。所以智能化的難點，一方面在于算法怎么降低對圖片數(shù)據(jù)的依賴，另一方面，企業(yè)怎么去格式化地搜集基礎(chǔ)數(shù)據(jù)，幫助算法不斷優(yōu)化準(zhǔn)確率。

張志豪：第一點，數(shù)據(jù)搜集很重要，如果基礎(chǔ)設(shè)備老舊，沒有必要為了智能化而去打造智能工廠。

第二點，在智能化之前，要先實現(xiàn)可視化，工廠運行到哪一個生產(chǎn)環(huán)節(jié)，終端要做到數(shù)據(jù)的可視化呈現(xiàn)。難點在于，如果沒有第一步的數(shù)據(jù)搜集和統(tǒng)籌，很難實現(xiàn)可視化。

陳先鋒：數(shù)字化的痛點在企業(yè)主這邊，第一是過去的設(shè)備不具備數(shù)字化能力，無法交互，尤其是國外一些設(shè)備，通信傳輸接口無法開放兼容。

第二是調(diào)度系統(tǒng)，很多傳統(tǒng)制造企業(yè)在布局系統(tǒng)時并沒有考慮到智能制造的方向，像MCS、MES、RDD這些上層信息化系統(tǒng)是缺失的。

第三是技術(shù)人才，智能制造轉(zhuǎn)型不只是拓展硬件、軟件，企業(yè)也面臨數(shù)字化技術(shù)人員儲備不足的難點。