AI在制造領(lǐng)域落地面臨的挑戰(zhàn)

編者注：用機器人制造機器人一直是科幻電影中的場景，現(xiàn)在，這個夢想已經(jīng)接近實現(xiàn)了！在華為松山湖南方工廠，已經(jīng)實現(xiàn)了用Atlas制造Atlas！這是人工智能和制造結(jié)合的一小步，卻是中國智能制造的一大步！老張今天給你詳細(xì)說道說道這個技術(shù)。

近兩年來，隨著AI算力和能效的不斷提升，人工智能應(yīng)用如火如荼展開，不過大部分人工智能應(yīng)用還主要集中在消費、安防領(lǐng)域，在其他領(lǐng)域如制造領(lǐng)域還應(yīng)用的比較少，人工智能和制造如何結(jié)合？這是人工智能公司和制造領(lǐng)域廠商們都在思考和探索的問題，近日，筆者作為疫情后第一批到華為松山湖南方工廠生產(chǎn)線的媒體參觀了華為松山湖智能制造生產(chǎn)流水線，觀摩了華為Atlas AI服務(wù)器的生產(chǎn)過程。

據(jù)介紹，在人工智能領(lǐng)域深度耕耘的華為已經(jīng)率先將人工智能技術(shù)應(yīng)用到自己的制造產(chǎn)線中，智能計算產(chǎn)品的生產(chǎn)線實現(xiàn)用Atlas制造Atlas，讓AI貫穿制造的每個環(huán)節(jié)，在完成標(biāo)簽缺陷檢測、螺釘缺失等實現(xiàn)“秒級檢測”，將質(zhì)檢準(zhǔn)確率由之前的傳統(tǒng)機器視覺質(zhì)檢的90%提升至99.9%。

華為在智能制造方面的經(jīng)驗對于中國制造升級非常有價值，在了解華為是如何實現(xiàn)智能制造之前，讓我們先來看看AI在制造領(lǐng)域落地面臨的挑戰(zhàn)。

AI在行業(yè)落地的挑戰(zhàn)

人工智能的本質(zhì)是將人的經(jīng)驗數(shù)字化、可復(fù)制化，而在制造業(yè)領(lǐng)域確實存在大量人工重復(fù)勞動，亟需通過AI來解放人力、提高準(zhǔn)確率，但現(xiàn)狀卻比較尷尬。

埃森哲在對歐洲、北美和亞洲地區(qū)六大行業(yè)的500家制造企業(yè)的調(diào)查后發(fā)現(xiàn)，只有16%的企業(yè)擁有完整的人工智能愿景，僅有5%的企業(yè)正投資應(yīng)用人工智能技術(shù)改造其生產(chǎn)制造，全面應(yīng)用人工智能解決方案的企業(yè)僅占2%。這說明人工智能在制造領(lǐng)域落地是個世界性的難題。

究其原因，主要是因為人工智能應(yīng)用從算法到落地中間環(huán)節(jié)頗多，按照華為昇騰計算業(yè)務(wù)總裁許映童的說法，AI從算法落地需要經(jīng)過8個環(huán)節(jié)--分別是模型獲取，數(shù)據(jù)準(zhǔn)備，訓(xùn)練、準(zhǔn)確度驗證、應(yīng)用開發(fā)、NPU性能調(diào)優(yōu)、業(yè)務(wù)流程監(jiān)控和適配開發(fā)等,由于挑戰(zhàn)巨大，他稱這8個環(huán)節(jié)是8大鴻溝。

實際上在每個環(huán)節(jié)都有很多挑戰(zhàn)，例如在模型獲取環(huán)節(jié)，現(xiàn)在就有900多個模型，而且模型也在不斷迭代升級，哪個模型最好？僅僅選擇就是個頭疼的問題。在數(shù)據(jù)準(zhǔn)備環(huán)節(jié)，現(xiàn)狀是很難獲得高質(zhì)量的數(shù)據(jù)，而沒有足夠的數(shù)據(jù)就無法訓(xùn)練足夠精度的模型，在訓(xùn)練環(huán)節(jié)，一個模型的訓(xùn)練成本非常高，一個模型的訓(xùn)練動輒幾十萬美金幾百萬人民幣，可能超過了一個初創(chuàng)企業(yè)整個人工的費用。模型訓(xùn)練好之后，如何和現(xiàn)有的應(yīng)用結(jié)合也有很大挑戰(zhàn)。

這些挑戰(zhàn)阻礙了AI在應(yīng)用端的落地,所以產(chǎn)業(yè)里迫切需要可以簡單易用迅速適配的AI工具。 針對行業(yè)應(yīng)用痛點，8月10日，華為在深圳舉行的昇騰AI新品全球發(fā)布會（HAI 2020）上，華為發(fā)布了業(yè)界領(lǐng)先的昇騰AI全棧軟件平臺，包含異構(gòu)計算架構(gòu)CANN 3.0、全流程開發(fā)工具鏈MindStudio和昇騰應(yīng)用使能MindX，覆蓋基礎(chǔ)軟件到應(yīng)用使能。 這個全棧平臺把AI領(lǐng)域的頂尖開發(fā)者、應(yīng)用開發(fā)者和一般開發(fā)者都囊括進來，讓所有開發(fā)者都能迅速使用、快速部署，許映童說華為的核心目標(biāo)就是做到：第一，極簡易用，讓AI計算無處不在。第二，極致性能，讓AI計算觸手可及。

我們在華為在松山湖參觀的智能制造產(chǎn)線就是華為昇騰AI軟件和制造結(jié)合的實際案例，華為要用自己的案例向業(yè)界展示制造是如何通過AI變成智造的。 據(jù)華為工業(yè)自動化視覺實驗室主任吳佳蕓介紹，華為松山湖南方工廠已有80余條產(chǎn)線應(yīng)用了AI技術(shù)，主要是通過Atlas 800 推理服務(wù)器完成智能化工位優(yōu)化。Atlas 800 推理服務(wù)器最大可支持8個Atlas 300I AI推理卡，提供640路高清視頻的處理能力，廣泛應(yīng)用于中心側(cè)AI推理場景。

那Atlas 800 推理服務(wù)器具體是如何和制造環(huán)節(jié)結(jié)合的呢?實際上，它應(yīng)用了華為的mxManufacture SDK，這也是華為瞄準(zhǔn)制造業(yè)推出的SDK。 制造業(yè)SDK讓智造輕松實現(xiàn)

在人工智能落地應(yīng)用中，如果一個客戶從零開始開發(fā)行業(yè)應(yīng)用，則學(xué)習(xí)成本和時間成本都很高，例如客戶需要理解視頻編解碼知識、圖片編解碼知識、各類圖片轉(zhuǎn)換、推理流程的串接以及云邊協(xié)同部署等，開發(fā)工作量比較大，調(diào)試難度高，技術(shù)棧深，這樣直接導(dǎo)致了行業(yè)應(yīng)用程序開發(fā)周期長，例如一個中等復(fù)雜度APP開發(fā)就需要10人月，其中主要時間花在了業(yè)務(wù)串流和接口調(diào)試上。 另一方面，實際上在具體應(yīng)用的各行業(yè)業(yè)務(wù)流程相似度高，其實存在大量可復(fù)用的業(yè)務(wù)模塊，如數(shù)據(jù)獲取、業(yè)務(wù)串流、結(jié)果輸出、智能分析等基礎(chǔ)模塊和流程。雖然市場已經(jīng)有一些產(chǎn)品，但都是結(jié)合各自的硬件平臺，對上層軟件和應(yīng)用做了深度定制，缺乏開放性，這樣導(dǎo)致各大廠家都在重復(fù)造輪子。

所以眾多有AI需求的制造客戶迫切需要一套完整成熟的開發(fā)工具包，以加快產(chǎn)品開發(fā)和推出，其核心訴求主要包含以下幾方面：

視頻分析：支持多種協(xié)議接入，支持多種視頻格式，畫框、字符疊加等OSD功能。圖片分析：超大圖片處理，大圖小目標(biāo)。智能客服：語音識別，人機對話，語義理解。交付標(biāo)準(zhǔn)：業(yè)務(wù)流程打通樣例，主流模型支持能力，商用交付標(biāo)準(zhǔn)，多編程語言支持。網(wǎng)絡(luò)模型：最新模型支持，小樣本泛化能力。安全可信：模型加密，數(shù)據(jù)安全，傳輸安全。

針對這個需求，華為除了發(fā)布昇騰AI全棧軟件平臺外，還綜合AI領(lǐng)域基礎(chǔ)算法和行業(yè)經(jīng)驗積累的行業(yè)首個mxManufacture SDK，它凝結(jié)了華為在制造業(yè)里的know how。

華為昇騰計算業(yè)務(wù)CTO周斌指出，華為制造業(yè)SDK就是要把AI在制造行業(yè)里面的應(yīng)用門檻壓低，讓大量的開發(fā)者能夠充分享受AI帶來的紅利?！霸瓉淼娜f級數(shù)據(jù)轉(zhuǎn)到現(xiàn)在的百級數(shù)據(jù)準(zhǔn)備，因為我們的制造業(yè)SDK模型都是針對特性場景預(yù)先進行了預(yù)訓(xùn)練，這樣我們只需要采集少量的現(xiàn)場數(shù)據(jù)進行優(yōu)化訓(xùn)練，就可以得到比較好的表現(xiàn)能力?！彼e例說，“我們的模型優(yōu)化時長，由原來的數(shù)月降低到數(shù)周。代碼由原來的萬行降低到數(shù)百行，因為華為把這些苦活、累活都已經(jīng)提前做好了。”

吳佳蕓認(rèn)為AI要落地就要與行業(yè)知識相結(jié)合，如果在某些場景生搬硬套AI的理論框架就會被現(xiàn)實無情地打臉。

她認(rèn)為要實現(xiàn)AI的規(guī)?；瘧?yīng)用，首先是讓算法跟工業(yè)進行結(jié)合，以常見的視覺處理為例，傳統(tǒng)理論做法是先提取特征然后做定位識別但在現(xiàn)實中，你會發(fā)現(xiàn)圖像基本都是帶反光、褶皺，或者破損老舊還有模糊不清的，如何識別處理？還有需要在一個400毫米場景中去識別定位3.5毫米×3.5毫米的二維碼，如何讓算法魯棒性提升，去適應(yīng)好場景？她認(rèn)為這就需要把工業(yè)編碼的規(guī)則翻譯成視覺的特征，再結(jié)合紋理，這樣的算法與工業(yè)的知識經(jīng)驗結(jié)合，才能夠解決實際問題。 另外，在AI的應(yīng)用部署開發(fā)中有很多斷點，在工業(yè)應(yīng)用不能生搬硬套，不可能以通知方式，做完上一步告訴如何做下一步，華為是通過工具鏈的開發(fā)做云邊協(xié)同，來減少開發(fā)的斷點。 另外，工業(yè)應(yīng)用中還有一些特殊場景，例如一些工業(yè)檢測中還有反向檢測--在不該有的地方有沒有一些異物？還有偏位的檢測等等，還有一些場景，檢測組件的吸光特性特別不一樣，這樣相機就需要從3萬像素突然提升到30萬像素，華為利用AI技術(shù)解決了問題，就是通過暗光恢復(fù)，降低光源的成像亮度，通過AI算法把圖像增強到正常可檢測的成像質(zhì)量。 華為的制造業(yè)SDK ，實際上就是華為在自己智能制造領(lǐng)域的摸索總結(jié)的經(jīng)驗，現(xiàn)在這個SDK分享給產(chǎn)業(yè)，賦能產(chǎn)業(yè)向智造升級。

華為的mxManufacture SDK包含端到端流程、訓(xùn)練+推理+工控機交互等，這對于AI能力不高的制造企業(yè)來說，簡單易用、性能極致。這是華為制造業(yè)SDK的總框架。

華為Atlas的行業(yè)使能SDK主要考慮從以下幾個方面解決客戶的痛點和難點： 1.提升開發(fā)效率，提供通用業(yè)務(wù)模塊，聚焦用戶核心組件，提供完整的業(yè)務(wù)流程，用戶快速修改適配，提供精簡、抽象的功能組件，降低遷移難度； 2.提升業(yè)務(wù)性能，提供高性能編程框架，提供優(yōu)化后的芯片功能模塊，用戶無需深度優(yōu)化； 3.降低學(xué)習(xí)成本，高度抽象的硬件能力，減少暴露底層API； 4.提升可擴展性，業(yè)務(wù)模塊化，支持靈活擴展，模塊功能精簡，業(yè)務(wù)間快速復(fù)用。 該SDK提供圖形化的編程界面，大大降低了程序開發(fā)門檻。它采用預(yù)訓(xùn)練模型方式，利用業(yè)務(wù)數(shù)據(jù)進行調(diào)優(yōu)，極大地減少了模型開發(fā)的時間。此外，它采用可信設(shè)計方式，具有很高的安全可靠性。這是該SDK的訓(xùn)練推理框架。

這個mxManufacture SDK采用插件式開發(fā)，無需管理線程和進程通信，只需要關(guān)注插件開發(fā)與調(diào)試，邏輯簡單。此外mxManufacture SDK中提供的大量可配置插件可以極大減少開發(fā)量，以視頻分析業(yè)務(wù)為例，開發(fā)量可以減少90%之多。 “我們目前在華為的工廠已經(jīng)實現(xiàn)了工位機、線體機、車間機這樣的規(guī)?；瘧?yīng)用，覆蓋了80+產(chǎn)線，其中規(guī)模較大的包括有600+模型部署上線，而所有這些工作只投入了三個工程師開發(fā)完成！”吳佳蕓強調(diào)，“運維人員可以根據(jù)不同的應(yīng)用功能場景，進行任務(wù)的編排，華為工廠智能制造規(guī)模應(yīng)用的經(jīng)驗積累也都會封裝到制造行業(yè)SDK里?！睋?jù)悉，這個視覺+制造行業(yè)SDK將在2020年10月正式對外上線。

“SDK中提供的插件可以手動/自動配置并行度，達到應(yīng)用的極致性能，以制造業(yè)中的機器檢視業(yè)務(wù)為例，檢視圖片經(jīng)過分塊后并行處理的效率可以提升50%以上?！彼龔娬{(diào)指出。 數(shù)據(jù)顯示，我國人工智能產(chǎn)業(yè)近年呈現(xiàn)加速發(fā)展勢頭，產(chǎn)業(yè)規(guī)模不斷壯大，預(yù)計到2020年，人工智能核心產(chǎn)業(yè)規(guī)模超過1500億元，帶動相關(guān)產(chǎn)業(yè)規(guī)模超過1萬億元，隨著華為制造業(yè)SDK的發(fā)布，中國制造業(yè)領(lǐng)域開始向智造邁進，這是一次產(chǎn)業(yè)大升級，將為我們經(jīng)濟生活帶來巨大改變，工業(yè)4.0真的不會遠(yuǎn)了！