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!
-
制造業(yè)
+關(guān)注
關(guān)注
9文章
2173瀏覽量
53424 -
人工智能
+關(guān)注
關(guān)注
1787文章
46060瀏覽量
234979 -
工業(yè)自動化
+關(guān)注
關(guān)注
17文章
2079瀏覽量
67054
原文標(biāo)題:用AI制造AI實現(xiàn)了!深度揭秘華為"AI智造"背后的技術(shù)
文章出處:【微信號:FPGA-EETrend,微信公眾號:FPGA開發(fā)圈】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論