10月21日，2021第五屆全球智能工業(yè)大會暨全球創(chuàng)新技術(shù)成果轉(zhuǎn)移大會于深圳盛大召開，本屆大會以“跨界創(chuàng)新，互聯(lián)融合”為主題。思謀科技創(chuàng)始人、香港中文大學終身教授、IEEE Fellow賈佳亞教授作為會議程序委員會主席在大會報告主環(huán)節(jié)帶來題為《智能制造的核心AI技術(shù)》的報告，分享了對于核心AI技術(shù)的前瞻性理解，對智能制造發(fā)展的階段性分解，以及全新的技術(shù)落地結(jié)合方式等內(nèi)容，回答了決定未來智能制造升級的核心難關(guān)是什么，以及如何解決智能制造發(fā)展的瓶頸等問題。

賈佳亞教授提到，經(jīng)過了1940年的自動化革命，1970年的信息化革命后，工業(yè)即將迎來的是智能化革命，據(jù)統(tǒng)計2020年全球智能制造市場規(guī)模已超過2000億美元，且未來5年復合增長率將超過10％，這意味著智能制造蘊含著極大的市場規(guī)模。與電氣化、信息化同樣，智能制造同樣具有高度的普適性；但對智能制造來說，其基礎資源不再是電力和網(wǎng)絡，而是計算。因此他認為，智慧能力構(gòu)建和以計算為中心的AI，將成為智能制造發(fā)展中最需要攻克的難關(guān)。

賈佳亞教授表示，智能制造的核心在于“智能”：智能并不是簡單的自動化，智能是要讓制造擁有“大腦”和讓大腦決策的各種神經(jīng)系統(tǒng)，只有擁有了聰明的“大腦”后，才能最大化發(fā)揮自動化“手臂”的作用——而AI正是讓制造擁有會思考的工業(yè)機器設備的核心因素。新一代AI將貫穿于設計、生產(chǎn)、管理、服務等生產(chǎn)活動的全鏈條，使制造具備自感知、自學習、自決策、自執(zhí)行、自適應等功能的新型生產(chǎn)方式。

未來，一個擁有了“智能身體”的工廠，可以自行知道原料和生產(chǎn)是否達標，產(chǎn)品的質(zhì)量如何，自發(fā)調(diào)整機器的工作效率，迅速針對新產(chǎn)需求進行生產(chǎn)，預測未來產(chǎn)品生產(chǎn)的數(shù)量，還可以根據(jù)產(chǎn)品銷售情況來及時調(diào)整生產(chǎn)安排。

然而另一方面，讓AI大規(guī)模、跨行業(yè)在工業(yè)場景中落地，并不是簡單的事情：工業(yè)制造生產(chǎn)的流程復雜、涉及的硬件種類繁多，要求AI算法對大量硬件進行適配；當制造生產(chǎn)場景新增或更替硬件時，會直接帶來算法的重新設計；最終算法往往妥協(xié)于硬件能力，甚至主動放棄最佳算法的使用——最終導致跨行業(yè)的工業(yè)AI落地的難度大幅增加。

僅以智能手機為例，一款手機按照400個供應商參與生產(chǎn)制造，每家供應商5種制程，每個制程25條產(chǎn)線來計算，想要AI全面覆蓋生產(chǎn)鏈路，但一款手機就需要30000種算法。而如果放眼全球前5名的手機廠商，每家每年按照推出6款不同產(chǎn)品計算，工業(yè)AI若想落地頭部手機行業(yè)，僅第一年就需要90萬種算法，這幾乎是不可完成的任務。

因此，面對當前幾大技術(shù)落地難題，賈佳亞教授認為，工業(yè)AI企業(yè)需要尋找新的方式進行“破局”。

以數(shù)據(jù)緊缺為例，可靠的AI模型離不開大量數(shù)據(jù)的訓練，尤其在工業(yè)場景下，對AI的準確率要求極高，然而目前工業(yè)生產(chǎn)的有效數(shù)據(jù)非常稀缺，可供訓練的樣本極小。通過傳統(tǒng)的AI訓練／檢測方法，當訓練樣本不足的情況下，很難成功檢測出非常見的產(chǎn)品缺陷。傳統(tǒng)的AI訓練往往通過給計算機提供大量圖片，讓計算機記住“細節(jié)”，但思謀科技通過自研的區(qū)域感知異常檢測器（RADD），對目標區(qū)域各個細節(jié)進行捕捉，并與標準參考數(shù)據(jù)進行比對，記住圖像的“規(guī)則”，從而能夠進行原理推導，從而實現(xiàn)即使是非常見缺陷，也能準確進行判斷識別。

此外，工業(yè)生產(chǎn)對驗收要求極高，想要成品良率至少達到99．9％以上，每個零件的良率至少需達到99．999％；因此當前能夠滿足工業(yè)生產(chǎn)場景需求的，往往是高度定制化算法和訓練方式。然而，僅訓練一個神經(jīng)網(wǎng)絡就有超過百萬種不同方式，長期下的定制路線，顯然無法滿足技術(shù)落地的需求。因此，思謀科技結(jié)合學術(shù)界與產(chǎn)業(yè)界的最新成果，研發(fā)出了最合適工業(yè)場景的全棧式AutoML算法，可用于分割、檢測、關(guān)鍵點等多種不同任務中；已在幾十個工業(yè)場景、近百萬工業(yè)數(shù)據(jù)中得到驗證。傳統(tǒng)調(diào)參下完成一個模型（算法開發(fā)＋部署）需要10人月，在AutoML下僅需0．3人月。

此外，在被檢產(chǎn)品形態(tài)多樣化核心難題中，思謀科技通過對被檢對象采取“零件化模型”處理，進行“拆分——再整合”模式，高效率理解同品類物體的內(nèi)在結(jié)構(gòu)一致性，從而實現(xiàn)面對新形態(tài)的產(chǎn)品時也可快速交付；以及在缺陷類型難區(qū)分的核心難題中，思謀科技通過“前后背景對比學習”方案，使用類比學習，能讓計算機更好理解哪些是目標異物。

因此，賈佳亞教授表示，只有當計算機系統(tǒng)可以突破工業(yè)落地中的幾大難題，實現(xiàn)自動算法組合和部署，人類僅需參與少量定制化算法設計時，AI的跨領(lǐng)域規(guī)模產(chǎn)業(yè)化才具備實現(xiàn)的可能。他表示，基于此前提，思謀科技也在致力于打造其工業(yè)級AI系統(tǒng)，構(gòu)建以智慧為核心的新一代工業(yè)AI架構(gòu)，涵蓋了工業(yè)AI算法平臺、工業(yè)AI訓練平臺、工業(yè)AI工具平臺，以及超過30種全球領(lǐng)先的新型工業(yè)AI生產(chǎn)設備。

據(jù)介紹，已具備了智能制造跨行業(yè)快速落地能力的思謀科技，目前可賦能超過1000個細分領(lǐng)域，并成功與芯片、半導體、精密制造、汽車、航空、新能源等多個行業(yè)的頭部企業(yè)實現(xiàn)合作，完成了多個新型工業(yè)AI設備產(chǎn)品的落地，如鏡片分揀、軸承檢測、特種條碼設計與識別、偏光彎膜、隱形二維碼識別、模具檢測、AVI檢測等。

以芯片檢測為例，思謀科技為半導體廠商之一，首次實現(xiàn)了產(chǎn)線的AI自主訓練。芯片的工藝復雜，指甲大小的芯片內(nèi)可包含數(shù)十億個晶體管。賈佳亞教授提到，思謀借助旗下自研的工業(yè)AI一站式平臺SMore ViMo中的檢測模塊，為晶圓檢測、PCB檢測與芯片工藝分析，推出了數(shù)十套軟硬件一體化設備，可對芯片結(jié)構(gòu)進行超高速高清掃描，實現(xiàn)億級晶體結(jié)構(gòu)的全自動聚類分析；檢出率超過99．99％；單流程處理效率提高96％，AI自動化全檢處理效率提升90％。

“目前，我們的新一代AI系統(tǒng)架構(gòu)落地處理效率平均可提升90％，并支持智能迭代，如果按照落地到20個制造領(lǐng)域，每個算法設計成本為2萬元估算，新一代AI架構(gòu)帶來的研發(fā)和設備增值可達5400億元，沿著這個方向，未來產(chǎn)業(yè)變革一定會發(fā)生�！辟Z佳亞教授表示。

繼發(fā)布《中國制造2025》通知后，在我國“十四五”規(guī)劃中，進一步強調(diào)產(chǎn)業(yè)鏈升級的智能化轉(zhuǎn)向。智能制造是新一輪科技革命的橋頭堡，而人工智能技術(shù)則是科技革命成功的關(guān)鍵利器。本屆全球智能工業(yè)大會暨全球創(chuàng)新技術(shù)成果轉(zhuǎn)移大會，涵蓋“智能感知與機器視覺”、“大數(shù)據(jù)智能與科學計算”、“深度學習與工業(yè)智能”、“5G＋車聯(lián)網(wǎng)”、“智能集成電路與光電子芯片”及“智能照明與顯示”等六大分會，匯聚了全球智能領(lǐng)域最具影響力的科學家、企業(yè)家以及行業(yè)伙伴，共同探索智能工業(yè)發(fā)展新模式、增強經(jīng)濟發(fā)展新動能，引領(lǐng)全球資產(chǎn)革命的新時代。