3、以極短的落地周期,幫助企業(yè)快速適應(yīng)市場變化、抓住市場機會

在激烈競爭的時代,企業(yè)面臨的最大挑戰(zhàn)在于外部環(huán)境的不確定性,制造業(yè)同樣如此。

之所以要上線AI應(yīng)用,根本上還是企業(yè)想要在新的時代快速適應(yīng)市場的需要,以更高效率、更低差錯、更少的成本完成產(chǎn)品生產(chǎn)。

但是,當一套AI應(yīng)用的落地周期被拖得冗長,很可能當系統(tǒng)上線后,外部環(huán)境的倒逼已經(jīng)使得智能化原本服務(wù)的基礎(chǔ)制造業(yè)務(wù)線發(fā)生了很大的變化,二者不再能夠匹配,這從根本上背離了智能制造的初衷。

華為昇騰智能制造使能平臺除了再次降低企業(yè)獲取AI能力的門檻,更重要的是,在系統(tǒng)化解決算法開發(fā)難、應(yīng)用開發(fā)難、業(yè)務(wù)部署難的多鏈條環(huán)節(jié)痛點后,大大縮短從AI算法到工業(yè)制造場景化的進程,讓制造業(yè)的AI能力上線更靈活。

一個典型案例是,華為首批上線的mxManufacture SDK,做到了2天完成友達光電解決方案孵化,過去這個周期需要2周。

三路夯實基礎(chǔ),普惠的同時華為還在推動技術(shù)升級

僅僅是降低門檻還不夠,對AI來說,技術(shù)本身能否經(jīng)得起考驗是推動普惠的同時必須要關(guān)注的問題。

目前來看,在智能制造領(lǐng)域,華為同時從三個維度夯實了AI技術(shù)與實踐的基礎(chǔ)。

1、技術(shù)先驗——“自己造的降落傘自己先跳”

華為各種對外技術(shù)輸出、生態(tài)營造都堅持“自己造的降落傘自己先跳”,先通過自有業(yè)務(wù)對技術(shù)和應(yīng)用進行大規(guī)模檢驗,不斷完善、積累經(jīng)驗后,將之整合、優(yōu)化再對外輸出。

在智能制造這里也是如此。作為一個通信業(yè)務(wù)企業(yè),華為本身也有著大規(guī)模產(chǎn)線,與智能制造相關(guān)的昇騰產(chǎn)業(yè)應(yīng)用,往往都會在這些產(chǎn)線上先行實踐。

例如,在質(zhì)量檢測方式由人工、傳統(tǒng)機器視覺向AI視覺方式轉(zhuǎn)變的大環(huán)境下,AI可以極大地提高檢測精度同時減少對人力的依賴,華為松山湖工廠80+產(chǎn)線以部署基于昇騰智能制造使能平臺的AI工業(yè)質(zhì)檢能力(SDK、Atlas等),覆蓋服務(wù)器、無線、終端等產(chǎn)品,實現(xiàn)了99．9%的質(zhì)檢準確率,讓產(chǎn)線質(zhì)檢的工作量下降了60%。

有了自身實踐的支撐,華為智造能力輸出變得更有底氣,也更值得客戶信任。

2、自我成長——體系化、自成長的實踐反饋體系

如果一個AI應(yīng)用部署之后就不再變化,它可能越來越不能適應(yīng)新的產(chǎn)線要求,例如,新出現(xiàn)的產(chǎn)品瑕疵特征的識別等。

華為在此次分論壇上展示的,是一套能夠?qū)崿F(xiàn)自我不斷成長的AI體系。

目前,昇騰AI產(chǎn)業(yè)在政務(wù)、電力、金融、交通、制造等領(lǐng)域都積累了眾多的深度實踐案例,不斷反哺AI數(shù)據(jù)和算法能力的提升,優(yōu)化全棧式平臺使能體系。

而具體到個體企業(yè),昇騰完成了邊、端、云一體化的算法自我更新體系,邊緣端出現(xiàn)未能識別的內(nèi)容上傳至云端,云端更新算法,以微服務(wù)的方式又部署到邊緣,做到了對面對新情況、新環(huán)境的實時能力更新,讓一套AI應(yīng)用體系始終有活力,而這,才符合企業(yè)在不斷發(fā)展發(fā)展過程中對智能化不斷變化的需求。

換言之,我們看到的昇騰智能制造使能平臺,不僅是一個靜態(tài)的全棧平臺,更是一個不斷成長的全棧平臺。