2019-02-22 09:40
张予彤：大家好！很高兴可以与大家一起，从互联网和人工智能技术的角度与大家分享互联网和工业结合的点。分享有几部分，第一部分是我对制造业的变化的观察。第二部分介绍人工智能技术的发展。第三部分介绍人工智能和制造业结合的具体应用，以及它们在落地中遇到的挑战和机遇。
金沙江是2005年开始在中国专注做科技行业的早期投资，管理资产规模20亿美金，每年投资15-20个高新科技初创企业。大家看到一些早期成功的案例，可能更多的是消费互联网领域。确实在2005年-2015年的十年发展过程中有很多人口红利、流量红利，催生中国消费互联网成为全世界最大的消费互联网领域。接下来的十年、二十年里的机会在哪里？我们认为互联网和行业结合的机会有很多，我们自己基金的投资比例中，企业互联网和消费互联网50%、50%的关系。为什么觉得工业互联网有很大的发展前景？制造业对我们国家而言是经济发展的基石，我们是全世界的制造大国。当我们从制造大国走向制造强国的变迁中，其实里面还有很多问题，我们今天的生产效率和日本、德国相比有一定的差距。人工智能或者说数据驱动的制造，如果能够为我们带来20%的生产效能的增加，其实这里创造的经济价值是巨大的。经济价值的背后是什么样的因素带来的？其实更多的还是基于用户的消费需求的变化。在近几年，大家的物质生活变好了，物质生活变好了以后，人们有更多的时间和空间，也希望有属于自己的产品。我们发现其实在年轻人里超过50%的人表示，他们愿意花更多的钱，用更长的时间，只要他们得到的商品是能够个性化的。个性化的定制存在各种各样简单的产品中，比如充电宝，耳机，大家都希望有个性化的标签。大规模生产到大规模定制的需求变迁，这造成了产品的本身其实有一定的变化。产品本身会变的越来越智能化，智能化以后就是在智能化里提供个性化的服务。中国的制造业原来是产销托底的状态，生产的厂家说只管生产产品，销售和分销的厂商给客户提供产品和服务。但在产品变的智能化以后，制造厂商需要越来越多的了解用户，从用户的需求和画像入手，再到收集用户行为数据，以及再把数据反馈到制造系统，为用户提供智能化的服务。制造的能力，物流配送等等一系列的能力都会受到一定的影响，生产制造会从原来的大规模生产变成小批量的柔性生产，不再通过一些相似的功能提供低价进行竞争，而是在产品中给用户提供像互联网产品一样的个性化供给。
消费需求产生变化，制造技术本身也有很多的变化。IT技术一直以来就对制造业产生很多影响，比如我们的数控机床，制造业有非常深远的影响。制造技术和IT技术原本是相对割裂的，开始的时候IT技术其实是由一些特定的程序员在管理信息层面做一些信息的处理，比如说像商品的订单信息，人员公司的信息。制造系统和自动化系统是由给制造厂商提供制造生产设备的厂商做的一些自动控制的系统，这些系统在过去的几十年已经产生各种各样的融合。因为生产的设备需要变的越来越联网化和网络化，联网化的过程中就是需要和越来越多的管理层的信息进行交互。在这两个系统融合的过程中，其实会产生一些新的变化。
人工智能使行业变的越来越广泛，有几大驱动因素。算力，它就是计算的能力，实现单位成本产生计算的输出。之前的通用计算平台就是CPU，后来发现CPU执行普通的计算任务没有问题，但它并不是为了人工智能的深度神经网络设计。GPU又出现了，它在人工智能的运算里性能好于CPU。之后又发现了地平线这样的公司，它为深度神经网络做专用的硬件，用来计算，它的计算性能也会大幅度的提高。很多互联网的公司，比如像谷歌这样的企业也推出了自己基于人工智能的平台。谷歌现在都做了基于测算的芯片，我认为是因为技术的变迁足够大，这也是好事情。大家原来一直说互联网是很成熟的行业，没有很多机会。尤其在半导体的行业里，中国和美国有一定的差距。技术变迁很大的时候，我们和美国的差距很小，甚至有很多的地方中国是领先的。这涌现出很多硬件创业的机会，尤其在工业互联网里，除了深度神经网络的运算，还有一个智能前端的概念。在前端里我们有边缘计算，因为云计算更多的是数据中心的计算。这种前端可能是连接生产设备的小盒子，有可能是智能摄像头，有可能是自主驾驶的无人驾驶，有各种各样的存在载体。边缘计算变成需要软硬化结合的存在，我们可以看到很多公司在深圳有办公室，可以利用更多的供应链和制造的优势可以做出更多更好的软硬结合的机会出现。
算法层面有很多变化，2016年看很多的人工智能技术的创业公司，大家说人才遇到瓶颈，这里会有很多学校的科学家引入到创业的大军中。我们看到这几年BAT的公司不断把所有的工程师都训练成人工智能的工程师，人才的问题一定是暂时的问题，这一定会得到缓解。算法本身也是，更多的大公司都有人工智能实验室，有几百号在这领域里非常前沿的科学家做算法不断的迭代和研究。一旦有了开源的模型和算法，其实现在搭建一个人工智能的应用不像原来那么难，有一些基于场景的数据，利用现成的模型和框架就可以跑起来。算法还是处于比较初期的阶段，相信未来几年会有更多的变化。
数据也是产生了很大的变化，因为我们有了移动互联网，有了物联网。这些设备每天都在产生大量的数据，这些设备现在每天产生的数据，可能都比我们在历史系统里积累的数据多很多。现在的算力可以处理这么大规模的数据，一定会对智能系统的性能产生一个很大的影响。除了这种大数据的计算，还有小数据的概念。BAT垄断了大量的消费者和用户的数据，今天在工业互联网里，我们觉得说有这样定位的公司，其实很少，为新兴企业提供很多的机会。基于场景的数据，一定是找到了基于场景更好的切入点，可以把产品放进去迅速的扩大规模。
基于摩尔定律，算力一定会提升，算法一定会开源。未来竞争的核心是数据，哪一些公司可以通过自己的方式获取越来越多的数据？在这里我想讲的就是从开放到越来越独有的趋势，这边是从聚合到产生的趋势。谁能够在象限的右上角不断的创造自己的独有数据，他在将来的竞争一定会有优势。数据的开放现在是看不到的，但大家有预测未来的数据是开放的。但在现在的产业格局里很难看到能够有一个完全开放的数据，如果初创企业可以通过部署自己的传感器，或者是帮助企业自动化某一个工作流程中的问题，那就能够在部署的系统或者是硬件里不断的产生和获得自己的独有数据，让算法性能越来越好。我们看在这些领域里的创业机会，如果你的竞争对手同样也做这件事情，需要多长的时间积累这方面的数据，磨炼打磨这方面的算法和性能，才能追赶上。未来的企业服务公司里，可能并不是以自动化的系统功能点作为优势，而是在未来的竞争中可以构建出一台自己的数据集。
如果有了算力和算法以及数据，人工智能的应用可能有几个类别。第一个类别里，其实工作本身执行和决策还是由人完成，智能系统在里面像我们的助手一样，基于历史数据给我们一些提示的作用。第二个类别里，其实工作任务的执行已经由机器完成，这里最典型的例子就是机械臂，还是完成工人设计的某一个特定的工序，但效果和速度是工人的几倍。第三个类别很有意思，因为工作会更多的由人机协作的方式来完成，人工在里面还是继续做人工擅长的事，比如是及时的沟通和数据的识别，机器做机器擅长的事，比如说基于大数据的分析和基于大数据的决策，我们需要人工本身和他的工作性质已经被改变了。第四个类别里，其实是一些在人工智能技术来临之前，人就不能完成的工作。短视频的应用，现在去消费信息的模式产生巨大的变化，每一个信息只有15秒，现在用户每天消费这样的信息，其实还是1-2小时。如果我们想15秒一个信息，一个小时需要可能两三百个这样的短视频，原来的消费模式和变化不可能像原来一样用搜索的方式或者说人工编辑的方式去消费这些信息。因为当每天看两三百个信息的时候，你不知道自己想要的是什么。这时候从人找信息，变成了信息找人。需要基于大数据和机器学习的实时的推荐系统，不可能人工完成。这样的新的人工智能应用，将会使原来的人工无法工作。
聊人工智能的时候是不能脱离大数据的，一定是基于大数据的基础上才能做数据驱动的制造系统。在企业产生的作用，基于移动互联网的执行系统，通过移动端的App，让原来不在电脑面前工作的人也可以接触到信息和数据，这时的工作本身可以从实时的一些数据采集和反馈，包括建立及时有效的沟通和预警的系统，一旦某一个工序偏离了标准的工作流程，直接从管理层推送一个执行信息。在管理的信息端，也可以利用更实时、更加透明的生产过程中的数据，做一个针对某一个工厂的智能排产计划的规则抽取和模板的提炼。人工智能的应用还要跟机械臂结合，其实机械臂已经广泛的应用于各种各样的场合中。很多装配线的应用，为什么柔性的动作不能用机械臂完成，因为它和智能系统的结合还不够。第一代的机械臂是传统式的。第二代的机械臂增加更多对环境的感知，知道什么时候遇到危险应该停，人可以有更友好的交互界面与机械臂交互。第三代的机械臂最重要的，自适应的机械臂可以兼容，可以操作更多的一些精密部件的组装或者是复杂曲面的打磨抛光，还有更多的工序可以利用人工智能的机械臂完成。
设备预测性维护。一直存在两个维护的策略，最大化部件的寿命，可能不可避免的有一些停机带来的损失；可以提前更换部件，以保证机器的正常运转。预测性的维护在里面找一个权衡，怎样尽量的降低损失，又最大化部件寿命。一个印度的公司通过电机的振动、温度和声音获得信号，然后判断振动异常和温度的变化，给客户留出足够的时间避免停机带来的损失。
制造业落地的挑战。现在真正进入到生产环节会发现，很多的事业还是数据采集的过程，如果数据采集不够完整，有了人工智能的数据驱动系统以后也存在问题，不像原来的SaaS系统上线有一些功能可以用，存在性能爬坡的过程。性能爬坡需要人工干预，它的速度能不能满足工业对制造系统的稳定性要求。因为即便有十分钟或者十五分钟的性能错误，都会给制造企业带来不可挽回的措施。还有一个问题不可避免，任何的企业在衡量不是应该采用某一个新技术和新系统的时候，都会衡量是不是可行。企业要求的投资回报周期会越来越短，现在大部分的企业希望有2年的回报周期，智能系统需要在2年之内有可以衡量的经济改善，平衡企业在初期需要的系统投入。政府有更多的补贴政策，可以让这样的企业在初期上线变的越来越平滑。