2019-12-26 13:22

　　非常高兴有机会借这个平台向各位汇报一下旷视科技在在人工智能和深度学习这个领域，我们在助力工业互联网平台建设过程中，我们的一些学习和体会。我来自旷视科技，我的团队主要负责在人工智能的咨询和行业解决方案方面的一些工作。

　　简单的为大家汇报一下旷视科技的情况。旷视科技在今年成立8周岁，我们是在中国所有的创业企业里边唯一一家拥有自主知识产权的深度学习框架。

　　人工智能在工业领域里面的应用是我们非常关注的一个领域，我们还是希望我们的人工智能能够在工业互联网平台的建设上起到一些推进和助力的作用。中国的工业互联网还是处在一个相对在研发投入比较高，回报的周期比较长这样一个阶段。同时，我们也看到这个体系初步建成，平台的体系和系统化多层次化逐渐形成。

　　这是来自一家三方中立的机构就全球工业互联网的一个梯队建设，它划分了三个阵营。

　　在领导力象限上，基本上是来自于欧美的工业互联网的平台。在美国第一阵营的后面，像ABB、西门子、施奈德，众多来自欧洲的工业互联网巨头。这些欧美的巨头，他们在工业互联网建设上在做大规模的建设。在第二和第三阵营也会有一些来自于亚洲的企业，尤其是来自于日本的公司。

　　如果我们回到聚焦在人工智能在深度学习这个领域，来自于Gartner 2018年和2019年发布的全球技术发展的曲线看到，人工智能的计算机视觉技术技术已经从原来的过热期，泡沫非常多的一个阶段，快速已经进入到低谷期。从某种意义上说，现在投资圈对于人工智能的投资变得越来越谨慎。泡沫散去之后，迎来了一个低谷期。但是我们知道冬天过去其实春天就不远了，所以其实我们也非常希望在这样一个低谷期为未来马上即将到来的复苏期，养精蓄锐，培养我们行业场景和解决方案。而这个复苏期一旦到来，才标志着一个技术跟行业相向而行这个过程中真正进入到我们行业的解决方案里面，能够产生真正落地的价值。

　　人工智能本身并不是一个行业，但是人工智能这个技术跟行业结合过程中，并不是按照传统的这个行业从第一产业、第二产业、第三产业正向的发展，而这种结合其实是反向进行的，是人工智能首先和金融、零售这样一些第三产业首先结合，下面一个潮流它即将介入到跟第二产业的结合，工业制造必将是人工智能下一个春天到来的时候非常重要的一个风口和场景。

　　讲到人工智能和制造业的结合。这张图的左边最上面，其实讲的是我们在任何一个厂区、园区，甚至包括像这样一个会议中心的园区，其实有一个共性的场景，就是对于人车的追踪，实际上在大家进到我们办公室或学校，经常会有一些基于视觉的签到系统和安防系统。

　　这张图的下面，大家看到其实是对应了一个在工厂里面的叉车，它讲的是在我们生产场景下，生产的安全是所有制造业场景非常重要的领域。

　　在生产制造环节，我们看到从物流的最前沿，质量检验是人工智能的深度学习可以大量的帮到我们把中国目前几百万的质检人员，帮助他们提升他们的工作效率。

　　售后运维的环节，我们用互联的客户服务场景，可以赋能我们在制造业企业去加速它的商业模式的变化、包括比如说像在国电，在输配电的一些线路，在环境比较艰苦的地方，实际上如果未来我们能够靠计算机的技术帮助我们把人能够从这种艰苦烦燥繁琐的重复性工作中解脱出来，是我们觉得深度学习另外一个可以帮到忙的地方。

　　在未来的工厂里面，在厂房也好，库房也好，我们可以用计算机的视觉技术实现一个自动化的物流分拣和管理。我们在这样一个技术里面，能够模拟出来一个最佳的路径，这是我们深度学习在这个领域里面能够发挥我们一技之长的地方。

　　智能仓库这张图的中间实际上是旷视的一个操作系统“河图”，河图系统其实在整个上下游一共我们有3个元素，这个元素的一个部分是信息的采集器，一个核心的处理大脑是我们信息的运算器，最后我们有一个信息的执行器。

　　大家知道不管是在仓库还是厂房我们有大量的小车，有很多的机械臂，其实就是我们信息的采集器和执行器。我们通过传感器的方式跟库房的人和货和货架完成一个交互。

　　大家其实知道，在这些小车的背后，其实是有一个大脑去完成对于它们的指挥和操控，这个车应该走到哪里去？在一个多层的仓库里面它应该在第一层还是第二层？哪条路径是这个小车走过的第一路径，避免碰撞，完成最佳的一个货品的拆分，从一个整装到最后拆包，完成这样的分解，这个背后是一个强大的系统，是我们非常重要的一个工作的领域。

　　大家看到这个用户界面，我们通过这样一个设计，可以让我们的生产线上的用户或仓库的用户，通过快速的拖拉，通过一个图形化的界面去完成对于它特有的库房的一个设计和建设。

　　大家看到一个复杂的系统里面机械臂和AGV的小车和库存的其他设备有效的一个结合，保证中间整体效率的提升，是我们这样一个系统设计过程中的挑战，也是人工智能能够发挥它的长处，能够比人做的更好的一个地方。

　　现在看到的是一个人和货的接力，人和货之间的接口，大家可以看到在有人的场景下，人和机械是怎么做这个交互的？通过这样一个河图系统，我们就能够实现我们对于制造业这个赋能过程中降本增效，提升用户体验，甚至能够在这个过程中产生新的业务模式，产生价值。

　　第二个部分，我们谈到在进料中间的半成品和产成品我们也提供了很多质检场景的工作和分析。大家能够设想，原来大量的人工，随着中国人口红利逐渐消去，人工的成本越来越提高，甚至有一些工厂在从中国往东南亚去迁移的过程中，怎么样能够控制我们的人力资源成本的投入？尤其是在比如春节马上要到了，在东南沿海、珠三角、长三角，可能在春节前后很多原来的用工人员他手工去做的工作，可能就会出现一个用工荒。计算机可以学习到这个技术之后，可以持续的为工厂提供服务，而且它不需要在春节的时候休假的。

　　我为大家介绍一下旷视科技基于我们深度学习框架的另外一个方案。我们这个深度学习的的机器可以跟传统的AOI相结合，如果把传统的AOI比喻为质检的眼睛和手，我们希望为这个系统提供一个强大的大脑。

　　同时，为大家汇报一下我们一些学习和体会。

　　其实制造业非常大，体量非常大，其实行业细分也非常多，刚才我前面的专家谈到过两个关键词，离散制造和连续制造，我们其实在沿着这个思路再往下细分，除了离散连续两条线之外，还有许多子行业。我们其实团队的几位博士在深度学习的过程中和行业结合的过程中，我们也做了一些统计和访谈问卷，把我们经验沉淀成了一个行业模型，这个模型我们管它叫BEAT模型，它分别代表的是B是商业的价值；E是生态的成熟度；A是客户对于这件事情的接受程度；T是技术的可行性。

　　我们通过这四个维度，尝试用一张气泡图把这些行业做了一个量化的标准。这张图的右边基本上是我们技术可行性相对比较高，左边是技术挑战性比较大。这张图的上面是客户接受度比较高，下面是客户接受度相对比较低。这个气泡图的大小标注了我们这个商业价值的大小，客户的付费意愿，这张图的颜色深浅代表了我们产业上下游一方面是竞争的严峻程度，另一方面也标志着我们产业上下游共同去完成这样一个挑战性任务的成熟程度。

　　这张图其实也告诉我们，就是在这样一个行业当中，有些行业我们相对更容易完成我们这样一个业务的拓展，在有些行业里相对挑战性比较大。

　　最后为大家分享旷视科技在跟行业相结合过程中，我们一张产业的架构大图，最底下大家看到的是旷视科技我们在技术上的核心能力，这个能力包括我们刚才讲到的深度学习的框架，在云边端上我们在三个层面上的一些深度学习的神经网络的算法。这些算法其实也是我们这个公司的核心优势，能够帮助我们在各个行业里面能够不断的突破。

　　在中间这个中层，我们其实会提供公有云和私有化部署相结合的一个灵活有效的方式，满足客户对于数据隐私性和数据的带宽性的要求，即时性的要求，他可以选择私有化部署，当他需要消峰填谷，他可以灵活采用我们公有云的模式。我们也非常愿意跟产业相结合做强强的互补，共同去加速我们这个产业的落地。

　　在这张图的最上面，是我们在行业里面的一些聚焦，制造业是在这里面最重要的行业，整个盘子比较大，而且中国作为制造大国，旷视也希望在这个领域里面能够为两化的融合做更多的贡献。

　　以上就是我为大家做的分享，谢谢大家的聆听，旷视科技我们的使命是以非凡科技为客户和社会持续创造更大价值，来自旷视科技，谢谢各位！