一場新冠肺炎疫情讓2020年的中國經濟猝不及防，很多工廠由于人手不足、原料運輸困難等原因被迫停產，但也有企業在人工智能的加持下，在逆境中抓住機遇，按下了發展“快進鍵”。讓人頗感不解的是，原本預料中的智能機器人應用井噴并未出現，那么制約機器人在工業生產中更加廣泛應用的因素究竟有哪些呢？

3月11日，圍繞后疫情時代工業智能的機遇與挑戰，騰訊優圖、騰訊云與騰訊研究院聯合主辦了線上策略研討會，清華大學大數據系統軟件國家工程實驗室總工程師王晨、明略科學院主任于政、格創東智OT業務總監&智能裝備事業部總經理王贇、天澤智云解決方案副總裁史喆、騰訊優圖實驗室工業AI項目負責人黃亮等多位工業智能領域專家、學者以及業內人士齊聚線上，就相關話題進行了深度研討。

大數據可有效提升產品檢測水平

作為“新基建”的一部分，工業互聯網行業近日迎來諸多利好，隨著疫情的日漸好轉，在后疫情時代，利用人工智能等前沿科技抗疫、復工，工業智能將迎來全新的發展機遇。

格創東智OT業務總監&智能裝備事業部總經理王贇表示，每一家企業和每一個場景的應用情況都不一樣，那怎樣評判人工智能的價值呢？從甲方的角度看，要看投資回報。比如某解決方案可代替一百個工人，那么這些工人的成本是馬上可以算出來的，這樣體量的項目，如果在1.5年以內能收回投資的話，工業屆是愿意接受的。

在產品品質檢測上，使用大數據找到影響品質的因素，提升效果很好。王赟補充說，比如某一個產品出現品質問題時，傳統經驗是從Excel里導數據、抓因子，再找幾個經驗豐富的工程師檢查，需要5-6個小時，但是現在導入智能系統，在數據完善的前提下，大數據幾千個因素里能夠迅速鎖定可疑因子，30分鐘就能解決問題。

中小企業工業智能化應從點開始

在討論中，清華大學大數據系統軟件國家工程實驗室總工程師王晨認為，對于中小企業和民企，實現工業智能化應該從點開始，千萬不要從面鋪開。因為預想的方案到底能做到怎樣的成果，恐怕廠商沒有開始做的時候都不會知道。解決方案提供商可以提供過去在大企業做到的水平，但這并不意味著在中小企業也能達到同樣效果。工業智能化跟企業的工藝、數據情況、數據存在的質量、數據存儲的周期、傳感器的精度都密切相關。具體問題，必須具體分析。

對此，騰訊優圖實驗室工業AI項目負責人黃亮表示贊同。在他看來，人工與自動化結合，通用性和定制化相結合，工業場景解決方案的特點是高度定制化，不同的細分領域都有其業務特點，很難找到大而全的通用解決方案。如何在保障方案通用性的同時，又能靈活的適配不同業務場景，是一個非常有挑戰性的問題，產業界都在在努力試圖兼顧二者。

人機協同尚存在諸多挑戰

參與討論的嘉賓一致認為，工業互聯網要想實現產業協同、平臺協同，未來在5G、大數據、云技術的支持下，需要打破數據壁壘才能在更多場景形成更加智能化的方案和應用。

人機協同最早在工業領域，協作機械臂已經發展了很多年了，有很多安全傳感器，在系統上做了很多安全護手的功能，但是現在為什么在很多企業里面還沒有大規模的鋪開？對此，王贇認為，站在甲方的角度，最重要的考量還是安全。疫情期間，人工成本比較貴了，全自動機械手使用率增高，但畢竟還是在封閉空間里做重復性搬運動作。其實協作臂在機械部分，比如精度和穩定性，都已經做的非常好了，但協作臂最重要的目的不是代替人去做工作，而是要代替人去自動判斷，接下來業界要思考：怎樣搭配智能化識別，幫助機器人去做判斷。

為何在疫情期間，人手緊張的情況下，智能化機器人沒有出現預期中的應用井噴呢？王赟指出，協作機械臂還有一個問題是，目前尚未大規模推廣移動式服務，大多只能固定在一個工位上代替人工做簡單重復性勞動。未來的趨勢是搭配現有裝備，實現路徑優化、算法優化、視覺優化，最終提供場景化的多元應用。

疫情帶來工業智能化機遇

那么這次疫情對工業智能界未來的發展帶來哪些挑戰和機遇？

王晨認為，主要體現在三個方面：協同工作、供應鏈和智能化。

第一是協同，很多人必須遠程辦公，大量制造企業雖然工廠復工，但是總部還沒有復工，還在遠程辦公，這個過程中生產設計的協同是一個主要挑戰。目前主要解決手段是通過數字化、云計算的信息化系統來解決；

第二是供應鏈，也是這次疫情中暴露出來的最大短板。以前建立起來的大數據平臺在疫情面前才發現，還屬于低水平運行狀態。很多企業不掌握實時運作情況，也不掌握上下游供應鏈情況。企業智能化生產要求對供應鏈實現整體掌握，但目前大數據短板仍然存在；

第三是智能化決策。以前老講機器替代人，制造業企業里第一個層次的機器換人，不是靠任何數字化和智能化實現的，而是自動化，比如把機械化、重復性的勞動交給機器人來干，干的比人效率更高、穩定性更高、準確性更高。今天強調的智能化替代人，代替的就不僅僅是這些重復性勞動了，而是企業里掌握專業知識的人和那些有經驗的老工匠、老師傅等，這條路還很長。

天澤智云解決方案副總裁史喆史喆則表示，疫情帶來的機遇就是倒逼工業智能發展，主要體現在技術代替人力繁復的工作、數據協同優化、信息化和數字化建設、平臺化建設四方面。

第一，在一些產線上慢慢減少人力的參與，比如工業缺陷檢測；第二，數據協同優化，基于本地生產甚至是上下游產業鏈整體調配集中數據；第三，一定程度上倒逼信息化和數字化建設。疫情后，產業界導入人工智能技術的考慮直接關聯到未來競爭力，更加長遠；第四，基于大平臺的發展方式關注度提高，如通過視頻會議，基于云的方式做管理，倒逼企業開發更多數字化的解決方案。相信未來在已有數字生產的基礎上，人工智能肯定會有一個更好的發展。