“物理世界”（以制造業設備所代表）和“數字世界”（由人工智能、傳感器等技術代表）的碰撞催生了制造業的巨大的轉變。兩個世界的融合將為下一輪經濟發展注入新的動能。以人工智能為代表的新技術正在對生產流程、生產模式和供應鏈體系等生產運營過程產生巨大影響。

據埃森哲公司測算，到2035年，人工智能技術的應用將使制造業總增長值（GVA）增長近4萬億美元，年度增長率達到4.4%。作為新的“生產要素”，人工智能對于制造業的影響有幾方面：

（1）機器將部分取代人的工作，實現智能自動化。在中國、日本等國家，可以彌補由于老齡化、人力資源成本提升帶來的勞動力短缺問題。

（2）人工智能通過增強勞動力技能帶來生產效率的提升，以提高人的效率，經過重新培訓的員工可以執行更高級的設計、編程和維護任務或創造性的工作。

（3）人工智能與制造業的深度融合不但將加速新產品的開發過程，還將徹底顛覆原有的生產流程，人工智能程序不僅可以自動完成任務，而且還可以實現全新的業務流程。比如，根據客戶的個性化需求自定義產品配置。這將是人工智能在制造業領域的最終目標。

斯坦福人工智能實驗室主任、前谷歌大腦項目負責人、前百度首席科學家吳恩達（Andrew Ng）離開百度以后，將自己的創業項目聚焦在制造業領域，希望通過為制造業轉型提供技術、培訓、運營流程管理等一系列解決方案，成為在制造業領域的AI服務提供商。我通過與吳恩達的交流，希望了解這位站在AI前沿的科學家是如何理解人工智能將為傳統制造業帶來的改變。

人工智能將改變制造業的哪些方面

吳恩達認為，目前，人工智能可能在制造業的四個領域中得到應用。

首先，制造業的很多細分領域依賴視覺檢查。

AI設備對樣品進行視覺檢查的能力正在迅速提高，這使我們能夠建立自動視覺檢測系統。人工智能能夠比較產品和照片，并決定是否通過檢查。吳恩達團隊將機器視覺應用在制造業中的精確質量分析領域，通過比人眼敏感多倍的相機結合AI技術提升圖像理解的能力。該公司開發了機器視覺工具，用于在超出人類視覺范圍的分辨率下發現電路板等產品中的微觀缺陷，并使用機器學習算法對極少量的樣本圖像進行培訓。

其次，優化生產過程。

AI通過調節和改進生產過程中的參數，對于制造中使用的很多機器進行參數設置。生產過程中，機器需要進行諸多參數的設置。例如，在注塑中，可能需要控制塑料的溫度、冷卻時間表、速度等等。所有這些參數都可能受到各種外部因素的影響，例如，外界溫度等。通過收集所有這些數據，AI可以改進自動設置和調整機器的參數。

第三，提高新產品制造過程中的設計、制造效率。

制造新產品無論在設計還是在生產過程中都是一個迭代的過程，充滿了微調。人工智能將能夠顯著縮短這一過程，提升制造行業的效率。

第四，確定產品質量問題來源。

許多產品的制造過程涉及到一系列的步驟，因此，如果最終產品沒有通過檢驗，有時難以確定問題來源。人工智能、數據科學和數據分析將幫助自動識別生產中有問題的步驟。

目前Landing.ai為制造行業的合作伙伴提供了視覺檢測、自動化控制、智能化校準以及問題根源分析等解決方案。除了吳恩達提到的這些應用。未來工廠可能會采用智能自動叉車和傳送帶搬運材料和成品。機器視覺領域，除了在微觀層面質量檢測方面的應用，未來還可以訓練機器人感知周圍的環境、避免中斷或者危險。此外，人工智能還可在制造業領域中的自適應制造、自動質量控制、預防性維護、無人駕駛等領域應用。

傳統企業向人工智能轉型面臨的挑戰

吳恩達認為，對大企業而言，在應用人工智能方面，目前最大的挑戰是如何應用AI技術擴大業務規模，目前能夠幫助企業完成這一挑戰的人才和AI工具和還不存在。對于傳統制造企業來說，應用AI的主要障礙有幾方面，其中之一是人工智能技術的復雜性。目前很少有團隊能夠很好的理解并且有效的實施這項技術。

同時，在AI科技公司之外，很少有公司能夠獲取足夠的AI技術人才。

AI整合戰略本身和技術一樣復雜，這個過程涉及到數據采集、組織結構設計、AI項目的優先次序等等。而且，好的AI戰略專家比AI技術專家更加罕見。企業轉型是牽一發動全局的過程，尤其是涉及到勞動力結構調整，過程本身比較復雜，其中也包括文化挑戰，這方面特別是勞動力轉型的問題，需要一定的時間過渡。

制造企業需要為員工提供更完善的再培訓，幫助他們為未來的工作做好準備。傳統企業除了需要做好轉型方面的人才、技術儲備，同時需要讓員工理解人工智能的目的不是為了取代勞動力，而是為了增強員工能力、為企業賦能，幫助其成功。

人工智能可以通過自適應制造、自動質量控制、預防性維護等解決方案有效地應對當今制造業面臨的挑戰。這些AI在制造業的應用中，有些技術已經開始部分的應用，但還沒有得到廣泛的應用，技術的復雜和資源（包括人力資源）的匱乏目前轉型的障礙之一。

傳統制造業公司和AI技術公司的定位

由于傳統制造業在人工智能方面缺乏相應的人才。人工智能科技公司應該在培訓勞動力方面發揮作用，率先在傳統行業的新一波轉型浪潮中幫助傳統公司員工傳授必要的技能。現階段，傳統公司可能會認為AI是一個難以想象的未來，但AI可以幫助企業實現部分任務的自動化，使員工能夠承擔更高層次的工作職責，并將其思想用于創造更多有價值的貢獻。

此外，吳恩達提到最近參加在北京舉行的2018年工業互聯網峰會，發現很多中國公司已經走上應用人工智能的道路。中國政府推進工業互聯網發展的速度很快，并推動了許多改造傳統工業的舉措。通過組建工業互聯網聯盟，制定支持產業升級新政策，一大批企業開始全身心地迎接機器人、物聯網、大數據和機器學習融合的工業物聯網發展趨勢。

在傳統制造業的全球版圖中，轉型對于發達國家和發展中國家所產生的影響各有不同。在發展中經濟體，制造業向AI轉型將使產品更容易實現規模化生產進而降低制造成本。AI還將幫助小規模生產者向全球供應鏈銷售產品并從中受益。在發達經濟體，人工智能與制造業的深度融合也將為推動新一代產品、設備和經驗鋪平道路。

制造行業面臨的某些挑戰是普遍的，并非針對某一公司或者行業。在制造行業中應用AI技術背后的一些原則和理念是可重復性的。但吳恩達希望Landing.ai能夠實現的目標是與制造企業合作開發針對特定行業的技術與培訓，而不是做通用的技術工具。吳恩達團隊開發了包括引進新技術、運營流程管理、重塑組織結構、AI人才戰略在內的各方面AI轉型計劃，目前已與富士康、鴻海等公司達成合作。

在此，請設想一下未來制造業的遠期場景：由人工智能、大數據、云計算、5G通信、物聯網等為代表的一系列技術簇將使未來的制造業從價值鏈、生產模式、商業模式、產品設計等多方面發生本質上的變化。

由于技術的進步，產品自身將攜帶更多的信息或者更加智能。伴隨消費力量的崛起，消費者主動參與設計和共同創造產品將成為可能。而個性化與定制化需求增加將逐漸瓦解目前所謂的大眾消費市場。由于3D打印等技術的普及，“規模”未必“經濟”。制造業的價值鏈也將重新分配。生產者繞開中間商直接吸引消費者。

產品的生產模式也將發生轉變，從“按預測量生產”到“按訂單生產”。從想法到市場的速度加快，消費者也更直接的將需求反饋給生產者。伴隨技術的演進，傳統制造業需要擁抱未來，進行一場自我革命。