盡管人工智能熱度不減，但是人們的目光已經逐漸從新技術帶來的驚喜轉移到實際的場景應用和落地。尤其在制造業領域，那些希望從實驗室走向生產車間的新技術，必然將經過企業在投入和產出上的嚴格考量。

近日，在2019大灣區機器人與人工智能大會“洞見5G與AI時代物聯網產業發展趨勢與應用”分論壇上，國內外物聯網與AI領域知名專家、前沿科技企業高層對物聯網產業的發展趨勢與應用進行深入的探討。在論壇中，ABB未來實驗室全球研發經理Alf Isaksson做了題為“人工智能使工業系統自主化成為可能”的演講并接受了億歐新制造的獨家專訪。

Alf在采訪中表示，AI技術是工具箱里的又一個工具，盡管它不能解決所有的問題，但是它確實是我們最強大的工具之一。

永立潮頭的不二法門：調整業務模式、變革組織結構

作為一家具有130多年歷史的公司，ABB在業務上一直具有前瞻性，因而才能一直立于商業競爭的潮頭。回溯到19世紀80年代，ABB的前身ASEA是從電力行業起家的。

20世紀末，隨著歐洲電力產能的飽和，ASEA與另一家歐洲電氣公司BBC（Brown， Boveri & Cie）合并，才形成了如今的ABB（Asea Brown Boveri）。

在近30年里，ABB通過剝離原有業務和并購擴大優勢業務的策略，逐步聚焦工業生產領域。

ABB在1993年剝離了廣播傳輸設備、天線和電子管業務；1995年到1998年剝離了盈利能力下滑的鐵路部門；2019年到2020年將逐步剝離電網輸電業務。壯士斷腕的轉型魄力，可窺一斑。

與此同時，ABB利用并購的手段，擴充其機器人、自動化和數字化業務，逐漸成為制造業數字化領域的先行者。

如今，ABB有超過8000人的工程師團隊，研發實驗室分布在十余個國家和地區。今年夏天，Alf負責的ABB未來實驗室成立，分布在瑞士巴登、美國羅利和中國北京三地。未來實驗室將更直接地受到企業的管理和資助，聚焦顛覆性的技術和創新。

盡管成立時間不過數月，ABB未來實驗室已經和華為合作，在兩個月時間里完成了對垃圾分揀機器人的AI訓練。這款機器人使用基于華為芯片的AI技術，利用工業攝像頭對物體進行分揀。

很顯然，調整業務模式和組織結構，是ABB一直立于行業潮頭的重要原因。

從技術迭代到應用落地，ABB志在提供完整的解決方案

作為制造業自動化和數字化的先驅，ABB自動化領域的產品在不斷完善，應用的行業也在不斷擴充。

在Alf看來，自動化的結構和構造在過去30年都沒有太大的變化。從收集信號、信息傳輸到工作場景或運營界面，信息在自動化系統中的流動基本沒有發生改變。

但是5G的到來，也許會改變設備間信息傳輸的方式。5G的大容量、高可靠低時延等特性，很可能實現各設備間的單獨連接。如果能實現實時的主線進行連接，搭載在云端或平臺上，則是更加顛覆性的應用。

5G不僅會改變ABB的運營方式，更有可能將數字化引入行業，包括數字化的操作和維護。ABB推出了名為ABB Ability的工業互聯網解決方案，它首先可以提供一個平臺，其次它囊括了ABB所有數字化的云產品，比如設備的工業解決方案和交通解決方案。

除了數字化外，Alf關注的另一個焦點在機器的自主化。他以自動駕駛和倉儲的自主化管理為例，思索機器自主化的發展進程——從人的操作到機器的操作，最終實現自主實施和檢測，完全不需要人。

對于ABB而言，除了熱門的自動駕駛技術外，工業生產場景也對機器設備的自主化有強烈的需求，比如船舶的自主停靠和采礦行業。以采礦為代表的部分工業場景中，工作環境的有毒氣體和物質對人體有害，因此需要設備具有自主進出礦場的能力。ABB首先需要對這些業務的價值主張進行研究，發現潛在的應用，然后再去發現它可以應用在哪些領域。

與自主化相近的技術是人工智能。自20世紀60年代誕生以來，它一直吸引著人們的目光，有關“機器替人”的討論也層出不窮。經過數十年的發展，相關技術逐漸成熟，越來越多的AI技術開始在應用領域得到討論，ABB等領頭廠商的產品和技術備受關注。

ABB在其產品上應用AI技術已經有20年的歷史，不過目前成熟的產品主要是在傳統統計基礎上的診斷性應用。Alf向億歐新制造介紹說，作為診斷解決方案的一部分，該技術主要用來實現狀態監測的功能。比較成熟的應用體現在設備的自動化管理上，比如說船舶電子化的管理。

機器學習則是另一項被看好的AI技術。在今年8月底的世界人工智能大會上，ABB展示了由雙臂協作機器人YuMi組成的咖啡工作臺。通過對YuMi進行引導式編程，協作機器人可以學習和記憶咖啡師的動作，從而完成制作咖啡、拉花并遞給觀眾的完整流程。

在實際的落地場景中，該技術被用于改造搭載集裝箱的碼頭。通過對箱子搬運的位置和狀態進行模擬，用收集上來的數據訓練AI，讓AI知道集裝箱的位置，從而實現自動化。

從自動化、數字化、自主化和人工智能技術，ABB并不是新興技術概念的盲目追逐者。它更注重客戶需求和實際落地，并通過不同的產品組合來實現更好的解決效果。

平衡研發和商業，落實解決方案有兩大難點

作為一家商業公司，ABB依然需要考慮研發投入和營收間的平衡。在Alf看來，他們沒有無限的研發資源，因此需要集中精力，在改善原有產品功能和開發新功能上尋找平衡。在技術研發上，也需要試著去關注能為公司帶來最大價值的項目。

對于具體落實數字化解決方案上，Alf認為目前主要有兩大難點。

第一個難點在于ABB不能只開發一個通用的解決方案，因為不同的細分行業需求不同，所以必須要設計適合他們不同需求的解決方案。ABB不僅需要掌握不同領域的知識、不同的應用程序，還需要考慮數據的可用性。

第二個難點在于數據的使用，因為AI需要大量的數據訓練。一方面，ABB需要鼓勵客戶提供數據供以訓練模型；另一方面，ABB也需要向客戶保證他們數據的隱私權、所有權和安全性。

“工業化的人工智能需要和模型、數據相結合。但是最重要的是，我們要通過使用AI為顧客提供價值，否則我們就只是為了應用技術而應用技術。”Alf如是總結。

責任編輯：ct