一九产业AI速写：工业篇

比技术和成本困境更先遇到的，是工业和AI的相互不理解。我们经常会遇到这样的情况，一家AI公司到工厂走访后，能给出100多项自己可以做的智能化升级。而工厂专家和领导审核之后，可能最多留下两三项，甚至可能看着令人眩晕的技术列表，决定把AI拉黑。这种情况，一方面是AI技术从业者并不了解工业，尤其对工业所需的安全、效率、成本周期缺乏常识;另一方面工业专家也并不了解AI，经常将这门技术与机器人、数据可视化等技术划等号。

经常听到这种情况，工厂主见到AI公司负责人后有两种情况，一种是想让AI做一切事，另一种是拿AI当又一个骗人的“风口”。

可能相对幸运的是，如今的工业发展压力，正在倒逼着产业智能化升级发生。工业专家和工厂主也在持续提升对AI的认识。对于沟通层面的抱怨，在2019年已经少听到了很多。

但是双方的代沟还远未消弭。举个例子，很多工厂在探索使用AI时，都会强调一定要AI公司附加非常多的数据可视化功能与系统建设。往往AI专家会很诧异，一方面数据可视化很可能不是AI公司或者AI部门的业务，另一方面他们认为这种大量浪费成本在视觉系统上的项目意义不大。但是工厂主却普遍认为，能看到自己的数据流动、智能决策是如何一步步做出的，这件事十分有必要——哪怕这些可视化数据是人工一点点画出来的。

八竿子打不着的两伙人要坐在一起图谋大事。这事确实很烦心，但是能做好的人和公司一定会得到未来的奖赏，无论他来自AI还是工业，亦或其他。

2020，变化何处而生?

说千道万，工业AI的重点还是要往前走。

那么在2020，我们最可能看到哪些来自AI与工业的进一步碰撞呢?回到刚才那个判断，今天众多来自工业的声音，都是希望AI技术与云服务、企业解决方案提供商，能够进一步深入自己的行业，去主动洞察产业机会。

就像以上我们提到的几个案例，可能对于大部分互联网和技术从业者来说，都没有想过原来还可以这么干。这种“原来还可以”今天依旧分布于工业体系的无数个细节，在技术内核发展之先，产业洞察是决定AI深入工业的主要推动力。有很多乍一听老掉牙，或者根本不明白的工业领域，都是AI大显身手的富矿。

另一方面，我认为最有可能继续推动工业AI发展的技术，是多模态融合的感知与交互。能对话，能利用智能摄像头与传感器进行主动观察，并且能进行数据分析的多模态交互IoT设备，已经极大限度接近了众多岗位上的人工价值。多模态技术和IoT技术已经达到了一个新的成熟期，与工业的结合值得期待。

（编辑：西安站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!