中国制造业转型升级大约要多久，有哪些机遇和挑战？ 第1页

我从小是在工厂里长大的。我妈退休前在一家齿轮厂负责生产工作，而我也就读在厂里的幼儿园和小学。所以我童年里磨灭不去的回忆里有旧旧的厂房、一楼车间里轰鸣的机器声，和永远散不掉机油味。而像我们这种在子弟小学就读的人，从小就认得车、钳、洗、刨这几个字。而在这些回忆里，其实更多的是大量的工人的辛勤工作。夏天中午没时间午休的时候，很多工人师傅就会选择拿几个纸片子往地下一铺，就着机器席地而睡。工厂离不开工人，而工人也成为了机器的一部分，这大概是二十年前中国制造业的基本面貌。

以前的模式基本就是一到两个工人师傅负责一台车床，而且一般也是师傅带徒弟的学徒制。但在这之下，无法掩盖的是居高不下的不规范作业造成的工伤，因为人工操作失误或者车床失修造成的废件。这也导致了质检成了大部分制造业耗工最多的环节。而为了解决这个问题，国务院在2015年提出了《中国制造2025》的纲领 [1]，其中最重要的一个想法就是用「互联网+」来促进制造业发展。而互联网+说的通俗点其实就是要促进信息化和工业化的融合，也就是探索如何使用信息化来提升工业制造的效率的质量。在对《中国制造2025》采访中[2]，工信部长苗圩特别点出了制造业升级的重点是做出一批“智能化”的产品，比如如果我们加了人工智能（AI）到机器中，那么它在发现有潜在的安全风险时就不会操作，从而保护到操作人员，这就是智能化的具体体现。

而很多人不知道的是智能化已经不再是仅存在于报告里的词汇，而已经走入了越来越多的工业界产品中，当然制造业也不例外。先谈谈智能化的难点。第一是大部分流程是很难被放到一个框架里的，拿机械生产为例，不同的产品可能设计图纸不同，需要的车床组合也不同。因此如果下游种类很多，那么生产线需要深度优化才能实现智能化。第二是工厂中的设备本身往往缺少算力，很难支持复杂的智能控制。甚至在很多车间里是没有网络的，而设备也没有联网能力，这就限制了智能化的部署。所以总结来看，制造业的智能化是需要基于软件（智能模型推理&训练与优化）和硬件（设备算力、联网能力）的综合。

在2021的视角上看，已经有相当一批技术水平很高的制造企业在实际生产中用上了智能化，其中比较成熟的一套体系叫做「云边协同」（Edge-to-Cloud，简称E2C）。这套系统主要是解决上文提到的制造车间里设备无法被赋能，靠近设备的边缘侧缺乏算力，无法完成实时性强的数据处理和指令执行，更无法支持复杂智能模型部署的问题。举个简单的例子，我们想在传统的车床上加个摄像头来对成品进行拍照，并交给智能模型来检测这个成品是否有质量问题，如何调优，调优结果如何下发到摄像头这样的终端。最大的问题是怎么打通这个流程，比如摄像头该加在哪，智能模型应该被安放在何处。要知道大部分车床（这里更正一个概念：摄像头/车床上的传感器是终端设备，属于端。而传感器后端链接的服务器是边缘，或者说边缘侧。企业数据中心通常是私有/混合云端。端没有运算能力是肯定的，摄像头不会有计算能力，可以讨论的是边缘侧服务器是否承担部分算力的问题。）并不具备运算能力，或者运算能力非常有限，基本都是按照原始功能本身设计的算力而没有多余的能力做新的运算。

在这种前提下，云边协同的理念可以较低限度的对现有生产设备进行升级。比如我们可以在生产车间里加一台处理器负责采集车床上收集来的图片（这个叫做边端，edge），并由这台处理器进行简单的图片处理，并把信息传回到总公司（这个叫做云端，cloud）。一般来说，云端的算力非常强大，可以吞吐海量的数据，并可以训练、部署复杂的智能模型。而最后一步，就是把云端训练的复杂模型回传到生产车间里，而由车间里的处理器进行实时处理（如检测不良品），从而形成闭环。因此总结来看，云边协同就是把轻量级的处理放在边端（比如车间里），而复杂的计算放在云端，两者协调下达到高效的智能产业化。

而高效的智能制造业其实在疫情期间就显得更为重要，拿物联网龙头企业京东方为例，它们使用和云边协同的系统加速了生产性的恢复。从我所读到的报告来看，京东方的生产会涉及到复杂的协调问题，从收到订单、到把任务分发到智能工厂，再到进行生产，并进行验收，每一环都涉及到很多决策问题。拿其中的验收环节为例，传统的制造企业只要通过人工的方法对不良品进行检查。但人工的检验有很多问题，比如培训价格高，人会感到疲惫，且及时发现不良品也无法直接定位到故障设备。于是京东方和科技巨头英特尔（Intel）携手打造了一套完整的基于云边协同的智能系统（见下图）。

简单来说，京东方收集了大量的历史图像和工业相机采集的信息，并把这些信息送入了（云端的）数据中心进行数据处理并训练处复杂的人工智能模型，这个过程中会涉及到各种高运算开销的机器视觉模型和深度学习模型。当最适合的模型被选择出来后，这套系统会把它推送到（工厂里的）边缘服务器上，进行实时的质量监控、缺陷检测等任务。

不难看出，这一套复杂的系统需要极强的软件硬件支持，在软件层面它使用了英特尔基于OpenCV全面优化的OpenVINO™工具套件 ，可以加速人工智能模型的运算。在硬件层面上，京东方的边缘处理器使用了英特尔®至强®可扩展处理器作为其边缘服务器的核心计算引擎，而这款处理器集成了更多的核心和告诉缓存，非常适合在边端对深度学习推理任务中的密集计算提供特定硬件加速支持。在软硬协调、云边协同下，京东方实现了高达96%的缺陷检测准确率，这也是制造业智能化的优秀案例，同时，实现了人工替代率70%。

而这一套一体化的智能系统其实可以在很多场景下发挥效用，比如药剂生产厂商汇川技术所采用的智能灯检机检测系统。简单来说，汇川主要生产液体药物制剂，而其中质检的重要流程就是观察生产出的药剂是否有杂质或者沉淀。在传统生产制造的角度来看，这个过程依然是无法避免大量的人工，主要是安排视力符合药典标准的操作工在暗室中使用灯检仪对容器进行逐一检查。而想要自动这个流程，就需要协调边端的多个模块和智能模型一起工作。

而就像上图所示，汇川的一站式解决方案通过英特尔CPU提供算力的同时，结合英特尔® 工业边缘控制平台打造的 AC801 高性能智能机械控制器来协调多个部分的流程。同时灯检机的重点离不开机器视觉和对收集到的图片处理，而汇川的方案也同样使用了上文提到过的OpenVINO™工具套件以及优化视觉库 (Photography Vision Library)和英特尔®Media SDK 等组件，并通过内置英特尔® 深度学习部署工具 (Intel® Deep Learning Deployment Toolkit) 来有效提升推理速度。虽然这套系统主要是在边端依靠英特尔® 工业边缘控制平台来进行检测，但我认为如果未来搭配一个云端的配套组件，应该也可以发挥更好的效果。

因此在我看来，中国的制造业升级已经在路上，很多优秀的科技企业已经成功的把智能模型运用于了实际生产中，比如通过云边协同、软硬协调的模式解决智能模型落地的实际问题。而我积极的期待着，工厂里不该只是轰鸣的机械声和散不掉机油味，而是更多需要智能化、安全性的提升。它不仅代表着工人师傅们更加安全的生产环境，也代表着企业更高的效率和我们整个国家的创新能力。

参考文献：

[1] 国务院关于印发《中国制造2025》的通知。http://www.gov.cn/zhengce/content/2015-05/19/content_9784.htm

[2] 工业和信息化部部长：“中国制造2025”可简单概括为“一二三四五五十”。http://www.gov.cn/xinwen/2015-05/20/content_2865061.htm