如今，設(shè)備制造商、系統(tǒng)集成商、工程師，甚至工廠本身，正以 AI 和數(shù)據(jù)專(zhuān)家的視角思考、行動(dòng)與表達(dá)。有的走在前列，有的仍在追趕，但大家都在尋求更專(zhuān)業(yè)、更可行的建議、解決方案與合作伙伴，以便將 AI 投資真正轉(zhuǎn)化為業(yè)務(wù)價(jià)值。隨著制造業(yè) AI 應(yīng)用節(jié)奏加快、運(yùn)營(yíng)數(shù)據(jù)利用需求日益迫切，制造領(lǐng)導(dǎo)者們亟需可信賴(lài)的專(zhuān)業(yè)來(lái)源。《2025 年政府工作報(bào)告》提出，中國(guó)將持續(xù)推進(jìn)“人工智能+”行動(dòng)，進(jìn)一步將數(shù)字技術(shù)與制造優(yōu)勢(shì)、市場(chǎng)優(yōu)勢(shì)更好結(jié)合起來(lái)，支持大模型廣泛應(yīng)用，并大力發(fā)展智能制造裝備；同時(shí)明確提出“加快制造業(yè)數(shù)字化轉(zhuǎn)型，培育一批既懂行業(yè)又懂?dāng)?shù)字化的服務(wù)商，加大對(duì)中小企業(yè)數(shù)字化轉(zhuǎn)型的支持”。這些政策方向表明，在國(guó)家層面，AI 與制造業(yè)融合已經(jīng)被提升至核心戰(zhàn)略高度。

然而，數(shù)字化轉(zhuǎn)型仍面臨關(guān)鍵障礙，其中包括：不知先從哪些業(yè)務(wù)痛點(diǎn)或產(chǎn)線環(huán)節(jié)入手，成本與資源不足，項(xiàng)目從試點(diǎn)擴(kuò)展到全廠、全組織的可擴(kuò)展性，最后便是數(shù)據(jù)本身。斑馬技術(shù)2024《全球制造愿景研究報(bào)告》指出, AI應(yīng)用的激增，加之約九成受訪者（全球?yàn)?2%，亞太地區(qū)為87%）將數(shù)字化轉(zhuǎn)型作為戰(zhàn)略重點(diǎn)，這凸顯了制造商在提升數(shù)據(jù)管理能力、借助新技術(shù)優(yōu)化生產(chǎn)流程的可見(jiàn)性與品質(zhì)等方面的信心。86%的全球受訪制造業(yè)決策者表示，他們正在努力跟上技術(shù)創(chuàng)新的步伐，力求在整個(gè)設(shè)施和供應(yīng)鏈中安全地集成設(shè)備、傳感器和其他技術(shù)。憑借斑馬技術(shù)的全鏈路整體解決方案，企業(yè)用戶(hù)能充分發(fā)揮數(shù)據(jù)的效用，從而實(shí)現(xiàn)更高水平的安全性和可管理性，并通過(guò)新的分析方法來(lái)提升業(yè)務(wù)績(jī)效。

為 AI 備好數(shù)據(jù)
要讓 AI 系統(tǒng)發(fā)揮積極效用，就需要大量高質(zhì)量數(shù)據(jù)。這意味著必須解決數(shù)據(jù)質(zhì)量問(wèn)題、打破數(shù)據(jù)孤島。如今大量運(yùn)營(yíng)數(shù)據(jù)仍沉睡在設(shè)備、電腦、數(shù)據(jù)庫(kù)和工作流程中，未能得到充分利用。

行業(yè)必須向前一步，擺脫對(duì)云端的猶豫——云端平臺(tái)跨工作流程、跨廠區(qū)、跨地區(qū)，能夠安全且一致地上傳、標(biāo)注、注釋大規(guī)模數(shù)據(jù)集的理想平臺(tái)。團(tuán)隊(duì)可在云端協(xié)作，為 AI 模型提供更優(yōu)質(zhì)的數(shù)據(jù)，以訓(xùn)練、測(cè)試并部署到產(chǎn)線邊緣、PC 或設(shè)備端。斑馬技術(shù)2024《全球制造愿景研究報(bào)告》顯示，受訪決策者指出當(dāng)今重要的質(zhì)量管理問(wèn)題在于實(shí)時(shí)可見(jiàn)性、上新的標(biāo)準(zhǔn)和法規(guī)、集成數(shù)據(jù)以及保持可追溯性——這些都關(guān)乎數(shù)據(jù)的采集、處理與共享，必須先行解決，才能讓 AI 系統(tǒng)發(fā)揮最大效能。

訓(xùn)練與測(cè)試 AI 模型需要產(chǎn)線數(shù)據(jù)集，這樣AI模型不僅能在實(shí)驗(yàn)室運(yùn)行，還能在現(xiàn)實(shí)場(chǎng)景中工作。它能通過(guò)實(shí)際 WIP 流程中獲取的數(shù)據(jù)進(jìn)行不斷學(xué)習(xí)和調(diào)整，實(shí)現(xiàn)自我進(jìn)化——這正是由深度學(xué)習(xí)等 AI 技術(shù)驅(qū)動(dòng)的“智能自動(dòng)化”。

AI 應(yīng)用的成功實(shí)例

此處援引一個(gè)典型案例，它很好地展示了制造數(shù)據(jù)如何經(jīng)充分利用，為 AI 方案創(chuàng)造價(jià)值。一家表面處理技術(shù)供應(yīng)商與機(jī)器視覺(jué)系統(tǒng)集成商合作開(kāi)發(fā)了一套方案，顯著提升了全球汽車(chē)制造商使用的電動(dòng)車(chē)電池蓋的生產(chǎn)品質(zhì)，電池蓋成品能用于保護(hù)高壓電池免受外界影響。

該方案由基于無(wú)代碼、流程圖式機(jī)器視覺(jué)軟件及深度學(xué)習(xí)驅(qū)動(dòng)的視覺(jué)引導(dǎo)機(jī)器人組成——深度學(xué)習(xí)是更高級(jí)機(jī)器視覺(jué)分析的強(qiáng)力 AI 技術(shù)。機(jī)械臂抓取電池蓋，經(jīng)過(guò)由相機(jī)系統(tǒng)引導(dǎo)的多階段檢測(cè)，檢查可能影響質(zhì)量與性能的任何缺陷，哪怕是極細(xì)微的表面瑕疵。

系統(tǒng)集成商特別認(rèn)可該軟件的開(kāi)發(fā)速度和執(zhí)行效率，可同時(shí)分析大量甚至大體積圖像文件，并能在整個(gè)制造過(guò)程中持續(xù)改進(jìn)。這得益于利用海量數(shù)據(jù)集進(jìn)行訓(xùn)練，讓系統(tǒng)能夠識(shí)別并分類(lèi)特定缺陷。

歷史數(shù)據(jù)集被標(biāo)注后輸入系統(tǒng)，再根據(jù)新信息重新訓(xùn)練以識(shí)別新的檢測(cè)標(biāo)準(zhǔn)，或?qū)σ阎毕葸M(jìn)行知識(shí)微調(diào)。因此，該方案能借助深度學(xué)習(xí)不斷進(jìn)化，遠(yuǎn)勝傳統(tǒng)工具的方案——后者往往耐久性不足，難以適應(yīng)多變的生產(chǎn)條件。

在另一案例中，某汽車(chē) OEM 通過(guò) AI 質(zhì)檢方案，將復(fù)雜如汽車(chē)門(mén)體（最多含 80 個(gè)零部件）的缺陷率降低 10–15%，同時(shí)簡(jiǎn)化了產(chǎn)線，降低了維護(hù)成本和系統(tǒng)復(fù)雜度。

該機(jī)器視覺(jué)系統(tǒng)集成商采用雙相機(jī)、單激光 3D 傳感器硬件與 AI 軟件結(jié)合的方案。其中，3D 傳感器掃描汽車(chē)門(mén)體，捕獲數(shù)千個(gè)數(shù)據(jù)點(diǎn)，生成高精度點(diǎn)云和深度圖，供 AI 軟件進(jìn)行缺陷檢測(cè)。該方案的可擴(kuò)展性和適應(yīng)性已被制藥、食品等行業(yè)采用。

總結(jié)

汽車(chē)、電池、電子等制造業(yè)正加速將 AI 引入更多運(yùn)營(yíng)環(huán)節(jié)，因?yàn)槿驅(qū)?AI 的雄心日益高漲，AI 帶來(lái)的收益愈發(fā)顯著。

制造企業(yè)需要合作伙伴幫助其理順數(shù)據(jù)管理，并選擇最合適的 AI 方案。在這方面，設(shè)備制造商與系統(tǒng)集成商正是且應(yīng)當(dāng)發(fā)揮主導(dǎo)作用，成為首選的專(zhuān)業(yè)顧問(wèn)。最終，一個(gè)集智能自動(dòng)化、互聯(lián)一線員工和資產(chǎn)可視化管理為一體的互聯(lián)工廠將成為現(xiàn)實(shí)。