AI产生实际价值才是最终的目的

尽管人工智能热度不减，但是人们的目光已经逐渐从新技术带来的惊喜转移到实际的场景应用和落地。尤其在制造业领域，那些希望从实验室走向生产车间的新技术，必然将经过企业在投入和产出上的严格考量。

近日，在2019大湾区机器人与人工智能大会“洞见5G与AI时代物联网产业发展趋势与应用”分论坛上，国内外物联网与AI领域知名专家、前沿科技企业高层对物联网产业的发展趋势与应用进行深入的探讨。在论坛中，ABB未来实验室全球研发经理Alf Isaksson做了题为“人工智能使工业系统自主化成为可能”的演讲并接受了亿欧新制造的独家专访。

Alf在采访中表示，AI技术是工具箱里的又一个工具，尽管它不能解决所有的问题，但是它确实是我们最强大的工具之一。

永立潮头的不二法门：调整业务模式、变革组织结构

作为一家具有130多年历史的公司，ABB在业务上一直具有前瞻性，因而才能一直立于商业竞争的潮头。回溯到19世纪80年代，ABB的前身ASEA是从电力行业起家的。

20世纪末，随着欧洲电力产能的饱和，ASEA与另一家欧洲电气公司BBC（Brown， Boveri & Cie）合并，才形成了如今的ABB（Asea Brown Boveri）。

在近30年里，ABB通过剥离原有业务和并购扩大优势业务的策略，逐步聚焦工业生产领域。

ABB在1993年剥离了广播传输设备、天线和电子管业务；1995年到1998年剥离了盈利能力下滑的铁路部门；2019年到2020年将逐步剥离电网输电业务。壮士断腕的转型魄力，可窥一斑。

与此同时，ABB利用并购的手段，扩充其机器人、自动化和数字化业务，逐渐成为制造业数字化领域的先行者。

如今，ABB有超过8000人的工程师团队，研发实验室分布在十余个国家和地区。今年夏天，Alf负责的ABB未来实验室成立，分布在瑞士巴登、美国罗利和中国北京三地。未来实验室将更直接地受到企业的管理和资助，聚焦颠覆性的技术和创新。

尽管成立时间不过数月，ABB未来实验室已经和华为合作，在两个月时间里完成了对垃圾分拣机器人的AI训练。这款机器人使用基于华为芯片的AI技术，利用工业摄像头对物体进行分拣。

很显然，调整业务模式和组织结构，是ABB一直立于行业潮头的重要原因。

从技术迭代到应用落地，ABB志在提供完整的解决方案

作为制造业自动化和数字化的先驱，ABB自动化领域的产品在不断完善，应用的行业也在不断扩充。

在Alf看来，自动化的结构和构造在过去30年都没有太大的变化。从收集信号、信息传输到工作场景或运营界面，信息在自动化系统中的流动基本没有发生改变。

但是5G的到来，也许会改变设备间信息传输的方式。5G的大容量、高可靠低时延等特性，很可能实现各设备间的单独连接。如果能实现实时的主线进行连接，搭载在云端或平台上，则是更加颠覆性的应用。

5G不仅会改变ABB的运营方式，更有可能将数字化引入行业，包括数字化的操作和维护。ABB推出了名为ABB Ability的工业互联网解决方案，它首先可以提供一个平台，其次它囊括了ABB所有数字化的云产品，比如设备的工业解决方案和交通解决方案。

除了数字化外，Alf关注的另一个焦点在机器的自主化。他以自动驾驶和仓储的自主化管理为例，思索机器自主化的发展进程——从人的操作到机器的操作，最终实现自主实施和检测，完全不需要人。

对于ABB而言，除了热门的自动驾驶技术外，工业生产场景也对机器设备的自主化有强烈的需求，比如船舶的自主停靠和采矿行业。以采矿为代表的部分工业场景中，工作环境的有毒气体和物质对人体有害，因此需要设备具有自主进出矿场的能力。ABB首先需要对这些业务的价值主张进行研究，发现潜在的应用，然后再去发现它可以应用在哪些领域。

与自主化相近的技术是人工智能。自20世纪60年代诞生以来，它一直吸引着人们的目光，有关“机器替人”的讨论也层出不穷。经过数十年的发展，相关技术逐渐成熟，越来越多的AI技术开始在应用领域得到讨论，ABB等领头厂商的产品和技术备受关注。

ABB在其产品上应用AI技术已经有20年的历史，不过目前成熟的产品主要是在传统统计基础上的诊断性应用。Alf向亿欧新制造介绍说，作为诊断解决方案的一部分，该技术主要用来实现状态监测的功能。比较成熟的应用体现在设备的自动化管理上，比如说船舶电子化的管理。

机器学习则是另一项被看好的AI技术。在今年8月底的世界人工智能大会上，ABB展示了由双臂协作机器人YuMi组成的咖啡工作台。通过对YuMi进行引导式编程，协作机器人可以学习和记忆咖啡师的动作，从而完成制作咖啡、拉花并递给观众的完整流程。

在实际的落地场景中，该技术被用于改造搭载集装箱的码头。通过对箱子搬运的位置和状态进行模拟，用收集上来的数据训练AI，让AI知道集装箱的位置，从而实现自动化。

从自动化、数字化、自主化和人工智能技术，ABB并不是新兴技术概念的盲目追逐者。它更注重客户需求和实际落地，并通过不同的产品组合来实现更好的解决效果。

平衡研发和商业，落实解决方案有两大难点

作为一家商业公司，ABB依然需要考虑研发投入和营收间的平衡。在Alf看来，他们没有无限的研发资源，因此需要集中精力，在改善原有产品功能和开发新功能上寻找平衡。在技术研发上，也需要试着去关注能为公司带来最大价值的项目。

对于具体落实数字化解决方案上，Alf认为目前主要有两大难点。

第一个难点在于ABB不能只开发一个通用的解决方案，因为不同的细分行业需求不同，所以必须要设计适合他们不同需求的解决方案。ABB不仅需要掌握不同领域的知识、不同的应用程序，还需要考虑数据的可用性。

第二个难点在于数据的使用，因为AI需要大量的数据训练。一方面，ABB需要鼓励客户提供数据供以训练模型；另一方面，ABB也需要向客户保证他们数据的隐私权、所有权和安全性。

“工业化的人工智能需要和模型、数据相结合。但是最重要的是，我们要通过使用AI为顾客提供价值，否则我们就只是为了应用技术而应用技术。”Alf如是总结。