文|億邦動力網(wǎng) 胡鏷心
編輯|董金鵬
當行業(yè)專家、投資人和創(chuàng)業(yè)者還在分析這一輪大模型驅(qū)動的AI浪潮有哪些機會時,工業(yè)AI企業(yè)已經(jīng)先行一步。
4月13日,創(chuàng)新奇智推出生成式AI產(chǎn)品——“奇智孔明AInnoGC”,基于創(chuàng)新奇智正在建設的工業(yè)預訓練大模型,面向制造業(yè)垂直場景,提供內(nèi)容生成和代碼生成等能力。
同一天,阿丘科技推出升級版缺陷生成平臺AIDG,通過AIGC技術,解決AI質(zhì)檢中數(shù)據(jù)收集慢和標注成本高等問題。
計算機視覺是AI應用的主賽道,AI質(zhì)檢是計算機視覺中最成熟的場景之一。
據(jù)第三方機構和沐智訊的數(shù)據(jù),2021年,AI工業(yè)質(zhì)檢融資21起,2022年融資19起。近三年,上市的AI工業(yè)質(zhì)檢企業(yè)超10家,如創(chuàng)新奇智、奧普特和凌云光等,啟動IPO的相關企業(yè)超20家,其中埃科光電、思泰克等已過會。
騰訊云工業(yè)AI產(chǎn)品總監(jiān)黃強曾表示,騰訊在AI質(zhì)檢上看到一個千億級剛需市場,“單是3C電子產(chǎn)品的人工檢測就有近300萬人,按照一個人8萬元/年的用人成本,將是一個2400億規(guī)模的市場?!?/p>
另據(jù)IDC(Internet Data Center,互聯(lián)網(wǎng)數(shù)據(jù)中心,簡稱IDC)數(shù)據(jù),到2025年,國內(nèi)工業(yè)AI質(zhì)檢的市場規(guī)模將達到62億元,距離千億級市場規(guī)模仍有數(shù)倍增長空間。
盡管市場空間巨大,AI質(zhì)檢公司的日子卻并不好過。創(chuàng)新奇智招股書顯示,2018年、2019年、2020年及2021年前三季,創(chuàng)新奇智經(jīng)調(diào)整虧損凈額分別為4540萬元、1.6億元、1.44億元以及8100萬元。
同時,新一輪AI技術正在改變AI質(zhì)檢公司的成本結構。過去一年,創(chuàng)新奇智提升平臺能力與產(chǎn)品標準化程度,建立智能算法引擎,降低模型訓練成本,提升AI遷移能力。2022年,創(chuàng)新奇智營收15.58億元,同比增長80.88%;調(diào)整后凈虧損1.38億元,凈虧損率同比縮窄46.1%,虧損大幅收窄。發(fā)布財報后的第一個交易日,創(chuàng)新奇智股價收漲34.38%。
AIGC能否成為AI質(zhì)檢行業(yè)騰飛的突破口?這一輪AI浪潮如何在應用端落地?大模型技術會給制造業(yè)帶來哪些根本影響?
01 節(jié)約50%費用,AIGC落地潛力有多大?
在創(chuàng)新奇智推出生成式AI產(chǎn)品“奇智孔明AInnoGC”時,百度ACG算法工程師明陽還在感慨,創(chuàng)業(yè)公司跑得太快。
明陽介紹,對質(zhì)檢行業(yè)來說,從去年開始的以大模型為代表的AI變革,首先改變了AI質(zhì)檢中缺陷圖標注的成本與周期,也就是通過AIGC生成缺陷圖,提升AI上線速度和泛化能力。
在創(chuàng)新奇智CEO徐輝看來,人工智能帶來的新思路是,通過大模型幫助工業(yè)企業(yè)更快構建符合具體場景的小模型,比如快速生成高質(zhì)量生產(chǎn)數(shù)據(jù),指導機器人或產(chǎn)線完成各種復雜的任務等。
不過,百度的大模型+AI質(zhì)檢還處在預研驗證階段,創(chuàng)業(yè)公司的AIGC應用已經(jīng)上線。
4月13日,阿丘科技發(fā)布升級版缺陷生成平臺AIDG,可以通過AIGC將多種缺陷生成在同一張圖片,解決樣本收集慢、標注成本高的問題。
阿丘科技創(chuàng)始團隊來自清華AI實驗室,目前為AI質(zhì)檢領域的頭部企業(yè)。
阿丘科技首席科學家吳雨培在發(fā)布會上介紹,通過將簡單的圖像描述輸入Stable Diffusion框架,可以生成多樣的真實的缺陷仿真圖。比如,通過拖拽或涂抹兩種不同類型的缺陷,即劃傷和臟污,然后通過缺陷位置掩碼圖進行描述,輸入Stable Diffusion框架,就可以得到一張可用的缺陷仿真圖。
圖片來源:阿丘科技官網(wǎng)
AIDG平臺可以把劃傷、凹坑和臟污聚集在一張圖上,訓練集壓縮了66%,短時間內(nèi)將過檢指標降低10%左右,使漏檢指標降低約20%,將訓練時間縮短30%。
圖片來源:阿丘科技官網(wǎng)
更重要的是在產(chǎn)線迭代中,面對新的產(chǎn)品型號,只需要將舊型號的缺陷直接生成在新型號上,無需收集樣本,即可直接完成模型訓練?!癆IDG 1.0解決了單一型號單一類別缺陷的生成和自動標注問題,AIDG 2.0要解決跨型號多類別缺陷生成和自動標注問題,提升AI的批量化復制?!眳怯昱嗫偨Y。
同在4月13日,創(chuàng)新奇智推出生成式AI產(chǎn)品——“奇智孔明AInnoGC”,可實現(xiàn)內(nèi)容生成、智能問答、多輪對話、推理能力和代碼生成,滿足制造企業(yè)的個性化需求。
創(chuàng)新奇智由創(chuàng)新工場孵化,成立于2018年,李開復擔任董事長,CEO徐輝具有20多年B2B企服經(jīng)驗,曾任微軟大中華區(qū)副總裁,CTO張發(fā)恩曾任百度云計算事業(yè)部技術委員會主席。2022年1月,創(chuàng)新奇智在港股上市,主要產(chǎn)品包括機器視覺智能平臺ManuVision、邊緣視頻智能平臺MatrixVision、分布式機器學習平臺Orion和 云平臺Cloud,合稱“MMOC人工智能技術平臺”。
其中,機器視覺智能平臺ManuVision預置了大量行業(yè)知識和經(jīng)驗,包括面板半導體、3C電子、汽車裝備、新材料等;ManuVision還跟AInnoGC疊加,通過AIGC技術學習已有和公開數(shù)據(jù)集,生產(chǎn)缺陷圖,解決樣本量不足的問題。
而奇智孔明AInnoGC不僅擁有產(chǎn)線布局生成能力,可幫助工廠自動規(guī)劃生產(chǎn)產(chǎn)線和倉儲區(qū)域優(yōu)化布局,而且擁有對話能力,可在AI實訓中心,基于現(xiàn)有工業(yè)知識圖譜回答問題。
比如,奇智孔明AInnoGC不僅可以統(tǒng)計工廠產(chǎn)品的產(chǎn)量和良品率,還可以對良品率做出分析。
圖片來源:創(chuàng)新奇智官網(wǎng)
基于創(chuàng)新奇智的實踐,張發(fā)恩認為,利用大模型、小樣本學習和AI數(shù)據(jù)生成技術,預計可以使客戶節(jié)約50%的費用,訓練時間有望降低到原來的1/3。不過當前,這三者都還不夠成熟完善,仍處于探索階段,也都需要持續(xù)的實踐經(jīng)驗和數(shù)據(jù)補充。
02 找到突破點AI質(zhì)檢出現(xiàn)高增長
AI圈兒里有個玩笑,什么是人工智能?答案是先人工,后智能。
“只有先堆上去足夠多的人力,才輪到智能?!焙忉屨f。胡威從事工業(yè)AI質(zhì)檢已有7年時間,在這段職業(yè)生涯中,最令他崩潰的不是寫代碼和調(diào)算法,而是搜集缺陷數(shù)據(jù);搜集缺陷數(shù)據(jù)往往耗時數(shù)月,做好的模型剛跑半年,產(chǎn)線升級,他和團隊又得從頭開始。
胡威的團隊在蘇州服務3C代工廠的結構件質(zhì)檢,設備導入周期平均 6 個月,單產(chǎn)品模型訓練周期 2 個月,每個項目平均要有 5 位工程師駐場實施,整套成本高達 40萬-100 萬元。
上線周期長的最大原因是樣本難收集。不同的人對同一缺陷有不同的標注,同一個人在不同的時間段,對同一缺陷的標注也不一樣,由此缺陷標注經(jīng)常產(chǎn)生沖突,導致模型遲遲無法提升。
同時,3C產(chǎn)線工藝波動大,“果鏈”(蘋果供應鏈企業(yè)的簡稱)代工廠的產(chǎn)線每兩年要徹底更換,模型無法復用,算法重新訓練。
目前,唯一的方法就是等?!拔覀冎荒芙⒁粋€專業(yè)的標注團隊,但是樣本量越大,標注成本越高,上線周期越長。”胡威想起來就苦笑。
圖片來源:IDC
對于從事AI交付的李湘來說,噩夢則是數(shù)字化設備交付之后,調(diào)試團隊遲遲無法撤離。
李湘舉例,比如最常用的幾何匹配算法工具,需掌握較專業(yè)的圖像處理知識和幾何匹配算法的基本原理,才能進行調(diào)試;而一般的應用工程師,即有圖像處理背景與編程背景,且碩士及以上學歷,才能把參數(shù)調(diào)整到比較好的狀態(tài)。
就算這樣,在最麻煩的項目中,調(diào)試人員兩年多無法撤離,給他造成了巨大的心理陰影。
這些都是AI落地中的常見難點,也是長期以來工業(yè)AI難以普及的根本困境。有從業(yè)者舉例,一次賣出25套設備,收費300多萬元,本來是個喜事兒,結果交付用了幾百人,人力成本200萬元,加上硬件成本,基本沒有利潤。
反觀大廠,也是如此。一位從業(yè)者說:“大廠在這方面的團隊都在1000人左右,每年賠十幾個億不在話下?!?/p>
這個虧本賺吆喝的時代,被從業(yè)者們稱為“工業(yè)AI 1.0”時代。
不管是國內(nèi)的阿丘科技、創(chuàng)新奇智和思謀科技,還是美國的康耐視(COGNES,計算機視覺公司,成立于1981年),都是算法起家,早期都需要投入大量人力收集圖片、訓練模型、研究算法。
彼時工具鏈不完善,落地方法不成熟,只能靠一個一個做項目,一點一點積累場景數(shù)據(jù),實現(xiàn)從0到1的突破。
轉(zhuǎn)機發(fā)生在2019年。阿丘科技CEO黃耀認為,這一年是“工業(yè)AI元年?!?/p>
阿丘科技完成一個3C結構件的檢測,這是一個塑膠件、金屬件等多種材料組合的結構件,異形、缺陷種類超三十種,并且形態(tài)多變,傳統(tǒng)機器視覺難以識別。阿丘科技通過深度學習解決了復雜場景下的識別問題,而且在兩周內(nèi)做出demo,驗證后快速上線。
黃耀發(fā)現(xiàn),只要是人眼可以識別的缺陷,深度學習都可以識別。憑借特征提取能力和對高維數(shù)據(jù)的表征能力,深度學習能夠容忍復雜圖形中的自然變化,區(qū)分機器視覺無法識別和分辨的缺陷,令檢測精度大幅提升。
在一個傳統(tǒng)機器視覺束手無策的場景中,深度學習快速崛起。
除了阿丘科技,創(chuàng)新奇智、思謀科技、康耐視等廠商都開始把深度學習落地到工業(yè)場景,AI質(zhì)檢出現(xiàn)高增長。
創(chuàng)新奇智招股書顯示,2018年、2019年、2020年及2021年前三季,創(chuàng)新奇智營業(yè)收入分別為3720萬元、2.29億元、4.62億元、5.53億元,報告期內(nèi)的總營收12.8億元。2018-2020營收復合年均增長率達到252.5%,2021 前三季同比增長85.8%。
阿丘科技也在結構件、模組、包裝、快消品、食品飲料等傳統(tǒng)制造業(yè)眾多場景批量落地。“這些行業(yè)的共同特征是問題驅(qū)動,而且問題只有用AI才能解決?!卑⑶鹂萍技夹gVP鐘克洪介紹。
IDC預計,2022年,計算機視覺中純用于質(zhì)檢這一細分場景的軟件類和服務類營收超過10億元,預計2025年將達到62億元規(guī)模。
03 工業(yè)大模型真正的國家基礎設施
不論創(chuàng)新奇智推出的奇智孔明AInnoGC,還是阿丘科技的缺陷生成平臺AIDG,都在大幅降低AI的應用成本,提高AI的遷移泛化能力,而這也是未來三年工業(yè)AI發(fā)展的重心。
黃耀認為,過去三年AI質(zhì)檢的發(fā)展側(cè)重于同一場景的復制,也就是用同一個模型解決同一場景的問題,比如在消費電子領域,做好一個結構件的檢測之后,再尋求同類場景的橫向復制。
2023年開始,AI的遷移和泛化能力提升,AI質(zhì)檢從單場景復制走向多場景遷移,比如從iPhone的金屬件檢測,到 Macbook、iPad的金屬件檢測,甚至遷移到汽車的金屬件檢測。這些結構件材料相似,工藝相似,AIGC可以將相似的缺陷快速呈現(xiàn)在一張缺陷圖上,加快項目落地。
同時,從一種材料向另一種材料的遷移也在加速中。雖然材料和工藝數(shù)據(jù)不同,但工具鏈可以復用。
2025-2030年,AI質(zhì)檢將進入全面普及時代,最終實現(xiàn)“AI for Every Factory”?!八怨こ處熆梢匀肀I,把AI當成一個強有力的武器,工業(yè)視覺的研發(fā)速度和研發(fā)成本就會下降?!秉S耀說,這是他在嘗試過所有大模型產(chǎn)品之后的感覺。
鐘克洪認為,根據(jù)杰弗里·摩爾(Geoffrey A. Moore)的跨越鴻溝理論,工業(yè)AI視覺已經(jīng)突破臨界點,接下來將進入行業(yè)普及期。
在AIGC能力加持下,工業(yè)AI企業(yè)的產(chǎn)品矩陣也在發(fā)生變革。
鐘克洪認為,從大的維度看,工業(yè)視覺解決方案會按兩個大的方向來進行演進:
輕量級場景更加強調(diào)一體化解決方案,更加簡單易用。整個行業(yè)里AI的平均成本將會極大下移。
復雜場景會更加強調(diào)通用解決方案,主要通過通用模型,降低綜合成本。
無論阿丘科技還是創(chuàng)新奇智,下一個焦點都是從算法模型向通用模型的演化。AIGC對AI質(zhì)檢的加持已經(jīng)讓工業(yè)級大模型的威力初露端倪。
中科院自動化所博士生導師、中科行智創(chuàng)始人彭思龍教授認為,工業(yè)領域需要一個相對通用的大模型,這樣每個具體場景中,只需要進行少量樣本標定,就能實現(xiàn)落地,而且全世界只有中國有這個機會和能力。
盡管中國擁有全世界最齊全的工業(yè)門類,即41個工業(yè)大類、207個工業(yè)中類、666個工業(yè)小類,但訓練大模型的數(shù)據(jù)從哪里來,誰來組織,誰來獲取,如何與企業(yè)溝通解決私密性問題,都成為新問題。一些制造業(yè)龍頭企業(yè),忌諱將內(nèi)部數(shù)據(jù)交給服務商。
即便如華為這樣的巨頭,也只有局部數(shù)據(jù),而創(chuàng)業(yè)公司只能夠通過項目積累數(shù)據(jù),“這里需要建立一套機制,只有國家來思考這個問題,地方政府都很難搞定?!迸硭箭堈f,“即使國家隊出面,企業(yè)數(shù)據(jù)也不會白給?!?/p>
思路之一是發(fā)改委或工信部出面組建團隊,每個行業(yè)挑前10個龍頭企業(yè)給予補貼,由龍頭企業(yè)提供數(shù)據(jù),相當于國家做一個工業(yè)基礎設施,以訂閱的方式提供給所有制造業(yè)企業(yè),象征性地收取部分訂閱費。
這是真正的國家級基礎建設。
工業(yè)級別的大模型一旦誕生,將有力推動傳統(tǒng)制造業(yè)的轉(zhuǎn)型升級,產(chǎn)業(yè)鏈轉(zhuǎn)移也將停止。彭思龍說:“當工業(yè)大模型出來以后,我比較看好傳統(tǒng)產(chǎn)業(yè)升級,傳統(tǒng)產(chǎn)業(yè)智能化這一塊一旦完成,中國真的就是世界工廠?!?/p>
(注:文中明陽、胡威、李湘為化名。)