“AI+制造”被認為是制造業發展的必然趨勢，也是我國產業轉型升級的重要推動力，其在制造業領域的應用，本質上是為了提高制造業的生產效率，降低生產成本。
過去幾年，有不少AI公司開始推出了智能制造的解決方案，雖然取得了一定的成果，但并沒有全面實現落地。原因在于，市場需求十分瑣碎，沒有統一標準，其積累的有效數據可復用性非常小，因此幾乎每個項目都需要從頭開始為企業做定制化算法開發。這種模式成本較高，開發周期也更長，很難給企業帶來真正的降本增效。
與此同時，智能制造也已經開始由單點的局部能力提升，演變為面向全局智能的系統工程。企業的需求也從單一的產品需求轉變成對整體解決方案的需求。顯然，市場變化之下，傳統的算法生產模式已經很難滿足企業需要，智能制造算法也必然要在整體生產流程、個性化定制、可靠性生產和柔性生產等方面均有一定的適配能力。
大模型技術成為算法開發新方向
對于AI解決方案商而言，算法開發呈現出以下四個特點：
從原先的點對點定制開發逐步轉向系統協同開發；
做好產品個性化的同時努力為數據和解決方案的標準化提供參考；
面向用戶標準開發時梳理數據邊界定義和可靠性建模方法，探索更加魯棒的人工智能相關理論和應用技術；
提高解決方案的適配能力，實現更高程度的生產智能化和資源利用率。
這要求AI公司改變原有的算法生產模式，在諸多技術之中，面向通用人工智能的大模型技術是聚焦點。
在該技術發展過程中，開源大模型起到了非常大的推動作用，其中最知名的大模型是Meta的LLaMa、斯坦福的Alpaca和伯克利的 Vicuna等模型。這三個開源大模型的意義在于，展示了基于開源與公開數據集訓練出高質量模型的可能性，生成的模型雖然不如ChatGPT-4，但對于多模態、信息的理解程度，這些模型的表現已經非常不錯。
具體數據、代碼及訓練費用如下表所示：
換句話說，利用大模型技術來改變原有的算法開發，降低成本，并非空中樓閣，已經在逐步落地。而其對于制造業來說，正如中國工程院院士李伯虎在2023年世界人工智能大會上指出的：“制造業是國民經濟的主體，AI大模型要加強制造業‘技術、產業、應用’的進一步融合，研發面向制造業的AI大模型技術，推動我國制造業數字化轉型與智能化升級。”
大模型技術正當時，探索技術應用可能性
作為扎根工業制造的AI公司，在大模型技術浪潮下，微億智造順應時勢開始探索大模型在工業領域的應用。一方面，繼續跟進開源數據的大模型技術，不斷迭代技術；另一方面，也在構建面向工業數據的大模型和推動大模型在工業制造場景的落地應用。
高效的知識整合方法
眾所周知，預訓練大模型是一種高效的知識整合方法，具備很強的數據歸納能力，近年來在語言、語音、圖像等數據建模上取得了令人矚目的進展。然而，工業生產數據和通用領域數據存在一定的域偏差，且有效標注的數據相對較少，這導致直接進行大規模預訓練的前提條件不足。
為此，微億智造將通用場景與某些智能產線場景進行域遷移，提高類似場景應用的智能化水平。同時，微億智造根據智能產線生產流程，將相關知識引入到模型的概率決策中，做到數據與知識的融合推理，提高產線場景建模能力。
以“工小匠|AI數字質檢員”為例，微億智造基于大模型域遷移和數據與知識融合推理所推出的缺陷檢測方法，能夠有效緩解因缺陷數據少且分布不平衡對檢測性能的影響。經實測，“工小匠”在項目樣本需求量減少70%的情況下，平均檢測準確率仍能達95%以上，大大縮短了項目周期以及產線的改造成本，提高了解決方案的應用適配能力。
可靠的數據增廣路徑
微億智造在通用大模型基礎上根據工業質檢、智能生產、智能監控等場景設計了多重解決方案，如輕量級快速交付解決方案、高召回人機協作解決方案、高品質系統解決方案等，大大提高了解決方案的適配性。
此外，為了提高數據增廣的有效性，微億智造在數據仿真和可視化交互方面也做了許多工作，主要包括面向工業異常數據的可編輯內容生成、數據分布可視化等。
在可編輯內容生成方面，針對缺陷樣本收集難、數據標注成本高等問題，微億智造通過自研貼圖和合成工具“神筆馬良”，利用可編輯的AI內容生成來精確生成不同位置和形狀的高仿真缺陷樣本，從而提高數據增廣的有效性。而且，“神筆馬良”在模型構建、迭代及部署等各環節都發揮著重要的作用，不僅大大壓縮了項目周期，還能提高模型性能。
而數據分布可視化主要用于解決項目中的數據邊界定義問題。如下圖所示，通過該可視化圖，項目實施人員能夠關注不同類別數據的模糊地帶，從而提高數據邊界確定的效率。
目前，微億智造已構建了面向工業質檢和智能工廠的大模型，并在此基礎上通過知識融入的預訓練和基于提示器的學習等算法創新，使得一些目標檢測和識別任務能夠從不同維度知識中獲取信息增益，從而提升系統建模能力和可靠性。
同時，為了解決產品的多樣性和用戶標準的主觀性問題，微億智造將所有解決方案和配置進行參數化，采用基于自動參數搜索的技術來生成智能解決方案，并持續強化學習技術引入生產流程優化，逐步幫助企業生產由人機協同模式往更加智能的自動化模式推進。
微億智造自研的高度模塊化的算法開發框架
如上圖所示，微億智造自研了一套高度模塊化的算法開發框架，在云端和終端都給出了一系列面向各種智能制造場景的全流程解決方案。該框架能夠面向指定場景實現解決方案推薦、數據增廣、模型訓練與評估、一鍵化測試與部署等功能，從而極大地提高算法開發和應用落地的效率，讓一些標準化的解決方案在成本上能夠推廣到小批量產品生產中，真正惠及廣大企業。
總結
未來一段時間，部分需要在現場由人腦進行復雜情況判斷的工序也會被人工智能技術逐步滲透。與此同時，隨著機器視覺、手勢識別等技術與工業機器人的深入融合，人機協作也將在更多工作場景和更多復雜工序中成為主流。
