工業智能化面臨的問題：有效數據、智能技術與產線兼容

   工業智能化帶來的好處顯而易見：節約人力成本，提高生產效率，改進生產流程，有利于定制化、個性化的產品制造等，并且能夠提升所在行業的制造業競爭力，同時也讓工廠直接面向消費者，顛覆了傳統的交付模式。

   但工業智能化并非讓程序員去工廠走一趟這么簡單。被科技巨頭們大書特書的案例，表面上是一個又一個漂亮數字，但背后也隱藏著工業智能化所面臨的難題，業內人士也認為，“外行人看來很多領域都實現了智能化，但是真正能實現一整套智能化解決方案的企業很少。目前所謂的智能化準確來說還都是半智能化。”就目前來看，最大的問題有三項：

   第一，智能化的實現依賴于有效數據，數據來源于工廠機械與IOT（物聯網）設備，并且要實現標準統一。但是一方面，部分工業數據很難進行結構化處理，而且信息化設備是一筆巨大的投入；另一方面，工業數據也有其敏感性，有的廠家不愿意對第三方開放數據。因此，從商業性角度看，第三方解決方案提供商要說服工廠，提供足夠的商業動機，這意味著智能化解決方案要起到立竿見影的效果。目前BAT、華為、亞馬遜、微軟、谷歌都在致力于研發工業智能化解決方案，以及對生產線影響更小的改造模式，保證工廠在不停產的前提下實現信息化改造。

   第二，從前文提及的智能質檢一體機發現，各個環節的智能設備正在往輕量化、小型化的方向發展，這是出于工廠空間利用的需求。邊緣設備包括了攝像頭、運算主機、IOT感應件等，業內早期的智能質檢方案甚至有兩張臺球桌大小，這對于在工廠場景落地明顯不利。近兩年得益于更輕量化的板卡與感應器，設備的小型化成為可能，云計算技術也扮演了關鍵角色，但工廠吞吐的生產信息量十分龐大，對網絡環境也提出了很高要求，這也是整體協同運作的前提，近兩年開始落地的5G技術將這一問題的答案。

   第三，工業與AI不是簡單的相加模式，也不僅僅是寫個平臺系統這么簡單。從理念上看，工業化要求穩定、可復制，但生產環境往往不穩定，產生的數據也不穩定；智能化要求靈活便捷，即插即用，雙方某種程度上是沖突的。工業+AI的過程需要智能化工程師/碼農深入理解行業與場景，而一家工廠內的產線與產線之間也存在巨大差異，需要區別對待，這無疑帶來了巨大的工作量與人力需求，同時也使得解決方案具備不可復制性，也就暫時無法大規模鋪開。

   業內人士也認為：“工業智能化是一個龐雜的工程，涉及整個產業鏈，需要上中下游廠商相互合作，單靠某個環節的推動根本不行，其中還有很多技術和利益的問題需要協調。”但業界也相對樂觀：“一方面這塊市場會有更多的企業參與進來，去做工業智能化的解決方案，因為像阿里華為他也不可能把所有行業都包圓了，另一方面技術的困難，都是‘主觀的困難’，克服只是時間問題，工業智能化的浪潮是不可逆轉的。