从“制造”到“智造”，企业如何借力AI实现“量质齐升”？

　　中新网12月9日电 智能化水平提升制造业的竞争力，打造新一轮产业变革中的国家实力，并应对当下气候变化和人口老龄化的时代挑战，已经成为世界各国在新一轮工业革命中的施策要点之一。

　　作为制造强国建设的主攻方向，智能制造关乎我国未来制造业的全球地位，对构建新发展格局，建设数字中国更具有重要意义。因此在政府报告的内容中，也常常能见到对于制造领域以及相关企业具有明确指导性的方针政策，其中涵盖了从顶层设计到具体实施的全方位部署，为整个行业数字化转型的未来勾勒出了宏伟蓝图。

　　在政策支持、技术发展和市场需求推动下，5G、大数据、云计算、人工智能向制造业加速融合渗透，推动了制造企业在瑕疵检测、精密加工、时序预测、园区管理等方面的绩效提升。

　　精准突破，AI助企业实现“量质双升”

　　成功的经验往往蕴含着普遍性的启迪作用。以电池工厂中首个获评全球“灯塔工厂”的宁德时代为例，其基于全球市场需求持续增长而来的产能和质量提升的诉求，催发了AI 动力电池缺陷检测解决方案的需求。这样的解决方案既要能满足总部逐层管控的要求，还需要具备更高效的实时缺陷检测能力，即在图像处理速度上实现单工序 400FPS 以上且达到零漏检的目标。

　　瑕疵检测是一项高度精细，且较为耗时的工程。传统的人工瑕疵检测方式不仅速度慢且准确度较差，而传统数字图像处理技术泛化能力差，需要根据每个机台进行参数适配且与分工厂及总部脱节，缺乏整体部署管控能力，处理能力不能与持续增长的市场需求相匹配。

　　在此之前，宁德时代已在电池产品制造工厂的每一条电池生产线上都部署了多个摄像头，每秒钟即可产生数百张图片，而一个厂区至少有十几条生产线，所以一个厂区每一秒就有几千张甚至上万张图片产生。因此，宁德时代急需导入一套技术方案，来对上述海量图片进行实时分析和处理，以判断生产过程中是否有产品缺陷，从而解决质量控制上的行业难题。

　　几经考察，宁德时代选择了导入集成AI加速能力的英特尔至强可扩展平台产品组合，构建起了一套横跨“云-边-端”，融合计算机视觉(CV)、深度学习(DL)和机器学习(ML)技术的 AI 电池缺陷检测方案。

　　以基础设施为本，释放制造业AI潜力

　　工业视觉平台是宁德时代全新 AI 缺陷检测解决方案的核心系统，其以集群形式来搭建， “云平台”在宁德时代总部，“边缘”系统设立在分工厂，“终端”设立在生产线，不仅便于统一管控，还可以通过分布式部署来减缓处理压力。

　　但分布式推理经常会遭遇衔接不畅的问题。为解决这个问题，宁德时代的选择是，以统一的大数据分析及 AI 平台来应对，同时选用了面向英特尔架构优化的 PyTorch深度学习框架进行 AI 处理，以及英特尔开源的OpenVINO 工具套件来进一步加速 AI 推理性能。

　　正所谓好马配好鞍，先进的 AI 软件优化技术及工具，也需要搭配一流的硬件基础设施才能发挥出最大价值——宁德时代在英特尔的支持下，在“端”处采用了英特尔酷睿 i5/i7 系列处理器，来构建工业视觉平台系统；在“边缘”推理模块及“云”中心的训练模块，导入英特尔至强可扩展平台，来为更复杂的训练和推理，以及总部的统一数据管理提供更强的算力和存储支持。此外，英特尔还针对宁德时代“CV+DL+ML”混合模式的创新型缺陷检测方案，在其选用模型、训练方法、数据标注及模型调优等方面提供了全面支持，使基于 AI 技术的缺陷检测方案进一步提升了训练准确率，并使检测准确率和瑕疵找回率都超过了99%。

　　像宁德时代上述经验虽然只是“灯塔工厂”们数字化智能化建设的小荷尖角，但以工业互联网、大数据、人工智能等技术为新动能，从点到面铺开来稳步推进业务变革和流程再造，已经是制造业在借助数智化实现转型的共识，是他们在降本增效上的 “范本”。而在这一进程中，无论是诸多“灯塔工厂”的实践经验还是业界专家的建议，背后都可见开放架构计算平台，特别是英特尔架构平台对于制造业企业依托智能技术加速转型过程中的重要性。这很大程度上是由于其不但久经企业应用领域的考验，还能很好地兼顾通用计算与专用加速的创新趋势，特别是在通用计算方面的长期投入，使得基于英特尔架构的平台与新兴的、专攻不同特定应用加速的芯片及架构相比，在满足既有IT应用需求，并同步推动人工智能落地层面，对于人才和基础设施更新的需求更少，利于包括制造业在内的众多传统行业，无论是其中的大型、标杆型企业，还是中小企业以更低的成本和更快的速度去复刻行业内实践成功的方案，从而能帮助他们紧跟全行业“智造“进度，为建设数字中国提供增效。