制造業作為國民經濟主體，是國家創造力、競爭力和綜合國力的重要體現。作為制造強國建設的主攻方向，智能制造發展水平關乎我國未來制造業的全球地位。工信部聯合發改委、教育部等多部門發布的《“十四五”智能制造發展規劃》中明確提出，到2025年，70%規模以上的制造業企業基本要實現數字化、網絡化，建成500個以上引領行業發展的智能制造示范工廠等具體要求。

與此同時，面對供應鏈環境不確定性的增加、人力等運營成本的逐漸攀升、“雙碳”戰略之下能源轉型的迫切要求等情況，制造業想要實現高質量發展，邁向中高端水平，不僅需要從低附加價值領域向高附加價值領域兩端延伸，更重要是需要加快人工智能等核心技術規模化應用落地。

在此背景之下，如何利用好人工智能這把利劍，加快新舊動能轉換，實現傳統生產方式的轉型升級，也成為每個制造企業不得不思考的問題。

AI大生產平臺助力智能制造規模化落地

5月20日，在深度學習技術及應用國家工程研究中心主辦、百度飛槳承辦的Wave Summit 2022深度學習開發者峰會上，百度首席技術官、深度學習技術及應用國家工程研究中心主任王海峰指出，在AI工業大生產階段，深度學習技術的通用性越來越強，深度學習平臺的標準化、自動化和模塊化特征越來越顯著，深度學習應用越來越廣泛且深入，已經遍地開花。從前沿科技到智能制造，飛槳作為中國首個自主研發、功能豐富、開源開放的產業級深度學習平臺，一方面深入各種實際應用場景，發布豐富的產業級開源模型庫和詳盡的產業實踐范例庫，讓開發者更容易使用飛槳。另一方面，也積極與各種芯片、邊緣終端進行適配融合，形成了軟硬協同的優勢。更懂場景的飛槳不僅在便捷、易用、效能等方面再度刷新記錄，更將為產業應用與前沿探索提供更加硬核的技術源動力。截至目前，飛槳平臺已凝聚477萬開發者，服務18萬企業，創建56萬模型。依托飛槳，累計培養200萬AI人才。掃碼立即加入飛槳技術交流群與行業AI伙伴并肩前行
直擊場景痛點，AI“智眼”和“大腦”帶給工廠的新想象基于國家政策的推動，憑借對產業變革的強大驅動力，目前，以飛槳為代表的深度學習平臺在制造業的落地主要集中在工業視覺、工業設備監控、數據智能和物流倉儲等應用場景，在研發設計、優化生產工藝和排期、設備運維、智能供應鏈等環節發揮著“智眼”和“大腦”的支撐作用。

場景一：工業視覺

工業視覺檢測作為保障產品質量的重要環節，被廣泛應用在鋼鐵、汽車、3C電子、印染紡織等眾多領域。在AI出現之前，往往是依賴人工檢測或者使用傳統圖像處理算法。人工檢測效率低，成本高，且容易受到人為主觀因素影響，傳統圖像處理算法對于復雜場景魯棒性差，而隨著卷積神經網絡為代表的AI算法出現，其有效地解決在復雜場景檢測中的問題，在實際的項目過程中對目標識別具有更好的普適性。某汽車零部件生產公司噴油器閥座瑕疵檢測每日平均需求4000-6000件，峰值12000件，此前只能通過人工肉眼來實現判斷。依托飛槳平臺完成噴油嘴識別模型，結合原有業務流程和硬件，實現零件瑕疵判讀的無人化，已經節約近60萬/年的人力成本，并將檢驗效率整體提高30%。基于百度飛槳研發的噴油器閥座瑕疵智能檢測設備

場景二：人員設備監控

在24小時不停運轉的智能工廠里，突發的停機事件將會造成不小的損失。由于機床、工業機器人等設備的結構復雜，以往的設備監管存在設備維護成本高、對維護人員的技能要求高、維修效率低等問題。同時，在眾多工業場景中，像重工業機械臂、電力塔無人機、自動導引車AGV因需頻繁充電所導致的安全問題，也成為生產管理人員工作的痛點。當前，AI工業設備開啟了智能廠區管理新思維，為“智能、高效、安全、可靠”地運行提供了新的護航能力。以華夏天信機器人有限公司基于百度飛槳開發出的輸煤膠帶智能巡檢機器人，不僅能實現高頻次、無間歇巡檢，還能通過攝像儀將實時視頻回傳并智能識別分析，一次性解決了工作效率、惡劣環境、作業安全等多項難題。輸煤膠帶智能巡檢機器人

場景三：數據智能

如今，在工業企業數字化轉型升級背景下，工業企業數據在原本龐大的體量基礎上仍在飛速增長。但在支持上層應用時，工業大數據在來源多樣性、數據時序性和機器復雜性上面臨諸多痛點。而如何從“人、機、料、法、環、測”等方面加強全生命周期數據開發利用，提升數據驅動作用，也成為行業需要突破的瓶頸。以數據智能驅動制造企業提質增效正成為制造業數字化的一個重要特征。越來越多制造企業將數據服務嵌入業務場景中，在工藝優化、排產調度、異常預測與診斷問題等環節激發數據價值，甚至讓常人難以忍受的機器噪音在AI看來意義重大，它反映著設備的健康狀態和運行情況，并可針對性的進行設備預測性維護。以某鋼鐵廠車間為例，飛剪設備剪下鋼帶后，會產生一個不到一秒的噪聲脈沖。通過百度飛槳進行AI識別，與典型噪聲特征集進行對比，在完成一段時間的生產數據統計后，即可分析整個切割機器是否異常，減少70%的故障停機，同時，通過科學維修排班，優化備件采購計劃，還可使維護成本降低25%，工廠產量提升20%。面對制造業數字化轉型升級的諸多痛點時，盡管人工智能技術可以提供新的解決方案，激發新的能力，帶來前所未有的價值。但在人工智能技術滲透到裝備、生產工藝、生產決策、產品全生命周期管理、研發設計等環節，實現規模化協同應用的過程中 ,如何讓制造業降低AI應用門檻，更簡單、更靈活、更低成本地部署和使用AI，成為大多數制造業企業共同關心的問題。

場景四：智能物流倉儲

制造業與物流結合緊密，隨著制造業的高速發展，對自動化率、全產業鏈協同和生產效率再提高等方向均提出了更高的要求，需要物流倉儲能夠匹配相應的生產節拍。同時，據統計我國制造業生產成本中，物流占比高達三成，降低物流成本成為了制造業利潤提升的關鍵一環。在物流行業，每天會產生海量的電子快遞單，NLP技術能夠大大提升快遞單信息結構化效率。應用飛槳自然語言處理開發庫PaddleNLP，可以實現從用戶提供的文字信息中快速抽取姓名、電話、省、市、區、詳細地址等內容，形成結構化的信息可以很好地輔助物流行業從業者進行有效信息的提取，從而降低客戶填單的成本。如何更低門檻用上AI，快速成為行家里手？面對智能制造發展的廣闊藍海，越來越多的開發者迫切希望找到深度學習模型在產業中落地的支點，掌握解鎖技術攻關和場景落地的“通關密碼”。為此，飛槳攜手產業合作伙伴，聚焦智能制造八大核心主題，硬核打造工業高價值深度學習系列課程。聯合多位百度技術專家與行業專家，圍繞智能工業質檢、產區安防、設備預測性維護等熱門賽道，直擊制造業轉型真實痛點，深度剖析技術難點及落地方案，深度講解如何降低AI開發和應用門檻，共同解碼制造業數字化的新變革。5月24日-6月8日，一場連續三周的AI產業應用大講堂，帶你開啟智能制造的“通關”之旅。