开发部署门槛降后,华为让制造业AI的获取变得更灵活

2020-11-27 10:14

曾响铃

关注

3、以极短的落地周期,帮助企业快速适应市场变化、抓住市场机会

在激烈竞争的时代,企业面临的最大挑战在于外部环境的不确定性,制造业同样如此。

之所以要上线AI应用,根本上还是企业想要在新的时代快速适应市场的需要,以更高效率、更低差错、更少的成本完成产品生产。

但是,当一套AI应用的落地周期被拖得冗长,很可能当系统上线后,外部环境的倒逼已经使得智能化原本服务的基础制造业务线发生了很大的变化,二者不再能够匹配,这从根本上背离了智能制造的初衷。

华为昇腾智能制造使能平台除了再次降低企业获取AI能力的门槛,更重要的是,在系统化解决算法开发难、应用开发难、业务部署难的多链条环节痛点后,大大缩短从AI算法到工业制造场景化的进程,让制造业的AI能力上线更灵活。

一个典型案例是,华为首批上线的mxManufacture SDK,做到了2天完成友达光电解决方案孵化,过去这个周期需要2周。

三路夯实基础,普惠的同时华为还在推动技术升级

仅仅是降低门槛还不够,对AI来说,技术本身能否经得起考验是推动普惠的同时必须要关注的问题。

目前来看,在智能制造领域,华为同时从三个维度夯实了AI技术与实践的基础。

1、技术先验——“自己造的降落伞自己先跳”

华为各种对外技术输出、生态营造都坚持“自己造的降落伞自己先跳”,先通过自有业务对技术和应用进行大规模检验,不断完善、积累经验后,将之整合、优化再对外输出。

在智能制造这里也是如此。作为一个通信业务企业,华为本身也有着大规模产线,与智能制造相关的昇腾产业应用,往往都会在这些产线上先行实践。

例如,在质量检测方式由人工、传统机器视觉向AI视觉方式转变的大环境下,AI可以极大地提高检测精度同时减少对人力的依赖,华为松山湖工厂80+产线以部署基于昇腾智能制造使能平台的AI工业质检能力(SDK、Atlas等),覆盖服务器、无线、终端等产品,实现了99．9%的质检准确率,让产线质检的工作量下降了60%。

有了自身实践的支撑,华为智造能力输出变得更有底气,也更值得客户信任。

2、自我成长——体系化、自成长的实践反馈体系

如果一个AI应用部署之后就不再变化,它可能越来越不能适应新的产线要求,例如,新出现的产品瑕疵特征的识别等。

华为在此次分论坛上展示的,是一套能够实现自我不断成长的AI体系。

目前,昇腾AI产业在政务、电力、金融、交通、制造等领域都积累了众多的深度实践案例,不断反哺AI数据和算法能力的提升,优化全栈式平台使能体系。

而具体到个体企业,昇腾完成了边、端、云一体化的算法自我更新体系,边缘端出现未能识别的内容上传至云端,云端更新算法,以微服务的方式又部署到边缘,做到了对面对新情况、新环境的实时能力更新,让一套AI应用体系始终有活力,而这,才符合企业在不断发展发展过程中对智能化不断变化的需求。

换言之,我们看到的昇腾智能制造使能平台,不仅是一个静态的全栈平台,更是一个不断成长的全栈平台。