全球性的新冠疫情使制造業(yè)陷入困境，供應(yīng)鏈、供貨商和分銷商均遭受了巨大打擊。 在縮緊開支的同時(shí)，很多公司將目光聚焦到人工智能（AI）技術(shù)上，希望借此機(jī)會(huì)加速產(chǎn)業(yè)的自動(dòng)化、智能化轉(zhuǎn)型，拓展 AI 的應(yīng)用場景。 CB Insights 通過研究和分析制造業(yè)產(chǎn)業(yè)鏈，整理出了三篇有關(guān)制造業(yè)領(lǐng)域 AI 應(yīng)用前景的報(bào)告，分別側(cè)重產(chǎn)品設(shè)計(jì)與研發(fā)、供應(yīng)鏈與供應(yīng)商、以及生產(chǎn)線和裝配線三大方向。以下是經(jīng)過整理的三篇報(bào)告的核心內(nèi)容和精華部分。 方向一：更快、更具成本效益的產(chǎn)品設(shè)計(jì)

對制造業(yè)來說，產(chǎn)品零部件的材料、形狀和尺寸設(shè)計(jì)，會(huì)影響整個(gè)價(jià)值鏈的生產(chǎn)和運(yùn)營效率。事實(shí)上，設(shè)計(jì)決策可能決定了產(chǎn)品制造成本的 70% 左右。

除了成本考量，制造業(yè)還需要不斷創(chuàng)新，將新產(chǎn)品和新設(shè)計(jì)推向市場，以保持競爭力。但這實(shí)現(xiàn)起來，往往并不容易：設(shè)計(jì)一款產(chǎn)品，比如汽車或集成電路，可能需要 2 到 5 年的時(shí)間，而發(fā)現(xiàn)全新材料可能需要長達(dá)數(shù)十年的時(shí)間。 現(xiàn)在，制造業(yè)正在嘗試使用人工智能來使這一過程 更加省時(shí)省力，同時(shí)不影響安全性和結(jié)構(gòu)完整性。 削減成本的生成式設(shè)計(jì) 生成式設(shè)計(jì)軟件可以讓工程師快速迭代和測試設(shè)計(jì)。CB Insights 數(shù)據(jù)顯示，預(yù)計(jì)到 2030 年，生成式設(shè)計(jì)軟件的市場規(guī)模將可以達(dá)到 445 億美元。 在生成式設(shè)計(jì)中，算法將根據(jù)工程師設(shè)定的輸入標(biāo)準(zhǔn)，如尺寸、材料、重量等，為產(chǎn)品生成數(shù)千種備選設(shè)計(jì)方案。 隨著生成式對抗網(wǎng)絡(luò)（GAN）等泛化能力較強(qiáng)的模型問世，工業(yè)設(shè)計(jì)軟件正變得更加強(qiáng)大。生成式設(shè)計(jì)軟件會(huì)生成一個(gè)初始設(shè)計(jì)池，然后挑選出最好的設(shè)計(jì)，將它們的特征混合，迭代后生成第二個(gè)設(shè)計(jì)池。算法的快速迭代可以在短時(shí)間內(nèi)測試成千上萬種設(shè)計(jì)，比人類快數(shù)百萬倍。 這種技術(shù)思路在汽車和飛機(jī)零部件快速成型制造設(shè)計(jì)（3D 打印）中得到廣泛關(guān)注和應(yīng)用，比如，日本的兩家汽車行業(yè)制造商——電裝（DENSO）和本田——都通過與設(shè)計(jì)軟件供應(yīng)商 Autodesk 合作，在生成關(guān)鍵汽車部件原型的時(shí)候使用生成式設(shè)計(jì)。電裝是世界第一大汽車零部件供應(yīng)商，它利用該技術(shù)設(shè)計(jì)了一個(gè)發(fā)動(dòng)機(jī)控制單元（ECU），使其減重 12%。 飛機(jī)制造商空客也曾試行通過生成式設(shè)計(jì)來制造 A320 飛機(jī)的隔板。新設(shè)計(jì)比以前的設(shè)計(jì)輕了 45%，具有巨大的成本節(jié)約潛力。據(jù)空客估算，新設(shè)計(jì)每年可減少近 50 萬噸的二氧化碳排放。

該技術(shù)仍然面臨不少挑戰(zhàn)，比如 AI 算法的輸出本質(zhì)上取決于人類設(shè)定的參數(shù)和約束條件，尋找最優(yōu)參數(shù)可能既復(fù)雜又耗時(shí)。此外，如何在成千上萬的設(shè)計(jì)中梳理和挑選最佳設(shè)計(jì)，也需要一種高效且可擴(kuò)展的方法。 盡管如此，生成式設(shè)計(jì)仍然是制造業(yè)追求的熱門技術(shù)。隨著物聯(lián)網(wǎng)、實(shí)時(shí)模擬和增強(qiáng)現(xiàn)實(shí)等技術(shù)的普及，以它為核心的軟件即服務(wù)（SaaS）戰(zhàn)略有望成為復(fù)興制造業(yè)的關(guān)鍵。AI 自動(dòng)化電子設(shè)計(jì) 電子設(shè)計(jì)自動(dòng)化，包括芯片和印刷電路板的設(shè)計(jì)，預(yù)計(jì)到 2022 年將成為一個(gè) 110 億美元的市場。 芯片設(shè)計(jì)由兩個(gè)主要元素組成：布局和布線。前者指的是使用設(shè)計(jì)軟件繪制出不同元件的位置，后者則是用線將元件虛擬地連接起來。現(xiàn)在，研究人員正在嘗試使用 AI 軟件在幾天內(nèi)完成原本可能需要幾周的芯片設(shè)計(jì)工作。 谷歌最近發(fā)表了利用強(qiáng)化學(xué)習(xí)（reinforced learning，RL）實(shí)現(xiàn)自動(dòng)布局的研究。在設(shè)計(jì)電路布局時(shí)，RL 算法的優(yōu)勢體現(xiàn)在可以使用更少的電線、更有效地利用空間，或者功耗更低。在最初的實(shí)驗(yàn)中，RL 算法能夠在 24 小時(shí)內(nèi)為谷歌云芯片 TPU 提出設(shè)計(jì)建議。相比之下，人工方式則需要數(shù)周時(shí)間。

圖 | 谷歌自動(dòng)布局研究（來源：Google Brain）

在芯片設(shè)計(jì)中，AI 的應(yīng)用還是相當(dāng)小眾的，除了谷歌這樣的巨頭，也就僅有幾家早期創(chuàng)業(yè)公司在籌集資金，比如英國的 InstaDeep，德國的 Celus 和美國的 JITx。其中 Celus 今年剛剛獲得了 190 萬美元種子輪融資。 整體上來看，將 AI 用于電子設(shè)計(jì)自動(dòng)化仍是一個(gè)未知領(lǐng)域，早期初創(chuàng)公司和少數(shù)研究型實(shí)驗(yàn)室都在探索。機(jī)器學(xué)習(xí)算法的有效性尚未得到大規(guī)模驗(yàn)證，評(píng)價(jià)也是褒貶不一。 發(fā)現(xiàn)新材料 AI 可以幫助縮短發(fā)現(xiàn)新材料所需的時(shí)間。一種材料從發(fā)現(xiàn)到商業(yè)化，通常需要十年或二十年的時(shí)間。AI 可以壓縮這個(gè)過程：只要列出材料屬性，它就能快速篩選出優(yōu)秀的候選材料。而且，材料領(lǐng)域使用AI 技術(shù)也有可能助力3D 打印技術(shù)，發(fā)現(xiàn)新型打印材料。預(yù)計(jì)到2025年，先進(jìn)材料市場規(guī)模將以 10% 的年均增長率達(dá)到 1220 億美元。 不同的公司使用了很多不同的方法。初創(chuàng)公司 Citrine Informatics 將隨機(jī)森林與不確定性估計(jì)結(jié)合起來使用，讓算法對自己預(yù)測的信心程度打分。歐洲最大的平板玻璃制造商 AGC 正在與該公司合作，尋找和加速研發(fā)高性能玻璃。

（來源：Citrine Informatics）

對于這一應(yīng)用領(lǐng)域，最有挑戰(zhàn)性的是如何準(zhǔn)備好數(shù)據(jù)并挑選合適的 AI 模型，這一挑戰(zhàn)不僅耗時(shí)耗力，而且涉及計(jì)算機(jī)科學(xué)、物理、化學(xué)和數(shù)學(xué)理論等多個(gè)領(lǐng)域，需要交叉學(xué)科專家的深度參與。 除了降低實(shí)驗(yàn)成本，AI 還可以降低下游的采購、生產(chǎn)和維護(hù)成本。我們可能會(huì)看到，新材料的商業(yè)會(huì)速度在未來十年中不斷加速。 方向二：降低供應(yīng)鏈和供貨商風(fēng)險(xiǎn) 受到疫情影響，許多制造業(yè)公司都不得不面對因?yàn)楣?yīng)鏈中斷和采購合同中斷，導(dǎo)致正常的生產(chǎn)計(jì)劃受到嚴(yán)重拖累。 Thomas Net 最近的一項(xiàng)調(diào)查顯示，在接受調(diào)查的 1000 家北美制造商和供應(yīng)商中，超過 55% 的公司預(yù)計(jì)收入將下降。 為了保持機(jī)動(dòng)性并快速應(yīng)對突發(fā)的全球事件，制造商需要預(yù)測商業(yè)風(fēng)險(xiǎn)，并對與他們的合作伙伴保持關(guān)注。 預(yù)測供應(yīng)鏈中斷和供應(yīng)商風(fēng)險(xiǎn)風(fēng)險(xiǎn)管理包括了解環(huán)境風(fēng)險(xiǎn)、監(jiān)測品牌聲譽(yù)受損情況、評(píng)估網(wǎng)絡(luò)安全風(fēng)險(xiǎn)或違法行為等等。預(yù)計(jì)到 2025 年，供應(yīng)商風(fēng)險(xiǎn)管理市場規(guī)模將擴(kuò)大到 28 億美元。 制造業(yè)的供應(yīng)鏈越來越復(fù)雜：一家制造商可能直接與多家一級(jí)供應(yīng)商打交道，這些供應(yīng)商可能有自己的二級(jí)供應(yīng)商網(wǎng)絡(luò)，而二級(jí)供應(yīng)商又依賴于三級(jí)供應(yīng)商，以此類推。所以，制造商不僅需要在全球范圍內(nèi)維系這種復(fù)雜的關(guān)系網(wǎng)，還需要監(jiān)控運(yùn)營的中斷，即使是那些與他們沒有直接合作的二、三級(jí)供應(yīng)商。 通常來說，供應(yīng)商風(fēng)險(xiǎn)管理依賴于數(shù)據(jù)庫，這些數(shù)據(jù)庫廣泛地繪制了該公司全球供應(yīng)商的關(guān)系。AI 在其中扮演的角色與在銀行和醫(yī)療保健系統(tǒng)中類似：經(jīng)過大量數(shù)據(jù)訓(xùn)練后，提供一種了解客戶或者預(yù)測風(fēng)險(xiǎn)的解決方案。 AI 公司可以使用 NLP 來檢索多語種的新聞、政府?dāng)?shù)據(jù)庫、行業(yè)期刊和公司地理數(shù)據(jù)庫等資源，并監(jiān)測工廠事故、自然災(zāi)害、非法活動(dòng)或網(wǎng)絡(luò)安全漏洞等事件。機(jī)器學(xué)習(xí)算法還能用于評(píng)估各個(gè)供應(yīng)商的供應(yīng)鏈網(wǎng)絡(luò)，為其生成風(fēng)險(xiǎn)評(píng)分。

初創(chuàng)公司 Interos 表示，它擁有一個(gè)包含 5000 萬供應(yīng)商業(yè)務(wù)關(guān)系的數(shù)據(jù)庫，可以用機(jī)器學(xué)習(xí)從 8.5 萬種信源中提取數(shù)據(jù)。這些信息組成了風(fēng)險(xiǎn)分析模型的數(shù)據(jù)基礎(chǔ)。 在這一過程中，數(shù)據(jù)質(zhì)量是最大的挑戰(zhàn)之一。復(fù)雜且全球化的供應(yīng)鏈網(wǎng)絡(luò)，使得同一家公司可以以不同名字開展業(yè)務(wù)，依賴供應(yīng)商匯報(bào)的數(shù)據(jù)，也可能導(dǎo)致某些數(shù)據(jù)缺失。 另一方面，風(fēng)險(xiǎn)管理通常涉及多個(gè)數(shù)據(jù)集和解決方案，不同的供應(yīng)商有不同的風(fēng)險(xiǎn)，很少有公司能完成一站式服務(wù)，滿足制造商的所有風(fēng)險(xiǎn)評(píng)估需求。因此，一些初創(chuàng)公司專注于更細(xì)分的市場。比如獨(dú)角獸 OneTrust 專注于分析網(wǎng)絡(luò)安全風(fēng)險(xiǎn)，BlueDot 則專門從事醫(yī)療事件監(jiān)測。 我們可能會(huì)在供應(yīng)鏈管理領(lǐng)域看到更多的合作和整合，因?yàn)轱L(fēng)險(xiǎn)評(píng)估服務(wù)提供商的目標(biāo)是成為制造商的一站式服務(wù)平臺(tái)。目前，制造商不得不暫時(shí)尋找多個(gè)能夠相互契合的供應(yīng)商數(shù)據(jù)分析平臺(tái)。 按需制造市場 CB Insights 的市場規(guī)模數(shù)據(jù)顯示，按需制造是一個(gè) 2200 億美元的市場。 按需制造在汽車和醫(yī)療保健等行業(yè)正在飛速發(fā)展，因?yàn)樗鉀Q了關(guān)鍵的采購問題。比如標(biāo)準(zhǔn)化價(jià)格和與供應(yīng)商聯(lián)系的冗長過程。 前文提到，AI 可以加速制造業(yè)的設(shè)計(jì)過程。在設(shè)計(jì)完成后，按需制造允許工程師和設(shè)計(jì)師上傳 3D 文檔，讓 AI 來判斷設(shè)計(jì)的可行性、所需成本和所需時(shí)間。 這種情況通常出現(xiàn)在制造商需要定制特定部件并外包給第三方的時(shí)候。很多初創(chuàng)公司瞄準(zhǔn)了這一領(lǐng)域，為制造商提供供應(yīng)商網(wǎng)絡(luò)和即時(shí)報(bào)價(jià)服務(wù)。 他們主要利用 AI 分析制造商的 3D 設(shè)計(jì)文件、判斷其是否可行，需要使用什么技術(shù)和材料，還可以即時(shí)生成報(bào)價(jià)、估算交貨時(shí)間。

圖 | 按需生產(chǎn)（來源：3D Hubs） 當(dāng)然，報(bào)價(jià)服務(wù)離不開供應(yīng)商的數(shù)據(jù)。AI 會(huì)根據(jù)過去的采購訂單（包括特定設(shè)計(jì)和材料的常用報(bào)價(jià)等信息）進(jìn)行訓(xùn)練，學(xué)會(huì)如何綜合分析平臺(tái)上的供應(yīng)商，選出從制造工藝到交貨時(shí)間都符合要求的一家或多家，將其與供應(yīng)商匹配。 成立七年的初創(chuàng)公司 Xometry 表示，他們致力于消除制造商和供應(yīng)商之間的冗余溝通。這家公司已經(jīng)獲得了寶馬和通用電氣的投資，目前擁有超過 4000 個(gè)合作伙伴。 按需制造的另一個(gè)優(yōu)勢是小批量制造。大供應(yīng)商對小訂單的回應(yīng)速度很慢，而小供應(yīng)商又很難找到，按需制造平臺(tái)可以有效解決這一問題，準(zhǔn)確匹配小訂單和小供應(yīng)商。 利用 NLP 分析合同 CB Insights 的數(shù)據(jù)顯示，到 2027 年，合同管理預(yù)計(jì)將成為一個(gè) 50 億美元的市場，而法律科技中的人工智能市場，預(yù)計(jì)到 2026 年將達(dá)到 380 億美元。 采購或制造合同中涉及到的詞語和細(xì)節(jié)，如果不加重視，可能會(huì)導(dǎo)致巨大的風(fēng)險(xiǎn)和損失。例如對不可抗力的定義，直接關(guān)乎企業(yè)能否在疫情期間無損解除合同。 AI 可以在幾分鐘內(nèi)掃描數(shù)千頁的法律文件，找出不符合公司政策的地方。這項(xiàng)工作如果換成人類律師來做，可能要花數(shù)天時(shí)間。

圖 | NLP 掃描條款（來源：Sievo） 自然語言處理技術(shù)（NLP）是掃描合同的首選算法之一。它可以提取關(guān)鍵信息，標(biāo)記措辭或遺漏信息的潛在問題，以便進(jìn)一步人工審查。AI 技術(shù)還可以確保整個(gè)組織的合同標(biāo)準(zhǔn)化。 美國公司 Icertis 是合同管理領(lǐng)域的獨(dú)角獸，與空客、戴姆勒等制造業(yè)客戶均有合作。Icertis 平臺(tái)可以用 AI 分析 40 多種語言的合同，識(shí)別其中的條款，并從過去的合同談判獲得經(jīng)驗(yàn)。 雖然以 AI 為基礎(chǔ)的合同管理正在金融和企業(yè)法律部門興起，但在制造業(yè)發(fā)展緩慢。隨著技術(shù)的成熟，它有望成為制造業(yè)采購和流程自動(dòng)化業(yè)務(wù)的重要工具。 方向三：利用 AI 加速產(chǎn)品生產(chǎn)和組裝

新冠疫情讓已經(jīng)陷入困境的制造業(yè)雪上加霜。隨著制造商被迫重新思考產(chǎn)品生產(chǎn)和組裝業(yè)務(wù)，AI 的地位正在迅速上升。 我們研究了 AI 在生產(chǎn)線和裝配線的案列，意識(shí)到整個(gè)制造業(yè)正處于十字路口。 次世代協(xié)作機(jī)器人預(yù)計(jì)到 2026 年，工業(yè)機(jī)器人系統(tǒng)的市場價(jià)值將達(dá)到 1380 億美元。其中的一個(gè)分支，協(xié)作機(jī)器人，到 2030 年將成為 120 億美元的市場。協(xié)作機(jī)器人通常以機(jī)械臂的形式存在，與人類一同工作，負(fù)責(zé)物體的拾取、放置或分類，也可用于裝配和檢查。 AI 可以幫助這些機(jī)器人更好地工作。對于一家公司來說，如果每個(gè)機(jī)器人都能連接到中央云端，就可以組成一個(gè)“AI 大腦”，每個(gè)機(jī)器人不僅可以從自己的環(huán)境中不斷學(xué)習(xí)，還可以從整個(gè)工業(yè)機(jī)器人網(wǎng)絡(luò)中學(xué)習(xí)。 物流 AI 公司 Covariant 就采用了這種理念，通過強(qiáng)化學(xué)習(xí)技術(shù)訓(xùn)練網(wǎng)絡(luò)中的機(jī)器人，提升其性能。另一家公司 Universal Robots 生產(chǎn)的機(jī)械臂，還可以通過計(jì)算機(jī)視覺識(shí)別物體的形狀和大小，幫助篩查和分類產(chǎn)品。 貨物運(yùn)輸機(jī)器人 預(yù)計(jì)到 2026 年，自主移動(dòng)機(jī)器人（Autonomous Mobile Robots，簡寫為 AMR）將成為一個(gè)價(jià)值 5900 億美元的市場。 在制造業(yè)，AMR 主要用于運(yùn)輸貨物。它們可以在工廠的樓層、裝配線和倉庫之間移動(dòng)，從而運(yùn)輸需要的零件。AI 軟件使其能夠感知環(huán)境，并對路徑上的障礙物作出實(shí)時(shí)反應(yīng)，而不是遵循預(yù)先設(shè)定的靜態(tài)路線。 當(dāng)部署多個(gè) AMR 時(shí)，一個(gè)集中的“AI 大腦”可以處理協(xié)調(diào)和導(dǎo)航，其中會(huì)用到計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和軌跡規(guī)劃算法。這種控制系統(tǒng)，在上百個(gè)機(jī)器人同時(shí)工作時(shí)，是不可或缺的。雖然目前 AMR 的應(yīng)用仍處于早期階段，但它的潛力值得肯定。

2018 年，空客進(jìn)行了首次 AMR 試驗(yàn)，在其英國工廠內(nèi)運(yùn)輸重型飛機(jī)機(jī)翼。該公司使用了由丹麥移動(dòng)工業(yè)機(jī)器人公司 MiR 的產(chǎn)品，并與研究小組 AMRC 合作，使機(jī)器人適應(yīng)其特定需求。在 AI 的幫助下，MiR 機(jī)器人可以預(yù)見路徑上潛在的障礙物并主動(dòng)改道，還能夠做到實(shí)時(shí)決策。 實(shí)時(shí)生產(chǎn)監(jiān)控和質(zhì)量檢測 根據(jù) CB Insights 的數(shù)據(jù)，預(yù)計(jì)到 2023 年，生產(chǎn)監(jiān)控將具有60 億美元的市場。企業(yè)在該領(lǐng)域使用 AI 的方式有兩種：實(shí)時(shí)監(jiān)控裝配線工人和工作流程，以及實(shí)時(shí)檢測零件缺陷。 AI 算法可以基于企業(yè)收集到的工人和產(chǎn)品數(shù)據(jù)（比如什么是正常操作、什么是錯(cuò)誤操作、以及哪些零件有缺陷等等），來判斷流水線上的產(chǎn)品質(zhì)量是否合格，以減少后期的產(chǎn)品召回和其他問題。

在這一領(lǐng)域的初創(chuàng)公司包括 Instrumental、Elementary Robotics 和 Landing AI。其中 Instrumental 專注于利用 AI 實(shí)時(shí)識(shí)別流水線上的產(chǎn)品缺陷，并在 2020 年第三季度獲得了 2000 萬美元融資， 寶馬在德國的一家工廠引入了圖像識(shí)別技術(shù)。員工從不同角度拍攝汽車并與車型匹配，用作訓(xùn)練 AI 的初始數(shù)據(jù)集，隨后就可以在生產(chǎn)過程中自動(dòng)驗(yàn)證汽車上是否貼有正確的代號(hào)。 為了減少人工錯(cuò)誤，制造業(yè)巨頭 ABB 和電信公司 Telia 合作，在流水線引入了 AI 攝像頭和 5G 技術(shù)，可以用計(jì)算機(jī)視覺軟件對監(jiān)控工人，并提供實(shí)時(shí)反饋。 總結(jié) 目前來看，制造業(yè)整體上對 AI 的應(yīng)用仍處于早期階段，但許多應(yīng)用場景都有具備大規(guī)模引入 AI 技術(shù)的潛力，許多公司正在朝著這個(gè)目標(biāo)努力，隊(duì)伍中既有初創(chuàng)企業(yè)，也有老牌制造業(yè)巨頭和科技巨頭。 隨著 AI 技術(shù)的進(jìn)步，市場規(guī)模還將進(jìn)一步擴(kuò)大?？梢灶A(yù)見的是，未來會(huì)有更多公司涉足該領(lǐng)域，AI 驅(qū)動(dòng)的自動(dòng)化趨勢也將繼續(xù)保持下去。 - END -

原文標(biāo)題：后疫情時(shí)代，AI如何復(fù)興制造業(yè) | CB Insights報(bào)告

文章出處：【微信公眾號(hào)：DeepTech深科技】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。