工业升级的钥匙、智能制造的底座，究竟是什么宝藏？|制造业|智能制造|现代汽车|自动化

以色列作者尤瓦尔·赫拉利在他闻名于世的《人类简史》里写到：工业革命，是一场永远的革命。

的确，工业太重要了。

今天，中国科技崛起，新兴的信息技术不断创新，传统产业被数字化手段重新梳理，后疫情时代的产业政策正放大自己的影响力。而与民生就业、企业生产、国家实力紧密挂钩的工业，正进入新的局面——软件定义新工业的时代。

何为“新工业”？即愈发摆脱人的个体影响的工业形态，即技术发挥最大自动化价值的工业模式，即工厂变得更加数据驱动的的新阶段。

在这个阶段，涌现出了思谋科技、极熵科技、依图科技、黑湖智造等技术服务商，提升工厂拐角里机器运转的效率，推进着工业制造向前的步伐。

新技术，给工厂插上翅膀

一直以来，软件是新一代信息技术的灵魂。在云计算、大数据、人工智能、物联网、数字孪生等技术大融合的环境之下，软件正在定义可以定义的一切。

现代工业中，有很多企业在生产过程中，虽然使用了部分软件产品进行设备赋能，但背后主要还是依赖于工人的操作和认知。这就造成工厂的生产经营效率极大地受限于技术工人，管理粗犷的现象普遍存在。

成功经验没有压缩算法，依赖于人的模式势必局限。

现在，工业软件成为了工业技术软件化的产物，是工业化的顶级产品。为什么这么说？因为它封装了工业知识，建立了数据自动流动规则体系，打造了机器的大脑和神经，因此机器变得更加聪明，功能可以随时调整。

工业软件描述、集成、模拟、加速、放大、优化、创新了传统制造过程，形成一种新的工业智能模式。

1964年，美国通用和IBM开发了DAC-I系统，主要用于汽车前玻璃线性设计，算是第一个真正意义上的工业软件。20世界70年代开始，CAD技术进入了大多工程和产品设计领域。20世纪末，计算机广泛普及，工业软件、芯片、互联网等数字化手段，迅速推动了工业生产制造过程的机械化和电气化、强速化、精密化和自动化，形成了新型高技术高信息化的现代工业体系，工业软件成为现代工业的核心竞争力。

云厂商发起的云革命则让工业信息和数据的计算、网络与存储环境摆脱沉重的硬件，更加轻量化，进入云原生的时代，直接使得机械操作更加智能；人工智能在视觉检测、视频分析、自然语言处理方面取得独特的进步；物联网在搜集工业数据方面有着不俗表现，打通各类终端、数据互联，有效沉淀企业生产数据并发挥价值，为工业互联网带来了更多可能性。

中国工业互联网更是进入高速发展期，去年规模增速高达11.28%，增速在全球主要工业国家中排名第一，中国工业互联网规模占全球主要工业十国的20.19%，已超过日本与德国之和。工业互联网对第二产业的发展具有明显的带动作用，将全面改造中国制造业的基因，实现高质量和低成本并行的智能制造。

数字化的风一旦吹来，一切就都不一样了。

软件，正在定义可定义的一切

中国制造有着全世界最齐全的工业门类（220多种）。

聚焦能源电力和工业自动化的服务商极熵科技的首席营销官陈龙认为，中国制造业数量庞大，但细分行业应用场景和需求有差异，市场存在不同层次水平的企业，企业主对数字化需求不迫切，因此很难用同一套方案去覆盖所有企业需求。

如何拨开层层迷雾寻求有价值的共同需求点，助力制造业数字化转型并提质增效，共同培育市场，是极熵为代表的工业互联网企业一直在努力探索的。

聚焦工业AI领域的服务商思谋科技的联合创始人兼CEO沈小勇则认为，目前人工智能技术在落地过程中依然存在标准量化难；场景变更多；需求差异大；企业不会用、用不起、不敢用的痛点。当然也正是这些痛点，被他们认为是未来工业AI领域、智能制造市场的核心机遇和兴奋点。

思谋科技当下发力的工业AI软硬件生态体系、工业AI操作系统和软硬件一体化产品，可以说是一个最佳切入口。

当前，“技术落地”的思维被大大小小的科技公司奉为圭臬，无论是传统互联网大厂推出的下沉战略、人工智能公司的案例故事，抑或是一大批垂直行业的小巨人专攻赛道，技术与场景的融合正进入陡峭的上升曲线。

相比零售、教育、医疗、金融等场景，工业的复杂程度可谓最高、领域可谓最细分、对国民经济的重要性也最大，如何实现中国工业制造的高效化、永续化、绿色发展，是今天人们探讨的一致命题。

工业领域时常出现一些经典的解决方案，比如MES（生产管理信息化系统），很多厂商都在提供，其目的是管理生产过程的人、机、料、法、环、测、控，实现制造执行前的防错、制造执行间的控制、与后续产品质量的追踪与追溯。

但这种“旧工业”的方式已经无法满足今天工业发展的需求，对工业云的管理、工艺的流程优化、工业大数据的分析、智能的检测与决策、供应链的智能管理等，才是今天“新工业”的技术本色。

智能手机的普及带动了充电设备的无线化，而无线充电圈又是其中的关键设备。一般而言，无线充电圈每个零部件非常小和复杂，其缺陷形态各异，因此在做缺陷检测的时候，人工容易误判或漏检。

在采访中，我们注意到思谋科技为全球某头部手机品牌打造的正是这样一套AI无线充电圈外观缺陷检测自动化设备。该设备搭载思谋自研的工业AI一体化平台SMore ViMo，通过深度学习技术训练分类和分割算法模型，从而实现对物料OK/NG的判断，并对NG物料进行14类细小缺陷检测和6大类分装盘等，全面提升产线检测效率（检测速率可达1300-1400片/小时，远超人工检测的800片，提升检测速度50%）。

这是一个非常典型的案例。

在另一个研究的范本中，极熵科技将技术落地在了水泥生产的场景，通过对某家水泥厂客户的生料磨、煤磨、水泥磨、回转窑等相关数据进行采集分析，搭建生产场景相关的软件系统，实现对生产环节的关键数据的汇集、分析。结合AI算法技术及生产专家经验知识，完成对水泥生产流程的调度排产最优解分析，输出多种生产设备的启停控制策略，用于指导生产现场的经营活动，最后在未影响产量的同时，实现该水泥厂日均节省电费5000余元。

这是传统工业优化其生产流程所难以想象的角度和难以达到的效果。

“以数据为中心”成为行业共识

在工业的智能制造趋势下，工厂经营将越来越注重数据的价值，基于数字化车间生产数据的分析和挖掘，将能赋予工业企业更多提质降本增效的能力，结合AI算法实现自动化反向控制优化的软件系统，将极大地降低工厂对专业工种或岗位的依赖，通过深度定制的软件系统可重新定义和重构生产制造流程，极大地提升生产效率和产品质量稳定性。

极熵科技首席营销官陈龙认为，软件将重新定义传统工业，软件系统将再度赋能新时代工业。而这一切都要建立在数据的基础上。

“我们思考的是，AI算法应用架构如何实现小数据、大作为。”在业内，有关“AI为何水平低”的讨论一度甚嚣尘上，相当一部分人觉得是因为数据库的不足和神经网络的效率低下。

类比到工业AI领域，思谋科技沈小勇表示，AI算法在制造业应用还存在一个数据匮乏的问题，在制造业很多公司和工厂数据量非常不充足。“原材料”不够，是否就没法实现AI产业化了呢？并非如此。

思谋科技提出了一个解决办法，可以通过存储所有的中间结果数据，生成一个大数据，让AI不停学习，后续工厂输入少量数据就能生成合适的算法，当输入的数据越多就能越好地学到解决问题的方法。后期只需要告诉机器一些特征值，它就能快速判断出结果。

在业内，“以数据为中心”的口号其实已经提出多年，但是实实在在真正去打破数据孤岛，并且挖掘流动数据价值的传统工厂不占多数。这并不是因为技术层面无法实现，其深层次原因在于企业管理者缺乏一种强烈的构建整体化信息平台的战略意识，对于企业存量系统是否在技术层面存在打通可能依然存疑。

而这，需要数字化的逐渐教育，需要软件和硬件逐步构成人们对技术的信任感。

更好地助力中国工业发展

共识已经达成，技术朝前发展，中国制造业正逐渐摆脱传统意义上的几个主要痛点，即质量、效率、成本和库存。但随着双碳目标的提出和能源双控的加强，制造业在技术供给能力上也面临新的考验。

由于涵盖业务众多、场景千差万别、管理方式少有共性、缺乏标准逻辑，工业智能制造领域合作生态的构建尤其重要。

过往，真格基金助力过许多优秀的科技企业，在人工智能、工业制造等领域有多年的布局和理解，愿意和科技企业一同探索未来智能制造的可能性。

在新兴软件机遇之下，工业制造的基因被改造，数字化驱动工业新基建成为日益旺盛的需求。

工业，正被重新定义。