对话东声智能韩旭:“以技术赋能工厂”——一位工业AI从业者的“理想主义”

jh 1年前 (2023-05-23)

面对AI落地的难题,总有企业火热并坚守着。

对话东声智能韩旭:“以技术赋能工厂”——一位工业AI从业者的“理想主义”

潮水的来袭,无法回头。事实上在潮水来临前,岸边早有人嗅到苗头。

就当所有人沉浸在ChatGPT带来的“时代狂欢”时,AI早已嵌套进许多行业里。作为AI技术应用最有潜力的领域,制造业乃至整个工业大类,近些年都在AI技术的帮助下朝着数智化领域迈进。

在2015年公布的《中国制造2025》长期规划里,AI相关字眼频频出现。而到了2020年,国家发改委再次明确将AI列入“新基建”战略。

五年时间,足以见证工业与AI之间的碰撞和融合。

但工业是个漫长的链条。尽管AI技术已经覆盖了大部分环节,但对于迫切需要数智化转型的工厂来说,单就引入数字化系统就已经花费漫长的周期,若是再与AI融合,则需要更长的时间。此外,AI对于供需双方都需要付出极大的成本,投资回报周期被无限地拉长……

在种种难题前,如何去俘获工厂的芳心,就成了当下AI公司重点需要考虑问题之一。

在东声智能创始人兼CEO韩旭看来:“打动客户的关键,是真实解决客户的核心痛点,让他们看到AI技术带来价值。而实现价值的方式,是自身过硬的技术和对行业的深度理解。”

这家成立于2019年的AI初创企业,以工业视觉为切入点,通过一系列算法产品以及平台化硬件产品,成功在特斯拉、立讯精密、比亚迪、富士康、亿纬锂能等国内外知名工业巨头落地。

在扎根行业后,“扎得更深,走得更远”,则是韩旭一直以来的期盼。

AI+机器视觉,赋予工业视频智慧的眼睛

对于一家制造业企业而言,产品质检是必不可少的一环,只有质量检测合格的产品才能够进入市场。该环节关乎到产品的生产效率和良品率,甚至会影响售后与整个企业的口碑。

在过去,产品的质检工作通常由人工完成,但因人工质检标准不统一、存在误检漏检等问题,因此产线需要安排高强度、高重复性的人工参与,才能保证产品质量。即便有部分工厂采用了传统视觉算法检测,也在准确性上也无法做到完全代替人工。

另一方面,随着人口红利的褪去,招工难、用人成本提高等问题早已席卷行业,各家工厂都在寻求更高性价比的方式代替人工。

此时,基于深度学习的AI视觉识别算法就能有效代替人工质检员进行工作。

对话东声智能韩旭:“以技术赋能工厂”——一位工业AI从业者的“理想主义”

韩旭向笔者算了一笔账,在一条产线上配置一套AI检测设备后,可以代替整条产线上的人工成本。但实际上,在现实生产中还会存在复检、浪费、罚款等隐性成本。

结合AI视觉检测本身的高效率和高准确率,综合下来,AI无疑是更有优势的一方。“换作人工做检测,在长时间工作后也会产生疲劳,这时候若是有人疏忽,导致瑕疵品漏到下一个工位的话,造成的损失是很大的。”韩旭补充道。

据了解,在东声智能的检测体系里,产线数据是一个关键的要素。根据生产流程的不同,包括来料检测、过程检测、外观检测、生产溯源等每一个环节引入AI视觉检测技术,在生产过程中及时发现问题,解决问题。

充分利用生产各个环节的数据,同时也能为企业改善产品质量管理水平,为产线提高产品良率及产能提供强有力的保障,深度赋能智能制造产业升级。

“另一方面,这些数据还能帮助产线做智慧决策,调整产线的产品参数或是工艺参数,为整个工艺的改善提供重要的数据参考维度。”韩旭告诉笔者。

对话东声智能韩旭:“以技术赋能工厂”——一位工业AI从业者的“理想主义”

软硬件两不误,打通AI的“最后一公里”

在工业场景里,AI从不缺少需求——企业里深知数智化转型的重要性,AI能够解决企业在生产流程里的痛点。

但真正想把AI渗透进工业场景中并非易事,如开头所说,AI的生产要素过于昂贵,难以俘获工厂的芳心。如何实现AI普惠,打通AI应用落地的“最后一公里”难题,东声智能从软、硬件两方面找到了答案。

最先打动客户的是东声智能的AI算法,这恰恰也是东声智能Handdle AI质量管理系统的核心。

对话东声智能韩旭:“以技术赋能工厂”——一位工业AI从业者的“理想主义”

前文提到,东声智能的AI算法可以对设备采集到的2D/2.5D/3D图像等多维度要素进行监控与分析,从而为产线提升产品合格率,优化工厂人员结构。

算法的逻辑并不复杂,每家AI公司都有能力推出类似的系统,但就工业场景来说,能像东声科技一样实现高准确性、高通用性、高兼容性、高性价比的AI公司并不多,这为东声智能带来了大量的市场机遇。

韩旭告诉笔者,东声智能的算法可以应对不同工业领域的高复杂和多变场景,包括新能源电池、消费电子、太阳能光伏、汽车等多领域。

事实上,基于多年的行业Know-how,依托全产线视觉数据,沉淀出的行业大模型,加之底层算法的泛化能力和通用性,东声智能将整套产品体系开发成标准化平台,为上游提供底层解决方案服务。

接下来,集成商再根据客户需求、场景的不同进行定制化,为不同产线提供服务。

除了通用性以外,东声智能的AI算法支持小样本数据训练与单一正样本数据训练。在训练样品数据严重不足的情况下,AI算法仍然可以辩识出瑕疵品,极大地降低训练成本和时间。

除了软件以外,东声智能还看到了AI智能相机在工业场景里的前景。

作为一种结合软硬件结合的轻量化、小体积、高集成化设备,智能相机并不需要过多的调试即可安装交付,非常适合传统产线的升级改造。“在高度浓缩了东声的算法后,该相机可以实.现零代码交付,从训练到部署只需非常短的周期。"韩旭告诉笔者。

在软件与硬件两方面的降本增效下,工厂可以轻松应用AI实现数智化转型。

工业AI并非易事,坚守理想终会“开花”

有人把当下AI从业者看成时代的宠儿。

在时代潮流和风口下,一批从业者借着时代的浪头冲上达到了别人难以企及的高度,是名副其实的幸运儿。

固然AI是个好方向,但背后的艰难却鲜有人知,尤其韩旭所在的工业赛道,就连业内巨头们也难免折戟沙头,对于一家初创公司来说,其难度可想而知。

但好在东声智能最终还是有惊无险地度过了创业初期的阵痛,成功实现了AI算法的落地,最后靠着出色的产品力斩获国内外多家工业巨头的订单。

这其中,作为公司的掌舵者,韩旭靠着出色的领导力维系并凝聚起整个创业团队,而他对于技术的“理想主义”,更值得每位创业者学习。

在采访中,韩旭告诉笔者,自己在工业领域深耕多年,无论是从场景差异,到区域特点,再到不同技术门类,都有长期深入的理解。这些行业积累最终成为了东声AI算法的又一大特点,即通过行业的深耕来解锁不同场景领域的理解。

除了热爱钻研技术以外,韩旭的团队也非常接地气,时常深入一线生产现场,实地解决客户的问题。

正是靠着对行业的热爱,东声智能换来了客户的信任与认可,在行业的知名度也是越来越高。

“我们还是希望能趁工业科技发展的浪潮,为行业带来一些改变,为客户带来价值,然后能扎得更深,走得更远。”韩旭表示。

从AlphaGo惊艳科技圈,到ChatGPT真正引爆AI浪潮,我们可以看到AI技术对于人类社会的改变,也对AI公司带来了新的机遇。

不可否认,企业实现AI落地确实存在诸多问题,但能总有企业找到方向,火热并坚守着。

相信在“理想主义”的带领下,东声智能能给我们带来更多的惊喜。

最后,记得关注微信公众号:镁客网(im2maker),更多干货在等你!

镁客网


科技 | 人文 | 行业

微信ID:im2maker
长按识别二维码关注

硬科技产业媒体

关注技术驱动创新

分享到