人工智慧+機器人，製造業效率提升新機會
進入2018年，中國AI的投資和創業公司正持續增加。“人工智慧+製造”的投融資案例也是不勝列舉。
“AI”隨處可見，已成為多人熱衷的流行詞。機器學習宗師級大牛 Michael I.Jordan則認為這一現象讓他感到非常不安：“AI只不過是他們藉此向 VC、企業、媒體以及大眾兜售其自身的概念。至於真正的 AI，我們根本還沒有實現。”
曾經，在追求價效比與實用性的工業領域，“人工智慧只是智慧製造舞臺上的小配角”。如今，關於具體應用場景，業界人士普遍認為，人工智慧將大幅提升工業機器人的工作效率。
截至目前，機器人行業發現了哪些人工智慧位於工業應用場景的“新大陸”？人工智慧技術與機器人技術結合的未來發展方向在何處？
人工智慧+傳統工業機器人=智慧機器人
傳統的工業機器人是機械設計與製造技術、自動控制技術以及計算機軟硬體技術的高度融合。
人工智慧是資料和演算法的集合，計算能力（晶片）不斷躍升是人工智慧得以廣泛應用的基礎。目前人工智慧仍處於弱人工智慧的階段，形成突破的領域仍比較侷限。
人工智慧技術和機器人技術相結合，實現既具備機器人的肢體又具備類人智慧的機器人是人工智慧和機器人技術發展的終極目標。智慧機器人是人工智慧技術和傳統工業機器人技術融合發展的結果。
Geek+ CEO鄭勇表示，如果把人工智慧定義到“深度學習”的程度，那目前幾乎沒有落地應用。他認為目前的人工智慧可以定義為“相對複雜的演算法帶來的自主能力”。
專注機器人智慧物流領域的Geek+，通過人工智慧和機器人技術賦能物流倉儲行業，通過智慧揀選、搬運、分揀等倉儲物流環節的優化，高度柔性的人機互動，來實現提高倉庫效率，降低人工成本及人工勞動強度的目的。
庫柏特CEO李淼指出，“分揀、打磨、裝配、檢測”為人工智慧與機器人落地應用最為迫切和廣泛的四大領域。
由此，庫柏特自主研發的系統通過核心學習演算法以及專用控制軟體可應用於上下料的無序分揀、手機或者航空葉片的力控打磨、智慧示教、智慧貼標以及零件裝配等場景。
“AI時代，工業機器人將被新的核心技術定義，包括深度學習、路徑規劃、任務級程式設計、柔性控制等。”梅卡曼德CEO邵天蘭說道。
在他看來，混雜物體分揀是目前需求最明顯、應用最直接的部分，很多公司都能展示一定程度的demo，但是真正能大規模使用的產品還沒出現。
除此之外，還有個結合點為“操作規劃”，即人只需要指定好多個工件的安裝要求，機器人就可自行計算出抓取和安裝的方案，節省大量程式設計時間。
在標準場景中，工業機器人生產的產品批量較大，有大量的重複性工作，需要高頻次的軌跡優化，比如機床加工、零件安裝等應用。此時可以通過小樣本監督學習，讓機器人擁有自適應、進化功能。
而此前，艾利特展示了“機器人疊衣服”的demo，展示了機器人軌跡優化不僅僅可以針對剛性物體，還能應對衣服這類柔性體。
艾利特的機器人疊衣服系統通過深度強化學習演算法和深度視覺感測器精準定位衣物疊取點，自動尋優最佳運動軌跡，實現疊取效果。該系統還使用了模擬環境快速建模和遷移學習方法，加快學習速度、降低資料採集成本，最終將模擬結果對映到真實機器人操作中。
除了上述以提升工業機器人效率為攻堅重點的應用外，機器視覺作為人工智慧的一個分支既是機遇也是挑戰。
在智慧製造過程中，機器視覺主要用計算機來模擬人的視覺功能，也就是把客觀事物的影象資訊提取、處理並理解，最終用於實際檢測、測量和控制。
易視智瞳CEO黃卜夫認為，機器視覺瑕疵檢測是人工智慧的一大“練兵場”。
易視智瞳高精度視覺點膠系統集成了點膠工藝的視覺感知、運動控制和點膠執行等功能，可方便地與各種執行機構整合，一步形成終端點膠機產品，滿足各種產線點膠的需求，通過深度學習還可由單機智慧向多機互聯協同演變。
此外，裝置故障監測與預警也是人工智慧在工業場景的一大落地應用，這類方案可監管工廠廠房每一臺機器人，並預測機器人的異常狀況，在機器人出現問題前加派技術人員進行維修作業。
此外，如果有機器人發生故障，這類方案也能讓相鄰的機器人自動承擔其生產線上的任務，以避免或減少裝置停產損失。
萬變不離其宗，人工智慧在製造業的應用場景大多與上述類似或相關。業內人士一致認為，人工智慧技術與機器人技術的結合將改變傳統的機器人行業格局，就像智慧手機對傳統手機的顛覆一樣。
插上人工智慧的翅膀，國產機器人能否彎道超車？
一談到工業機器人，大家必然會提到ABB、庫卡、發那科、安川。業內人士分析，寡頭壟斷產生的條件是：
第一，市場空間的擴大速度不足以容納更多的同類廠商進入，少數大公司的產能已經基本滿足所有客戶的總需求；
第二，技術非常成熟，難以產生顛覆性的新技術，處於追趕位置的公司難以通過技術突破實現“彎道超車”。
對於國產機器人來說，對於國際巨頭一直處於追趕的狀態，在這樣的市場格局之下，國產機器人開始選擇從細分領域進入，試圖通過“一技之長”在區域性戰場取得勝利。
中國要改變追趕的局面，主要有兩大超越機會：
其一，中國是巨大的機器人應用增量市場。
資料統計，在3C領域，中國的手機年產量超20億部，電視、冰箱、空調等產量均穩居世界第一；在物流和電商領域，每年的快遞包裹數量超過4百億，也就是人均達30件，穩居世界第一；在食品化工領域，化肥產量穩居世界第一。巨量的實際產業需求為人工智慧的落地提供了龐大的練兵場。
其二，中國的人才、技術處於第一梯隊。
與機器人本體技術相比，中國在人工智慧領域相對領先，具體體現為在AI領域發表的論文數量和質量都在世界前二；對深度學習的基礎設施做出了重要貢獻；知名研究院、高校在世界上屬於第一梯隊；在各類AI競賽上刷榜等。
在具體實踐上，隨著國產機器人價效比的提升，工業界對國產機器人認可度的提高，機器人企業針對具體行業或應用場景的實際需求，創造性的應用人工智慧技術和機器人技術，提出解決方案並實現相應的產品，空間巨大，這也是創業創新的重點方向。
然而，“彎道超車”的道路必然不會是一馬平川。
邵天蘭指出，要真正邁向AI+機器人新時代，中國機器人仍然面臨挑戰，如在軌跡規劃、柔順控制等方向上積累較淺；需要與網際網路、自動駕駛、人臉識別等領域爭奪超一流人才。除此之外，各方面的長期投入需要很大的決心和能力。
類似的，藍胖子機器人CEO鄧小白給行業打了“預防針”：概念和故事很容易講，事情卻不容易做，能實現的是理想，不能實現的是夢想。他認為，在硬體上，工藝需要時間累積；軟體上，機器人軟體方面的研發和教育遠遠落後於歐美。
“中國有市場有希望，但任重道遠。無論是機器人還是人工智慧，都需要踏實落地細分市場的應用，再橫向擴充套件。”鄧小白說道。
風口上的“人工智慧+製造”，究竟是真實的繁榮還是泡沫破裂前的狂歡？對於這一問題的回答大概是，能成功落地的人工智慧將產生巨大價值；而狹義的單憑AI演算法或技術的“空中樓閣”將無法適應於行業態勢，很快將看到泡沫的破滅。