界面新聞記者 | 張熹瓏

將零件放上傳送帶，五個配置攝像頭啟動掃描，隨后前端會呈現五個角度的照片，產品是否存在外觀質量問題一目了然。

這是出自百度飛槳人工智能產業賦能中心的五向全域采集機器人。4月25日，該中心在廣州琶洲正式落成。其銷售經理羅錦富提到，目前在廣州的算力中心有12.69P，相當于7萬臺電腦。

按照設想，采集機器人可以大范圍應用于工業領域的流水線生產。“前期對模型進行數據采集后，就可以用于產品的質檢，如標記是否引好、螺紋是否齊全、外觀是否存在缺陷等。”羅錦富透露，設備預計在5月下旬發布，目前已有工廠在試用。

人工智能更多在智慧治理、交通出行、金融行業出現，例如安檢處的面部識別。而越來越明顯的趨勢是，其應用將延伸至更多領域。

“除了政務服務、城市治理，工業領域例如質檢等，都有很多圖像識別的需求。”此前，云從科技聯合創始人姚志強在接受界面大灣區采訪時表示，To B端的智能制造和To C端的大健康，可能是人工智能新的方向，“目前國內在這兩個領域的應用都比較分散。”

而國外相對走在前面。2022年，谷歌AlphaFold人工智能軟件成功預測了人體幾乎所有的蛋白質結構。

在業內看來，2023年有望成為“人工智能+生產制造業高速發展元年”。

“人工智能本身屬于第四代工業革命里很關鍵的一個技術，之前在做的更多是信息化，解決生產關系跟生產資料的問題，比如搭平臺，利用工業互聯網、業務上云，把各類信息跟物體進行連接，但仍未解決生產力的問題。”百度飛槳（廣州）產業賦能中心總經理馮紹彬提到。

如何提高生產力成為人工智能應用的下一個著力點，即提高人力和企業的效能，“但凡有人的崗位，可以通過人工智能，從視覺、聽覺、觸覺幾個方向，進行工序級的技改。”馮紹彬說。

在他看來，制造業中目前在最不能產生價值但人又最多的崗位——質檢環節，將首先受益于人工智能：“這一環節堆積了大量人手，也成為通過人工智能優化人員的重點。比起長時間、疲累狀態下用手跟眼睛去識別，機器或許來得更靠譜。”

這也解釋了為什么會將人工智能中心落成于廣州，廣東為制造業大省，各地布局了大量的中小工廠，無疑為機器人落地應用提供良好的基因。

羅錦富曾去往汕頭、肇慶、東莞、梅州、清遠等地調研。盡管制造業轉型已提出多年，但他發現，不少地區勞動密集型模式普遍存在。在東莞的陶瓷工廠和紡織工廠，盡管生產實現了自動化，但質檢環節仍堆積大量人手。

在汕頭，一處專門進行PCB板回收的園區里，拆檢電路板、融錫、分解元件，也全靠人手用鉗子一個一個敲，效率不高且對人體有害。

“但如果是機器，首先可以識別是哪一類電路板，用機器把它夾起來，放在專門工位融錫，再通過震動分解元件并分類，精準度高也可以減少污染。”如果是質檢流程，他預計采用人工智能設備后可以減少一半人手。

“產業中心立足廣州，但輻射的是大灣區，會重點面向幾個重要城市。”馮紹彬提到，香港以金融、服務業為主；東莞中小企業最聚集，也意味著主打中小型產品；廣州在數據服務上相對領先。每個城市各有傾向，也有交叉。

除了普通的螺絲、PCB板，機器人亦能應用于更精細的作業，如TO底座，“這是芯片封裝完的底座，肉眼是看不到的，需要用20倍、30倍的顯微鏡看。但通過設備可以識別它里面的缺陷。”羅錦富提及。

此外，芯片也是應用方向之一，其包含了演算成分，可以通過算法設計的優化提高制作工藝。從這個角度看，人工智能技術為先進制造帶來了更多可能性。

但這并不意味著人工智能達到了在第二產業大面積鋪開的階段。姚志強指出，現時的技術主要是基于上一代人工智能，即專業化、專業場景的人工智能，又被稱為“小模型”，還不能完全滿足工業生產，“在制造領域，有很多零件要組裝，可能是幾百個非標配件。對于傳統人工智能來說，因為要對每一個零件做一個模型，稍微有更換又要換一次模型，成本不劃算。”

“不過通用人工智能很可能會打破這個局限，大模型非常容易理解每個零件和零件之間的不同，只要給它一個提示，就可以實現很高的準確度。”姚志強表示。

大模型是人工智能下一個風向，已經成為業內共識。馮紹彬指出，大模型是人工智能的第二階段，具備更高的綜合性和融合性，使得場景數據更加通用，可以實現各個行業的深度學習。

現如今，人工智能正在重塑制造業的版圖。但也要意識到，其長遠的價值并不僅在于對產業的幫扶。正如馮紹彬所說，“最終要實現的，除了高質量的產業，還有高質量的人才。今天社會上整體人才結構在不斷調整，而我們也將發展到不再需要密集勞動力去做產業的階段。”