近日，在由21世紀經濟報道主辦的2018中國智造業年會上，阿里巴巴AI大腦專家周昌分享了“面向制造的云端視覺AI”，他從AI一線工程師的角度，介紹了視覺AI在工業制造領域的應用場景和發展潛力。

　　不過，作為一個新興領域，AI在落地過程中顯然也會面臨不少挑戰。在接受21世紀經濟報道記者專訪時，周昌表示，如何做好業務和技術的融合，是當前AI應用的一大課題，這需要人工智能從業者“放下論文，注重落地”。

　　視覺AI解放人力

　　視覺AI在工業領域有哪些應用場景？周昌對21世紀經濟報道記者表示，主要有兩個方面，一是傳統生產線上的機器視覺，更多體現的是視覺AI硬件化，即生產線上的攝像頭AI升級；二是非生產控制場景的視覺AI應用，如質量檢測、車間/產區監控、安全監控等等。

　　后者是解放人力的重要落地方案。據他介紹，工業制造領域的視覺應用均呈現出長尾、碎片化的特點，云端視覺AI正是通過構建一套應用方法，并建立相應的AI落地策略，提高視覺應用領域的效率，以減少人力投入。

　　他重點介紹了視覺AI在制造業領域的應用場景之一：缺陷檢測，例如太陽能電池片的生產，檢測出有缺陷的產品，往往要耗費大量的人力、物力，在專業領域，一個員工識別出缺陷產品，至少要培訓1-3個月的時間。

　　再例如，火車的保養工作通常要用榔頭敲打各個部件，鐵路公司在進站的軌道上放置攝像機，將這些檢測圖片傳至辦公室內，辦公室內的工作人員進行遠程觀測。但事實上這個工作非常“辛苦低效”，對企業來講也是人工成本高、情緒對質控影響大。

　　在視覺AI的解決方案中，機器視覺工程師會全程參與，去現場搜集缺陷的類型、圖像的種類，并制定召回或修改的指標，結合企業的成本控制要求，完成對視覺信息的有效輸出。同時，對于各個流程中的人工干預，方案也會進行更為合理的規劃。

　　周昌表示，在面向制造業、農業、環保等領域時，視覺AI的落地是實戰型的AI，其中最容易突破的點就是解放繁瑣工作。“在各行各業，繁瑣工作大量存在，這些點最適合AI落地的產品。”

　　“實戰型”AI落地

　　在AI應用的過程中，周昌強調，面向產品不追求“一擊必中”，但追求有效輸出，“效”既是效果也是效率；而面向業務，他尤其重視AI這道“主菜”之外的“配菜”作用。

　　周昌認為，目前AI落地最大的機遇是，AI技術本身這幾年的突破式發展（以深度學習為代表）和沉淀之后，不少技術點到了可以落地的程度，而且短期內也不會有重大顛覆，這個時間點落地價值最大。

　　但同時，他指出，在落地時，我們需要的不是炫技型的AI，而是實戰型的AI，它落地的關鍵之一在于業務和技術的融合，這需要人工智能從業者“放下論文，注重落地”。

　　“我們在實施人工智能項目落地的時候，要圍繞著客戶的痛點問題，而不是圍繞著AI這個單點，單點的突破只能吸引用戶，無法解決用戶真正的問題。”周昌對21世紀經濟報道記者表示，所謂“配菜”，就是指那些圍繞客戶痛點問題進行的研發工作，而這些工作大都不是AI相關的。

　　以阿里巴巴的“城市大腦”項目為例，這是AI在安防產業的應用。事實上，目前在安防行業中，傳感器所搜集的數據量已經足夠大，但這些數據并沒有應用到位，周昌形容為“盲人摸象、燈下黑、霧里看花”。城市大腦正是通過感知、決策、搜索、預測、模型五個步驟，力圖解決這一現狀。

　　周昌介紹，在杭州的“城市大腦”應用實踐中，相當一部分存量攝像頭進行了智能化改裝，云端智能對這些存量攝像頭有一個“云掃描”功能，通過有限的算力，每半個小時便能將城市的一萬個攝像頭掃描一次，達到實時監控的效果。

　　在應用層面，“城市大腦”除了協助城市交通、安全管理之外，還可以進行“視頻搜索”，在人員走失、群體事件預警等方面均能起到簡化人力、提高利率的作用。據周昌介紹，如果把一條街一個月的視頻搬到云上，一個小時甚至十幾分鐘之內便可以全部分析完，找到想要找到的信息。