工业智能的野心，在于用强AI技术实现进一步工业化

作为一家风险投资机构，BV在不久前专门举办了一次工业智能大会来表达对工业领域AI创业机会的关注：BV自2017年创立以来，在全球范围内投资了100多家初创AI公司，创办的BV AI学院招收了200余名学员CEO，其中均有一半以上是与工业智能相关的。通过两年来的摸索，BV更加坚定的看好工业智能化的长期未来——不仅仅是工业物联网、工业机器人、工业大数据等服务于现有工业流程的技术改造，而是利用前沿AI技术的强大能力，实现原本不能实现的新工业制程、新工业业态，实现对原本未实现充分工业化行业的工业化改造，诞生一批新工业+强智能的新巨头。

以下是BV CEO 刘维在工业智能大会上的演讲实录:

今天的大会以“工业智能”为题，希望能跳出工业物联网等具体节点的技术创新，从更广阔的产业变革视角来探讨人工智能究竟为工业能带来什么。如果用一句话形容我们眼中的十年展望，我想是“敬畏之心与广阔天地”这样的冷暖交织。

为什么从敬畏之心说起？

今天的很多嘉宾都是我们的被投企业，可以看到他们用很豪华的团队，大量的精力，试图解决一个工业场景内的一个具体问题，因为这个场景的约束条件、客户条件的多样性、要去打通的接口和配置实在非常复杂。而他们的挑战是甲方的认可程度究竟如何，在一个甲方已经有成熟的业务流程，有一定的技术和管理基础，也有已有的乙方技术供应伙伴的行业内，其创新的解决方案是否能带来真正的效率提升，在与现有的流程比较中是否能占据全面的、突出的优势，使得甲方愿意快速的、不惜代价的替换。

历史上工业智能、工业自动化这个领域充满了先烈，像某著名制造企业和某著名的鞋品牌商在墨西哥建了一个很大的全自动化生产鞋的工厂，但经过几年的尝试，不久前还是关闭了。并不是说这个流程不值得用自动化和智能化改造，但是很多技术公司低估了技术的挑战，低估了多样性的柔性环境和条件对技术的挑战，低估了一些流程环节对100%可靠的要求，也低估了看似传统却也是经历了几十年迭代利用了各种IT技术的现有设备的性价比、效率、可靠性优势，低估了人作为一个生产工具在柔性化等方面的巨大优势 — 像粘鞋垫这样一个环节，如果将智能化的重心放在自动完成物理动作而不是放在更高水平的胶水配方等决策上，也许智能工厂在短期内还是竞争不过训练有素的工人加上一些自动化设备。不是智能化的终局不美好，而是利用一小步的技术创新加上一小步的流程优化，以打补丁的思路去在现有流水线上做改进，往往达不到预期也算不过账来 — 也许智能制鞋的未来从根本上就是3D仿真和柔性化打印的系统变革，而不是用复杂的机器手来代替灵活的人手去涂胶水。

先烈背后其实是很多先贤。今天的论坛也让我们见证了很多工业巨头，那些“甲方”的强大之处，他们并不是很多创业者想象中的“传统”，无论是宝钢这些巨型企业，还是弘信电子这类中等规模的细分品类领跑者，按照我们今天所主张的一些工业智能的观点去衡量她们的现状的话会发现，其实他们已经很智能了，很接近于一体化的感知、决策、调度一体，这些产业领跑者做已经围绕着他的生产线做了极大量的优化，才形成了今天的产业地位 — 在这上面再给他们打补丁做微改进到底有多大的技术空间和市场空间，这是我总是在问今天找我们的创业企业的问题？这是我们需要对工业智能化拥有的敬畏之心，当在工业化很强势的领域，当在工业化的进程已经完成很好的领域，人工智能所带来的微改进并不一定能够给这个行业起到那么多颠覆的效用。

相反广阔天地在哪儿？

先看看为什么这些大企业拥有这样的系统，而很多中小企业不用，我的理解是这些大企业今天他非常高度自动化一体化的生产、决策、感知一体的系统，其实是通过很高的成本实现的对多变量的衡量和决策，我们的工业过程其实就是原料的A加上加工的B等于成品C的过程，从简单工序的单一产品，再到复杂工序的单一产品，再到原料和过程都有不确定性的动态复杂工序的单一产品，再到多元产品、柔性制造，我们有越多的变量的参数在其中，我们越需要有越来越多的感知、决策、运算的单元，还需要越来越多一层一层的层级组织去管理生产过程中不能舍弃掉的人的部分所带来的人的误差。随着状态空间复杂度的增加，工业用了几何级数的成本来感知和决策，但即使成本如此之高，这样的一体化大系统也是以牺牲柔性为代价，通过标准化来实现可行性 — 原料的整备和对齐，产品数量的限制，通过标准化的中间制成品来分解长加工链条，把员工约束到标准的要求上以使其输出可控，在这过程中牺牲了大量的效率。 

因为这种传统自动化思维的工业大系统的局限，使得我们在今天有大量领域尚未实现工业化。中国是个绝对的工业强国，工业进程我们走到了世界前列，但是仍然有很多领域没有实现真正的工业化，像农业、畜牧业这些领域基本完全没有实现工业化，因为其A+B=C的过程中因为A的种子等要素的本体差异、B的过程中土地、环境等要素的固有差异，加上B中人的输入占比很高，整个系统的离散度很高，把整个过程都感知起来、决策起来的代价非常大，即使决策了，也没有好的办法去基于统一决策去引导作业和补偿，整个领域就没有工业化的可行性，也就形成了今天这样非常分散，谁掌握一些土地等要素谁就能做一些，却无法实现谁的效率模型高出一个数量级，哪怕高价买来要素也可以打败对手的集中度。同时，一些我们觉得好像已经很工业化的领域，其实大部分的价值和链条也都没有工业化，以建筑业为例，虽然经历过一百年两百年的工业革命，在工业革命之前建筑业完全没有工业化就是手工业，大家都是就地砍一些木头盖房子，在过去一两百年内依次发明了砖、混凝土、预制构件，开始把高档建筑的玻璃幕墙，把桥梁大的结构通过工业化手段生产，但是在普通的建筑领域，前端的设计链条依靠未工业化组织的人工，后端的施工、安装、现场实施环节也依靠未工业化组织的人工，这个环节本身的浪费很大、效率优势不突出、环节之间没有基于一套设计-建造-施工一体的系统来做调度也造成了更大的系统浪费。即使当我们今天看服装、消费品等领域，已经成为非常大的制造业品类，但制造成本的环节只在其增加值中占了很小的比例，其流通、到达消费者环节的巨大成本和浪费，并没有通过工业化来提高效率。而餐饮等占据社会消费总额极大的行业，其价值链条里工业化的部分更是非常少，有极大的工业化带来效率提升的空间。

所以我个人观点，当我们看2030或者更远的创业机会时，与其说我们的眼睛只是盯着最现代化、代表着现在最高工业化水准的企业帮他做改进，可能不如看看这些没有被工业化的领域、没有被工业化的阶段，怎么给他们解决从0到1的问题，并且从这当中打造出新的工业巨头 — 不管是我们扮演着锐意进取的新巨头的供应商，还是干脆自己下场成为这样细分领域的新工业巨头。 

所谓的敬畏之心，也是我们不能将人工智能变成一个大筐，什么都装进去，什么都沾上智能就可以颠覆原有格局 — 相反，却又忽视了智能技术所带来的真正的最深刻的变革驱动力。当我们以2030的视角做工业智能创业的时候，最核心的是我们要真正抓住AI智能所能带来的核心能力，这个核心能力是什么，我自己理解真正带来的，是能实现一种高效的人机混合复杂系统，它能支持大得多的参数空间，能支持大得多的模糊信息，在这里面能做好柔性化的理解，多模态的语意的理解，多模态的复杂的决策并且不断迭代和进化，从而能以合理的性价比去解决大量没有工业化领域的工业化，继而带来有集中度的新商业模式。

新一代的人工智能技术从四个方面为这个工业复杂系统赋能：

第一、高维度的感知

虽然我们今天谈感知已经谈的非常多了，但面向2030年来看时还远不够多，未来十年仍然是感知技术极快发展的十年。就像今天视觉技术小小的一步已经带来这么多应用一样，因为AI天然就非常适用于感知，特别是把大量物理层创新走了半步、能拿到一些信号、但还没办法非常简单的规则化形成输出，也没办法转换为人可以观测的视图的很多感知技术，结合AI的模糊分析能力、通过对这种模糊信息的试图的理解，通过与其他的数据轴的联合作用，通过多轮次多模态的反复感知和理解，去试图将这些信息转变为对复杂系统决策有意义的信息。大量的新传感器会被引入系统，大量传统上很贵的传感器可以用更低成本的物理器件加上算法补偿来降低成本，这也就意味着大大降低了我们感知任何一个物理世界物体的成本，这种成本的降低对于提高工业智能系统乃至最终工业生产系统的效率是至关重要的。我们在今天肯定无法想象我们一个个去检测一个加工过程中成百上千个部件的成千上万的状态，我们今天也无法想象在这个屋子里跑着几十台机器人，每个机器人都有全局感知的能力，但是未来的新传感器、异构融合传感器、空间统一感知和语义化理解的中心传感器会使这一切变成现实。在未来的十多年内我们会依次见证我们今天越来越熟悉的物理世界感知变得更加高速，更加高级的语义化，更多人眼不可见的信息例如高速高频的信息、穿透的信息变得可以理解，乃至于各种低功耗-分布式-自组织的本体嵌入式传感器会掺杂到一些工件之中，带来真正的全生命周期的感知能力。

第二、高动态的计算

时至今日我们的工业人工智能还面临很大的阻碍，是因为今天的计算还远远不成熟，速度跟不上快速的无论是流水线还是快速的工业机器人所需要的速度，而且这种计算不是简单的识别理解层面的计算，未来的高动态计算肯定是面向全局的，面向全域数据的，不光是在这个工厂内，上到供应链的最终用户下到全域高动态计算，未来农业化自动化最重要的驱动力不是简单给苹果浇好水，而是给整个果园内的苹果冒泡排序看哪一个苹果该成熟了，这个事对于计算机人工智能来讲是很简单的事，但是远远打破了原来的组织方式，而是变成从根本来讲就用更高级别的个性化来包含了标准化，不是个性化的差异，而是个性化的主动的偏差选择，所以这种高动态的计算能力，不是简单的当前算法的边缘计算化，而是整个架构的重构，包括传感器层面的任务传感器实现微秒级别的计算，端上的多数据流融合计算，再到高性能的云端协同图计算，这些会大大改变所有的工业大脑的决策的系统。

第三、高敏捷机器

这些机器的概念不同于今天的工业机器人或者对机器人的简单智能化，而是重新设计的一批具有感知-决策-做功能力的，并能在全局感知和全局决策能力的赋能下进一步提升效率的高敏捷机器。我们已经在见证第一批灵活的轮式底盘进入工厂，但这些SLAM驱动的机器还相对昂贵、没有对周边环境的真实理解能力、无法利用工厂内大量的其他数据进行快速的自主决策，未来的轮式底盘，检测和加工补偿一体化的机器等新的敏捷机器平台会逐渐成熟，enable更多的高效率应用。 

第四、高赋能员工

我们今天的某某智能似乎走到了某一个极端，都是在谈代替，我觉得在大量的未来场景中，人不是被简单代替的，而是人机混合的重新分工，重新发挥人的优势，人的手可以很容易地抓取从几十克到几公斤之间的大小不等的东西，今天没有任何一个机器手可以很稳定做到这点，人的手可以弯折很好的角度做很复杂的动作、人的创意能力、在现场安装环境这样的能力，其实都是非常珍贵和值得被利用的，如果我们的目标永远是打造纯机器化的生产线，那这些能力并没有得到很好的利用。但人需要被赋能，以便弥补人在感知全局这个宏观层面和精准完成这个微观层面的不足，赋能的一部分是物理能，我们谈机器人和各种辅助机器对人的增强，但是未来更大的一部分是信息能，决策能，是怎么把原来散落在这个组织中的各个层级中要通过培训才能传递的知识实时地传递给员工，怎么把在这个组织中原来在1号、2号、3号工位必须要停工大家讨论才能得到的信息，通过很复杂的管理系统才能被一个个班组长感知的信息被每一个员工感知。在今天的柔性化流水线上，我们还只能做到用柔性化的工单上告诉员工你下一步该做什么样的操作，但在更长远的未来，我们不仅可以通过增强现实技术把需要员工作业的要求实时投射和引导到作业目标上，也就进一步提高了员工去响应柔性化的能力、减少了误差和培训的需要、把更多的参数状态用智能复杂系统消化了—呈现出简单的东西给人，发挥人的作业特长。未来更重要的是，既然可以实时引导、实时观测、实时补偿，就可以不简单的把人训练成标准的样子，而是尊重每个人的偏差，利用差异化的引导来让每个人都在舒适区间，甚至利用每个人的特长去完成不同的任务 — 以建筑工程领域为例，有的人更擅长去焊这个高度的焊缝，怎么通过员工的调动，通过工序的拆解，通过人尽其用的引导，使每个人都能最大化发挥自己的优势，所有的这些也是AI技术真正从统一感知、统一决策、统一赋能的角度能做的。所以我们对AR，是通过各种信息化的作业的引导包括从顶层设计的角度，使我的生产流程的含量中有更好的人机交互人机引导的设备，把人的力量更好地发挥出来，其实最终的这个组织这个系统就是一整套的统一的感知，统一的决策和调度，再通过这个统一的决策和调度调度机器、人这样的复合体，在这个过程中就能大大提高整个工业生产的效率。

四种“新机遇”

第一、“新的制程”

我们常说集装箱的例子，我们这代人都习惯了集装箱，但是集装箱不是第一天就有的，在有集装箱之前其实这个行业的制程有专门的人擅长从船上卸货到码头上，有人再从码头上卸货装到车上，因为新的机械的发展，有了更强的能力吊装这样的集装箱，有了一定的信息化的能力管理不可见的大箱子里的货物的清单到底是什么样，随着这些能力人们重新发明了容器，颠覆了原有的制程，通过发明新的制程从零开始打造了一个新的行业，不是简单赋能运有的行业，而是把原有的行业击跨了，推动了整个大的产业的发展。利用AI的新能力，我相信会带来大量新的制程的颠覆式创新的机会。很多制程甚至已经在部分高价值工业领域应用了，只是需要被迁移到新的领域 — 面向全仿真和全流程规划的全参数设计、构件分解和生产、有序安装，在今天盖一个8万人的体育场时已经是这么做的，只是这些东西限于成本和更复杂的场景的技术挑战还远未普及。

第二、“新的业态”

这些新的制程我想会为工业带来新的业态，所有的这些柔性化生产，以需定产所带来的新的业态在这个过程中会带来很多变革，这种变革对于一个工业企业来讲，是应该等着他的零售端品牌端的变革带来对工业的新需求吗，我觉得不仅是，这里一个很大的机会是反过来利用我的工业能力定义一种新品类，定义一种新的业务形态，走出去端到端塑造一种新的业务的可能性。

第三、“新的品类”

农业的例子已经反复在说了，不仅可以把今天已有的农业产品纳入到工业大生产的制程中来，使它变得更加可靠地产出，更高效，更大的机会是实现从0到1的变化，打造一些新的品类，带来很多按照今天的人的种植没有办法去承受的，无论是照料的参数的复杂度无法复制、还是成本或质量控制完全无法承受的优质品类，但是智能工业生产，使得它变成一个能够高效率低成本完成的一个标准品甚至是个性品，打造一个新的品类，去快速占领市场。之前有嘉宾提到褚时建，其实烟的制造也是从手工业变成工业的过程，烟叶的种植筛选，卷烟过滤嘴的机器出现之前，各种散烟的质量差别不大，这就不是一个有集中度的商品市场，但是当我们打造一个高质量的品类时，就快速的从其他人手中抢来了市场，形成了新的品类。 

第四、“新的国家”

这一代无论是甲方还是乙方，工业智能很大的野心应该是走向全球市场海外市场，当我们认为工业智能的核心是打造一个人机协同混合的复杂系统时，那默认的假设就是这个系统的效率和模型是具有可复制性的，不同地方的人虽然人有差异，不同地方虽然输入的参数甚至市场输入需求的参数有差异，但是整个系统是有能力补偿这样的差异，就我们说的机器对人的赋能，它在赋能人，但是同时也在更好实时监督约束引导人，未来的工业肯定是一边实时引导着你该做什么作业，一边实时发现你的作业有所偏差，这个作业能接受是由下一个环节弥补提醒你注意还是不能接受，这套系统无论是用于哪一种生产，都具有更强的全球可复制性，两步并一步解决了现在这些国家工业化进程中对人的培训不足的问题，通过人机混合的系统，能更快地使它达到效率的优势点，所以新的国家在这里面也会带来大量的机会。 

在这四个新的机会中，我们相信会诞生大量的大乙方或者新甲方的机遇，这也是我们作为一个VC最希望能去支持创业团队做的 — 打造一些能带来系统性效率变革的新的业务系统，把这个新的业务系统用于在传统的甲方内支持他创造一种新业务模式或者创造一个新的业务线，做出一家有强大议价能力的成套技术供应商；甚至在一些更弱势的品类，例如农业，如果你弄出一套很好的自动种植系统，是不太容易卖给任何一个现有的甲方的，现有的甲方可能都没有这样的水平，现有的甲方作为农业生产者生产出这样的东西都不够，在这样的领域有更大的机会，再向前一步利用新的智能工业能力去做甲方 — 特别是在海外市场，今天做的拥有智能技术的创业者可以做新甲方，利用最好的卷烟机做新的香烟水平，利用现场设计和施工能力做高质量的有很强交付能力和很低成本的建筑公司，所有这种新甲方的颠覆式创新机遇是属于大量创业者的，也能让我们可以避开产业巨头所拥有的资源和要素优势，变成他们的合作者，和他们共同去开拓新的市场。

最后，让我们用刚刚结束的中央深改委《关于促进人工智能和实体经济深度融合的指导意见》的一句话作为总结，这个重要意见提出，要构建一个数据驱动、人机协同、跨界融合、共创分享的智能经济形态。如果我们把工业智能缩小到给工业企业提供供应、配件和新的机器能力，那这个事儿可能就想小了，反而不容易创造价值，如果我们的目标是创造一种新的智能经济形态，我想在这个过程中，无论是其他的技术公司、资本还是这些产业公司，都更容易找到共识点，共同从技术中要效率，用效率去推动产业变革，实现大的产业变革。BV期待在这个过程中成为优秀创业者的共同创始人，一起去探讨如何调动更多的技术和产业资源，实现这样的变革创新。

关于BV

BV是由百度发起、专业团队管理的独立风险投资机构，其出资人包括百度和其他优秀的产业、金融机构。BV目前管理着5亿美元规模的双币基金，在北京、旧金山同步运营，致力于成为AI时代的世界一流VC。

BV在用投资打造一个更高效的智能世界：更细颗粒度的感知、更精准的决策、更少的人力成本、更好的效率模型。我们已投资了100余家AI公司——从芯片到传感器，从人体数据采集到天基观测网，从智能工业到智能城市，我们投资AI背后的底层技术，也投资AI驱动的各种行业变革。