10 月 21 日，2021 第五届全球智能工业大会暨全球创新技术成果转移大会于深圳盛大召开，本届大会以 " 跨界创新，互联融合 " 为主题。思谋科技创始人、香港中文大学终身教授、IEEE Fellow 贾佳亚教授作为会议程序委员会主席在大会报告主环节带来题为《智能制造的核心 AI 技术》的报告，分享了对于核心 AI 技术的前瞻性理解，对智能制造发展的阶段性分解，以及全新的技术落地结合方式等内容，回答了决定未来智能制造升级的核心难关是什么，以及如何解决智能制造发展的瓶颈等问题。

贾佳亚提到，经过了 1940 年的自动化革命，1970 年的信息化革命后，工业即将迎来的是智能化革命，据统计 2020 年全球智能制造市场规模已超过 2000 亿美元，且未来 5 年复合增长率将超过 10%，这意味着智能制造蕴含着极大的市场规模。与电气化、信息化同样，智能制造同样具有高度的普适性；但对智能制造来说，其基础资源不再是电力和网络，而是计算。因此他认为，智慧能力构建和以计算为中心的 AI，将成为智能制造发展中最需要攻克的难关。

▲思谋科技创始人、香港中文大学终身教授、IEEE Fellow 贾佳亚

贾佳亚表示，智能制造的核心在于 " 智能 "：智能并不是简单的自动化，智能是要让制造拥有 " 大脑 " 和让大脑决策的各种神经系统，只有拥有了聪明的 " 大脑 " 后，才能最大化发挥自动化 " 手臂 " 的作用——而 AI 正是让制造拥有会思考的工业机器设备的核心因素。新一代 AI 将贯穿于设计、生产、管理、服务等生产活动的全链条，使制造具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。

未来，一个拥有了 " 智能身体 " 的工厂，可以自行知道原料和生产是否达标，产品的质量如何，自发调整机器的工作效率，迅速针对新产需求进行生产，预测未来产品生产的数量，还可以根据产品销售情况来及时调整生产安排。

然而另一方面，让 AI 大规模、跨行业在工业场景中落地，并不是简单的事情：工业制造生产的流程复杂、涉及的硬件种类繁多，要求 AI 算法对大量硬件进行适配；当制造生产场景新增或更替硬件时，会直接带来算法的重新设计；最终算法往往妥协于硬件能力，甚至主动放弃最佳算法的使用——最终导致跨行业的工业 AI 落地的难度大幅增加。

仅以智能手机为例，一款手机按照 400 个供应商参与生产制造，每家供应商 5 种制程，每个制程 25 条产线来计算，想要 AI 全面覆盖生产链路，但一款手机就需要 30000 种算法。而如果放眼全球前 5 名的手机厂商，每家每年按照推出 6 款不同产品计算，工业 AI 若想落地头部手机行业，仅第一年就需要 90 万种算法，这几乎是不可完成的任务。

因此，面对当前几大技术落地难题，贾佳亚认为，工业 AI 企业需要寻找新的方式进行 " 破局 "。

据介绍，已具备了智能制造跨行业快速落地能力的思谋科技，目前可赋能超过 1000 个细分领域，并成功与芯片、半导体、精密制造、汽车、航空、新能源等多个行业的头部企业实现合作，完成了多个新型工业 AI 设备产品的落地，如镜片分拣、轴承检测、特种条码设计与识别、偏光弯膜、隐形二维码识别、模具检测、AVI 检测等。

以芯片检测为例，思谋科技为半导体厂商之一，首次实现了产线的 AI 自主训练。芯片的工艺复杂，指甲大小的芯片内可包含数十亿个晶体管。贾佳亚教授提到，思谋借助旗下自研的工业 AI 一站式平台 SMore ViMo 中的检测模块，为晶圆检测、PCB 检测与芯片工艺分析，推出了数十套软硬件一体化设备，可对芯片结构进行超高速高清扫描，实现亿级晶体结构的全自动聚类分析；检出率超过 99.99%；单流程处理效率提高 96%，AI 自动化全检处理效率提升 90%。

" 目前，我们的新一代 AI 系统架构落地处理效率平均可提升 90%，并支持智能迭代，如果按照落地到 20 个制造领域，每个算法设计成本为 2 万元估算，新一代 AI 架构带来的研发和设备增值可达 5400 亿元，沿着这个方向，未来产业变革一定会发生。" 贾佳亚表示。

深圳晚报记者 王新根