充滿金屬氣息的流水線上，十幾個機械手齊齊舞動，霎時間火花四濺——是最典型的現(xiàn)代化汽車生產畫面，經(jīng)常會被電視作為高科技的代表播出的那種。

以奧迪在德國的內卡蘇爾姆組廠為例，就擁有超過2500個工業(yè)機器人，其中有900個專門負責點焊作業(yè)，每天總共要處理超過1000臺商用車，每臺汽車的點焊大概有5000個，算下來這些點焊總共多達500萬個。 這么多機器加工的點焊，如何確保質量？與上下飛舞的機器人焊接場面不同，檢查的過程看起來卻很“笨”：每天將一輛汽車送到18位工程師的手上，用超聲波探測一點一點檢查焊接的質量。 如此鮮明的對比，恰恰體現(xiàn)了制造業(yè)傳統(tǒng)和未來的那條“分割線”。

全球車企都頭疼的問題，是這樣被解決的 之所以奧迪會選擇1000臺之中只抽1臺，并不意味著人們對于機器加工的完全信任，而是檢查的成本實在太高。1臺車就要18個專家，那1000臺車豈不是需要18000名專家。 在赤裸裸的數(shù)字面前，人們只能選擇投入更多前期建設、維護整個加工過程的穩(wěn)定性，這也是為什么工廠中經(jīng)常有造價昂貴（數(shù)百萬、數(shù)千萬）、恒溫恒濕防震的加工環(huán)境。 另外一方面，尤其是像點焊這樣加工數(shù)量眾多的加工項目，機器并沒有大家想象中的“靠譜”，假設每次點焊加工的失誤率僅為十萬分之一，但一臺車5000個加工點算下來，仍有5%左右的概率會出現(xiàn)失誤。 現(xiàn)實中的數(shù)據(jù)也很能說明問題，根據(jù)市場監(jiān)管總局今年3月公布的數(shù)據(jù)，2019年因為車身質量問題，中國就召回了33萬輛乘用車。這個數(shù)字在全年超2000萬臺乘用車的總銷量中看起來只算很小一部分，但足以證明傳統(tǒng)汽車制造業(yè)在經(jīng)過上百年的不斷進化之后，仍存在比較明顯的”天花板“。 汽車制造技術和能力止步”天花板“，再加上大環(huán)境因素的影響，讓整個汽車制造業(yè)挑戰(zhàn)重重。去年年底，以在美國建廠的福耀玻璃為采訪對象的Netflix紀錄片《美國工廠》，在中國互聯(lián)網(wǎng)上爆紅，引發(fā)了廣泛的討論。 拋開中美文化、企業(yè)管理制度這些最熱的話題，其實它很好地展現(xiàn)了全球汽車制造業(yè)當下面臨的一部分困境——制造業(yè)人工成本不再像之前那么容易下降，機器人技術不適用于所有場景、而且在生產力之外也帶來了新的挑戰(zhàn)。 開篇中奧迪所面臨的問題就非常典型，好在奧迪在一位神秘伙伴“神秘伙伴”的幫助下很快找到了解決方法：在加工過程中引入全新測量的數(shù)值，通過機器學習訓練算法，形成一整套全新的質量判定標準，邊加工邊做質量檢查。 這個解決方法聽起來簡單，但內在的創(chuàng)新實在不少，以新增的數(shù)據(jù)為例：工業(yè)機器人是智能化的，以往的質量監(jiān)測數(shù)據(jù)往往來自它，例如點焊過程中位置是否精準，機器人是否運動出現(xiàn)故障等等。 相對應的，實際完成焊接動作的焊槍，卻是非數(shù)字化的，第一步改造的重點就是為這些焊槍加上控制器，并且接入網(wǎng)絡。 除了焊槍之外，解決方案中還引入了焊縫配置、焊接金屬類型、焊條健康狀況等數(shù)據(jù)，并利用AI最終找出下一步就是找出規(guī)律——如何才能確保焊接的質量。 從焊槍中收集而來的數(shù)據(jù)，與焊接后的人工檢查數(shù)據(jù)被一同輸入計算機，通過機器學習訓練算法的預測能力，增加其準確度。 單就這個解決方案而言，所需要的能力不小且復雜： 首先是加工設備焊槍的改造，需要在終端部署一定量計算力和網(wǎng)絡通信的能力； 其次是一條流水線上，數(shù)臺機器人共同作業(yè)時，各自數(shù)據(jù)采集、邊緣計算，最終再將結果匯總的能力； 最后是整體的運維統(tǒng)籌能力，所有機器人的數(shù)據(jù)在邊緣計算處理之余，還得匯總到一起，數(shù)據(jù)匯總的儀表板可幫助奧迪員工直觀查看數(shù)據(jù)，并且系統(tǒng)會在檢測到焊縫缺陷或潛在配置變化時提醒技術人員，以最大限度減少或消除缺陷。 協(xié)助奧迪完成這么大一個挑戰(zhàn)的伙伴不是別家，就是全球半導體業(yè)巨頭英特爾。在內卡蘇爾姆工廠進行的機器人升級，就是英特爾和奧迪在合作進行概念驗證（POC）試驗。 雖然只是一次試驗，但效果依舊十分明顯。奧迪的生產計劃、自動化和數(shù)字化負責人Michael H?ffner就專門表示，通過這次試驗，生產線上勞動力成本降低了30%到50%。 更為關鍵的是此次試驗的內容，完全可以作為一種基礎性技術，擴展到汽車生產的其他環(huán)節(jié)中去，如鉚接、涂膠和噴漆等等。 橫向拓展能力的基礎主要有兩點，一是英特爾打造工業(yè)互聯(lián)網(wǎng)時的硬件基礎，各種不同的工業(yè)解決方案都是運行在英特爾的X86處理器上，而英特爾X86處理器自身從邊緣到云計算的廣泛布局，讓其工業(yè)互聯(lián)網(wǎng)解決方案極具擴展能力。 另一方面在于英特爾在工業(yè)互聯(lián)網(wǎng)上的提前投入，在奧迪解決方案中，便使用了英特爾的“Industral Edge Insights（下文簡稱IEI）”軟件。這套軟件本身就著眼于工業(yè)中的各種場景，通過與英特爾自身靈活的硬件基礎結合，幫助客戶更快完成數(shù)據(jù)收集、存儲和分析，降低工業(yè)互聯(lián)網(wǎng)的門檻。

解決方案拓撲圖 仍以焊接這個任務為例，英特爾還和國內公司信捷點氣合作，研發(fā)了一款完全通過3D機器視覺實現(xiàn)的焊接解決方案，能夠完成很多以往非智能解決方案無法完成，必須依賴人工的焊接任務。

制造業(yè)的下一步，應該是什么樣子？ 作為決定人類生活水平的前提，制造業(yè)的發(fā)展注定沒有終點只有更遠的遠方。這個不斷前進的過程中，最關鍵的是找到未來的核心趨勢。 日本在上世紀70、80年代瘋狂地將各種機器人技術引入了機械、電子、汽車為代表的制造業(yè)。時至今日，日本的機器人保有量雖持續(xù)下滑，但仍牢牢占據(jù)世界第二的位置。這背后所對應的就是日本對于制造業(yè)發(fā)展的判斷：

一是機器人在完成高精尖的制造任務時有先天優(yōu)勢；

二是日本是全球少子化、人口老齡化最嚴重的國家，機器人可以極大幅度解決勞動力問題。

問題來了，從當下趨勢看，制造業(yè)未來的核心是什么？ 傳統(tǒng)機械化主導的制造業(yè)發(fā)展已趨于完善，基礎的數(shù)字化手段開始往更高級、更系統(tǒng)的數(shù)字化階段邁進，而傳統(tǒng)死板的自動化手段應用場景始終受限，通過給計算機喂數(shù)據(jù)來實現(xiàn)編程的機器學習有望大規(guī)模應用。幾個點結合起來看，可以歸納為一句通俗易懂的話——機器注定將會在更多的制造場景和領域中，全面超越人工。 去年，富士康曾聯(lián)合億歐智庫、騰訊云共同發(fā)布了一份白皮書，其中提到中國制造業(yè)轉型升級，內里最關鍵的是要構筑卓越制造體系。 具體一點的內容包括精細化管理和決策、動態(tài)需求和資源規(guī)劃管理、柔性生產、全價值鏈的可追溯性等等。這些小的要點都需要強大的數(shù)字化能力支撐，例如動態(tài)需求和資源規(guī)劃管理，需要構建統(tǒng)一的數(shù)據(jù)治理體系，又比如長期被作為工業(yè)4.0代表的柔性制造，就需要多機協(xié)同的工業(yè)互聯(lián)網(wǎng)架構。 在這個過程中，英特爾扮演的角色，就是和自己的合作伙伴一起，將自己主導的軟硬件乃至更上層的生態(tài)，實打實地推廣到更多工業(yè)實際應用中去。