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。

贾佳亚教授提到，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。

贾佳亚教授表示，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，贾佳亚教授认为，工业AI企业需要寻找新的方式进行“破局”。

以数据紧缺为例，可靠的AI模型离不开大量数据的训练，尤其在工业场景下，对AI的准确率要求极高，然而目前工业生产的有效数据非常稀缺，可供训练的样本极小。通过传统的AI训练／检测方法，当训练样本不足的情况下，很难成功检测出非常见的产品缺陷。传统的AI训练往往通过给计算机提供大量图片，让计算机记住“细节”，但思谋科技通过自研的区域感知异常检测器（RADD），对目标区域各个细节进行捕捉，并与标准参考数据进行比对，记住图像的“规则”，从而能够进行原理推导，从而实现即使是非常见缺陷，也能准确进行判断识别。

此外，工业生产对验收要求极高，想要成品良率至少达到99．9％以上，每个零件的良率至少需达到99．999％；因此当前能够满足工业生产场景需求的，往往是高度定制化算法和训练方式。然而，仅训练一个神经网络就有超过百万种不同方式，长期下的定制路线，显然无法满足技术落地的需求。因此，思谋科技结合学术界与产业界的最新成果，研发出了最合适工业场景的全栈式AutoML算法，可用于分割、检测、关键点等多种不同任务中；已在几十个工业场景、近百万工业数据中得到验证。传统调参下完成一个模型（算法开发＋部署）需要10人月，在AutoML下仅需0．3人月。

此外，在被检产品形态多样化核心难题中，思谋科技通过对被检对象采取“零件化模型”处理，进行“拆分——再整合”模式，高效率理解同品类物体的内在结构一致性，从而实现面对新形态的产品时也可快速交付；以及在缺陷类型难区分的核心难题中，思谋科技通过“前后背景对比学习”方案，使用类比学习，能让计算机更好理解哪些是目标异物。

因此，贾佳亚教授表示，只有当计算机系统可以突破工业落地中的几大难题，实现自动算法组合和部署，人类仅需参与少量定制化算法设计时，AI的跨领域规模产业化才具备实现的可能。他表示，基于此前提，思谋科技也在致力于打造其工业级AI系统，构建以智慧为核心的新一代工业AI架构，涵盖了工业AI算法平台、工业AI训练平台、工业AI工具平台，以及超过30种全球领先的新型工业AI生产设备。

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。”贾佳亚教授表示。

继发布《中国制造2025》通知后，在我国“十四五”规划中，进一步强调产业链升级的智能化转向。智能制造是新一轮科技革命的桥头堡，而人工智能技术则是科技革命成功的关键利器。本届全球智能工业大会暨全球创新技术成果转移大会，涵盖“智能感知与机器视觉”、“大数据智能与科学计算”、“深度学习与工业智能”、“5G＋车联网”、“智能集成电路与光电子芯片”及“智能照明与显示”等六大分会，汇聚了全球智能领域最具影响力的科学家、企业家以及行业伙伴，共同探索智能工业发展新模式、增强经济发展新动能，引领全球资产革命的新时代。