刚刚过去的2020年，让中国饱受困窘，既有人类历史上最狡猾的新冠病毒在肆虐，也有某国丧失心智的疯狂打压。但这一切都在中国政府与人民的团结、努力、奋斗下克服了。在艰难的2020年，我们既打赢了脱贫攻坚这一历史性战役，又实现了5G、嫦娥5号这些高精尖技术，“新基建”、“十四五”规划相继出台。这为2021年的各个行业的发展奠定了良好的基础。对于工业AI来说，2021年意味着什么？让我们在回顾中展望，看看各个业内人士怎么说。

 回顾2020年，公司在工业AI领域曾面对怎样的困难？如何克服？有怎样的发展？

 小米集团副总裁、集团技术难关委员会主席崔宝秋：2020年是非常特殊的一年，各行各业都面临巨大的挑战，疫情改变了我们的生活。年初，小米将核心战略升级为“手机×AIoT”，从技术与产品的角度，大力加强手机与AIoT之间互相融合与促进。

作为一名AI领域的从业者，我很高兴参与到今天这个伟大的时代：AI 浪潮让我们进入一个新的人工智能时代，IoT 生态进入了爆发阶段，5G 技术也将带来产业高速发展时期。

今天，AI已经全面走进大众的生活。无论是硬件产品、软件产品还是互联网服务，都被AI全面赋能。智能手机是今天AI技术最大的应用平台，AIoT又让AI无处不在。手机和AIoT，相互赋能，相辅相成。AI让智能手机上的影像技术得到迅猛发展，而作为手机上的智能助理和AIoT控制中心的“小爱同学”也已经走进了上亿用户的生活。

AI已经开始全面赋能制造业。小米打造了全行业领先的智能化“黑灯工厂”，可实现全厂生产管理过程、机械加工过程和包装储运过程的全程自动化无人黑灯生产。第二期小米智能工厂已经在规划中，预计能够提效100%，而且年产能将达到1000万台。

香港应用科技研究院 (应科院): 这一年来，在工业AI领域面对的主要困难来自COVID-19造成的影响，包括无法按计划取得标注数据，工程师难以到现场调试等不可控因素。此外，随着人力成本的提高，制造业的厂商对AI系统的精度和速度也提出了越来越高的要求。

对此，公司扩展了近年开发的深度学习软件的功能，使得产线的终端用户在不具备AI专业知识的情况下也能轻松使用，并且能够降低标注数据的成本，以及减少工程师现场调试的需求。另一方面，公司也在积极探索AI自动生成技术和基于小数据的缺陷检测技术，以进一步增加工业AI的适用场景。

日电信息系统（NEC）（中国）有限公司制造装置解决方案事业部总经理戴高敏：过去1 年，疫情的发展让各方面都发生了很多变化。这些变化是深刻的，并且将会一直持续下去，所以“新常态”这个词将成为大家的一个共识。

2020 年年初我曾展望了远程作业支援、远程监控、带测温人脸识别等技术，这些解决方案后来成为疫情中的热点。比如带测温的人脸识别解决方案，因为疫情的反复以及监管要求，已成为很多企业的刚需。此外，基于AR图像识别的远程作业支援等解决方案因为人员流动的限制需求非常旺盛，市场销售额比同期增加了几十倍。

2020 年年初，我也曾提出不仅要考虑“造的出来,”还需要考虑“卖的出去”，更需要进一步考虑供应链的整合。现在来看，产业链安全不仅是企业的个体的课题，更上升到国家层面。很多企业现在虽然已经有了基于大电商平台的电商服务，但是还是需要迫切建立自己的电商平台。这种趋势代表了产业链安全的核心诉求—自主可控。

日立（中国）有限公司系统&服务事业统括本部陈永军：日立在中国有自己的制造业工厂，同时日立在中国也为制造业等的客户提供IT、物联网、大数据AI等相关服务。这两个方面在2020年所遇到的问题不太一样。

 工厂方面：日立在中国有几十家工厂，分属不同的业务单元和事业部门。有一些事业部门在中国的本地化推进的比较好，但是也还有部分的事业部门的本地化工作还需要强化。中国的客户需求，数字化等和国外有很大的不同，如何让在国外的事业本部理解中国的情况，强化本地的研发一直是日立在积极推进的一项工作。

 在数字化（工业AI）的具体推进上面，也有很多的课题需要逐步地进行解决。例如：业务的整体发展战略，不同业务板块之间的协同，各个部分的优先顺序，数字化推进过程中原有系统，设备，资产的处理和对应，系统（软件系统）之间以及系统和设备之间的互联互通等。

 制造业中大多数的课题对应都需要充分地和相关的各个部门，供应商等进行沟通和协助，然后逐步推进。比如在我们的一个工厂中推进中的IT系统和设备的深度互联互通（设计、生产系统、设备、作业人员之间的互联互通和作业自动化），仅仅一条产线，可能就需要1年甚至更多的时间。因为这里面不仅仅涉及到IT技术，还会涉及到产品设计、设备、现场执行流程等很多的问题。

在制造业的工厂中，一项改进的实现往往会涉及到多个系统、部门、外部合作伙伴。所以不仅仅需要先进、成熟的技术，还需要和工厂的管理层、现场人员、合作伙伴的深入、细致的沟通和规划，在此基础之上，制定切实可行的推进方针，然后逐步地进行改进。不能只简单地从技术出发，需要结合现场的实际需求，情况进行探讨。

在对外提供服务方面：现在很多制造业客户已经开始关注到数字化转型，制造业的数字化转型不仅涉及到IT系统，同时也深度地涉及到公司的业务（研发、生产、销售、维保等）。但是在很多制造业客户中，制造业各个部门之间往往存在各种的壁垒，很多部门的规划也局限于本部门内部，缺少整体上的一致性。而数字化的项目一般会涉及多个部门，如果没有上一级的强有力参与和公司总体战略方针的指导，很可能会使项目难以达成原定的目标。所以制造业在推进数字化转型时，需要从公司整体来进行规划和考虑。

日立在制造和IT方面都有比较深的知识和经验的沉淀，我们可以从多个方面给客户的数字化转型以支持。遇到这样的客户，我们一般会首先帮助客户进行总体的规划，组织合适的推进体制，形成变革的文化，然后逐步有秩序地进行推进。在推进的过程中，日立也会一起参与，以保证项目从规划到最后落地的顺利实施。

欧姆龙：2020年初突如其来的疫情爆发、劳动力的成本提升、以及经济下行压力下的成本与效率焦虑，促使工业企业和管理者开始积极寻找外部的技术推动力，这与AI希望走进产业的愿望不谋而合。

 制造业的智能化发展已经成为不可逆转的趋势。如果说在AI人工智能领域拥有太多想象空间，那么，工业AI技术就是AI从理论走向实践的重点突破领域。

 面对制造现场“产品和工艺“、“生产地点”、“生产者”的需求变化，欧姆龙提出i-Automation!的独特理念，即“integrated(控制进化)”、“intelligent(智能化)”、“interactive(新型人机协作)” ，利用革新解决制造现场课题。通过“intelligent”，打造实用性的现场自动化。

 欧姆龙在工业AI技术领域通过融合控制设备的IoT化和配备的工业AI技术，实现智能化生产现场，创新自动化未来。 

安森美半导体智能感知部大中华地区市场总监郗蕴侠(Yolanda Xi) 博士：2020年全球都经历了百年不遇的疫情。AI在助力抗疫防疫中发挥着重要作用，如有助研究人员筛选潜在有效药物，通过面部识别实现免触摸的建筑物访问，助力口罩等防护物资的自动化生产，等等。安森美半导体都致力从产能、物流等多方面确保为AI相关的视觉应用及时供货。

安森美半导体具有全面的感知模式，为AI的视觉系统提供高性能图像、激光雷达、毫米波雷达、传感器融合的深度感知，并以3D成像、高光谱和多光谱成像为未来的方向，努力把未来的挑战移植到摩尔定律，用半导体的方法来提升性能和降低功耗，推动AI的进步。

 蕴硕物联技术（上海）有限公司创始人崔斌:回顾2020年之初，工业AI还不是一个被认可的专业词汇，更多被人视为是C端AI技术（尤其是人脸识别、声音识别等）在工业场景的简单延用。但随着越来越多人体会了工业的博大精深，工业AI所强调的内涵很大比例已经聚焦为传统工业知识的数字化沉淀，一个个细分垂直赛道被挖掘出来散发出独特价值的光芒，AI技术就像当初的IT技术一样，逐渐回归了工具本质。

 蕴硕物联作为中国工业AI领域最早的专业公司，初创之时刚接触制造业客户时，时常被拿来与大数据公司或传统工业软件公司做对比而处于冷落的境地，尤其是我们所面对的客户都是大B甚至超大B企业，难度可想而知，通过不懈的结合工业场景进行工艺过程机理数字化价值的阐述以及不惜成本的试点示范，获得了客户的认可和尊重，突破了工业企业对供应商的严苛繁杂的考察而进入多家国企、央企以及世界500强企业的供应商目录，让我们倍感兴奋，体会到了企业肩负的民族使命。

 深圳中智卫安机器人技术有限公司董事长钟翔宇:2020年，疫情的催化及人工智能相关的各项政策利好频出，助推了人工智能产业进入发展快车道，尤其是服务机器人作为人工智能的主力军，有望在2021年加快全面产业化的发展进程。

中智卫安是服务机器人研发、制造企业，是深圳市十大机器人企业之一。自2011年起，中智卫安与香港中文大学成立联合实验室，引入行业技术专家及骨干，现已成功申报国家部委、广东省、深圳市等多个机器人科研项目，及相关领域专利近300项。

本次疫情爆发之初，公司对已有的机器人产品进行了核心技术攻关，定制化打造了多行业的AI机器人疫情防控解决方案及援助方案，优先推出了体温筛查、问诊导览、智能挂号、消毒防疫、药品配送等多款AI防疫机器人应用于各行各业。今年7月，公司还与北京云迹科技有限公司、阿尔华（广州）科技有限公司、易普森智慧健康科技（深圳）有限公司共同发起的阿尔麦斯机器人基地（RMaaS），将致力打造成机器人智造生态链，不断释放、辐射、带动机器人产业的聚集效应，助力机器人行业高质量发展。 

创视智能视觉公司:创视智能视觉作为一家植根深圳，集产学研一体的工业视觉、智能制造、自动化解决方案供应商，深耕于工业视觉、机械、电气整合等领域。旗下子公司有：深圳华未来科技有限公司、深圳赋元软件有限公司、深圳创视品川智能科技有限公司、北京创视赋元智能科技有限公司。服务领域涵盖：印刷包装行业（纸质印刷、塑料印刷、金属印刷）、药品制造行业、工业机器人应用、电子行业、汽车制造业、家电行业、食品饮料行业、机械制造业、3C产品等。

2020年对于创视智能视觉而言，是机遇与挑战并存的一年。由于人员滞留本地，复工复产一再拖延，为满足供需，以机器视觉代替人工，以智能物流代替人工……成为众多企业解燃眉之急的唯一出路。

在疫情得到初步控制后，公司快速召集低风险技术人员返工，立即启动了2020年战略规划，机械软件等多个部门线上线下云联动，在历经一个月的线上指导、线下测试攻坚战，创视智能视觉完成工业视觉3.0软件开发，满足客户以机器视觉代替人工，以智能物流代替人工等多重复工需求。

回望2020年，创视智能视觉在完成工业视觉领域的突破之外，也在非标定制上—软包装智能检测理袋系统进行开发，在历经近一年的研发试产，终于于年底正式推向市场，集自动取料、变向传输、自动计数、图文检测、自动捆扎、自动剔除等功能于一体，该系统将在食品包装领域大施拳脚。另外在PCB板、五金类视觉检测领域也有较大突破，可满足客户进行工厂智能化升级改造的生产需求。

同时，创视智能视觉旗下子公司深圳华未来科技公司，在尖端封测设备上拥有技术工艺与人工智能算法，其主打产品AIO自动检测除尘设备，在过去的一年，完成研发、试产、投产，顺利推向市场，可实现自动检查、准确识别，精准定位灰尘坐标、定向清除，干法清洁，无残留、无污染，0.5μ以上可动灰尘除去率100%，主要应用于半导体、显示面板、摄像头模组、指纹模组等光学行业。

Achronix产品营销高级经理Tom Spencer：自2020年初以来，新冠肺炎疫情席卷全球，对每个国家的经济、社会和政治产生了影响，迫使大多数人居家办公和学习。在2020年，尽管这种全新的模式对每个个体和公司而言都是最严峻的挑战之一，甚至是最大的挑战，但是在这种情况下也孕育出许多机会。

由于工作和学习环境的这种转变，对高带宽和高安全性远程访问的需求已将技术领域推向几近疯狂的发展速度。考虑到新冠病毒疫情本身以及世界各地的医学专家是如何竭尽全力地寻找治疗和治愈这种病毒的方法，无论是遏制病毒的传播速度还是加快对病毒的治愈，人工智能（AI）都是一个关键的推动者。由于该病毒及其极易传播的特性，许多患者在过去和现在仍然无法或不愿去医疗机构就诊。远程保健和远程医疗正在迅速得到关注，并被证明是一种有效且快速的医疗保健方法。

市场分析机构Frost＆Sullivan表示：“由于新冠肺炎疫情破坏了医疗服务的提供能力，所以在2020年和2021年，对远程医疗的需求将会激增。”该机构预测称，到2025年，美国远程医疗市场将增长7倍，未来五年的复合年增长率将达到惊人的38％。仅在2020年，该预测的增长目标就达到64％。2020年1月，Business Insider在一篇文章中写道，设备制造商中兴通讯与中国电信合作，推动了中国首次通过5G网络对新冠肺炎进行远程诊断。

5G和边缘计算是支持这种新模式的关键技术。两者都为在互联网上实现更快的响应时间奠定了基础，同时将延迟降到最低，甚至用户没有感知到延迟。随着数以亿计的人居家办公或网上学习，视频网络的使用量急剧增加。网络的速度和延迟对用户体验有极大地影响。这些只是由于新冠肺炎疫情而产生的或带来较大调整的应用和场景的一部分。

那为什么要选择现场可编程逻辑门阵列（FPGA）呢？与大多数软件解决方案不同，FPGA提供了一个关键的构建模块，它以线速（wire-speed）提供数据加速和应用计算，并具有近乎无限的灵活性来适应新的需求和不同的用例特性，优化部署中的再次利用，从而支持新的技术浪潮。Achronix的Speedster7t FPGA平台支持技术公司为人工智能、5G、边缘计算、远程医疗和其他许多领域提供最前沿的解决方案，这些解决方案对于在当前疫情下生存至关重要。无论是数据加速还是纯计算，Achronix的FPGA技术已经成为这场疫情防控战中的重要武器。

目前尚不清楚这种新模式将会持续多长时间，也不清楚有多少人会长期居家办公或远程学习，但是企业和学校都需要继续建设基础设施来支持这种工作模式。至于Achronix和大多数公司一样，其居家办公的策略已被证明比预期的更有效，并且在世界各地建设新的基础设施对公司来说是一个福音。

如何看待2021年中国以及（或者）全球工业AI的发展？

香港应科院: 在未来的一年，AI技术将继续从学界向工业界输送，在中国的制造业中迅速落地。

尤其是在传统方案存在痛点的领域，例如自动化生产、物流、产品质量监控和缺陷管理，需求管理与预测等等，人工智能将继续大展拳脚。

为了破数据的孤岛，加快产业的落地，领先的企业已经开始布局，结合大数据技术、云计算技术，致力于人工智能平台化、接口化。

天泽智云联合创始人史喆:谈到工业AI，首先需要结合近几年国家大力推动的工业互联网产业。工业AI是一套将工业互联网平台能力承上启下的核心技术体系，实现从数据-信息-模型-决策-执行的转化。它基于算法与模型挖掘工业数据的隐性知识，突破传统制造认知的边界，为工业产业链各环节的决策与执行提供量化依据，是我国向智能制造转型升级的核心技术支撑。

工业AI与工业互联网两者互为补充、合纵连横，本质上是用新科技解决传统问题，加速工业智能化发展的进程。但是在过去几年，工业互联网的概念铺天盖地，却在商业落地时遭遇了现实的骨感。从发展阶段看，工业互联网依然处在行业导入期，短期内科技还无法直接体现为生产力，因而大部分技术公司都遭遇了客户不买单的窘境。

理想和现实的差距在于，从需求侧来看，首先是我国工业信息化程度较低，组织能力和文化制度都需要改革；其次是工业和科技复合背景人才的培养和有效工业数据的积累，这两者都需要至少十年的时间沉淀。从供给侧来看，大多数技术公司的解决方案多是以“技术思维”主导，如果不能深入结合工业现场和制造领域的专业知识，交付的解决方案往往无法自证价值。同时传统的龙头企业和技术领域的巨头公司也纷纷涌入赛道，产业链中不同角色从之前供求关系演变为竞合关系。面向即将重构的产业链和生态，或许把大家都拉到了同一个起跑线。

我非常认同习近平主席强调的，中国的经济发展一定要从国情出发，从中国实践中来、到中国实践中去。我国工业特点鲜明，体系完备且具有超大规模，尽管在一些特定领域存在技术短板，但是随着新基建的全面铺设，工业产业的信息化和数字化基础逐步完善，将来的升级转型必将发生乘数效应。

当然还要保持开放学习的态度吸取他人成功的经验。工业互联网来自于美国GE公司，其为我们贡献了非常全面的技术和服务框架，甚至培育生态的设计思路。而去年底在纽交所成功登陆的C3.ai公司，以估值超过100亿美金成为工业AI领域的新晋独角兽。

C3.ai分享了一个典型客户故事。一家大型法国电力公司Engie使用C3的软件构建定制化应用程序（即工业APP），其中一个为了解释Engie在中东的一处供电节点为何会在性能上比其他节点低了2％，分析了超过十亿多个数据点，最终发现是因为特定的维护事件导致燃气轮机的退化速度提高了四倍，由此导致了相同设备在性能上的差异。问题解决以后，该公司每年大约能够节省超过1.25亿美元的开支。（来源：贤集网，原文链接：https://www.xianjichina.com/news/details_240597.html著作权归作者所有）

这个案例完美诠释了工业AI的价值。也是天泽智云在过去几年时间探索的方向。面向中国工业的特点，我们自主研发了能够快速构建数字孪生模型的软件系统—工业智能基建系统模力工场^TM，经验证，该系统能够以3倍于业界标准速度研发出工业场景的AI应用，快速地释放工业数据的业务价值，为工业企业探索更具竞争力的创新商业模式输送源源不断的活力。

瑞萨电子中国工业自动化事业部高级总监徐征：展望2021年，终端AI仍将继续占据技术发展的主导地位。无论连接模式如何，网络带宽及应用场景的实时性都是关键的问题，这将影响远程医疗，基础设施建设，以及工业AI等许多领域的发展。其它，例如建筑物内外的环境也被受关注，这将推动对环境传感器，个人医疗设备以及整体能效改进的需求增加。

 在未来的工业系统中，IoT技术，以及传感器技术、数据实时传输、大数据管理等不断发展，为智能化技术实施提供了可靠的感知基础。但是我们目前的实际应用中依然大量依赖于以人的决策和反馈为核心，这就导致系统中有很大一部分的潜在价值并没有被释放出来。系统越是复杂，人的学习曲线就会越缓慢，而当我们的学习曲线比技术的进步缓慢时，就会成为制约其进步和应用的瓶颈。而人工智能为工业带来的第一个革命性的改变，恰恰就是摆脱人类认知和知识边界的限制，为决策支持和协同优化提供可量化的逻辑依据。

 随着越来越多智能化设备的投入工业生产和日常生活中，我们所处的世界正从模拟量的物质世界转变为智能化的数字世界。设备端、云端、大数据、物联网相辅相成，使智能化快速发展。而5G将大力助推工业以太网与AI应用的深度融合，助力智能制造构建与发展。自2014年以来，工业自动化市场由于中国和亚太其他地区的全球化和工业化的快速发展，市场需求增长迅猛，逐渐与欧美等地区形成三足鼎立的态势，共同成为该领域的潮流引领者。即使在疫情影响下的今年，中国工业自动化市场依然显示着良好的弹性。 

 在挖掘图形处理能力的同时，人们对优化终端芯片（如MCU 和 MPU）以适应人工智能（AI）工作负载有着浓厚的兴趣。缩小人工智能推理模型本身的规模，使其在嵌入式硬件上运行成了新的关注点。这些趋势的一个关键驱动因素是人工智能在语音识别和其它生物特征识别的应用，例如虚拟助手和专用音频设备。企业人工智能投资更多的是偏向虚拟助手， 以提升对于人工智能（AI）的客户体验，这些应用程序演示了它们内在的便利性以及为智慧工厂创建的可能性，都促使企业对这类人工智能应用程序进行大量投资。科技、媒体及电信（TMT）和消费电子等行业往往专注于智能手机和数码相机的计算机视觉。相比之下，企业IT行业对计算机视觉和语言处理分析更感兴趣。

 日立（中国）公司陈永军：很显然工业AI会对中国以及全球的生产，制造产生重大的影响。这样的发展会持续并且加速，2021年会有更多的中国，全球的企业推进这个方面的工作。

 安森美半导体郗蕴侠(Yolanda Xi)博士：从第一次工业革命机械化到第二次工业革命电力化，到第三次工业革命计算机数字化，到现在第四代工业革命人工智能化、信息化。AI对人类社会的方方面面的影响和改变是远远超过计算机数字工业革命带来的改变，尤其有助于推动智能管理、智能工厂、智能物流等全方位智能化，有很大的潜力和活力。一些新兴设备，特别是在新冠病毒以后的后疫情时期有一些大的趋势：一是远程化。远程教学、远程医疗会越来越普遍；二是无人化，例如无人送货车、无人商店，减少人和人之间的接触，即无接触化。不需要开门抓手把，不需要去推门，减少一些传染。还有一方面就是对病毒的检测，安森美半导体现在和世界上很多公司都在合作开发新冠病毒检测设备。

中国方面，十四五规划已将AI列为重点发展的领域，在这利好的政策背景下，AI将迎来新一轮的创新，尤其将使机器视觉市场快速发展。

如果说AI是新的电力，就像第二次工业革命电力给整个人类带来的一个巨大的深入改变，那么数据则是AI的动力和发动机，感知是数据的燃料。安森美半导体在感知领域做了非常久的投入，包括图像感知，多光谱、高光谱的感知，激光雷达感知、毫米波雷达感知、传感器融合此类深度感知。所有这些都是在推动AI和第四次工业革命的进步。

全天智能联合创始人伍景辉：近年来产业互联网发展变化可谓天翻地覆，相信在未来和工业AI技术深度结合后必将涌现更多的数字经济产业互联网独角兽企业！中国因为经济体量的原因，在消费互联网增速世界领先，但后端产业互联网还处于发展期，工业AI能极大地推动产业互联网的发展。在半导体、智能制造、能源、采掘、化工原料等行业当中的预期，都是百亿、千亿级的市场价值。我认为，传统认知意义上的互联网时代逐渐过去，以IOT、工业AI、中国制造为代表的新时代已经来临，如何找到这个时代关键的要素？工业AI生态基础设施就是新时代的战略制高点，会有更多的新机会涌现。

 虽然，在全球工业AI发展浪潮中国内在相关产业领域取得了令人瞩目的贡献，但是在传统制造业却面临着人工智能发展与行业融合不足的挑战。制造业机器设备生成的数据通常较为复杂，有接近一半的数据没有关联性。同时制造环节的数据需要安装大量高精度传感器，这不仅需要投入巨额的资金，而且在后期维护上也会产生检修及人工成本等。现在大多数构建制造环节的工业数据库，工业领域主要以企业私有数据库为主，且数据规模有限。全天智能作为数据可视化的行业探索者，一直在不断在工业4.0相关产业加强数据挖掘与全维度实时展示。

上海帆声图像科技有限公司首席技术官郑子谅：在全球“工业4.0”和自动化需求之下，兼具精准高效特点的机器视觉目前正受到各国的一致关注与追捧。自上世纪60年代概念提出以来，以美、日、欧为代表的先进国家就率先开始了相关的研发工作，近年来，伴随着在半导体和电子电器领域的突出表现，其在国际市场的发展逐渐步入到成熟阶段。

而在我国，机器视觉研发和应用都相对较晚，起步于80年代的技术引进，平稳发展之下直到2010年才迎来成长期。期间，随着“工业4.0”、“中国制造2025”等概念的持续深化，以及研发技术的不断突破，我国机器视觉已经不再是一种单一的应用产品，而逐渐向多领域、多行业、多层次进行延伸。

 工业视觉领域中，目前主流的检测手段仍然是基于传统图像的方式，其中常用的视觉算法库为opencv和halcon。但是，基于传统图像的的检测方式，算法中往往存在大量的超参数需要算法工程师和现场工程师来进行调试，通常若产线换了一批产品其参数乃至算法都需要重新调试和设计，极大了增加了视觉检测设备的后期维护成本。而利用深度学习的视觉检测方式，由于具有高通用性，低维护性和高迭代速度等优点而得到越来越广泛的应用。

 但是，目前的现状存在大量生产商由于已经采购了基于传统图像的检测设备，在其设备的成本回收周期内往往不太愿意再重新投入大量的金额去购买基于深度学习的检测设备，同时为了达到降低设备的维护性，提高自动化的性能的需求，需要一种在维持现有硬件基础上的参数调试优化方法。针对上述工业领域的痛点，提出了一种基于深度学习的离线参数调试方法，从而解决了工业领域中需要花费大量人力，物力进行参数调试的过程，提高了产线的生产力。

帆声科技在此市场现状下，究使用深度学习模型将传统算法参数序列同图片特征融合，对传统算法参数序列进行优化，从而研究出一种新的用于工业瑕疵图像检测的传统算法参数自动调节方法。它可以在传统算法调用前针对每一张图片的传统算法参数序列进行优化，因此不需要算法工程师，寻找最优参数序列，同时也能提高检出率，降低过检率。在模型训练过程中，考虑到在工业领域中存在缺陷数量较少，数据集不足的情况。利用迁移学习的方式对分割，分类和调参模型中的特征提取层使用过往收集并整理好的大数据缺陷库进行预训练，之后再在新的数据集上进行fine tune来达到加快模型训练和收敛的目标。

Achronix公司Tom Spencer：Wi-Fi 6、5G和边缘计算极大地推动了工业AI的发展，其中需要能够处理大量数据，执行应用程序，并以近乎瞬时的速度运行AI算法。大量的人工智能应用多数都是由云端提供的，但工业AI要想有效地发挥作用，应用程序和算法就不能受到与云服务相关的、相对较大的延迟的影响。

与4G通信相比，5G通信的带宽要高出多达十倍，并具有高可靠性连接和支持物联网等特性。与Wi-Fi 5相比，Wi-Fi 6的吞吐量提高了近3倍，提供了更宽的通道和更多的吞吐量。得益于Wi-Fi 6、边缘计算和5G等基础设施，人工智能可以在制造业环境中蓬勃发展，而无需云端的参与。实时质量和性能分析、能耗优化和深度学习，它们对于大型的和分布在多地的制造设施而言，是其网络化制造的一部分。大量的数据在这样的环境中生成，需要近乎瞬时的分析和处理才能发挥作用。

为了处理所有这些数据，有必要使用智能的网络节点单元。图形处理器（GPU）和FPGA为这些人工智能算法提供了运行网络连接和计算所需的资源。为了实现对于工业AI来说皆为至关重要的绝对最小时间延迟和单位功耗上的最佳性能，基于硬件的解决方案（FPGA）比基于软件的解决方案（GPU）更适合。速度也是一个必要的因素，而在许多情况下，功耗将是最为重要的。Achronix Speedster7t系列FPGA产品通过搭载了112Gbps SerDes来支持最先进的I/O去解决所有这些问题，它可支持高达400GbE、PCIe 5以及GDDR6和DDR4存储器接口。Achronix突破性的片上网络（NoC）超级高速公路具有超过20Tbps的双向带宽，将芯片上所有的内部机器学习处理器（MLP）、数字信号处理（DSP）引擎和外部I/O互连起来，最大限度地减少数据路径延迟和拥塞。Speedster7t的NoC和相关的I/O性能比友商提供的最接近的FPGA产品高出四倍。

2021年，公司有怎样的技术与市场发展战略、目标？有怎样的产品规划？

小米集团崔宝秋：从上世纪50年代AI概念首次被提出，技术、产品、产业历经了近70年的发展，我们深知梦想从来都是不可能一蹴而就的。

2021年，我们呼吁充分利用AI技术，让人们的生活多一些省心、贴心和安心。我们要利用好AI技术、知识图谱、对话服务等，服务好老人、孩子和有特殊需要的人群，让AI真正改变每个人的生活。同时，我们要在信息安全和隐私保护方面，不断提升技术能力和行业标准，让用户真正放心地使用手机和各种智能设备。

新一年，我们呼吁在AI领域更加坚决地深度拥抱开源。我坚信开源是人类技术进步的最佳平台和模式，我们应该更加开放，更加共享，更加平等，更加全球化。在AI时代我们要倡导广义的开源，不仅要做代码的开源，还要做数据的共享，尤其是知识图谱这类数据的共享。

我们呼吁大力培养专业人才，推动AI产业加速发展。目前，AI领域集中了全球最优秀的科技公司，以及最顶尖的科技人才，竞争非常激烈，而人才是一切创新之源。我们要加大AI基础学科研究投入，加强AI科研人才、技术人才的培养与引进，大力促进AI产业化发展。

应科院: 智能制造是应科院的核心科研领域之一，目标是透过科技加快生产速度，简化制造过程和提升效率。应用了人工智能和工业机械人的生产线，制造过程将会变得更可靠、更有效率，维修工作也变得更容易。过去几年，我们一直致力于研发工业用的视觉技术，开拓微型化光引擎的技术领域，并主力发展影像识别与深度学习演算。往后，我们将会推出基于深度学习的缺陷标签和检测软件平台，并开发AI自动生成系统和基于小数据的缺陷检测技术，以解决工业企业因人才及数据短缺而导致无法导入工业AI的问题。在2021年，公司将会继续以实现竞争力为最终目标，积极与业界、政府部门和学术机构等伙伴协作。透过把技术商品化，转移到各大企业和政府机构，为用户提供实用性产品和服务，协助企业增强竞争力，帮助香港以致大湾区发展成为首屈一指的科技中心。

日电信息系统（NEC）（中国）公司戴高敏：从工业AI 技术角度来说，针对供应链整体的智能预测，智能计划等成为一个新的热点。新基建里面的5G、大数据中心、工业互联网的加速发展也提供了可靠的技

术基础设施。

总结一下，新常态下的智能制造的核心理念是基于互联互通的融合，从而实现产业链协同共赢。针对上述背景，NEC 提出了数字化转型平台Connected Manufacturing，其中包括NEC DX Factory 和Customer DX 2 大解决方案群。使用IoT/AI、5G、大数据、云计算等多种先进技术形成了各种解决方案。比如NEC Industrial IoTPlatform 工业大数据平台、AI 品质分析、数字营销云平台以及基于5G 技术的AGV 优化解决方案以及机器人远程控制解决方案等。数字化转型平台ConnectedManufacturing 涵盖了企业运营的生产、营销、产品服务等各个领域，通过不断的推进Process Innovation 和

Product Innovation 实现企业的数字化转型。

天泽智云联合创始人史喆:经过2020年的洗礼，天泽智云确立了技术闭环和业务闭环的双闭环策略，目标是为客户提供交钥匙工程，力图直接将技术转化成客户企业的生产力或者经济效益。技术闭环以烟草制丝线松散回潮出口水分智能控制为例。烟草行业制丝加工过程中回潮是重要的工序之一，回潮后的出口水分是关键的控制指标。由于来料差异、料头料尾、环境温湿度变化等因素没法参与回潮机的闭环控制，所以需要人工进行相关参数的调节以保证出口水分的稳定性。天泽智云交付的工业AI系统，能够与制丝集控系统紧密集成，对核心关键参数自动调节，实现质量闭环控制的智能化应用。

业务闭环以风电行业为例。风机的叶片隐患已成为风电企业的最大忧虑之一。风场环境恶劣，叶片故障根因复杂，检测难度高，目前并没有行之有效的在线监测方案。天泽智云自主研发的叶片卫士™ — 叶片在线健康管理系统，通过传声器采集叶片扫风声音，在线识别雷击损伤等问题，替代人工目检，让业主及时了解风机重要部件的健康状态。把叶片卫士™、智能排程系统等智能化产品与运维服务进行整合，风电行业客户可以有机会选择一套打包的、端到端的智能运维服务，这样既保证安全高效生产，又能切实减少发电量的损失，实现保发增发，助力风电企业在未来新能源格局大变革时代抢占更多竞争优势。

瑞萨电子中国徐征：在工业4.0以及工业物联网应用场景中，生产系统旨在实现先进的生产控制和预测性维护。为此，在“端点”进行精细采样及数据收集至关重要。这一过程会生成大量数据，这些数据收紧了网络带宽并会抑制现场设备的实时反应及动作。

 在工业AI领域，我们一直主张在嵌入式系统中采用人工智能（AI）技术。众所周知，工厂自动化等工业设备对实时处理能力要求很高。虽然云端AI能够提供丰富的计算功能，但由于带宽和时延等各种因素限制，云端AI往往难以满足现场响应的要求，所以嵌入式人工智能（e-AI）解决方案成为绝大多数客户的首选。利用嵌入式人工智能单元使现有设备能够使用人工智能进行推理执行从而实现终端智能化，制造商们可以直接将e-AI技术集成到工厂设备中。不仅如此，将DRP和SOTB技术融合到e-AI方案将为嵌入式系统领域提供新的附加价值。DRP动态可配置处理器技术，支持客户对多种复杂算法的进行动态匹配，大大增强了嵌入式端点的AI推理功能。

 中国是目前世界上最大的制造业基地，其工厂也正在迅速转变为自动化和网络化的智能工厂， 以顺应工业4.0的发展需求，瑞萨电子的微处理器和微控制器（MCU & MPU）解决方案立足于终端智能，可协助制造商满足智能工厂应用不断变化所需的实时性，安全性和连接性需求。

 瑞萨电子推出的RZ/T1（MPU）嵌入式人工智能（e-AI）解决方案在工业设备终端上使用人工智能进行AI推理执行，包括数据收集、存储、分析及控制，实现了终端智能化。该e-AI解决方案可以直接嵌入到目前已有的工业制造装置中，在终端设备上通过e-AI急速预判设备是否产生异常，同时将结果上传至生产管理系统。在不占用过多网络带宽与功耗下，实现设备的实施自主控制。e-AI技术可以显著提高产品的质量，提高工厂的生产率，加速了传统工厂的智能化转型。

 安全、可靠、低成本是瑞萨电子在工业领域主打要点，而工业以太网、互联互通、实时控制、安全以及节能是工业AI的核心技术。瑞萨电子多协议工业网络解决方案，包含基于RZ/N1（MPU）的一个主站设备和两个网关。主要应用于主站设备，如PLC、传感集线器、网关；以及从站设备，如通信模块、远程I/O、电机控制等领域。其中RZ/N系列非常适用于工业网络设备，将多种工业网络技术整合于单个芯片中，能够让系统制造商在更短的时间内开发出支持各种工业网络协议和网络冗余协议的系统。

 除此之外，我们正在研发一种旋转变压器电机控制解决方案，这个方案是基于RX MCU和旋变信号解码芯片。它不仅可以实现16,000脉冲光学编码器的同等位置控制精度，通过使用旋转变压器控制2轴BLDC电机，还可实现机械臂的高精度定位和同步控制，广泛适用于户外工作的恶劣环境。

日立（中国）公司陈永军：日立是一家有着百年以上制造业的经验和60多年IT经验的公司，是全球为数不多的一家对制造，IT都非常熟悉的公司。最近数年，我们一直通过将IT和生产现场（OT）的融合，为全球和中国的制造业客户提供从咨询到实施的完整的数字化解决方案。

最近数年，我们明显感觉中国客户在这个方面的需求在扩大，我们会继续扩大这个领域中对中国客户的服务和支持。一方面我们会把日立在海外的先进的经验，技术拿到中国，同时我们在大力发展中国本地的对应团队，以实现对中国的客户的快速支持。

欧姆龙：在熟练技术人员短缺和人工成本急剧上升的背景下，需要人的经验和感性，依靠人进行搬运、组装、检测的工序，是制造业急于实现自动化的部分。特别是在产品的外观检测中，需要经验丰富的熟练工拥有的感性和经验，例如判断各种颜色和尺寸的划痕、产品本身有很大的差异时如何判定缺陷产品。

欧姆龙研发了AI感官检查技术，通过“AI准确匹配”学良品状态的图像数据，在短时间内获得检测人员在多年实践中积累的“检测技术和知识”。除了能够再现熟练工的检测能力之外，相比传统的自动化检测方法，能够减少因公差导致的良品过检，使检测稳定性40倍UP。

 欧姆龙AI控制器，通过在控制功能的基础上搭载独有的AI功能，能够以微秒级精度实时运用装置层的信息。利用超高速、高精度检测出装置上瞬时发生的“反常”状态，并实时反映到控制中，不仅可以监控装置层的趋势，还可以防止高速生产时瞬时发生品质不良的问题。

 目前，欧姆龙搭载AI的控制器已各类工艺等广泛应用，并起到了显著的效果。如上下料皮带监控，在使用过程中会产生磨损、破裂、松弛等课题。通过AI算法可以有效判断传送带的运转状态，提醒用户及时更换劣化的皮带。滚珠丝杆在使用过程中会出现滚珠磨损、破裂、掉落，以及滑块受损、轨道受损等情况，AI算法可以有效检出这些故障，并提醒更换。通过AI检测气缸的运动状态，可以有效检测出漏气、活塞损坏、密封圈损坏等故障。

 当前的新冠疫情，除了使人手不足等以往制造现场的课题变得更加严重之外，还产生了确保社交距离及实现非常时期强有力制造等新课题。在这种情况下，着眼于后疫情时代新生产方式的确立成为当务之急。

 人机协作的智能化单元生产线，融合AI、IoT、自动化搬运、协作机器人等欧姆龙技术，基于大数据分析，实际运用在欧姆龙自社工厂的近未来生产管理系统。通过5G，实现各种感测数据的超高速反馈；AI实时监控，作业人员动线可视化，提示容易出错的作业点，客观反映作业熟练度，实现各生产基地的自主改善推进。

安森美半导体智能感知部工业及消费分部大中华区区域营销经理陶志(Annie Tao)：安森美半导体未来的方向是3D成像、高光谱和多光谱成像。现有的方案都是在系统上解决，比如3D可以用双目，两个摄像头，结构光或者直接飞行时间(DTOF)来解决。高光谱、多光谱，是用多个镜头或者多个相机在系统里合成。而我们的想法是怎么样把这些困难和问题，在半导体层面用摩尔定律来解决，带来降低成本，缩小尺寸、降低功耗的好处。安森美半导体在几年前已开发出相位监测，就在像素上面做了一些改动，基本上可以在一两米之内做一些深度的检测，同时可以提供深度和色彩信息、图像信息。 

光检测和测距或激光雷达的应用在所有领域都在增长，包括机器人和强制要求毫米范围精度的工业接近感知。它通常基于dToF方法，测量通常在近红外(NIR)波长范围内的一个光脉冲往返于一个物体所需的时间。尽管原理很简单，但其应用可能会带来挑战性，例如周围太阳光较强等环境因素。为了准确确定范围，接收器需要捕获尽可能多的信号。就响应时间和灵敏度而言，传统的光电二极管在这方面会受到影响。安森美半导体开发的硅光电倍增管(SiPM)和单光子雪崩二极管(SPAD)阵列传感器提供更快的响应时间和高检测效率，克服了这些不足。 

安森美半导体开发的SiPM RB激光雷达平台提供低成本、单点激光雷达的完整方案，原始设备制造商(OEM)可灵活调整并投入生产，以创建工业测距应用。它包括NIR激光二极管、SiPM传感器和光学器件，以及将检测到的信号转换为经过时间，以及将经过时间转换为距离所需的数字处理。为加快客户的上市时间，安森美半导体提供该参考平台的所有设计数据，涵盖原理图、物料单(BoM)、gerber文件和PCB设计文件。客户还可以访问基于PC的图形用户接口(GUI)，提供随时间变化的测量结果的图形。生成的直方图进一步证明该系统在测距、碰撞检测和3D制图等应用的能力。

高光谱和多光谱成像方面，安森美半导体也是在半导体层面来解决怎样把光谱分离出来。等离子波导滤波片技术分离出来光谱不是那么完整和精确，但是有一些应用场景是适合的。法布里-珀罗 (F-P)分光滤光片是在半导体上加了一些反射镜，它可以把光谱非常准确地分离出来，但成本和可靠性都有一些问题。把未来的挑战移植到摩尔定律，用半导体的方法来解决，这样就能够得到一些好处和优势。

如安森美半导体用NVIDIA  Xavier  Edge  GPU做了AI训练，用于水果新鲜度分类，精度可以达到97%，其中1300万像素图像传感器 AR1335能提供非常好的图像质量，使AI的判断精度能够提高。我们之后要做的类似的演示会设定在高速运转情况下，特别是工业机器视觉中怎么用上AI。

安森美半导体也非常看好无接触市场的成长潜力。首先是在无接触付款，以后是无接触的通过闸口，包括飞机场、火车站、高铁站。

蕴硕物联技术崔斌：在2021年，伴随工业互联网热度的进一步升温，工业AI的发展将更加行业特色鲜明，大量的工业数据、设备数据、甚至工艺数据都会在更深层次与AI技术融合，对各类工业设备商、集成商以及终端制造企业，产生数字化升级转型的战略价值。

蕴硕物联也将努力前行，把自己擅长的专业领域做深做专做透，与上下游伙伴紧密合作共赢，在通用AI技术的基础上，形成更多更富有行业场景特色的工业APP和工业微服务，打造工业微服务中台，为业界提供开放共赢共用的公共服务资源。

上海帆声图像公司郑子谅：帆声科技U-eyes系统平台,首先在5G技术的护航下，赋能动态多场景识别，5G的高带宽，低时延，高可延展性等特性，赋予AI拥抱无限可能。然后通过作业现场可穿戴设备，由高分辨率摄像机安装在安全帽上，可以直接穿戴在工人头上，不影响其工作的同时，提供了高便捷性及可操作性。更有成本低，无需改造生产线等优势。最后由AI深度学习，学习正确的制造过程。

应用举例：工人穿戴可穿戴设备，在生产线上工作，例如装配线上的工人应当以顺时针顺序安装5个螺丝钉，才能保证成品不出错，AI将自动记录并学习这些视频数据，学会如何以正确的顺序安装螺丝钉，学会了正确操作顺序的AI，将可以在工作时自动记录工人操作的顺序，通过可穿戴设备，智能系统可以实时监测生产线上的工人有没有按照错误的顺序安装螺丝钉，如顺序错误，则会有警报声提示，通过绑定二维码，每台可穿戴设备将绑定每个工人，真正做到一台设备对应一个工人，责任可追踪。

 帆声科技公司通过U-eyes系统平台影像数据分析，在5G为基础的技术下，为制造业升级成动态多场景的分析。U-eyes能帮助企业获得基于人工智能的实时反馈，提高生产效率，准确率，降低误操作及带来的危险性，节省人工。U-eyes充分融合5G，人工智能，机器视觉，通过对技术的融合运用去解决问题，将静态分析升级到动态多场景分析，有潜力成为5G落地的应用典范。

 深圳科卫机器人科技有限公司CEO何英：2021年，将是在疫情的冲击下，服务机器人在各领域迅速渗透的一年。深圳科卫机器人科技有限公司（深圳科卫）作为服务机器人产业的互联网平台公司，通过线上线下相结合的形式，开创了机器人租售新业态。

线上租售平台，即深圳科卫以自主开发运营的“好萝卜网”为载体，可为企业和个人用户提供机器人产品的在线租售、交易、解决方案等全方位服务。该平台将集聚全球的机器人产品，目前已吸引CIOT、云迹、猎户星空等机器人品牌率先入驻。

同时，深圳科卫的线下租售网络已覆盖北京、上海、广州、深圳、杭州、武汉、重庆等国内多个城市，共设有36家全资子公司，可为用户提供便捷、高效、专业的产品应用体验，及全方位属地化的产品展示、部署安装等租售全过程一站式服务。目前，深圳科卫在广东、江苏、山东、江西等地级市的销售代理正紧锣密鼓地推进中。

深圳科卫坚持以技术为驱动的互联网OTO 模式，依托数字化企业管理平台及人机协作服务平台两大核心抓手，实现了深圳科卫线上线下运营的完整闭环。“数字化企业管理平台”作为深圳科卫的内部管理“中枢”，将实现对线下服务平台、百万台机器人以及千人销售团队的高效管控，打造成集智能办公、业务协同、渠道赋能、客户管理等多功能于一体的移动化、可视化一站式数字化企业管理平台；“人机协作服务平台”则指深圳科卫在业内率先实现把不同厂家、不同标准的服务机器人送至“云”端，

以“云互联”及“云赋能”为双引擎，构建服务机器人互联网共享生态链，各类型机器人通过该平台可以实现信息共享、功能协同及优化升级，从而更好地赋能各场景解决方案。

深圳科卫的线下租售网络，还承载着产品落地、技术支持及售后服务等多种功能。深圳科卫将以覆盖全国的销售网点为基础，组建遍布全国的专业售后服务团队，以“7X24小时一键响应”的要求，推进机器人售后服务产业发展。

2021年，人工智能将迎来全新战略机遇。深圳科卫将抢抓5G及新基建等各项政策叠加利好，以覆盖全国的线下租售网络为基点，打造“互联网+机器人+X”的无限可能。

 深圳中智卫安钟翔宇:阿尔麦斯机器人基地占地面积为14万平方米，可为机器人品牌商、机器人运营商、机器人4S店等行业企业提供一站式的深度服务与支持，构建集机器人外观设计、技术研发、样品生产制造、机器人批量生产、展示、测试、销售、运输等于一体的机器人共享生态链，并将多维度整合机器人上下游产业的优势资源，联合打造全行业机器人解决方案，从源头缓解中小型机器人企业的生产制造难点，为中小型机器人企业降本高达30%。

目前，阿尔麦斯机器人基地已吸引了多家国内机器人领军企业率先入驻，预计今年的机器人产量将突破1.8万台，预计至2021年，机器人年产规模将突破10万台。

Achronix公司Tom Spencer：在过去的2~3年中，我们看到FPGA技术在数据中心的机器学习、人工智能/机器学习（AI/ML）和智能网络接口设备等应用，以及基带加速和基于云的无线接入网络（RAN）等5G基础设施中，都得到了越来越多的应用。在下一波计算浪潮中，我们预计将继续采用FPGA以支持更多应用，诸如智能网联和自动驾驶车辆、边缘计算以及用于可编程无线电和前传融合的5G基础设施。

为了满足这些应用以及其他需要分立FPGA芯片技术的应用的需求，Achronix开发了Speedster7t FPGA平台，并将于2021年实现量产。基于台积电（TSMC）7nm工艺技术构建的Speedster7t FPGA芯片具有针对高性能数据加速应用而优化的创新功能。

·         为了将数据快速地传入和传出FPGA器件，Achronix集成了多达72个高速SerDes I/O接口，每个通道的运行速率可从1Gbps到112Gbps。我们还提供了4个400G以太网接口以支持高速数据网络应用。一旦数据进入FPGA，它们就会使用二维片上网络（NoC）在FPGA的逻辑阵列之内和之间进行传输。NoC为FPGA器件内的数据传输提供了超过20Tbps的带宽，并减少了在传统FPGA设计中常见的路由瓶颈。Speedster7t FPGA是首款包含专为数据加速应用而设计的、覆盖全芯片NoC的FPGA器件。

·         为了加速FPGA器件中的计算功能，Achronix提供了高速机器学习处理器（MLP）。MLP是经过优化的乘法和累加单元，它可支持块浮点、浮点和整数等各种不同的数字格式，这使其成为需要数字格式灵活性的机器学习应用的理想选择。MLP可提供超过80万亿次操作/秒（TOPS）的计算能力，为下一代人工智能/机器学习（AI/ML）应用提供处理动力。

·         Speedster7t FPGA架构的最后一个关键部分是高性能存储接口。Achronix的Speedster7t FPGA利用低成本的GDDR6存储器件，提供了高达4Tbps的存储带宽。这种规模的存储带宽与I/O和计算性能实现了平衡，以缓解由于外部有限的存储带宽而导致的处理瓶颈。

除了我们的独立FPGA器件，Achronix还提供了嵌入式FPGA（eFPGA）半导体知识产权（IP），其可被集成到定制的专用集成电路（ASIC），或提供FPGA晶粒进行多芯片封装（MCM）而集成到其中。我们的SpeedcoreeFPGA IP已在Speedster7t FPGA器件中经过了流片验证，它由逻辑单元、存储器和DSP/MLP资源组成。

SpeedcoreeFPGA IP为客户特定的应用提供性能可微调的FPGA单元。与必须从预定义的FPGA器件中进行选择不同，这些器件通常会提供比您所需的更多或更少的资源，eFPGA IP资源是由我们的客户自行定义的，可完全适合他们的应用。此外，其他ASIC处理单元和eFPGA之间的互连功能也可以针对低延迟和高带宽进行优化，这是标准FPGA解决方案无法实现的。与独立FPGA器件相比，SpeedcoreeFPGA IP可减少高达90％的成本，降低75％的功耗，提供高达10倍的带宽，延迟可降低10倍。

与独立FPGA器件相比，eFPGA IP是一种相对较新的技术。Achronix是最早的eFPGA供应商之一，自2017年以来就一直在大批量应用中提供eFPGA技术。eFPGA IP的典型应用包括汽车驾驶员辅助系统、计算存储加速器、金融科技、人工智能/机器学习和5G基础设施。这些应用使用具有集成eFPGA IP的定制ASIC器件来提供所需的工作负载和算法灵活性。对于许多使用过英特尔（Intel）或赛灵思（Xilinx）的独立FPGA芯片的客户而言，这是一种使用范式的转换，那些厂商并不提供eFPGA IP来集成到定制的器件中。

我们现成可用的、包括独立FPGA器件和定制eFPGA IP的产品组合在市场中独一无二，并基于各种部署模型，使我们能够满足新基建中所需的多样化的应用需求。

您认为工业AI的未来将面对怎样的技术与应用挑战？

应科院:随着自动化缺陷检测、智能工业机器人、设备健康管理等典型工业AI场景的确定，AI在以电子、机械为代表的制造业中已得到广泛应用。然而，从长期来看，工业AI仍然面对诸多挑战。

第一，在技术方面，当前AI依赖大量的数据，而众多任务业场景数据匮乏，尤其是未来更多中小企业会采取少量多样、弹性制造的生产模式。同时，制造业数据敏感的特性也阻碍了企业间数据共享。因此，能克服数据短缺、解决冷启动等问题的适用于小数据的AI算法将是一大技术研究方向。其次，以深度学习为代表的AI算法具有黑盒特性，与工业制造追求高可靠性和可解释性相矛盾。因此，透明、可解释的AI系统将能够获得更多企业的信任，从而推动工业AI解决方案的落地。

第二，在场景与应用方面，当前AI通常解决的是产线上的单点问题，较难为工业企业带来较高的投资回报率。要放大AI的价值，需要与5G、边缘计算、工业互联网等技术相结合，形成体系化的工业模型、开发工具及数据标准，达到全局优化的效果，驱动工业行业的新变革。

总的来说，工业AI在未来实现产品化、规模化的过程中会遇到很多挑战，但这些挑战同时也是机遇。在深入理解行业需求、了解工艺流程的基础上，形成覆盖全流程的解决方案是每个工业AI从业者长期努力的目标和方向之一。 

日立（中国）公司陈永军：工业AI的很多技术其实在生产中现在还存在需要改进的地方，但是相关的技术在高速地发展和迭代。技术只是一种手段，最为重要的是企业如何利用这些技术实现公司的战略发展目标和业务上的转型。这里面技术虽然重要，但是还涉及到很多其他的方面。需要从总体上进行考虑。 

安森美半导体陶志(Annie Tao)：技术挑战是前端感知部分以尽可能低的成本、尺寸、功耗提供更高的分辨率，而后端处理则需要更强的计算能力、理解和判断能力，以应对自动化趋势下不断衍生出的新兴的AI应用细分领域。

Achronix公司Tom Spencer：现在的工程系统会生成大量的数据，现代工业确实是一个大数据环境。然而工业数据通常是结构化的，但质量可能是较低的。

l  人工智能必须实时处理

许多生产过程速度很快，必须实时运行。这些设备可能非常昂贵，设备、工艺或材料中的任何异常都会造成非常严重的损失，而且也是不安全的。这种要求不仅要能够在本地进行处理，而且要以非传统的方式来进行处理给用户带来了负担。边缘计算成为一种必然，在大多数情况下，传统服务器工作面过宽且速度缓慢。使用智能网卡（SmartNIC）、GPU和FPGA等智能器件正逐渐成为满足这些需求的标准。

l  准确性对于工业AI至关重要

u  工业AI应用通常处理的是与安全性、可靠性和操作相关的关键问题。正如上面提到的实时性这一挑战一样，在工业环境中，不准确的数据可能会导致高昂的代价或不安全的结果。如果使用人工智能来选择与您在Facebook上浏览的内容相关联的广告，而人工智能做出的关联选择可能与该内容相差甚远，这时除了浪费广告机会以外，并没有太多损失。

u  但是，如果设置人工智能系统来监测一个海上石油钻井平台，而算法产生了错误的结果，那么影响可能是灾难性的。错误即使不是致命的，也会造成惨痛的代价。通用电气（General Electric）曾估计，为了让亚马逊（Amazon）每销售出一本书就可以赚取1到9美元不等的收益，亚马逊可能愿意为每次用户预测花费0.001美元，而一个工业制造环境可能有数十万美元的风险，并且愿意为每次预测花费40美元到1000美元不等的费用。这些类型的应用需要消耗更多的数据量，并且内置冗余。算法的计算量将远远超过社交媒体。

l  异常情况需要进行根本原因分析

由于准确性要求和不准确预的影响，当错误确实发生时，通常不是要简单地继续推进，而是需要进行完整的根本原因分析。这显然增加了与工业AI相关的间接成本，并进一步表明了需要前期准确性的重要性。与非工业应用相比，这种准确性是通过更深入的深度学习算法、数据的超量采样以及运行其他更多的算法来实现的。

l  工业AI需要在边缘执行

在许多情况下，在网络边缘执行AI算法是必要的。考虑到这些应用所需的准确性要求和近乎即时的结果，对许多这类应用而言，使用基于云的人工智能是远远不够的。在网络边缘，还需要更低功耗和更小外形尺寸的解决方案。

这就直接指向了作为智能网络单元的GPU和FPGA。Achronix凭借其Speedster7t系列产品在网络边缘工业AI应用，将使其处于领先地位。借助业内一流的I/O、最快的存储器接口，再加上Achronix支持高达80万亿次操作/秒（TOPS）的、高度优化的机器学习处理器（MLP）的计算能力，以及片上网络（NoC）在芯片内提供的超过20Tbps的超级高速内联，Speedster7t能够以最小的延迟运行大量的算法。

 中国“十四五”规划以及2035年远景目标对中国工业AI的发展有怎样的意义？

 天泽智云联合创始人史喆:步入2021年和未来十四五期间，科技作为内循环的核心驱动力之一，将持续发挥创新驱动高质量发展的关键。自从2020年国家开始密集部署“新基建“政策，将人工智能与5G、工业互联网、数据中心等七大领域共同列为“新基建”的政策范畴。工业互联网成为激活我国工业高质量发展的源动力。

2021年1月13日，工信部发布《工业互联网创新发展行动计划(2021-2023年)》，针对未来三年工业互联网的发展方向给出了全面而具体的指导。这为工业AI的发展提供了一条既宽又长的加速跑道。企业无论是团队优秀、组织卓越，还是技术突破、模式创新，最关键的是谁能破局谁就有机会得天下。在国家政策、金融资本、产业环境、人才技能等各方资源的积极就绪状态下，工业AI进入爆发增长的前期，蓄势待发！

安森美半导体陶志(Annie Tao)：随着AI被列入中国“十四五”规划及2035年远景目标中的重要发展领域，中国AI的市场规模将持续扩大，技术水平也将不断提升，并将支持工业物联网的进一步发展和催生出更多AI赋能的新兴应用。

蕴硕物联技术崔斌：在“十四五”规划中明确强调了对新基建以及工业互联网产业的支持，一系列中央会议精神也确立了科技兴国战略，工业AI作为新基建的核心驱动力之一，必将被进一步关注，激发更多过去低调的制造业从业者从幕后走到前台，引领工业领域的新一轮技术革新。

Achronix公司Tom Spencer：中国在上世纪50年代实施了第一个五年规划，并将这一传统一直延续到2020年，并于2020年10月发布了第14个五年规划。提到五年规划，以下两项关键举措与Achronix非常一致。

l  重视中国国内的创新

这可能是新冠肺炎疫情及其在全球范围内造成的相互隔离的结果。中国正朝着更加自力更生的模式发展，以满足其技术需求，激励中国企业开发自己的技术并将这些技术投入到中国。

l  努力实现传统产业和供应链的现代化转型

    回到前面关于工业AI的讨论。在制造业方面，中国是世界强国，但世界从未停止创新。智慧城市、智慧交通、自动驾驶车辆、企业云服务这些都是中国将大力投资的领域。随着全球正在经历数字化转型，中国需要跟上现代化基础设施建设的步伐。人工智能、5G、Wi-Fi6和边缘计算等技术都将有助于实现这一转型。

就中国国内的创新而言，有些技术是花费了数年的时间才得以发展起来。FPGA就属于这一类，只有少数厂家才精通这项技术。与国内创新保持一致，中国可以利用Achronix的技术在平台和系统层面进行创新，开发一些最先进的AI算法、最高密度的视频和存储压缩。中国在ASIC设计和制造方面也进行了巨额投资，Achronix提供的独特技术可以通过eFPGA IP模型加以利用。我们的eFPGA将支持中国去开发现有可供货解决方案不能提供的、定制的FPGA加速器。

这样，中国开发人员可以完全定制他们的解决方案，同时从Achronix获得MLP、DSP、存储模块和逻辑模块。基于这种模式，中国的基站可以拥有市场上最先进的前传解决方案；无需昂贵的x86中央处理器（CPU）即可创建完整的边缘服务器；就现代化而言，前面提到的技术是通往数字医疗、智慧城市、自动驾驶车辆或现代工业制造的快车道。借助我们提供的板级、芯片级和IP级的集成选项，Achronix为中国带来了最高级别的灵活性、最快的数据包处理和计算速度以及优化的外形尺寸选项。