一组数据可以大致描绘出该市场的容量轮廓：据前瞻研究院的数据分析称，2020 年中国智能制造产值有望超过 3 万亿元人民币，年均复合增长率约 20%。此外，因为我国对智能制造行业不断出台的发展规划，十三五” 期间，智能制造产业产值规模将进一步扩大，预计到 2024 年，我国智能制造业产值规模将超过 4.5 万亿元。

值得一提的是，制造业是一个较为复杂的系统，每个行业会不同的特点与需求，生产线上的整个流程也蕴藏着大量的需求点。所以，这也为许多互联网、物联网、人工智能技术企业，提供了足够大的空间在智能制造行业大展拳脚。至于如何在创新大潮中独树一帜，这就需要企业的 “想象力” 与 “行动力”。

谈及智能制造领域的创新应用实践，创新奇智有着自己的故事。众所周知，脱胎于创新工场，创新奇智拥有强大的人工智能技术实力支撑。此外，对于商业化应用的理解，其也有着非常独特的认识。据创新奇智 CTO 张发恩表示：“我们给自己的定位是做 AI 2.0 的企业。” 他解释道，AI 1.0 一般指人工智能技术刚刚爆发的时候，企业的关注点是技术、博士和论文。而今天人工智能已经到了 2.0，需要更加关注商业场景和商业价值结果。所以，创新奇智有明确的关注赛道：制造、零售和金融。其中，制造业是其重要关注和实践行业，张发恩在全球工业智能峰会的 AI+制造业成果发布会上详细地分享了创新奇智在制造业方面的经验与思考。

据张发恩介绍，创新奇智以工业视觉为切入点，自主研发了 ManuVision 工业视觉平台，建设了包含光学成像、机械自动化、电气自动化和软件算法的全技术栈。在该技术栈的基础上，其推出了支持定位、检测、测量、识别等四大功能的工业视觉一体机，目前已在 3C 装配、汽车零部件、纺织服装、家居板材、无损探伤、磁性材料等领域成功实现商用。

简单来说，ManuVision 工业视觉平台可以实现自动检验。据张发恩介绍，自动检验是工业视觉最重要的应用领域之一，是实现生产自动化、提升检验和生产效率的必要条件，具体应用包含完备性检验、形状尺寸检验、表面检验、内部探伤检验等。基于人工智能深度学习算法/模型的工业视觉技术，进一步拓展了其应用的深度和广度，降低了相关场景的局限性，可以有效解决传统工业视觉技术通用性和智能性不足的问题。

以成衣服装检测场景为例，传统的成衣质检最后需要技术工人人工用尺子测量，用肉眼筛查质量瑕疵。这不仅是一种低效率的方式，而且工人经验的不同，对于检测的有效性也有很大的影响，这即成为人工智能视觉技术应用的机会。“不过，该应用场景具有非常复杂的特点，如：衣服是柔软的材质，而且有非常多样化的纹理和颜色，结构也是非常复杂多样的，这对视觉技术提出了很大的挑战。” 张发恩说。然而，基于技术的硬核，创新奇智可以将这些问题个个击破。此外，其提供的技术解决方案还可以支撑服装厂记录数据，再通过大数据去分析得出改进建议。

在成衣服装检测应用方面，创新奇智目前主要与香港怡东集团在合作。后者是一家全球性服装制造及出口企业，在全球有 13 家工厂，主要客户有 A&F、Polo Ralph Lauren、Eddie Bauer、J-Jill、Fast Retailing、Vans、波司登等世界著名品牌。“以深度学习为代表的深度神经网络技术，需要很多的数据。所以，我们在和怡东合作的同时，可以接触道大量的场景数据。他们每年代工量可达到亿件级别。” 张发恩表示，对于一个人工智能技术驱动型公司来说，数据依旧是基本问题，

此外，算法和算力也是产品鲁棒性和通用性的基础保障。“算法方面，我们的团队都来自于世界知名的高校，并且有谷歌、百度、微软等就业经历，所以在算法研发方面有可靠性。算力方面，我们使用异购计算技术，人工智能芯片，GPU 等作为支撑。” 张发恩补充介绍道。

提及人工智能的商业价值，一个疑问则会出现：人工智能技术研发无疑是一项非常 “烧钱” 的事情，这从旷视科技的招股书中透露的研发支出可以了解到。这是人工智能行业的普遍现象，这样的高投入是否值得，是否会可观的回报？张发恩认为，研发投入是一件非常正常的事情。“因为新事物从 0 到 1，再从 1 到 10 的过程中一定会大量资源投入，但这是值得的。就像蒸汽机和火车的发明，前期会有很多研发费用投入，但是一旦成功以后，它的回报也是非常可观的。” 他表示，在传统制造业领域，人力成本和不可控性是非常大的问题，如果能够研发出成熟的人工智能设备去替换重复劳动，其商业价值非常可观。文章来源：动点科技