一年收回成本的工业互联网项目是如何炼成的？

检测时间从3.5秒降低到0.1秒，准确率从85%提升到99%，人工从100个减少到25个，一年即收回成本……这些数字的背后，是智慧视觉检测系统在某显示面板制造企业的成功应用。

在因为概念多、落地少而受到颇多诟病的当下，能够实现AIoT在工业互联网领域的成功应用，其重要意义不言而喻。

更为重要的是，这一基于Amazon SageMaker的工业质检方案，正在被应用推广到更多的制造企业中去，包括液晶面板、汽车制造、电子产品、化妆品制造、橡胶制造等行业。

行业数字化和智能化改造是一项系统工程，AIoT同样也是一项系统工程。对于显示面板制造企业，所处行业竞争压力大、成本上升速度快，企业自身生产效率低、质量不稳定。

目前，单纯的AI并不能解决问题，需要的是一个融合的系统。中科创达的智慧视觉检测系统实现了终端与云端的融合、场景与技术的融合、产品和服务的融合、硬件和软件的融合、视觉和AI的融合。

中科创达CTO邹鹏程说，该系统包含缺陷自动化分类、新产品迭代数据清洗、业务作业员认证三个子系统，从作业员技能认证、数据集更新到新产品导入，贯穿工业检测的整个生命周期。这样的解决方案底层基础设施是云端一体化的，端侧包括摄像头和边缘计算硬件，云侧则是AWS的Amazon EC2。基础设施之上的中间层是机器学习框架，构建在Amazon SageMaker之上的Tensorflow。在部署方式上，前期采用集中式部署，后期采用分布式部署，更多的工作是在云端完成。

最终，该面板生产企业实现了从人工缺陷检测到智能视觉缺陷检测的转变，在提高检测准确率的同时还降低了成本。类似项目的成本回收周期通常都在两到三年，而这个项目一年即回收成本。

邹鹏程认为，Amazon SageMaker的加持对于创达智慧视觉检测系统至关重要，使得其上手容易、开发快速、算法灵活、功能强大，受到了客户的好评。Amazon SageMaker提供完全托管的机器学习服务，可以优化从机器学习模型建立、训练、调优到部署管理的整套流程。Amazon SageMaker Studio集成开发环境，则为整个机器学习工作流提供了一个统一界面，使构建、训练、解释、检查、监视、调试和运行机器学习模型变得更简单、更快。

目前，全球80%的机器学习流量跑在AWS上。在质检、零售、自动驾驶、仓储、媒体数据处理、生命科学、电话销售的自然语言处理、预测性维修等领域，AWS的机器学习服务都已经拥有成功案例。

从上述案例可以看出，机会面前，挑战也很大，当下中国本土的创业者在技术角度很难在所有领域满足上游企业的需求。但当下创业公司首要的目标不是要达到巨头企业的标准，也不是狭义的替代，而是在一些领域先解决从0到1的“有的用”的问题，然后再根据中国特色的客户需求寻求跨越性的超越。即使初步产品会相对弱一点，但把需求先承载好，再利用中国市场加速发展，还是能找到很多机会。

中国企业不需要在每个环节上去复制国外经验，而应该学到它的部分想法和精髓，结合中国国情来做工业互联网的落地。因此，中国工业互联网首先要解决产业的问题，其次再是利用互联网的技术去更好的解决产业问题。基础的技术门槛不一定高，创业企业更重要的是要做到适配中国国情。

同时，工业互联网是打磨出来的，不是开发出来的。做工业互联网如同建空中楼阁，如果柱子都还没搭好，就失去了支撑。没有企业会愿意在这种基础不稳固的平台上做应用，它没有办法在一个场景内实现价值的闭环。

所以企业还不如针对特定的场景把价值链做扎实，同时保持前瞻的思考，思考哪些部分是相对标准的，哪些部分是复用的，而哪些部分的场景是个性的。企业把自身最核心通用的东西横向拓展到不同场景里去，同时留出一些二次开发接口，允许个性的部分剥离掉。随着慢慢做案例积累，举一反三，企业才有可能把更多的场景关联起来。

同时，工业互联网产品有客户对效果明显认知的周期，很难像C端产品快速被用户认知。一个工业互联网的先进产品最多也就5年的领先优势，能支撑几个这样的认知周期，这对创业公司而言是很客观的问题。

由此导致行业不能支撑一个几十亿美金量级的公司的发展，以及支撑不了用最先进的技术改造行业，最终难形成效率差异，不能甩开竞争对手。

总得来说，从终局来倒推工业互联网企业需要分两步走：第一步，企业能否尖锐地找到切入点，帮助企业做从10到20的事情来证明自己的能力。第二步，在此基础上寻找新的用户，他们在业务上有更强烈的需求来补足商业模式上的短板，企业来帮助用户做从0到1的事情，成为用户最大的核心系统供应商。

当然企业还需要思考行业天花板。有些行业它初始空间虽然小，但未来它可能会带动一种趋势，让行业内大量相关业态都成为其增量空间。工业互联网的发展并不需要一开始就在百亿千亿市场，这样的市场利润水平和定价能力会很复杂，先锚定某个垂类也是好的选择。

目前，随着人口红利下降和劳动力成本上升，我国制造业低成本优势正逐渐消退，面临制造业持续外迁和“产业空心化”的挑战。因此，积极部署利用工业互联网，将原有工厂改造升级为智能工厂，不仅能帮助企业减少用工量，还能促进制造资源配置和使用效率提升，降低企业生产运营成本，增强企业的竞争力。（文章来源：科技商业、小饭桌新媒体）