|
拥抱制造业的独角兽 谁是全日本最值钱的创业公司？ 当属人工智能公司Preferred Networks。这家日本的AI独角兽，目前估值已经超过20亿美元。两位创始人都是计算机科学专业的学生，本来是研究情境感知和文本分类的。但目前它已经成功地闯入了制造业。这是它最吸引人的地方，也算是AI初创公司难得一见的奇葩。 拥有着全日本最快的超级电脑之一的PFN，作为少见主打制造业的人工智能公司，目前有140名工程师。近年来，它的商业价值一直在逐级攀升。最早是日本电报电话公司NTT进行了首轮投资，随后是FANUC、丰田、日立等轮番投资。日本传统产业对AI的热情，似乎都被这个初出茅庐的AI公司所激发。最新的战绩是，今年6月PFN与日本能源化工巨头JXTG达成合作，共同建立炼油厂优化和自动化联合研究项目，并向后者配售新股，获得约10亿日元的投资。
图1：PFN成长记 （图：作者手绘） 很显然，日本工业界，为这家初创的人工智能公司寄予了太多的期望。 制造界的冒险 PFN与大部分创业公司的不同之处，在于选择直截了当地进入了制造业，而这本来正是日本制造的优势。PF这一点看似冒险，但也得到了一直被诟病为“保守”的日本制造界的广泛支持。他们期望能够将现有制造业的Know-how技术与AI深度绑定。 首先做出了选择的是全球机器人四大家族发那科Fanuc。一向以保守谨慎而著称的发那科主席稻叶先生，对AI的一种本能性的拥抱，超出了外界的想象。2015年，稻叶与PFN的两位创始人见面，仅仅一个小时就决定投资900万美金。最不同寻常的是，FANUC决定将工厂线上几千台机器人生成的巨大数据，提供给了PFN公司进行数据分析——这个异乎寻常的举动，成就了这个初创的人工智能公司。 四个月后，丰田紧跟着发那科的步伐再次投资了1000万美金，随后一年自动驾驶风云突起，深感谷歌自动驾驶压力的丰田，在2017年再次补上了1亿美元。此外，制造业传统豪强日立、银行巨头瑞穗金融以及三井贸易公司都随后成为了PFN的投资人。 自2014年创建以来，PFN一直专注于将人工智能与各种制造业场景绑定。在与发那科的合作中，PFN一直致力于让机器人和数控系统更加智能的方式；它与JXTG石油和能源公司共同发起的关于炼油厂优化和自动化的联合研究项目，则是通过利用PFN的深度学习技术，控制和优化大型和复杂的工厂设备，以更有效地实现能源管理。二者还打算利用PFN的材料信息学技术，联合开发新材料。 而在与丰田公司的合作中，PFN的目标是在2020之前研制出能够完全自动驾驶的汽车。相比目前所谓的先进驾驶辅助系统，日本将自动驾驶的重任留给了这个年轻的公司，期望与谷歌Waymo自动驾驶技术一较高低。一向以激进著称的丰田章男，跟一向保守的发那科的稻叶先生，两位当家人做出了同样的选择。 智能乐在边缘 发那科应该为最早的投资而庆幸。随着早期投资所带来的收获，发那科与PFN的关系越来越亲密。2018年2月Fanuc联合Preferred Networks和日立，再次成立合资公司Intelligent Edge System会社，致力于通过人工智能开发智能边缘计算系统。随后，展开了基于AI的伺服电机的检测和优化。经过一年的开发，2019年4月二者正式发布了具备机器学习和深度学习的伺服电机。 对于传统的机器视觉来检查一个零件是否存在，往往会根据是否能够检测到预先教过的零件的形状和位置来做出决定。然而，这种方法常常会受到零件上的飞溅或烟尘的影响，由于金属表面的反射而使图像光泽化。这可能导致错误的结果。而发那科的AI防错技术并不试图检测零件的形状或位置，而是利用机器学习来确定图像本身是否准确，然后通过波长或光晕进行更有力的检查。甚至还允许更高精度的检查，通过几十个不同的图像数据集，来确定通过的比例。而所有这些，都不需要做详细的视觉参数调整。 更高级的深度学习，则用于对机床主轴或进给轴的监控。为了防止突然故障引起的加工线宕机等重大问题，发那科和PFN开发了一种新的AI伺服监视软件，用于高速采集机床主轴的控制数据。对采集到的数据进行深度学习，根据机器部件的当前状态显示异常评分，提前预防意外发生。
图2：发那科的机器训练 这并不是人工智能给FANUC所带来的全部。在日本最近一次展会上，FANUC又展示了怎样让工厂内的机器人，更接近优秀的人类技工。如何给一个发那科机器人编程，让它能顺利在一团乱麻之中抓出指定的物品？这对于一个人类工程师，需要几天时间来完成编程和调试。而在PFN和Fanc的展示现场，八台机器人机组，通过提供的数据输入，仅在一小时之内就掌握了这项技能。学习曲线在这里变成平坦无比。当未来机器人越多——想象一下数千台机器人的编队，需要编队处理的时候，这种网络效应将更加明显。FANUC的稻叶先生对此非常满意。在日本训练一个出色的技工要花费十年，而且知识无法转移和传递，技工一旦离开，技术就荡然无存。而现在，各种专家技师的知识可以重装上阵，任意加载。这对于缺乏劳动力人口的日本将是一个最大的福音。 目前Fanuc在工业互联网平台的部署，则是以开放式平台FIELD System为根基，将生产现场使用的各种设备与网络连接起来，然后就地进行边缘计算与分析。毫无疑问，边缘智能正在成为工业互联网的新舞台。而Fanuc大力发展边缘智能的背后，则是PFN大展手脚的地方。 下沉，才能找到价值 PFN的人工智能在制造业，似乎呈现了朝气蓬勃的爆发力。它的主要产品覆盖了机械的热位移补偿功能、质量检测、伺服调谐、能源管理等多种应用场景，这为日本高端制造提供了恰如其分的护航。 机器学习和深度学习技术的应用，正在包括制造车间在内的许多领域进行推广。然而，现有的基于深度学习的视觉检测系统需要多达数千幅图像进行培训，工程师也需要对相当数量的图像进行注释，以促进培训过程。这是一个恼人的过程，推迟了AI在制造业的应用。为此，去年10月PFN开发了基于深度学习技术的PFN视觉检查、高精度视觉检测软件。该软件的特点是，可以最少的训练数据集快速、廉价地构建一个检测系统。例如，只需要100张正常产品的图像和20张缺陷产品的图像，就可以来处理各种形状的塑料、金属、布、食品和其他材料。最大的好处是，即使对于没有训练的非专业工程师而言，培训也很容易。
图3：PFN视觉检测的效果对比 这样，用户能够在短时间内以低成本建立一个易于使用和高度可靠的自动检测系统。很显然，这将大大加速AI视觉检测在制造业中的普及。 下沉到制造现场找到应用场景，快速实现迭代部署，成为PFN在制造业备受欢迎的一个重要原因。 “自主体”暂露头角 每年美国咨询公司Gartner都会发布企业高层最应该关注的十大热点动向。而在今年10月份提出战略技术的报告中，主题就是“以人为本、智能空间”，而“Autonomous Things”——笔者译为“自主体——则成为十大战略技术之一。日本PFN公司的核心技术，正在印证Garnter这个“人、物、空间”的交互关系。
图4：企业家需要关注的战略技术方向 Source：Gartner 在创立早期，PFN公司就向IEEE提交了一篇关于“人类-机器人互动”的论文， “用无限制的口语指令交互地选择真实世界的对象”。这篇获得最佳论文奖的文章，说明了如何将对象边界的预测方法与自然语言处理(NLP)技术，结合到一个单一的框架中。而这正是PFN的发展野心。早在三年前拉斯维加斯的CES展会上，PFN用玩具汽车对自家的技术做过一次简单的展示。几台微缩的丰田普锐斯穿过场上的障碍物。一开始，玩具车撞来撞去，举步维艰。但经过两个小时的持续试错之后，它们就能畅通无阻地在障碍物中穿梭了。没有人类程序员为它们编写过任何指令，相反它们可以根据经验来形成自己的规则，然后通过一个共享的网络可以加快整个进程。 在去年日本CEATEC机器人大会上，PFN展示了一款完全自主打扫房间的机器人。该系统可以识别对象，响应特定的人工指令，更重要的是，机器人可以使用一种安全的方式拾取和放下它无法从数据库中定义的对象。
图5：机器人视觉分辨 从工作场所的机器人，到协作机器人，到家里的自动吸尘器，人类正进入一个各种自主体的时代。如果考虑到最为炙热的自动驾驶汽车，就会发现传感器、雷达、GPS技术、5G与AI的结合，几乎就是在重新定义地域、空间、物体之间的交互关系。全新数字技术，像是正在施展乾坤大挪移的魔法，自主体与人、与空间的关系正在被改写。 小记：是谁让AI上位？ PFN声称要在5年内将智能AI机器人送到大众消费者手中，通过人工智能改变人类的生活。对于感觉AI发展远远落后中国的日本产业界而言，对PFN的这个梦想选择了“相信、相信和相信”的乐观主义。这也使得Preferred Networks被CB Insights誉为“日本唯一的独角兽”。制造界纷纷入局抢购股份，独角兽变成了“独家兽”，独享了“制造业+AI”的荣耀。这家AI公司如何能够在最难闯出名堂的制造业中旗开得胜的局面？发那科、丰田敞开了可以称之为商业秘密的数据奶汁，无疑成为这家AI公司最好的养料。同样在美国快速上位的独家兽企业、工业互联网公司UpTake，也是首先拿到了全球最大工程机械商卡特彼勒的数据秘笈。 “数据+投资+协作”，这是AI、物联网初创公司能够在制造业快速扎根的发展秘诀吧。中国的制造巨头们，恐怕也只能用这样的方法拥抱AI初创公司，人工智能在制造业的发展才能迎来爆发性的窗口。 作者：林雪萍（南山工业书院发起人，北京联讯动力咨询公司总经理） 王天宇（沈阳智能R&D市场与发展中心高级经理 南山工业书院工业互联网研究组） |
