人工智慧(AI)不只能實現無人駕駛車輛、數位語音助理或者是幫你推薦電影,它是即將席捲眾多產業的浪潮;根據麥肯錫全球研究所(McKinsey Global Institute)最近針對全球3,000家「具AI意識」企業進行的一項調查結果顯示,其中只有20%的企業正將AI相關技術應用於部分核心業務,但大多數的企業仍預期在未來三年增加AI相關投資。

其他單位的調查亦反映類似結果。例如印度技術服務供應商Inforsys贊助、一項針對7個國家共1,600位商業與IT領域領導廠商所做的調查顯示,受訪者中只有25%表示他們所屬的企業已經全面佈署並採用AI技術,而有76%的受訪者認為AI對其業務成功十分關鍵;已經部分或全面佈署AI技術的企業,預期到2020年AI技術能為他們帶來39%的營收成長,以及降低37%的成本;那些企業平均已經採用AI技術約兩年,並預期在接下來三年會更成熟應用。

上述報告呼應了產業分析師與其他觀察者的看法,結論是AI製造技術在未來新興工廠的應用已經接近臨界點;一致性的看法是,從智慧協作機器人到虛擬助理等各種AI應用,將會顛覆工廠運作的模式,並需要重新思考工廠設計、製造足跡以及供應鏈模式。因此根據麥肯錫的調查,目前大多數AI技術投資是來自Amazon、百度與Google等科技巨擘內部研發部門的情況並不令人意外。

麥肯錫調查也發現,大多數企業對AI技術的外部投資著眼於機器學習──這是實現包括語音辨識、機器人等應用的關鍵AI技術;而那些投資主要是流向美國公司(66%受訪者),其次是中國公司(17%)受訪者,目前美國與中國都已經建立了AI技術生態系統。此外Infosys的調查發現,美國業者最有可能在明年度增加AI技術投資,中國廠商的高層則最傾向於認為AI是商業策略的成功基礎。

雖然中國獲得AI投資的預估金額規模遠遠落後於美國,但中國企業對AI技術的投資與佈署成長快速;麥肯錫的研究指出,其調查發現美國與中國正引領AI投資與創新,同時也在AI技術的採用上領先全球。

20170804_MIC2025AI_NT01P1

一項Infosys贊助的調查顯示,AI技術的採用橫跨多種產業,而製造業的採用率約在50%左右
(來源:Infosys)

美國與中國都把AI技術視為製造業發展策略的核心──去年美國歐巴馬(Obama)總統政府公佈了AI研發策略;至於中國則是將AI列為「十三五」規劃的關鍵項目之一,該技術看來也是其為了擺脫低勞動力成本、提升製造業附加價值之《中國製造2025》行動戰略的成功要素。

不過,為了趕上《中國製造2025》緊湊的時間表,中國可能會需要發動更多收購案,像是中國家電大廠美的(Midea)在2016年對德國工業自動化設備大廠Kuka Robotics的收購。雖然Infosys的調查顯示,中國在AI成熟度的分數上領先其他國家,因為「需要處理的舊有系統與商業程序較少,使其對AI技術的採用與整合較容易完成」,但這並不代表中國很快就會趕上美國,後者除了外部AI投資金額超過四倍,還有種種優勢。

如麥肯錫的調查顯示,內部AI研發投資金額最高的科技業者都是在美國,而正在進行內部AI技術研發的大型工業製造商,如ABB、Bosch、GE、IBM、Siemens與Tesla等,大多數總部都是在美國或是歐洲,並非中國。此外麥肯錫報告也指出,美國擁有兩個主要AI研發中樞──矽谷與紐約,中國的AI研發根據地則只有北京。

在電子產業領域,許多晶片業者正在開發或已經發表了鎖定AI應用的GPU或處理器,這些大多是美國公司;美國也正藉由再度強調聚焦工業4.0先進製造,企圖重新奪回在製造業領域的領導地位。而在麥肯錫的調查報告中,先進製造是將首先採用AI技術的前四個領域之一,其他三個領域則為金融服務、零售業以及醫療照護。

美國工廠的AI技術採用現況

AI技術被應用於影像辨識、安全金融交易建模,以及包括石油與天然氣設備、公用事業、消費者服務、金融服務還有藥品供應等非製造業環境;至於在工廠,AI能處理冷暖空調(HVAC)管理與庫存管理等任務。在科技領域以外,AI技術則仍大多數是實驗性質,只有少數例外──特別是汽車領域──很少有工廠已經開始採用,已經實施的AI技術都是小範圍應用,主要在例如庫存管理、檢驗等領域。

文章最上方大圖顯示的製造業AI應用AI方案,是IBM的新型感知視覺檢驗系統(Cognitive Vision Inspection System),是與歐洲工業自動化設備大廠ABB合作設計,以Watson IoT平台為基礎;該技術利用Watson超級電腦的AI技術與透過ABB系統擷取的即時生產影像來發現產品缺陷,Watson IoT則可提供數據分析。

所謂的機器學習通常被理解為包括訓練(training)──機器學習做新的事情,與推理(inference)──將學習與新資訊相關聯;在某些情況下,AI則意味著不只能根據學習建立模型的能力,還能根據新資料來改變該模型。

「真正的AI會接收資料、建立模型,然後根據資料來做決策並修改模型;」市場研究機構Tirias Research首席分析師Jim McGregor表示:「但除了以伺服器為基礎的解決方案,這種能力仍然有其限制,大多數製造業者都會採用某種形式的資料分析與自動化控制,那些並不能被視為AI而只能算AI的前身,它們要變成真正的AI系統,需要具備訓練與監控能力,還要能根據所接收的資訊來修改與重新訓練。」

McGregor指出,在大多數美國的工廠中,品質控制與測試可能會用到一小部分AI,但並非整個系統;沒有哪一種模型或是硬體系統是完善的。今日的大多數AI應用不是以雲端為基礎,就是混合在雲端與終端節點執行的AI:「我們實際上才剛開始打造與最佳化能被訓練的系統。」

鎖定AI應用開發的新技術,包括Nvidia的Volta GPU架構;該公司智慧機器產品管理部門主管Murali Gopalakrishna表示,這是第一款為AI量身打造的處理器架構,採用該平台的第一款晶片Tesla V100 GPU,能提供現有架構Pascal五倍的性能提升,使其在機器學習應用上更有效率,特別是深度學習。Nvidia的通用GPU在訓練神經網路機器學習以支援雲端AI應用方面非常受歡迎。

對於邊緣裝置的AI,Nvidia最近發表了TX2版本的Jetson系列GPU運算平台模組;目前有很多在邊緣裝置需要AI的使用案例,因為有大量資料需要即時處理並做出立即決策,而不是將所有資料都先送往雲端。Gopalakrishna指出:「我們已經看到Jetson佈署於機器人,讓它們能感知、具備智慧功能,並能影響周遭裝置,但這類機器人還未公開發表。」

另外還有一個開始被應用於最佳化軟體的概念,是衍生式設計(generative design),也就是利用AI來支援零組件設計最佳化…

 
繼續閱讀:《中國製造2025》:AI工廠何時實現?(下)

編譯:Judith Cheng