解码“新质生产力”，一站式AI工具成工业智能化升级关键

当前，各大产业最热门的话题无疑是“新质生产力”，发展“新质生产力”对产业智能化升级带动明显，尤其是作为国民经济主导的工业，产业重点已经从工业自动化转变为工业智能化。

AI（人工智能）作为一项颠覆性技术，是工业智能化升级的核心驱动力。如何快速完成AI和工业制造场景的融合，成为企业决胜未来的关键。根据Frost&Sullivan的统计数据，2023年全球工业自动化市场规模达到4807.3亿美元，预计2025年将达到5436.6亿美元。从自动化到智能化，工业智能有着巨大的存量市场和未来空间。

数据来源：Frost&Sullivan，本站制图

面向这一蓝海市场，作为行业领先的物联网整体解决方案供应商，移远通信推出工业智能品牌宝维塔 (ProvectaAI)旗下核心产品——AI算法平台「匠心」，并于近日举办了「匠心」平台主题直播，介绍了这款行业领先的一站式AI开发工具。

移远通信副总经理兰世桂在直播中表示：“移远通信是当前行业内为数不多的具备边缘计算软硬件开发能力和AI算法自研能力的企业，「匠心」平台打造的AI模型可以一键下放到指定的边缘计算终端，促进AI技术在各行各业的广泛应用。同时，宝维塔成功将AI推理从传统的X86架构拓展到ARM架构。ARM架构具有天然的高集成度优势，相较于传统X86架构，ARM架构配合「匠心」平台最多可以节省50%的硬件成本。”

工业智能培育“新质生产力”

在AI技术的加持下，工业智能已经成为现代工业革命里最核心的内容，帮助各类型工业制造场景提升生产效率、优化品控检测、降低生产成本、快速响应市场需求。工业智能主要有视觉智能、数据智能和交互智能三大赛道，均有丰富的应用场景。

以工业视觉为例，传统机器视觉只能够提供基本的检测和识别功能，引入AI技术之后，特别是卷积神经网络 (CNN) 等深度学习技术，智能化的机器视觉能够基于海量数据进行学习和推理，可以执行特征识别、细微伤痕检测、材料检验等日益复杂的视觉任务。

因而，通过增强视觉智能、数据智能和交互智能能力，工业智能可以借助精准控制、智能分析、自动化生产、质量追溯等手段，进一步提升智能制造水平，快速培育工业市场的“新质生产力”。

从工业自动化到工业智能化，是“AI ”落地的典范，AI算法模型在其中扮演着关键角色。和云端AI大模型不同，工业智能所需要的是更加具象化的“小模型”。AI大模型在模型容量和参数量方面受到的限制很小，具有更强的普适性，但也就意味着在特定场景下需要深度优化和“瘦身”。AI小模型可以基于有限的数据量，针对特定场景打造出规模更小、成本更优、性价比更高、实用性更强的模型。这些AI小模型反应灵敏，对于算力和内存的需求更小，可以进行本地化部署。

然而，AI小模型虽然看起来灵活轻便，但在实际开发、部署和管理过程中却也需要面临很多方面的挑战。AI小模型的开发和部署流程主要包括数据分析、数据标注，模型选择，训练框架选择和模型训练，模型转换，以及模型部署。由于数据、容量和硬件性能各方面的限制，上述每一个环节都会遇到相应的挑战。

具体来看，在数据分析、数据标注环节，开发人员需要根据数据特点、检测类型进行数据标注。高质量的数据获取和标注是非常重要的，但完成这项工作并非易事。主要原因在于，需要智能化升级的企业往往对模型框架、部署方式认知不足，对模型需要怎样的数据只有模糊的概念，标注人员对于数据的理解也不统一，从而导致数据质量难以达标，最终影响模型的性能和泛化性。

在模型选择环节，开发人员需要根据精度和算力需求，结合终端实际情况，选择合适的算法模型。由于小模型通常具有简单的结构和较少的参数，因此每一个小模型都有优势的应用场景，开发人员需要很大的精力去选择和构建模型，尤其是在高度可解释性场景里，一旦选错，“真假”人工智能往往只有一步之遥。同时，考虑到生产任务时常变更，模型泛化能力也很重要。

在训练框架选择和模型训练环节，开发人员需要通过训练得到和特定场景适配的网络及参数。这一环节是AI小模型开发的最后一步，接下来就是部署。很多时候，开发人员会被困在这一环节，由于数据、模型类型和训练框架等方面的问题，会遇到训练的模型难以收敛，却又找不到具体的问题。

在模型转换环节，开发人员需要通过模型转换，得到和推理框架匹配的网络和参数。这个过程也包括很有必要的模型优化，在保证性能的前提下，实现模型的高效压缩和优化。然而，模型转换将会考验开发人员多方面的能力，包括行业认知、应用经验、硬件性能评估、数据微调、模型微调等。否则，模型很难达到最初预设的部署效果。

完成上述工作，最后将进入模型部署环节，为终端移植对应的推理框架，再将模型导入到推理引擎。并不是模型开发和优化完成就宣告成功了，模型部署的挑战同样很大。比如，开发人员需要深刻理解推理引擎和推理算子，AI小模型更加注重算力利用率；需要充分适配硬件性能，完成算法模型和引擎之间的中间件开发。

同时，我们也不能忽视AI人才短缺的问题，这会进一步增加AI小模型开发和部署的难度和成本。正是由于重重挑战的存在，一站式AI开发工具成为工业智能的刚需和新宠。一站式AI开发工具能够提供覆盖模型开发到部署的全流程服务，简化AI方案的开发流程，并做到提质增效，让每一个企业都拥有构建专属AI的能力。这也是移远通信推出「匠心」平台的初衷和意义。

「匠心」平台让工业智能一蹴而就

「匠心」是宝维塔精心打造的行业AI平台，可为企业提供一站式、低成本、低门槛的AI模型训练与部署服务，推动AI技术便捷高效落地。移远通信产品经理王柯指出：“对于企业而言，了解AI、熟悉AI部署是一项非常艰巨繁琐的任务，如果有一站式AI开发工具的帮忙，便能够显著降低企业应用AI的门槛，让工业智能应用更快落地。相关工具的打造会涉及很多AI模型开发和部署方面的‘know how’，这些‘know how’都是在多年项目实战中积累起来的。亲自经历过，才能打造出更好的产品。这正是宝维塔的优势所在。”

如下图所示，这是一个端到端的全链路架构，将「匠心」平台、设备端的AI推理引擎SDK和物联网连接融为一体。「匠心」平台提供数据上传、数据标注、模型训练、模型测试、模型发布和一键部署等全流程功能。有了这个平台，企业遇到的AI小模型相关问题都会迎刃而解。

「匠心」平台端到端全链路架构，图源：移远通信

移远通信为「匠心」平台提供完善的教学材料和强大的技术支持团队，进一步降低了企业的AI准入门槛。为了提升企业部署工业智能的自由度，「匠心」平台提供灵活的服务模式，无论企业有无自己的开发团队，都能使用该平台，企业既可以直接在宝维塔「匠心」平台开发训练模型，也可以选择私有化部署。同时，「匠心」平台能够兼容目前市面上主流的硬件平台，包括常规的X86 CPU架构、英伟达显卡，以及高通、紫光展锐、瑞芯微RK等公司的ARM架构平台。宝维塔还提供硬件状态监测和数据存储策略，保障AI模型平稳地运行。

移远通信研发经理俞喆俊分享了「匠心」平台的具体操作以及相关应用优势。比如，在AI模型开发最开始的数据标注环节，如下图所示，「匠心」平台支持模型预标注，鼠标点击自动画轮廓；支持数据智能处理，物料自动融合；支持使用自动标注模块进行预标注；支持多人同时标注。

「匠心」平台数据标注功能，图源：移远通信

再比如，企业借助「匠心」平台可进行高效模型训练。该平台支持训练量化提高精度，下图展示了Int8量化感知训练；支持增量训练减少训练时间；支持训练过程和训练结果指标的查看分析；支持自定义传统算子。

「匠心」平台Int8量化感知训练，图源：移远通信

正如俞喆俊所言，有了「匠心」平台，企业在引入AI技术时，关注点不再是模型和部署，而是功能的选择。「匠心」平台的功能覆盖图像检测、图像分割、图像分类和OCR识别。其中，亚像素分割（支持 3~5 pixel）是「匠心」平台的一大特色，工业场景存在低分辨率场景，缺陷收集难度较大，基于亚像素分割算法，可以快速训练部署达到一定精度。因此，在试纸检测、轴瓦分割模型、铝丝验证、极柱防爆阀验证等项目中，「匠心」平台的应用可以大幅提升检测和验证的准确率。

「匠心」平台亚像素分割算法优势，图源：移远通信

根据俞喆俊的演示，「匠心」平台在基于正样本的缺陷检测、未知背景过杀问题等具体应用，以及模型推理、模型泛化和模型部署等方面，都表现出了优于竞品的性能。比如，在模型推理方面，「匠心」平台的一大特色是提供加速推理的功能，能够实现2倍以上的推理加速效率。

总结而言，移远宝维塔「匠心」平台是一个基于端到端全链路架构的一站式AI开发和部署平台，提供灵活的服务模式，拥有亚像素分割、加速推理、多模型管理、系统监测平台等特征优势。除了3C电子外观缺陷检测、汽车电子零部件外观缺陷检测、半导体/泛半导体表面缺陷检测、木板材封边及外观缺陷、玻璃表面检测等工业智能类应用，「匠心」还适用于自动零售商品AI识别等消费类应用场景，以及农副产品分选与循环经济垃圾分拣等其他AI应用。

写在最后

从自动化到智能化，AI技术已经成为工业革命的核心驱动技术。面向广泛的工业制造场景，云端AI大模型从数据量、成本、体量等方面来看，与大部分工业智能场景都不契合，AI小模型成为行业刚需。

不过，企业部署AI小模型面临着一系列挑战，亟需宝维塔「匠心」平台这样的一站式AI工具帮助他们应对挑战，高效完成工业AI应用的开发和部署。凭借端到端的全链路架构，以及亚像素分割、推理加速等特色优势，宝维塔「匠心」平台成为工业智能化升级的理想工具，将在数千亿美元级别的自动化市场里，迎来一片巨大的市场蓝海。

（文章来源：本站）