Kaiyun体育全站入口人工智能正在渗入齿轮、火苗与刀锋你可能说了句谢谢，也可能没说，关上门，戴上塑料手套，抿抿口水，抓起炸鸡，注意力一秒钟都不会放在楼道里那个已经噔噔跑开的年轻人身上。

　　而此时，年轻人已经跨上电单车，油门一拧，掠过千家窗棂。装在车头的小黄鸭玩偶，正在明媚的阳光下摇头晃脑。

　　倒转胶卷，2019年秋天，他还在南方的工厂里，手握游标卡尺，从左手的筐里拿出一根钢轴，测量各个尺寸无误，再放到右边的筐里。

　　在一排工人对面，还有监工巡视。一旦检测动作不到位，导致不合格零件流出厂，客户会把一车货都退回来，没人兜得起。

　　晚上无聊看短视频傻笑时，早先辞职的兄弟发来消息，说自己现在在送外卖，刚入行，赚得没有工厂多，但是自由。

　　2020年，正月初五，在老家田埂上带弟弟放炮的他收到厂里发来消息，因为疫情，节后暂时无法开工，在家等通知。

　　风云流转。当他已经穿梭在城市楼宇森林，熟练地敲开贴着不同对联的门递上快餐时，接到了一个熟悉的电话：工厂开工了，压了不少活儿，快回来吧。工资还能给你涨！

　　虽然利润极薄，但好在劳动力便宜，工厂老板们凭着朴素的企业家精神，把成本顽强地控制在警戒线以下，开足马力为世界供应。

　　老板们只有两个选择：第一，放弃赔钱的订单，贱卖生产线止血；第二，把工厂搬到越南等人工更便宜的国家。

　　有一家生产高端电子产品配件的公司，董事长早在2018年初就感受到了来势汹汹的成本上涨压力，决定提前动身海外建厂。

　　包括他在年内的很多企业家都是土生土长的江苏人，过去十几年亲手把一座座工厂在家乡建起来，很多工厂离大姓宗祠只有百余里。

　　很多从90年代就开始奋斗的企业家们，当初之所以创业，就是因为“Made in China”这几个字被认为是劣质、不入流的代名词，他们要用血肉证明给全世界看。

　　而这么多年过去，中国制造甩掉了“积贫积弱”的帽子，连续十多年工业产值高居世界第一，拥有2亿工业人口，GDP贡献将近一半。

　　一边是大街上人手一部手机，顶流 App 的用户已接近10亿；一边是各个城市的扫码一条街一夜萧杀，恍若从高崖坠落。哪怕钝感的人都意识到，“消费互联网”即将把中国“人口红利”的矿藏开采枯竭。

　　也就在同时，国家大力倡导“互联网+”，鼓励互联网大厂不要在人口红利上继续做文章，多多考虑用手中的“技术之剑”帮助传统产业转型升级。

　　多说一句，每次我和李硕见面，他总是笑呵呵的，看上去和蔼不争，但这是个“迷惑性”的外表，他的凶猛都藏在技术履历中。

　　“云计算”作为土壤，不仅支撑了百度搜索的用户洪峰和市场份额，更滋养了后来百度技术的金字招牌——人工智能。

　　说回故事。2016年，李硕和其他几位对技术源流理解比较深的老百度，被冷不丁从“技术的温柔乡”里揪出来，派去啃“产业数字化”的硬骨头。

　　百度的 CTO 王海峰首先扛起大旗，因为从2010年起，他投入了大量的精力开始建设百度的人工智能。如今号称中国最强的 AI 技术，都可以如江河源流追溯至那时。

　　说起“上阵杀敌”，实验室里的人工智能技术都是相对独立的积木：图像识别技术、语音识别技术、自然语言处理技术、知识图谱。。。

　　听到这个需求，AI技术团队眼睛放光，赶紧把自然语言处理、知识图谱、语音识别这三样技术跟中国联通的呼叫中心拼插在一起，像炼丹一样搞出了“智能客服系统”。

　　这个系统可不只会背医院电话，而是能回答五花八门的问题——只有当它觉得自己搞不定时，才会转到背后的真人客服。这么一来，人机协作，效率大大提高。

　　三大产业里，服务业的信息化程度是最高的（互联网和金融都属于服务业），硬攀的话，多少能和人工智能技术有点“血缘关系”。虽然用人工智能改造服务业也挺难，但难得不是那么不可理喻。

　　尤其是中国工业，多年以来一直是冰冷的刀片，滑腻的黑油，乒乓作响的零件，和“数据”、“代码”这些玩意儿根本是两个世界的物种。

　　到了整点，车间大喇叭突然喊，第一、三、五排，趴下休息。那一排姑娘就应声趴在桌上，十五分钟后，喇叭把她们叫醒，强光打开，她们的手臂像通了电一样，又开始重复之前的动作。

　　当时团队有一位年轻同事，从现场回来，他辗转反侧，发了一段很长的朋友圈，其中写到：她们都是花季少女，理应有自己的人生和理想，为什么要做泯灭人性的机器？我一定要救她们！

　　注意，刚才我提到了“飞桨”。这个平台不仅是百度的核心黑科技，也是中国人工智能领域的大国重器。

　　第一击：如果是人捏着零件做质检，遇到反光，你一定会用手微调一下角度，但是机器傻傻的，既意识不到出现了反光，也没办法调整角度，拍出来的照片上就可能有一片光斑。

　　第二击：给同一位质检员看同一个零件的照片和实物，Ta 可能就会判定照片里的零件合格，而实物零件不合格。。。

　　标注师傅先检测100个零件实物，再检测100张零件照片（其实就是之前那100个零件的照片），然后系统会自动挑出不一致的典型情况给标注员看。

　　技术宅们只好又开发了另一套“盲测”工具，让标注师对同一组数据进行标注，然后程序会自动筛选出标注存在分歧的数据。

　　第四击：因为生产出来的质检机存在微小的差异，有可能光源、相机的角度不同，拍出来的照片风格就有细微差异，导致质检效果有的机器好，有的机器差。。。

　　第五击：质检机是后来设计的“外挂”系统。如果把外挂插入流水线本来的工作流程中，留给质检的工作时间只有26毫秒。超出这个时间，后面的流水线就凌乱了。

　　最近他们刚刚在飞桨上研发了一个兼具高精度和性能的目标检测模型PP-YOLO，可以在保证一定精度下，把模型做得足够小，同时在精度和速度之间取了一个精妙的平衡。

　　很快，他们基于客户环境和数据，优化出一套在低算力情况下，响应时间和效果都达标的模型。这个模型积累下来，就是后续服务其他工厂的宝贵代码财富。

　　扯远了。。。说回当时，好不容易搞定了诸多问题，抬头一看，这群人已经在厂房驻扎了两个多月，一算账光宾馆钱都花了不少，大家这才撤回北京。

　　百度大概从2010年开始就在搜索上使用人工智能，直到今天每隔一段时间也要用新数据对很多模型进行维护。

　　拿来一些新瑕疵零件的标注数据，不用多，附加在老的模型上，AI 对于新零件检测的准确率就会大大提升。

　　将来，总不可能工厂换一批生产任务，百度的工程师就跑去给调整一次质检模型吧？一个工厂可以，几千几万个工厂呢？根本跑不过来啊！

　　（你有没有发现一个有意思的事儿：本来是为了解决“人手短缺”，才用了AI技术；结果AI技术本身又遇到了“人手短缺”的问题。）

　　这些人才要从哪来呢？这个问题虽然重要，但当时他们还顾不上仔细思考，因为眼下横着一万件更紧迫的任务：

　　从工厂的角度讲，AI 质检确实增加了他们对中国制造的些许信心；从百度的角度看，质检项目也可以推广，做完A厂做B厂。

　　但平心而论，仅仅添加一些 AI 质检机，对于每年创造几十万亿 GDP 的中国工业来说，实属杯水车薪。

　　性情到什么程度呢？他做BD（业务拓展）的时候，如果觉得客户说得不对，哪怕对方是董事长，他也敢跟人家“杠”——合作想搞成，理儿得先掰扯明白。。。

　　“一个排名全球领先、自动化水平很高的企业，信息化只停留在基础 ERP 系统的水平，很多产线信息统计是靠U盘在设备间拷贝这种方式。”他回忆。

　　常城怕自己还没了解清楚情况，拐弯抹角问：“咱们公司的主要数据和软件系统是否部署在私有云上？有多少台服务器呀？”

　　“当时我就把对方CTO给喷了一顿。。。”常城无奈地说，“这家企业对于信息化重视度太低了，他们认为只要买了最贵的设备，就能有最好的效果，但数字化时代的到来不是这样的”。

　　2019年3月，很多人看到一则新闻：国产工业软件上市公司汉得信息发布公告，引入百度战略投资，金额达到5.5亿。

　　中国熟练使用工业软件的企业虽说数量不占优，却是中坚力量。这些企业大多地处东南沿海，很多都在用进口软件。

　　如果把机床比作一个个工人，那么 APS 就是“车间主任”的角色，它左手拿着客户发来的订单，右手就像安排课程表那样安排各个机床的生产任务。

　　所谓专家策略，就是一帮国外的老师傅，依靠过去几十年的经验，写了一整套规则——比如遇到情况A，就采取1号方案排产；遇到情况BKaiyun体育全站入口，就采取2号方案排产。把这些规则输进 APS，它就会根据订单情况自动给出排产建议。

　　他们找到一些工厂合作，把 MES 里面的历史数据读出来（虽说 MES 里存储的都是工厂自己的历史生产数据，但读这些数据都要给 MES 厂商交钱，可见老外有多黑），然后用飞桨学习这些数据的因果关系，推演出一套“AI 排产策略”。

　　只要数据充足，“国产人工智能”在很多情况下都可以超过“老外专家”。这样一来，就有可能省去大量的 APS 授权费用，还能因为排产合理而压低工厂的成本。

　　开始“全国巡演”之后，李硕见到了更多行业翘楚。他有了意想不到的发现：中国的工业并非如初见那样暗哑无声，越往心脏挺进，越能遇到心怀梦想的人。

　　说到泉州，很多人都不了解。但要论福建省 GDP 第一的城市，既不是省会福州，也不是明星厦门，恰恰就是泉州，而且这座城市已经低调蝉联冠军二十多年了。

　　说到水务，很多人也不了解。但其实从江河湖海，到台风降雨，到居民生活供水到污水处理，全归一方的水务集团管理。

　　于是，百度就利用人工智能系统，帮助水务集团根据风向、水文等数据进行降雨测算，以精准调节水位。

　　不过深入了解几次以后，李硕他们发现，水务集团更大的困难并不在此，而是藏在通往千家万户的供水管道中。

　　究其原因：第一，水务集团没办法知道居民实时用水情况；第二，即使知道了用水情况，也不好测算究竟给多大水压是合适的。

　　泉州水务的科技负责人非常兴奋，大半夜十点带李硕去他们古城的施工现场，指着黑漆漆的大坑说：我们规划的未来图景，都埋在这坑里了！！

　　看着这位负责人激动的表情，李硕突然感慨：“盈科而后进，放乎四海”，技术落地不就是需要有填平一个又一个坑的执着么。

　　当所有管线铺设完毕，水务管理中心的大屏幕第一次点亮。密密麻麻的管网，水阀、水压等等实时信息呈现在巨大的地图上时，所有人都被震撼了。

　　供水水压变成了程序自动调节，智能系统可以独立控制全城千万个阀门，水压根据用水情况实时调节，和以前的“两档估摸”相比，不仅节省大量能源，还大大降低了管路破裂泄露的概率。

　　之所以讲这个故事，正是为了说明一个道理：技术可以通过这种相似的本质在工业的各个细分领域里面流转迁移，这使得“智能工业”的大规模复制推广成为可能。

　　2021年7月，就在智能水务项目进行到第三期的时候，泉州古城申遗成功，其中的“水务大脑”，也成为全国竞相学习的标杆，越来越多的城市也都紧随其后开始建设水务大脑。

　　笔珠必须接近完美的球体，加工误差不能超过0.003毫米。这就要求对机床的控制精细到头发丝的二十分之一。

　　很多人会朴素地推想，这是因为我们国产的机床不够好，但黄锋告诉我，经过他这几年的深入研究，这并非事实的全部。

　　这就像理发师。能否剪出漂亮的发型，Tony 老师手中的剪刀锋利程度固然重要，但核心竞争力是他大脑里那套对手的“控制系统”。

　　一般情况下是这样：假设一台机床有200个参数，专家会根据机床要生产的具体产品，先根据经验设定200个参数，然后试生产一批样品，根据样品各个方面的瑕疵程度，返回来再调整这200个参数。反复几次，就调整好了。

　　参数一旦定好，工厂不敢乱动，一旦自己调了，生产出的产品良品率就会下降。如果半年后，要用这台机床生产另一个产品，还得把专家请回来重新调。

　　所谓“机理模型”，就是从理论上来说，调整x参数Kaiyun体育全站入口，一定会造成y结果。就像一个方程：y=f(x) 那样，这是机器在设计的时候希望达到的准确效果。

　　之所以剩下20%的问题需要“专家模型”来解决，是因为一个根本问题——“数字世界”和“物理世界”不是完全一致的——有时候调整了参数x，并不能准确出现y结果，而是出现一个小小的偏差。

　　经验丰富的专家，根据机床转动的声音，就能猜出这个机床的“脾气”，然后“掐指一算”就知道该用哪些参数来修正；机床摆放的位置也有讲究，地面哪怕有微小的倾角，都会影响良品率，需要用特定的参数来修正。

　　中国工厂进口国外机床，从机理模型到专家模型，人家全不告诉我们，专家飞来调一次就收一次钱。如果专家很忙，说要等一周才来，工厂都只能等一周，不敢自己贸然调参数开工。

　　为了研究数理模型调参，黄锋他们专门找到了清华大学，和这个领域的教授们一起联合研发，在实践中寻找调参方法。

　　给你放慢看一下点胶机的工作情景。注意，这可是慢动作，它要在极短的时间内把胶水精确填充在指定位置。

　　原来，这家点胶机只能卖到周围100公里的范围，因为调参的老师傅就那么一两位，如果扩大销售范围，老师傅就不够了。

　　为了把老师傅的经验传输到人工智能里，百度的工程师又是给师傅上烟，又是请师傅吃饭，取经好多次，人家才把一辈子的经验倾囊相授。（这还仅仅是人工智能优化的起点，经过持续的算法训练，人工智能甚至还能达到老师傅都无法企及的高度。）

　　一个三年经验的小师傅，带着这个 AI 调参系统，就可以到现场给人家调试设备，效果接近甚至优于老师傅。

　　在发电厂，需要有一整套装置为蒸汽降温，这就是“空冷岛”。空冷岛并不是有些人想象的小物件，而是一个足球场一样的“大岛”Kaiyun体育全站入口。之所以建这么大，是因为在其上有几十个大型风机，要把冷空气送入系统，进行充分热量交换。

　　传统的空冷岛，都有一位操作员老师傅，专门根据当天的天气情况，早晚两次手动调整风机参数。但这样的调整并不精细，也不及时。

　　每分钟 AI 都会对现场的气温，风速风向和实时的机组负荷进行测算，然后通过模型自动调整风机参数，让风机始终处在最高效节能的状态。

　　他确实值得骄傲。要知道，过去依靠技改和设备进步改进技术，电厂大概一年才能降低1g供电煤耗。现在不改动任何硬件，仅仅靠空冷岛上的风机智能调节软件这一项改进，瞬间就让行业进步了一年半。

　　2021年的中央经济工作会议特别强调：要立足以煤为主的基本国情，抓好煤炭清洁高效利用。从这个角度来看，火力发电厂的智能优化能对双碳目标做出很大的贡献。

　　黄锋热切期待着更多电厂会为他们开放更多的工艺流程，让人工智能从空冷岛风机进入汽轮机，从汽轮机进入锅炉。

　　如果深入“生产腹地”，把这一整套过程全部优化，一定有机会节省更多的能源，创造出奇迹也未可知。

　　各地的地方政府在进行新一轮的基建。很多地区都会集中建设或者升级一批工业园区。这就是区域性的“工业互联网”建设。

　　工业企业是很现实的，他们会仔细计算新技术带来的收益，例如几年可以收回成本。如果不划算，工厂是不会投入技术改造的。

　　如果一个工业园区的企业，能共享一套工业软件，共享一个云计算系统，也共享一套人工智能优化技术，那分摊后的成本就大大降低了。而且这样的工业互联网平台，政府也可能愿意补贴，企业就更有动力升级了。

　　了解到这个情况，李硕马上明白了，贵阳经开区的领导深喑某些友商套路。他马上联想到了从“AI 质检”就开始思考的那个问题——把智能系统布置进去只是把大象装冰箱的第一步，持续有技术人员来运营，才是更难的“下一步”。

　　方法真让这群人找到了。他们联合当地头部的软件服务商，共同成立了公司，专门负责工业互联网的持续运营。

　　百度真金白银地出了钱，如果后续服务不好，工业互联网平台没做起来，那百度所有的投入也就打了水漂。

　　那时候，常城已经转岗，成为了百度智能云解决方案的负责人。他的队伍杀到了贵阳，为企业们量身定制工业互联网平台。

　　但是，别忘了，就在贵阳当地还有百度和合作伙伴成立的服务公司。他们的职责就是一点点帮助企业用好系统。

　　原来每天她都要用纸笔来抄写各个流水线的工作量，学会了用系统之后，她只要督促工人们每次开工之前登陆自己的账号，再用扫码枪扫描零件筐上的二维码，他们各自干了多少活儿，就都在系统里清楚地显示出来了。

　　大姐告诉李硕，工人们也爱扫码，因为他们每天做的工都可以在系统里实时显示出来，今天赚了多少钱一目了然，再也不会有扯皮的糊涂账。

　　看到“贵阳模式”成功了，李硕激动万分，他一刻都不敢停，把大家叫到一起，准备搞一个“百天计划”。

　　所谓百天计划，就是发动团队所有人，尽一切可能找到各个地方政府，把这种工业互联网的平台复制过去。

　　当地领导聊天的时候，发现百度这帮人不仅能说出当地的优势产业，而且连当地适合的智能平台建议都构想出来了，立刻会刮目相看。

　　常城给我看了一张地图，把中国工业带分成两横三纵，沿着这个“作战路线”，他们已经在浙江、重庆、广东、江苏等等工业优势大省建立了几个工业互联网平台。

　　2022年，燃起的 AI 星火已经在工业的版图上开始了燎原之势。这个速度之快，甚至都超越了李硕几年前的设想。

　　当“人工智能”填补上这些被“人”放弃的位置后，会召唤出更多新岗位——因为工业智能系统需要持续维护和修正。

　　而这些新岗位，要求对工业生产特定工序有深刻的理解，会吸引产业工人再回到此地，成为“技术产业工人”。

　　他们在很多城市，尝试三方联合办学的玩法——百度、百度在当地的合作伙伴、当地的职业学校一起合作，培养智能工业急需的人才。

　　比如化工领域的专家，通过对湖水机理仿真，就能解析出里面有什么矿产；比如纺织领域的专家，可以在比头发丝更细的纤维上发现瑕疵。

　　一个更有趣的现象是：除了行业“老炮儿”，“AI+工业”这个领域因为新奇有趣，还吸引了很多“Z世代”的大学生。

　　企业往云上跑，技术往车间钻，一代新的产业工人和一代新的产业技术人正在探索从未有过的“劳动人民新情谊”。

　　很多企业的创立者都是曾经的大学教授、领域专家。他们在90年代离开大学和科研机构，怀揣报国之志，进入工业领域创业。

　　回望来路，从技术人到企业主到普通的工人，我们毕竟无法苛责那些离开工业的年轻人——他们希冀自己的生命里多一条路，少一堵墙，这本没错。

　　当它们渗透进每一台轰鸣的机器，奔流在旋转的刀尖和深埋的管线，当它们终于积淀成厚重的城墙，护佑山河无恙，那时，属于“中国制造”的荣耀时代，才重又缓缓降临。