借条模板

「借贷宝」 是1.3亿用户信赖的个人间借贷登记服务平台[补欠条]、[打借条]小工具经过5年的用户检验获得了市场的广泛认可。产品优势:法院认、帮提醒、不丢失,免去了手写借条、欠条不规范的潜在风险,保证了民间借贷协议的有效性和公正性,协议云端存储不丢失,超过宽限期系统自动电话提醒避免了债权人频繁催款的尴尬,缓解借款双方的矛盾冲突。点击 立即下载 最新版。

<   扫左侧二维码下载

AI 与「制造」的联姻、冲突与破局

发布日期:
2021-11-22

浏览次数:

598

来源:

雷锋网

双十一的夜晚,珠三角地区,某工厂生产车间。

一个机器人正转动机械臂,将履带上的物料转移到另一个机器人的托盘上。装满之后,这些物料被送至加工处,早已准备好的机器人正在对物料进行检测,部分物料因不合格而被“剔除”,剩下的合格物料将进入生产环节。

另一侧,监控机器人正在记录该环节,目的是保存视频数据,实现生产过程的可溯源。与之同时进行的,是在二十多米高的仓库里,机器人正在“取货”,将打包好的商品装车,准备出库。

整个车间里,都是机器运转的声音,偶尔有几个人在走动。在车间外的办公室里,人们正盯着电脑屏幕上的数据,关于商品的一切数据,诸如品类、价格、销量、销售额等等一目了然。

掌握这些数据之后,生产计划随之进行改变,人们只需按调整计划进行部署,便可将具体生产交由机器完成,甚至,打包入库、分拣、出库等工作也可实现机器化处理。

这就是智能制造的缩影。

所谓智能制造,即是利用新一代信息技术,来提高生产效率、产品质量、降低能耗等,贯穿设计、生产、管理等制造的各个环节,和产品的整个生命周期。

2015年5月19日,国务院正式印发《中国制造2025》。其中,智能制造作为五大核心工程之一,重要性不言而喻:人口老龄化、产业升级、提高附加值......都需要“智造”。

当前,“智造”的核心表现为整个生产流程的智能化,而在这一过程中,人工智能技术的运用与落地,为其提供了最为底层的应用能力。

基于人工智能(譬如机器学习),机器能够代替人力,并且在安全、效率上得到很大提高;而通过数据来实时反馈市场需求,则为再生产提供数据支撑;从而对整个产业的生产——扩张——再生产,带来颠覆性改变。

但人工智能技术对制造业带来的改变,又不止于此。

“以前,车间的原料、半成品、成品等物料都是通过人工或叉车搬运,劳动强度高且效率较低,并且作业区域人、车、货交集,也带来了安全风险。”

某生产车间主任表示,这类工作强度大,环境也不好,属于技术含量低的重复性劳动,由人力完成不仅效率较低,且不利于工人的身体健康。

在引入了新的技术改造方案后,搬运工作可完全实现自动化,事故率降低的同时,搬运效率是之前的2~3倍。并且,整个环节避免了人与物料的接触,避免了可能存在的人力导致的产品异物问题。

“最直接的感受就是效率提高了,以前三个人干一天的活儿,现在一个‘人’就能完成。”

除此之外,管理也变得更加容易。

比如,生产出的产品需要进行检测,检测合格方可入库,而对于不合格的产品,需要分析原因,来提高良率。

“放在以前,我们只能一个环节一个环节去调数据、找原因,一步步核实,还不一定能有结果。”

该车间主任表示,现在有视频监控,各项检测机器都记录下数据,有问题直接调用数据,“效率和准确率都提高了好几倍,还节约了人力成本。”

总而言之,AI带来的可量化的改变,通常是效率得以提高,解放了人的部分劳动。不过,技术改变社会,往往从效率开始,但并不以效率为结束。

正如瓦特改良蒸汽机给纺织业带来巨变一样,最初的表现是纺织品生产规模化扩张、成本下降、产品价格下跌,使其具备价格竞争优势。

更深层次的影响是,整个纺织业产业链都因此调整:上游原材料供给扩大;中游,技术代替人力成为主导性生产要素;下游,成本下探带来价格竞争优势。

两百多年前和现在如此相似,只不过蒸汽机变成了以AI为代表的机器人。

在西南证券某分析师看来,AI对制造业的影响,大体可以从成本效率、生产要素的再分配以及产业链的调整三个方面来解释。

在成本和效率方面,AI带来生产和管理效率的提升,使得生产能力进一步增强,具体表现在:人力及管理成本削减,机械化作业带来规模收益,产品的议价能力更强。

但在初期,企业的改造成本较高。

从生产要素投入上讲,技术要素将比劳动要素更重要。机器代替人工,人力成本将得到控制,但企业需要投入更多资金研发或购买机器(技术服务),比如对机器的维护、管理等,这将导致对技术要素的投入会更多一些。

对于产业链而言,AI对上游原材料供应商、中游生产制造商的影响以降本增效为主,下游的经销商则可以通过大数据、AI分析等掌握市场动向,迅速调整供应、营销策略。

“这实际上催生出了柔性供应链,和电商的C2M模式很接近。”

例如,在某一季度,市场对于某一商品的需求不断上涨,通过数据分析,如果这种需求在未来几个季度都存在增长空间,那么经销商会加大对该商品的进货需求;中游生产商获得更多订单,上游原材料供应商也会扩大生产规模。反之亦然。

“整个产业链上的生产、销售变得更加灵活。”该分析师表示。

不过,虽然AI对制造业的作用显而易见,然而自2015年以来,智能制造一直被提及,但进展并不顺利,许多企业的“智造”仍旧是以单一的设备或生产线的智能化为主,并未全面铺开。

这其实反映出一个深层次问题:智能制造,究竟是以AI,还是以制造为主导?

智能制造,分智能和制造两部分,不论是“AI+制造”,还是“制造+AI”,本质目的是相同的。但业界对于谁为主导,却有不同。

以AI公司为主的技术商认为AI是主导,智能制造的核心是通过AI 技术实现生产、管理和经营的智能化,进而推动制造业的升级,属于技术导向。

以制造业为主的厂商认为,AI固然重要,但制造业本身才是基础,没有基础,技术就失去了载体;智能制造的核心是制造业的“智能化”,属于产业导向。

这两种导向从根本上来讲,是两类厂商对于话语权的争夺。

话语权往往关系到议价能力。

一位某厂商的采购经理告诉AI掘金志,他所在的公司本打算引进某AI公司的智能化改造方案,但报价太高,远超预算,而且降价空间很小,因此就搁置了改造计划。

但在AI公司的人看来,这样比较高昂的报价很正常,“设备成本高,价格自然就高上去了,并且公司需要做定制化,设备的保养、维护、售后技术支持等都要花费。”

一边是购买力不足,渴望降价;一边是技术变现压力大,拒绝降价;两者形成了对峙,久久僵持不下。

“哪个主导,哪个就更有优势,就能拿到议价权,但这场较量还没有分出胜负。”该分析师认为,这样实际造成了供给与需求的不匹配,是智能制造未能规模化铺展的根本原因。

从另一个方面看,这两种导向,也涉及到商业模式的区别。

AI企业大多做的2B业务,而制造业企业则以B+C为主。

在AI企业看来,企业的数字化转型首先要增效,其次才是降本。因为增效带来的收益可以弥补成本,并且AI产品、设备、技术的成本很难降下来,但AI带来的人力成本、管理成本的削减,是降本的核心内容。

但制造业企业的观点却有差异,制造业市场非常成熟,竞争很激烈,对性价比追求极高。比如,某条生产线要达到什么水平,出货量、良率保持多少,年产值、折旧、损耗,回本周期等等,最重要的是单位产品的成本能够进一步降低,才能扩大其利润空间,这才是降本的主要内容。

前者认为后者不缺钱,至少不缺购买设备、改造的钱;后者认为前者报价太高,且无法在生产端有效地削减成本。

两个并不完全相同的市场,和两个缺乏沟通的玩家,自然导致合作效率的低下。

那究竟谁为主导?

该分析师认为,这取决于制造业企业有没有做AI的能力。

智能制造已经是制造业发展的未来,但具体如何实现智能制造,靠外力还是内功,不同的企业在路径选择上各有差异,这与行业特性密切相关。

一些行业本身就有发展AI技术的基础和空间,比如安防,一开始存在着大量的低端设备制造企业,但随着市场变化,部分企业寻求在技术上突破。经过多年发展,在技术和市场上占据绝对优势,AI企业的进入也很难打破这种局面。

典型的例子就是海康威视和大华股份。

而一些行业本身不具备发展AI技术的基础,比如食品制造、日化用品等,其核心技术的侧重点在于研发出适合市场需求的产品,而非整个工厂、生产环节的智能化。

因此,从供给决定需求的理论出发,一些行业(企业)自身能够发展技术,对AI公司的技术需求并不高,故以制造业企业为主导。

对于那些不具备AI能力的制造业企业而言,AI一开始以卑微的乙方角色出现,但最终扮演的是甲方的角色。

“这并不意味着AI企业能够躺赢,现阶段,制造业对AI技术的购买力不足,很大程度上制约着‘制造’向‘智造’的迭代。”

,



,


整体而言,我国的制造业升级大部分聚焦于单个设备的智能化。比如引入新的生产设备,能有效解决生产过程中的某个问题。但这种单点式的智能,无法带来整个生产环节的效率提高。


归根到底,是目前的人工智能技术落地难度大,且是“奢侈品”。

一方面,AI依赖机器视觉、机器学习等,需要大量数据进行算法迭代和优化。但很多制造业企业在生产环节中的数据很难采集,甚至缺乏数据,难以建立有效的模型,训练就更谈不上。

另一方面,对于制造业的碎片化需求,AI很难形成统一标准,定制化方案带来的成本问题无法得到解决。

“小企业用不上(起),大公司有疑虑。”

很多大厂都只是针对某一条生产线或某个生产车间进行小规模试点,因为成本太高,大厂会做投资回报周期评估。除非带来质的改变,否则每一步都很谨慎。

对于许多中低端制造业企业而言,本身的产品靠出货量大、价格优廉取胜,没有对智能化改造的需求,并且国内劳动力价格相对处于较低水平,销售市场也比较稳定,形成了固定的模式。

“市场的惯性,很难在短时间内扭转。”

人工智能技术要改造制造业,除非成本下探至普通企业可以承受的范围,智能制造才可能遍地开花,但这一天仍然很远。

智能制造是一个很宏大的命题,但需要极其精细的解法。

AI公司无疑是最适合回答这道题的主角,但是现下,还没有出现通用性解法的可能,大多是以某个行业的单一场景做突破。

如何让人工智能技术给制造业带来普惠,引领制造业的升级,而非成为“小而精”样品,是AI公司努力的重点。

末了,提一个哲学问题:假设在不久的将来,当无人工厂成为现实。

人会扮演怎样的角色?雷锋网雷锋网