国内的产业智能化发展到什么水平了？有没有什么具体的产出 ...

牛膝草

这两年国内都在说产业智能化转型发展的事情，目前国内的产业智能化是什么水平？有没有什么实际的案例和应用可以分享一下？

猪尐烧

　　领先但尚未领跑，优势但差距不大，整体上先进，但局部上有卡脖子，我国很多技术都是这种状态，没有历史欠账的新技术，同一起点不卡脖子，都能做到比较好的位置，一旦有时间上的差距，就有能被发达国家卡住的短板。
　　但我国的特点是，能进政策，能进规划的东西，支持力度不会少，发展水平不会太差，我记得我毕业那会，在杂志上看到过战略性政策文件《中国新一代人工智能发展规划》，还有前两年“中国制造2025”里也将主要产业智能化作为规划，有这种政治层面推进的东西，至少动力上是强盛的，人工智能投融资当年占了全球规模一半多，总体看还是可以的，数据我凭着看的杂七杂八的书记的，大体不差，别问我来源，想不起来。

朕都依你

说到产业智能化，其实绕不开的就是人工智能。
甚至可以理解为，产业智能化的程度，其实就是人工智能的发展水平以及落地应用。
这里可以分为两个部分：1、人工智能发展到什么水平了？2、人工智能落地应用现状怎样？
人工智能发展到什么水平了？

先来说说人工智能，也就是AI的水平。
从广泛性来看，但凡是个互联网产品，都得跟你谈AI。比如说我刷短视频，平台怎么知道我喜欢看宅舞萌妹子？就是根据AI对我行为模式，搜索关键词以及在每个视频的停留时长进行分析，从而得出结论，给我推荐，这就是AI深度学习的一个最浅显的例子。包括我喜欢在某宝上淘花里胡哨的卫衣，所以我打开某宝，首页一片饱和度浓郁的花枝招展，也是AI对我的行为模式进行深度学习的结果。


而另一种比较常见的AI落地应用就是自动驾驶，之前去北京出差的时候坐过一次百度的自动驾驶出租车“萝卜快跑”，感觉还是蛮新奇的。虽然只是在一个相对封闭的区域内运营，但是坐在一辆没有驾驶员的车上，看着车子自己前进转弯加速避让来车靠边停车，真的是挺神奇的事儿。


包括AI也“赋予”了一些常见的物品（尤其是电器）智慧，像我家里的智能窗帘，它就能“看到”天亮天黑，自己就很自觉地天亮拉开窗帘，天黑拉上窗帘，有时候夏天外面阳光太晒，亮度太高，它还会自动拉上一半窗帘，省心得不要不要的。
但是这些其实并不算是AI最尖端的发展水平，充其量是AI运用能让大众知晓的程度罢了。
那么AI的发展水平该怎么衡量呢？一个比较可观的标准就是看现在在搞AI的这些互联网大佬们，特别是头部企业在搞什么项目，就基本可以知晓AI发展到哪一步了。
根据《互联网周刊》发布的《2021年度人工智能企业百强榜》显示，百度排第一、华为排第二、字节跳动排第三、腾讯排第四、阿里排第五。之后再是商汤科技、海康威视、大华股份、寒武纪、大疆创新。


果然百度这个工科男还是有点点东西的。
百度人工智能发力的方面，主要还是智能交通、深度学习和AIGC，我整理了一下，百度有2022十大科技前沿发明，具体包括：跨模态通用可控AIGC、无人车多传感器融合处理系统、、知识增强大模型、深度学习通用异构参数服务器架构、基于AI的生物计算平台PaddleHelix、面向自动驾驶的车路协同关键技术、全平台量子软硬一体、数字人智能化生产、智慧城市全要素双总线技术和自动驾驶多模态行人运动预测。
要是细分下这些技术所涵盖的领域，那基本上就是所有我们能够想象得到的行业。小到衣食住行，大到工业、农业以及第三产业。
人工智能如何赋能各大产业？

从人工智能的发展水平上来看，其实我们可以认为，目前的人工智能，技术水平是已经相当高了。可以说是各行各业都能找到相适配的技术进行加持，帮助该行业走向智能化。然而，问题是，如何将“AI赋能”变为一个产业？
无论百度也好，或者其他具有AI技术研发能力的互联网企业也好，都不可能为每一家需要智能化转型的企业去量身定做方案，那样不仅成本高，而且效果也不太好。
所以，怎么能将技术应用到实际中去，让人工智能落地具体行业，打造智能产业？这其实需要有“大模型”的加持。
这里来解释一下什么叫“大模型”，实际上你可以把它理解为一种可以套到相近行业的万能公式。比如说我在湖州开了一家小小的纺织厂，只有两个工人，一台机器，但是我同样需要成本估算，同样需要质检，这些事要是再雇人来做显然不划算，要是让我请人工智能团队为我量身定做一套方案，更不划算。那怎么办？有了“大模型”，我就可以直接把人工智能团队为某纺织集团公司做的成本估算和质检方案拿过来，然后用自己的具体需求去套它。例如我拿过来的方案，本身别人是做氨纶的，但是我是做真丝的，但是没关系，我把自己的产品照片，正品数值和次品数值，查验标准这些全部输入，于是人工智能就能“深度学习”，生成一个适合我这个小企业的“模型”，我就可以来使用了。
这就是很提升效率的方式了，也很适用于现在千行百业都需要转型的现状了。
但是这样一说的话，问题就来了——“大模型”怎么做？
以前的模型，其实就是采用一些小样本来进行算法测算。还是拿上面的纺织业举例子——小样本就是例如我作为一个小企业，需要质检，那就拿我的数据和样本来生成模型，但是这个模型是不具备通用价值的，也就是生成一次只能服务一家企业。这样的话它的成本就高了，不适合推广应用。
而大模型，则是采用海量上亿的数据去堆叠，能够计算出这件事的发展趋势，可以用“大力出奇迹”来比喻。
这么说吧，我们拿“抛硬币”来举个例子。你拿着一枚硬币抛十次，七次正面三次反面，那你能得出硬币正反面的比例是7:3吗？显然不对。因为你下次可能就是五次正面，五次反面。那你要是抛上一亿次，或者几亿次呢？那么得出正反面的比例，其实就相当接近真实的数据了。也就是说，样本数据足够多，大模型就足够精准，更具有参考性。
所以，现在的行业智能化趋势，就是与一些能提供足够多样本的大企业合作，以大量的数据去进行大模型的生成，再用这个大模型去加持整个行业，这样成本更低，效率更高，效果也更好。
然而问题在于，大模型还真的不是一般互联网企业能玩得起的，除了大量的存储空间，还需要有尖端的AI技术和大量CPU计算，上亿的数据，可不是一般小公司能玩得起的，怎么也得是百度飞桨平台之类的体量才行。


百度飞桨平台是一个持万亿级规模参数的模型高效训练，支持多端多平台的部署，还针对产业应用开源开放面向多领域的工业级模型库，同时还开放深度学习框架和大规模深度学习模型训练技术。我们可以这样理解：深度学习平台属于基础共性平台，它下接芯片，上承应用，相当于智能时代的操作系统，它可以将具有算法、算力和数据综合优势的企业生产模型的复杂过程封装起来，成为一个低门槛、高效率的生产平台，这样就相当于是形成了一套普适性很强的公式，也就是“大模型”，具有效果好、泛化能力强、研发过程标准化程度高等特点，任何行业都可以直接拿去应用，为千行百业提供大模型服务，这样的产业化路径已经在百度文心大模型的产业实践中得到验证。
智能产业有哪些落地案例？

说完了怎么去让“人工智能技术”变为“智能产业”，那么我们来了解下智能产业的落地案例吧。
举个大家比较容易理解的例子——老电影修复。
百度联合电影频道，发布了业内首个影视行业智感超清大模型——电影频道-百度·文心。这是一个针对老旧影片进行修复的大模型，主要是针对老旧电影的分辨率低、噪点高、色彩饱和度低等问题进行修复。
其实传统对于老电影的修复，一般都是采用人工的方式，也就是手动逐帧修复。这样的修复效率怎么样呢？一般来说，纯人工修复《地道战》，需要10人团队、20个工作日，花费约20万元-30万元。


单纯把这部老电影拎出来看，会觉得还好，但是央视电影频道影片库里的中外电影资源至少有2万部，其中超过半数是用胶片拍摄的，虽然说它们都已经2万部中外电影资源，超过半数以上是用胶片拍摄的。虽然这些电影资料已经数字化保存，但是原始胶片存过程中出现的褪色、划痕、脏点等损坏还是会影响影片画质的，对于习惯了高清质量影片观看体验的我们来说，观影体验还是比较差的。所以，要是一部一部采用人工修复，显然是不可能的。
但是百度和电影频道联合研发的电影频道-百度·文心大模型，就能够实现视频全方位超高清AI修复，每天可修复视频28.5万帧，更可针对影片进行自适应色彩增强、清晰度增强、时序插帧、SDR转HDR等，全面提升老电影的画质。


那么AI是怎么做到的呢？这就要提到百度·文心具备的将百度AI技术能力和电影频道长期积累的视频修复数据能力结合，通过对超分辨率、去噪、去模糊、去压缩等多任务的联合预训练、亿级参数量的学习形成的智感超清大模型，能够通过画质提升、边缘锐化等方式增强视频的清晰度，实现对多种损坏情况的修复，达到全方位提升视频修复效率和观感体验的效果。
简单地说，就是让AI取代人工，去进行这一系列繁琐细致的工作，从而达到提高工作效率，让工作更简便快捷的目的。
总结

其实在写这个回答的时候，我查了一圈资料之后发现，其实现在各行各业都有在往智能化发展的趋势，尤其是像工业制造业、生物、医学、金融、通信、媒体、教育等各个行业的智能化水平，完全超出了我的想象，不少原本需要靠人力来完成的工作，现在依靠AI的加持，例如飞桨文心大模型通过飞桨开源开放平台、百度智能云等对各行业进行赋能，就可以几何级提升效率，并且提高工作质量，这无疑是一个非常理想的趋势了。

践行见远

前几天，94 版《三国演义》张飞扮演者李靖飞逝世，在之前关羽扮演者陆树铭去世，真是“眼前飞扬着一个个鲜活的面容”。我重温了一下这版经典的《三国演义》，剧情、演技、台词都是无可挑起，经典就是经典，唯一美中不足的是因为时代的原因分辨率低、噪点高、色彩饱和度低，这在追求高清的现在看来确实是差了点。


高清修复这不就是AI擅长的事情吗？是的，其实现有很多利用AI修复的影片，但是也有个问题，就是目前业界针对特定任务训练模型的模式虽然可以满足部分需求，但传统模型研发所需数据和时间成本高，也不能充分考虑不同细分任务间的相关性，工作效率和修复效果都还不是很理想。
想要有更好的修复效果就需要提升AI的水平，这就不得不提当下AI领域的前沿技术——大模型。现在说的AI都是基于深度学习的AI，需要模型参数，这大模型与普通模型有什么区别呢？我们都知道人工智能的三要素：数据、算法、算力。以知名的GPT-3为例，该模型的参数有1750亿，数量级接近人类的神经元的数量，远高于上一代的15.42亿；网络层数达到了96层；预训练数据量达到了45TB。而算力方面更加的惊人，GPT-3仅训练成本就在460万美元以上，微软还为其建了一个5亿美元的超算中心，装载了1万张英伟达GPU，训练GPT-3消耗了它355个GPU年的算力。


Facebook的AI负责人杰罗姆·佩森蒂表示，针对当前最大的模型进行一轮训练光是电费可能就好几百万美金。所以大模型主要玩家是几家大的IT公司，国内这方面也不落后，比如百度的文心大模型，也许有些人对百度有看法，但是在AI领域百度确实做的很好。


不管从哪方面来讲大模型的花费都比普通模型要大的多，而且参数和数据还在不断增加，有什么特别的好处吗？好处也是显而易见的，就是更加的智能也更加的泛化，更多的数据和参数会更加智能这个很好理解，泛化又是什么呢？
大家都知道现在的人工智能以深度学习为主，深度学习是学习的大量的标注数据，而像GPT-3这样的大模型在预训练阶段，预训练语言模型会从大规模无标注的数据中学习丰富的知识，学完后让模型具备的只是就更加的全面而不只是标注的那些。这样在解决具体任务时，就只需要少量的样本就可以让模型知道要做什么，同时引导模型把它与之相关的知识释放出来去解决问题。
这就是大模型的显著优势，简单说就是大模型不仅更加智能还有泛化的优势，会的很多，你只需要把相关行业的少量样本给它之后他就可以很快变的更加的专业，一个大模型可以应用在多个领域。
比如前面提到的影视作品修复，经常播放经典影片的电影频道（旗下拥有CCTV-6和CHC系列付费频道及CMC系列国际频道）就使用百度·文心大模型来修复影视。下图右侧为电影频道-百度·文心大模型修复画面，选自电影《横空出世》。


这就是大模型和行业结合的典型案例，因为智能化程度更高所以修复的效率更高，电影频道-百度·文心大模型每天可修复视频28.5万帧，解决了绝大部分画面的修复问题。即便是需要进一步精修，修复速度也能提升3-4倍。在老片超清化上，还可针对影片进行自适应色彩增强、清晰度增强、时序插帧、SDR转HDR等，全面提升老电影的画质。我想这个计划持续下去，很快也就修复到《三国演义》、《西游记》等经典影视剧。
前面已经说过大模型的缺点就是只掌握在少数的IT企业手中，所以对于行业的应用基本就是像前面说的电影频道-百度·文心大模型一样，需要企业间的协作，将大模型与行业特性结合起来。这里还是以百度·文心大模型为例，文心行业大模型的核心特色就是“行业知识增强”，基于通用数据训练的文心大模型，加上挖掘行业应用场景中大量存在的行业特色数据与知识，再结合与行业专家一起研讨，引入行业实际业务积累的样本数据和特有知识，设计行业领域特色算法任务，提升大模型对行业应用的适配性。目前已经与合作伙伴共建了多个行业大模型，覆盖制造、能源、航天、金融、传媒等领域，下面再说一个工业应用。


制造业是工业的根本，这里再说一个制造业的案例，电子自造也的特点就是产线繁多、质检工艺复杂且精度要求高，所以产线工艺场景的缺陷检测非常的重要。在这方面，人工智能就可以发挥很大的作用，国内知名的制造企业TCL就和百度在行业数据、AI算法及大算力上实现优势互补，共同构建TCL-百度·文心电子制造行业大模型。 使用TCL-百度·文心大模型的效果也是显而易见的：

• 两个产线检测mAP指标平均提升10%+;
  
• 训练样本减少到原有训练样本30%～40%，产线指标即可达到原有产线效果；
  
• 新产线冷启动效率可提升3倍；
  
• 产线上线开发周期降低30%；
  

这是真正的助力中国制造业的提升，也是未来制造业的核心竞争力。
回到本题，国内的产业智能化其实一直在发展，不管是现在还是未来都需要像百度这样拥有大模型技术的IT企业与各行各业去合作探索，这样才能有更多的具有行业特色的大模型。百度不是唯一掌握大模型技术的IT企业，却绝对是走在前列的厂商，希望未来有更多的企业参与进来共同推进国内产业智能化的发展。

胖爸的觅食记

产业智能化发展，通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类专家在制造过程中的脑力劳动。它把制造自动化的概念更新，扩展到柔性化、智能化和高度集成化。

寒云宛秋

时代发展随着科技的飞速发展，“中国制造”向“中国智造”转型的故事正在上演。而随着5G时代的到来，众多中国科技企业也是迅速崛起，进一步推动了“中国智造”的发展进程

王禄

近年来，人工智能产业进入了“快车道”，全球多国加大了对人工智能领域的投入。这其中，人工智能算力产业布局，更是成为了重点，特别是随着AI行业应用发展，推动产业智能化升级的过程中，算力需求成倍的增长，以无人驾驶场景为例，从2018年到2030年，无人驾驶对算力的需求将增加390倍，因此，算力布局成为影响未来AI发展的关键。不仅如此，中国还进一步打造了更强大的算力领先优势

仨木闲人

现在国内的智能化发展的还是挺不错的。据我了解，有很多企业都非常重视这一块，因为毕竟这一块关系到一个企业是否能够正立足于这个产业的重要技术。

逆风翻盘

国内智能制造是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。

向日葵的晴天

产业智能化是什么？
产业智能化是，传统行业借助人工智能、物联网、大数据等新兴技术，提升内部的工作效率和外部的服务效率，并且大通上下游或者整个产业链条的信息流转和沟通，获得高效生产、沟通、运行的能力的过程。
简单来讲就是通过引入外部的技术帮助企业提升工作效率降低生产和降低管理成本，更省时间更好发展。
现阶段的产业智能化还未得以完全落地，产业智能化的全面普及需要解决的问题太多了，不够成熟的智能化不仅无法提升效率，还会增加成本，因此像很多中小型企业还没有引进这一类技术。产业智能化的成果更多地出现在一些大企业中，这些大企业有庞大的生产链条和复杂的决策过程，产业智能化的相关技术以它们为土壤，能得到更好的训练，同时解决了复杂的场景那简单的场景自然是轻轻松松。
在这些大企业里，产业智能化正通过其提效、降本的能力改变企业的生产方式和效率，做到高效率，低成本。
我举几个例子吧，尽量涉及多一点的行业，帮助大家完成这个感知。


产业智能化——安全守护
为相关企业提供产业智能化技术支持的企业，必须得提提百度，通过多年积累并且调教的人工智能等技术，百度能给需要产业智能化的企业提供更好的服务。比如，给深圳燃气提供安全巡检、环境巡检的技术支持。
百度通过百度文心的大数据和快识别能力，从识别和分辨等多个角度，为深圳燃气提供了安全守护，在燃气运输和内部环境检测上，百度通过文心大模型对操作和场景进行了识别，并通过数据分析对操作和内部环境的管理进行判定，实现安全守护同时减少人工的巡检，对需要频繁进行安全检测但用人成本太高的企业具有很大的作用。
产业智能化——实验效率提升
百度的文心HELIX-GEM，能通过大规模的无标注化合物数据库学习到化合物中蕴含的物理化学规律和知识，进而将其应用在众多的ADMET成药性预测任务上，提升了ADMET任务的效果。
与传统相比实验方法对比，不仅缩短了时间，其准确率也刚高，大大增加候选化合物的筛选成功率，从而降低实验成本。
在化学和医学上，产业智能化将会协助研究和生产，造福人类


产业智能化——老电影修复
这些年，电影爱好者对老片修复的呼声越来越强烈，但从成本讲，对一部电影进行逐帧的画面修复其成本是非常高昂的，所以只能选择性修复。但目前这种修复困难的问题，随着人工智能的出现，正在逐渐被消解。
百度联合电影频道所打造的电影频道-百度·文心，能针对老旧电影的分辨率低、噪点高、色彩饱和度低等问题进行修复，通过AI技术，对视频进行全方位的高清修复，每天可修复视频28.5万帧还能优化影片的视觉和清晰度等问题，提升了整体的质感，最重要的是相比于传统的修复方式，人工智能修复的手法不仅成本低还更高效。
以上三个例子几乎可以解释关于产业智能化所带来的作用，智能化实现了传统行业的改造，降低了用人成本和提升效率，帮助企业突破原有边界，实现向上或者全产业链条的发展，增大其竞争力，同时也利于我国经济的发展。
当然，必须要说的是，产业智能化还在成长之中，但以其展示的成果我对它所能实现的价值抱有很大的期待和信心。