智驭未来：人工智能与制造业的融合创新之路

智驭未来 人工智能与制造业融合创新之路 腾讯能源与资源行业刘秋娜 人工智能与制造业融合思考 全球制造业政策方向 美国 美国在制造业方面的政策着重于推动产业链的回迁和“再工业化”，并 通过“工业互联网”战略，利用网络实体系统(CPS)来整 合传统制造业体系，加速创新研发与应用，以保持全球竞争力 Freedom 本土化供应链工业互联网 德国 德国以其“工业4.0”战略而闻名，该战略侧重于智能制造和网络物理系统的整合，以提高制造业的效率和竞争力。德国的政策也着重于通过技术创新和产业现代化来维持其制造业的领先地位 energy IOT创新维持领先 中国 中国正通过“十四五”智能制造发展规划，推动制造业的数字化、网络化、智能化变革。政策强调了智能制造的重要性，提出了到2025年70%的规模以上制造业企业基本实现数字化网络化的目标，并计划建设500个以上的智能制造示范工厂。 智能、绿色、高质量 日本 印度 日本以其在高科技制造业领域的先进性和持续的技术创新而闻名，其政策与德国和美国类似，强调技术进步和产业升级。 智慧能源共同体产业升级技术创 新 印度近年来推出了“印度制造”和“印度技能”等政策，旨在通过降低税率和提高进口关 税来吸引国际投资，推动本国制造业的发展，特别是在电子和汽车制造领域 关税汽车制造 AI与中国可持续发展战略 城乡发展与消费革新 推进能源行业的低碳转型 发展低碳技术，支持低碳经济体系 搭建绿色金融体系 政策激励与国际合作 中共中央国务院关于加快经济社会发展全面绿色转型的意见“上云、用数、赋智” 制造业PMI趋势思考 PMI=新订单x30%+生产x25%+从业人员x20%+(100-供应商配送时间)x15%+原材料库存x10%。 腾讯新战略蓝图 用户为本科技向善 AI更好的服务 腾讯用AI更好的服务客户和伙伴 质量协作 提质增效 全员营销 更开放包 容的生态 幸福感 建设 提升效率 主动有效 及时洞察 产品互助 融合合作 内部善意 服务文化 AI不仅只是大模型 互联网+ 大数据+AI+ 知识库+规则引擎 神经元联结模型，实现神经运算 感知-动作的闭环控制，反馈和适应性学习 AI赋能制造业的关键技术思考 卷积神经网络 深度强化学习 特征处理+池化 大数据量的图片有效的降维成小数据量 输入-对应输出 与时间进行同步和数据对齐增加了一个隐藏层 优化计算、自动特征提取的算法权重分配需调参数 弱可解释性GPU依赖 视频分析与分类、图片分析与识别 循环神经网络 有效的处理序列数据的算法 LSTM长短期记忆网络 文本生成、语音识别、图的描述和理解 没有数据和标签 通过智能体和环境进行交互学习不断优化策略探索未知 弱可解释性算力模型训练难度不断学习新的策略进行行动的系统 包括游戏AI、自动驾驶、机器人控制、金融交易 生成式对抗网络 深度学习的感知能力+强化学习的决策能力 数据局限，对抗方式生成新样本图像生成，艺术品生成，音乐生成和视频生成 然语言对话包括游戏AI、自 股票的预测、情感分析、自视频标记机器翻译实时会议纪要关键词 动驾驶、机器人控制、金融交易、现在几点、会议/文章 生成器网络+鉴别器网络。 从卷积神经网络，递归神经网络到自动编码器。在这种配置中，生成-鉴定-判断-产出 优图工业AI算法体系概览 1 “检测能力”2 1个目标 多图融合 图像对齐 光度立体 图像质量评价 图像分类 目标检测 语义分割 成像算法基础视觉算法 “使用效率” •基于视觉AI算法为工业制造提质、降本、增效 实例分割 4大技术模块 •成像算法 •基础视觉算法 •高效视觉学习 自监督/半监督/弱监督 3高效视觉学习方法 小样本学习域迁移 4通用视觉模型 模型微调/增量学习 缺陷生成 带噪学习 大模型能力 •通用视觉模模型 轻量化 3类应用场景 •3C •锂电池 •金属包装 AI+柔性制造 大语言模型训练 五指灵巧手 材料工程 商业化 技术成熟度业务价值 直驱电机 工艺优化 当前人工智能技术具体应用方向 机器视觉检测 实现产品缺陷的自动识别与分类提高产品质量，降低次品率 减少人工检测，提高检测效率 机器人与自动化设备 实现高精度、高效率的自动化作业在危险环境下替代人工操作 提高生产线灵活性与适应性 经济安全可用 机器学习与数据挖掘 对生产数据进行深度分析，发现潜在问题通过模式识别，实现故障的早期预警 利用预测模型，指导生产决策 大模型+知识密集型服务可以直接Saas服务部署 内部人才培养智能客服 智能营销 内部办公协同 工业AI中台 工业解决方案 私有云服务（行业解决方案） 城运解决方案 社区解决方案 教育解决方案 传媒解决方案 能源解决方案 地产解决方案 文旅解决方案 媒体AI中台 智能视频分析平台 公有云服务 TI-AOI 自训练平台 方案层 智能会话机器人 智能内容生成 慧眼 ``` 产品全景图 泛政泛互传媒工业金融能源地产运营商家居出行 应用 平台产品 数智人 人脸核身 语音助手 TI-One训练平台 TI-DataTruth TI-Matrix 原子能力（asr大模型、ocr大模型） 数据标注平台 平台与应用层 文字识别 图像理解 TI-OCR 自训练平台 应用平台 语音识别 NLP服务 TI-ACC加速组件 腾讯AI大模型、腾讯AI知识引擎 TNN开源推理框架 底层AI技术能力 能力层 CV OCR ASR&TTS NLP AI算力 算力层 自研紫霄AI芯片 自研星脉高性能计算网络架构 大模型时代的AI质检：质检通用大模型（MLLM） 质检通用大模型支持任意模态提示的下游应用： 语言/图像提示问答：对话模式缺陷感知 语言/图像提示的文字生成：图像描述，小样本目标计数和检测 语言/图像提示的图片生成：文本描述缺陷图像生成 Image/image-prompt Visualprompts 视觉模态Encoder Embedding模块 跨模态Transformer 感知Decoder 图生文Decoder 缺陷感知 Thereisaminordefectonthe rightedgeofthescrew, whichappearsasascratch. Thetextureofthedefectarea ishighlightedandclearly visible. 图像描述 ascrew with a black background.Thereisaminordefectontherighedgeofthescrew,whichappearsasascratch… . t textprompts 语言模态Encoder 文生图Diffusion 缺陷生成 腾讯AI在制造业的服务能力 三个应用平台 特定场景平台 智能视频分析SVAP 园区风险识别、城市治理、生产经营： 产研重保，差异化能力 基础平台路数授权 大模型知识引擎 屏幕播报：各种媒介都可以进行播报 虚拟主播：在电商平台上卖货视频录制：作为视频的主角 数智人 问答：传统的客服升级，可结合企微升级知识库管理：公司内员工、公司外客户知识检索 提取信息：从复杂文件提取结构化信息大模型最成熟的场景，可订阅 TI-AOI–制造业最佳 聚焦中长尾图像识别，通过一个平台让客户用几十张图片训练一个长尾场景的算法； 项目短平快，快速实现质量检查效率提升 TI-OCR 通过一套封装好算法的平台提供整体的质检项目软硬件一体化 丰富的集成接口 两个算法开发平台 特定场景简单易用的开发工具 TI平台 一个大中台 •多业务系统 •流程复杂 •组织庞杂 •有算法团队的大客户（央国企、行业龙头） •想做各种各样的特定场景，包括大模型； •模型与数据的资产化管理 大而全的算法开发工具 Basedon基础模型，无监督+有监督算法支撑多场景落地 陶瓷制品外观缺陷检测 金属制品外观缺陷检测 布匹面料外观缺陷检测 PCB异常检测其他场景异常检测 … 一体化方案：工业AI质检交钥匙方案 AI质检系统由光/机/电/软/算5大模块构成，腾讯聚焦于软件和算法，硬件由合作伙伴负责 软硬一体支持数据采集、标注、训练、封装、部署全链路 数据平台 工业质检训练平台 腾讯TIACC框架 数据标注 数据管理 算法方案 模型训练 异构计算 模型加速 训练 数据 CPU/GPU/NPU GPU服务器*N 数据存储系统 服务封装 服务加速 PPL调试 效果验证 数据分析 数据安全 封装 离线 数据上传 自动化控制 图像采集 自动化 AOI设备 共享存储 应用展示 在线 GPU 光学系统/电气/机械 服务请求/图片数据结果 服务下发 部署 工业AI算法推理系统 服务接口 推理服务 策略配置 结果后处理 设备伙伴 腾讯 上云、用数、赋智 出海（PESTEL）T+L 出海挑战 尊重文化安全 信用与支付 云仓+调度 连接协同合规 基础建设+数据合规 云原生与微服务架构可以满足能源行业应用发展的需求 业务需求1-业务随时发布业务需求2-业务实时扩缩 及时响应业务需求，对于特定用户进行版本发布小版本灰度迭代，金丝雀发布 微服务 Micro-service 基于访问量和请求耗时等业务参数，进行实时弹性扩缩容 云原生包括容器化封装、自动化管理、面向微服务、服务网格，满足数字化转型技术需求。同时本地化的适配、关键技术的把控等，符合政策指引趋势。 业务需求3-系统平滑过渡 服务网格 ServiceMesh 容器与编排调度 云原生 DevOps 不可变基础设施 声明式 API 采用开源堆栈进行容器化，基于微服务架构提高灵活性和可维护性，借助敏捷方法、DevOps支持持续迭代和运维自动化，利用云平台设施实现弹性伸缩、动态调度、优化资源利用率。 业务需求4-服务沉淀复用 基于微服务的springcloud或servicemesh， 可以进行跨语言，跨系统的和已有业务对话开发的代码或者接口，都可以进行复用，达到越来越快的效果 与云优势结合，降低自建微服务时间和资源成本 与云优势结合 自建微服务的平台挑战 将复杂的平台技术问题交给TSF，让企业专注于业务， 多种技术栈统一管理难度大 4提升研发效能 1 •企业内存在多种注册发现、分布式配置、日志等组件，各有优缺点，不统一，维护难 •技术上难以形成一致的最佳落地实践，影响落地效果 复杂的服务治理 2 组件选型与管理 •安全保障 •高可用保障 •运维监控 •多组件的资源的保障、服务扩缩容 3 线上业务的严格要求 •鉴权限流路由熔断等 •方便的开发接入能力 •SpringCloud、ServiceMesh、Dubbo等技术框架管理体系不一致，运维难 专注于业务自身 稳定的商用产品 主流开源的技术选型 持续的技术支持 业务轻量化部署-安全与防范 公众号、小程序放在「腾讯云+微信网关」： 防爬、防刷、防DDoS、HTTP防护、防DNS劫持、弱网加速、流量治理 核心场景：不怕黑客攻击，抵御羊毛党，限流保护应对业务突发，多区容灾调度 用户 业务应用后端 腾讯云 访问公众号、小程序内网专线 不暴露业务入口 攻击者/ 灰产等 外挂爬虫 DDoS风控画像业务防刷限流保护 全域分布式 安全、高性能网络 安全先行：数据采集与分析于一体，智能化的安全运营中心成为主流 超前布局，构建适合业务发展的安全大脑，全局整合构建整体体系框架，一体运行覆盖全网全单位全场景，联动机制强化协调指挥能力，流程管理打通流程体系环节，达成“体系有效果，攻防有效率”的网络安全目标。 •平战结合：一套平台，充分应 智能决策 •智能决策：以安全可视化、 对平时、急时、战时需求 •管理闭环：结合人、技术、流程，彻底解决安全管理不落地的问题 平战结合 智能感知AI大 管理闭环 智能运维 KPI等手段提高信息安全管理水平，全面加强安全治理，助力能源行业数字经济发展。 •安全体系化：安全防护体系是 网底，参考等保2.