在2019年CCF-GAIR（全球人工智能與機器人峰會）人工智能通用應(yīng)用系統(tǒng)論壇上，TCL研究院的俞大海先生基于其在智能制造領(lǐng)域的深厚實踐，分享了從一線探索中出的關(guān)鍵經(jīng)驗。這些經(jīng)驗不僅為制造業(yè)的智能化轉(zhuǎn)型提供了切實可行的路徑，也為人工智能技術(shù)的落地應(yīng)用帶來了深刻啟示。

1. 數(shù)據(jù)是智能制造的基石，但高質(zhì)量的數(shù)據(jù)獲取與治理是首要挑戰(zhàn)
俞大海指出，智能制造的核心驅(qū)動力來自數(shù)據(jù)。在傳統(tǒng)制造場景中，數(shù)據(jù)往往分散、孤立且質(zhì)量參差不齊。因此，企業(yè)必須優(yōu)先構(gòu)建統(tǒng)一的數(shù)據(jù)采集體系，打通設(shè)備層、生產(chǎn)層與管理層的數(shù)據(jù)孤島，并建立嚴格的數(shù)據(jù)治理規(guī)范。只有獲得準確、實時、完整的數(shù)據(jù)，人工智能算法才有用武之地，否則再先進的模型也只是“無米之炊”。

2. 場景驅(qū)動而非技術(shù)驅(qū)動，找準痛點方能創(chuàng)造價值
他特別強調(diào)，智能制造的成功絕非源于對AI技術(shù)的盲目追捧，而應(yīng)始于對具體業(yè)務(wù)場景的深刻理解。企業(yè)需要從生產(chǎn)流程中的實際痛點出發(fā)，例如產(chǎn)品質(zhì)量檢測、設(shè)備預(yù)測性維護、供應(yīng)鏈優(yōu)化、能耗管理等，選擇合適的技術(shù)方案進行針對性突破。以TCL的實踐為例，通過在面板檢測環(huán)節(jié)引入機器視覺，顯著提升了檢測效率與準確率，這便是技術(shù)為業(yè)務(wù)賦能的典型體現(xiàn)。

3. 人機協(xié)同是關(guān)鍵，智能化旨在增強而非取代
俞大海認為，智能制造并非追求完全的“無人化”，而是要實現(xiàn)高效的人機協(xié)同。人工智能應(yīng)作為工具，輔助工程師進行決策、解放工人從事重復(fù)性勞動，并提升整體運營的靈活性與響應(yīng)速度。培養(yǎng)既懂制造工藝又懂數(shù)據(jù)技術(shù)的復(fù)合型人才，建立人與系統(tǒng)順暢交互的流程，是確保智能化系統(tǒng)持續(xù)發(fā)揮效能的保障。

4. 系統(tǒng)化思維與迭代演進，避免“煙囪式”建設(shè)
智能制造是一個復(fù)雜的系統(tǒng)工程。他提醒道，企業(yè)需具備頂層設(shè)計的系統(tǒng)化思維，避免孤立地建設(shè)一個個“煙囪式”應(yīng)用。平臺化架構(gòu)至關(guān)重要，它能夠支持不同解決方案的集成與數(shù)據(jù)的流動共享。智能化升級并非一蹴而就，應(yīng)采用小步快跑、持續(xù)迭代的方式，在驗證中不斷優(yōu)化和擴展應(yīng)用范圍。

5. 生態(tài)合作與開放創(chuàng)新
俞大海分享了TCL在推進智能制造過程中的開放態(tài)度。面對技術(shù)快速迭代，單打獨斗難以應(yīng)對所有挑戰(zhàn)。與高校、研究機構(gòu)、科技公司乃至同行業(yè)伙伴建立生態(tài)合作，共同攻克關(guān)鍵技術(shù)難題，共享行業(yè)知識，能夠加速創(chuàng)新步伐，降低轉(zhuǎn)型風險。

俞大海在CCF-GAIR 2019上的分享，清晰地勾勒出一條從實踐中來的智能制造落地路徑：以扎實的數(shù)據(jù)基礎(chǔ)為起點，聚焦真實業(yè)務(wù)場景，通過人機協(xié)同實現(xiàn)價值創(chuàng)造，并以系統(tǒng)化、迭代式和開放合作的方式穩(wěn)步推進。這些經(jīng)驗為正在或即將踏上智能化轉(zhuǎn)型之路的制造企業(yè)提供了極具參考價值的行動指南。