開發部署門檻降后,華為讓制造業AI的獲取變得更靈活
3、以極短的落地周期,幫助企業快速適應市場變化、抓住市場機會
在激烈競爭的時代,企業面臨的最大挑戰在于外部環境的不確定性,制造業同樣如此。
之所以要上線AI應用,根本上還是企業想要在新的時代快速適應市場的需要,以更高效率、更低差錯、更少的成本完成產品生產。
但是,當一套AI應用的落地周期被拖得冗長,很可能當系統上線后,外部環境的倒逼已經使得智能化原本服務的基礎制造業務線發生了很大的變化,二者不再能夠匹配,這從根本上背離了智能制造的初衷。
華為昇騰智能制造使能平臺除了再次降低企業獲取AI能力的門檻,更重要的是,在系統化解決算法開發難、應用開發難、業務部署難的多鏈條環節痛點后,大大縮短從AI算法到工業制造場景化的進程,讓制造業的AI能力上線更靈活。
一個典型案例是,華為首批上線的mxManufacture SDK,做到了2天完成友達光電解決方案孵化,過去這個周期需要2周。
三路夯實基礎,普惠的同時華為還在推動技術升級
僅僅是降低門檻還不夠,對AI來說,技術本身能否經得起考驗是推動普惠的同時必須要關注的問題。
目前來看,在智能制造領域,華為同時從三個維度夯實了AI技術與實踐的基礎。
1、技術先驗——“自己造的降落傘自己先跳”
華為各種對外技術輸出、生態營造都堅持“自己造的降落傘自己先跳”,先通過自有業務對技術和應用進行大規模檢驗,不斷完善、積累經驗后,將之整合、優化再對外輸出。
在智能制造這里也是如此。作為一個通信業務企業,華為本身也有著大規模產線,與智能制造相關的昇騰產業應用,往往都會在這些產線上先行實踐。
例如,在質量檢測方式由人工、傳統機器視覺向AI視覺方式轉變的大環境下,AI可以極大地提高檢測精度同時減少對人力的依賴,華為松山湖工廠80+產線以部署基于昇騰智能制造使能平臺的AI工業質檢能力(SDK、Atlas等),覆蓋服務器、無線、終端等產品,實現了99．9%的質檢準確率,讓產線質檢的工作量下降了60%。
有了自身實踐的支撐,華為智造能力輸出變得更有底氣,也更值得客戶信任。
2、自我成長——體系化、自成長的實踐反饋體系
如果一個AI應用部署之后就不再變化,它可能越來越不能適應新的產線要求,例如,新出現的產品瑕疵特征的識別等。
華為在此次分論壇上展示的,是一套能夠實現自我不斷成長的AI體系。
目前,昇騰AI產業在政務、電力、金融、交通、制造等領域都積累了眾多的深度實踐案例,不斷反哺AI數據和算法能力的提升,優化全棧式平臺使能體系。
而具體到個體企業,昇騰完成了邊、端、云一體化的算法自我更新體系,邊緣端出現未能識別的內容上傳至云端,云端更新算法,以微服務的方式又部署到邊緣,做到了對面對新情況、新環境的實時能力更新,讓一套AI應用體系始終有活力,而這,才符合企業在不斷發展發展過程中對智能化不斷變化的需求。
換言之,我們看到的昇騰智能制造使能平臺,不僅是一個靜態的全棧平臺,更是一個不斷成長的全棧平臺。
分享
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
-
6月12日立即預約>> 2026騰訊云長沙峰會，解鎖增長新動能
-
5月31日立即下載>> 【白皮書】村田室內外定位解決方案
-
即日-5.31立即申報>>> 維科杯·OFweek 2026光學行業年度評選
-
5月31日立即申報>>> 維科杯•OFweek 2026激光行業年度評選
-
即日-6.1立即參編>> 【企業參編】2026人工智能+場景化、圖譜化智能制造發展藍皮書
-
6月12日立即投票>> 【評選投票】維科杯•OFweek 2026中國智能制造行業年度評選
