▼以下内容全文转载自钛媒体
（图片来源：钛媒体App编辑拍摄）
2016年初，国家制造强国建设战略咨询委员会、中国工程院战略咨询中心联合发布了一份长达288页的解读报告，里面包含前工信部部长苗圩、中国工程院院士周济等人，对于智能化、数字化推动中国制造业未来发展的建议。
报告中提到，中国下一步制造业的发展，核心就是要抓信息技术与制造技术的深度融合，实现“数字化、网络化、智能化”制造，这是新一轮科技革命和产业变革的核心所在。“过去200年里，中国与第一次、第二次工业革命失之交臂，但目前中国无论是装备制造业还是信息技术产业都具备了相当的基础。如果搞得好，就完全有可能走在世界前列。”
而发布上述报告的同一年，谷歌旗下DeepMind公司用“阿尔法狗”（AlphaGo）成功击败了韩国围棋世界冠军李世乭，并引发后续 AI 技术一系列爆火、无序、质疑、低谷、回归理性。
如今，人工智能（AI）被认为是解决传统制造业转型升级的“关键钥匙”，助力制造业产生更多价值。利用计算机视觉算法与机器人相结合，可以帮助工厂造车、造手机、制衣服、做鞋子等，成为中国45.5万亿数字经济当中的重要组成部分。
（数据来源于《中国互联网发展报告2022》）
11月中旬，钛媒体App受邀在浙江台州参观了全球市销第一的缝纫机设备制造企业的智能化工厂，以及其和 AI 独角兽旷视科技合作建成的“智能密集库”，从中窥见一家A股中缝制行业第一的设备制造公司利用 AIoT（智能物联网）实现智能化升级的重要历程。
库存容量增超110%，制造业仓储需要AI
经过多年的并购、经营和发展，无论从零部件存储、精密铸造、组装，还是包装、成品仓储等，这家成立于2003年的缝纫机设备制造龙头，已经成为了行业全球产销规模第一企业。据国元证券研报，2020年，其收入规模已显著领先全球龙头“日本重机”，同时旗下工业缝纫机销量占国内总销量约24%，市占率第一。
2021年起，该公司将单机销售模式逐步向成套销售转型，开启硬件+软件的全新商业模式，并逐步数字化、智能化升级，引进了全自动机壳精加工智能化生产线，并通过投资几十亿元建设台州智慧工厂，冀从传统制造企业升级到科技公司。
在工厂仓储方面，该缝纫机设备制造企业和 AI 公司旷视合作，利用基于旷视四向车（机器人）系统的智能密集库解决方案，对成品立库进行智能化升级改造。
钛媒体App在现场可以看到，这个成品立库位于总部的一个专门发货区，面积有5500多平方米、8米高，日常主要用于储存组装好的缝纫机设备成品。
据公司智能仓储产品线副总经理向钛媒体App透露，在智能化改造前，公司采用的是传统的地堆存储模式——将缝纫机进行托盘码垛，叠成三层，通过人工仓库管理系统(WMS) 、企业资源计划（ERP）等信息化系统对库区进行管理，出入库依靠人工叉车搬运。
但问题在于，这种方案导致货位不是特别精准，现场的叉车师傅需要很长时间寻找搬运位置。
仓储改造之后，公司利用旷视四向车密集库的方案，在库区内部署了12台四向穿梭车，得到7000多个库位。缝纫机成品通过旷视四向车，按照系统分配的货位和规划路线进行出入库，之后经输送机到达拣选区，人工按照数字终端指示拣选完后再通过叉车搬运至货车车厢。库内还设有视觉盘点站，可以通过视觉算法全盘或者抽盘，减少人员盘点负担。
“我们的业务版图很大，需要到全球各个国家发货，通过信息化、自动化的仓储和搬运系统，可以带来效率提升，并避免了人为造成的误发情况。”上述负责人告诉钛媒体App。
据悉，旷视提供的智能仓储方案让该公司库区内作业流量及出入库合计达到120托盘/小时，并将存储密度提升110%左右，效率有了显著提升。相比于叠托的形式，货架密集存储更有利于避免货品承压，保障产品品质。
“四向车的优势在于‘离散性设备、分布式控制’，可以像积木一样按需组合和灵活扩展，并具有很强的场地适应能力，能够实现更优的投入产出比。”旷视联合创始人兼CTO唐文斌对钛媒体App表示，该项目意义有两个：一是对旷视来讲，这次合作是其四向车较早落地的案例；二是在服装制造场景中实现旷视四向车产品的商业应用，有示范作用，未来或能推广到更多服装制造领域客户。
据上述负责人透露，目前双方还在做大量的入库作业，可能真正的效率体现等到一至两个月之后，才能有准确的实际意义。“但从效率来说，基于该仓库跟传统模式相比，至少也是有50%以上的效率提升。”
此外，钛媒体App还在这家缝制设备龙头的智能工厂中看到，除组装环节外，包括加工、涂料、铸造等大部分制造流程都实现了自动化、信息化或半自动化作业。
例如，组装后的辅料/裁片智能仓解决方案，就是利用料箱仓储机器人，将工作效率提升3-4倍，存储密度提升130%，柔性部署7天完成等，实现货到人拣选，无需人工在库区内走动捡货，大大提升效率。而在人工组装过程中，也用到了网络信息化系统，实时反馈每日产量、月产量、损耗率、效率趋势等。
不过，上述负责人也向钛媒体App坦言，目前现阶段，由于现有的产品结构、技术也是不一定全都能满足，很难实现全程的100%智能化、无人化，但他们正在不断往相关方面做项目研究，需要向智能化生产去升级。
历时5年“机器人”落地，2021年上半年收入增148.73%
这种以四向车系统为核心的“智能密集库”解决方案。是旷视供应链物联网业务线（也称“旷视机器人”）的核心产品之一，其特性主要为：高密度存储、场地适应性强、扩展灵活、交付周期短、提升任务效率。
实际上，旷视的机器人项目起源2017年，五年间逐步实现从0到 1 的商业化落地。
2017年，旷视切入到供应链物联网领域，最初是诞生于旷视内部的一个新的实验测试项目。2019年1月，旷视发布的智慧物流操作系统“河图1.0”，并自研包括自主移动机器人(AMR)、SLAM导航智能无人叉车、人工智能堆垛机等多款智慧物流硬件，将这一业务商业落地。
2020年10月，旷视将操作系统升级至“河图2.0”；目前其主要提供3A智慧物流解决方案（AS/RS+AMR+AI），利用“河图2.0”连接旷视自有及第三方自动化、智能化物流设备，完成自动入库、存储、分拣、输送、出库等一系列任务，实现全流程可视、提前决策、自适应动态调优等功能。这是旷视物流机器人的核心优势。
据旷视招股书显示，2020年，旷视供应链物联网业务收入为2.19亿元人民币，占总营收比重从2018年的5.4%，提升到15.71%。2021年上半年，该业务收入较2020年同期同比增长148.73%，主要原因系客户数量及每客户平均收入均大幅增加。
这意味着，供应链物联网业务正逐步成为旷视新的营收引擎。
红色箭头指向的就是旷视供应链物联网业务收入占比情况
（来源：钛媒体App编辑整理）
目前，旷视已经向新能源、化纤氨纶、鞋服、医药、智能制造、零售电商等多个行业的客户提供了仓库、工厂及零售店的智能化升级改造。旷视曾披露，其机器人的提升效率大概在30%-50%，最大的优势是替代人工实现7x24的连续作业。
“挑选行业标杆案例，与合作伙伴一起打造面向细分行业的解决方案——旷视提供仓储自动化的核心产品和系统，作为客户整体成套智联解决方案中的一部分，通过这种方式的结合，我们把自己的产品打造成更高效能、更高投资回报率（ROI）的组件，整合成整套解决方案，赋能该行业更多企业用户。”唐文斌表示。
唐文斌告诉钛媒体App，未来，旷视将尽可能降低供应链风险，以及进一步优化成本结构，寻找元器件的国产替代，从而在国内物流机器人市场中获得更多优势。
早在2018年，唐文斌接受视频采访时直言，“我自己其实不是特别喜欢 AI 这个词，因为我们现在做的所有的 AI，本质上都是机器学习，其实是用一个数学模型去定义我们最后要优化的目标是什么，对 AI 的理解其实还是在一个非常浅的程度上......我觉得现在发展非常快，深度学习在计算机视觉领域，能够把以前只能做到70%的水平，现在能够提升到95%；原来不能用，现在变得可用。”
四年后的今天，唐文斌告诉钛媒体App，虽然作为一家聚焦物联网场景的 AI 技术公司，前期研发投入较大，但公司已设置一个科学运营方案，能够将前期积累的技术落地，最终要走向一个合理/正常的业务利润区间。“企业必须能养活自己”。
旷视科技联合创始人兼 CTO 唐文斌
事实上，AI 是具有巨大社会和经济效益的尖端领域、创新前沿领域。随着 AI 技术经历三次浪潮，如今 AI 算法、算力、数据“三驾马车”同步突破，过去几年快速成熟。但同时也让 AI 技术逐渐普适化——几乎所有公司都在研发或使用 AI 技术。而且从业者已经发现，没有IoT硬件和场景，AI 技术很难直接商业落地，高昂研发投入、造血能力不足、取代性高等问题都让这个曾经千亿估值行业面临诸多考验。
旷视联合创始人兼CEO印奇曾表示，AI 技术在过去几年非常快速地成熟，但还没有达到大家对 AI 的期待。
旷视并不排斥，目前市场在算法供给、落地过程中，存在行业数据匮乏、算法通用性低、IoT设备繁杂、算法供给质量参差不齐等诸多问题，包括在数据、模型、评测和迭代等环节都存在很多挑战。因此，旷视提出，落地实用是算法价值的最终检验标准。
当下，全球发达国家和地区均高度关注 AI ，进行了积极布局或政策引导，力求抢占未来技术、产业发展制高点。在“工业4.0”理念下，AI 与制造业的融合发展是相关战略、计划的重点之一。但无论是 AI，还是产业数字化，都需要企业不断在垂直行业扎根落地，为客户提供产品价值。
钛媒体App用接近一天的时间，在台州亲眼看到 AI 技术的“用武之地”——将算法落地应用助力制造业智能化升级，并形成案例，当然这背后也包括多年、大量的旷视算法技术沉淀。
“我们希望 AI 不要那么热，大家应该更安定下来去思考技术，去思考业务价值，去思考你最后做的产品，而不是讲概念、讲未来。”唐文斌四年前的这句话今天似乎依然适用：脚踏实地的把一些业务、产品做扎实，把该交付的价值去交付。AI 技术最终还是要回到价值上。
