智能化水平提升制造業的競爭力，打造新一輪產業變革中的國家實力，並應對當下氣候變化和人口老齡化的時代挑戰，已經成為世界各國在新一輪工業革命中的施策要點之一。

　　作為制造強國建設的主攻方向，智能制造關乎我國未來制造業的全球地位，對構建新發展格局，建設數字中國更具有重要意義。因此在政府報告的內容中，也常常能見到對於制造領域以及相關企業具有明確指導性的方針政策，其中涵蓋了從頂層設計到具體實施的全方位部署，為整個行業數字化轉型的未來勾勒出了宏偉藍圖。

　　在政策支持、技術發展和市場需求推動下，5G、大數據、雲計算、人工智能向制造業加速融合滲透，推動了制造企業在瑕疵檢測、精密加工、時序預測、園區管理等方面的績效提升。

　　精准突破 AI助企業實現“量質雙升”

　　成功的經驗往往蘊含著普遍性的啟迪作用。以電池工廠中首個獲評全球“燈塔工廠”的寧德時代為例，其基於全球市場需求持續增長而來的產能和質量提升的訴求，催發了AI 動力電池缺陷檢測解決方案的需求。這樣的解決方案既要能滿足總部逐層管控的要求，還需要具備更高效的實時缺陷檢測能力，即在圖像處理速度上實現單工序 400FPS 以上且達到零漏檢的目標。

　　瑕疵檢測是一項高度精細，且較為耗時的工程。傳統的人工瑕疵檢測方式不僅速度慢且准確度較差，而傳統數字圖像處理技術泛化能力差，需要根據每個機台進行參數適配且與分工廠及總部脫節，缺乏整體部署管控能力，處理能力不能與持續增長的市場需求相匹配。

　　在此之前，寧德時代已在電池產品制造工廠的每一條電池生產線上都部署了多個攝像頭，每秒鐘即可產生數百張圖片，而一個廠區至少有十幾條生產線，所以一個廠區每一秒就有幾千張甚至上萬張圖片產生。因此，寧德時代急需導入一套技術方案，來對上述海量圖片進行實時分析和處理，以判斷生產過程中是否有產品缺陷，從而解決質量控制上的行業難題。

　　幾經考察，寧德時代選擇了導入集成AI加速能力的英特爾至強可擴展平台產品組合，構建起了一套橫跨“雲-邊-端”，融合計算機視覺(CV)、深度學習(DL)和機器學習(ML)技術的 AI 電池缺陷檢測方案。

　　以基礎設施為本 釋放制造業AI潛力

　　工業視覺平台是寧德時代全新 AI 缺陷檢測解決方案的核心系統，其以集群形式來搭建， “雲平台”在寧德時代總部，“邊緣”系統設立在分工廠，“終端”設立在生產線，不僅便於統一管控，還可以通過分布式部署來減緩處理壓力。

　　但分布式推理經常會遭遇銜接不暢的問題。為解決這個問題，寧德時代的選擇是，以統一的大數據分析及 AI 平台來應對，同時選用了面向英特爾架構優化的 PyTorch深度學習框架進行 AI 處理，以及英特爾開源的OpenVINO 工具套件來進一步加速 AI 推理性能。

　　正所謂好馬配好鞍，先進的 AI 軟件優化技術及工具，也需要搭配一流的硬件基礎設施才能發揮出最大價值——寧德時代在英特爾的支持下，在“端”處採用了英特爾酷睿 i5/i7 系列處理器，來構建工業視覺平台系統﹔在“邊緣”推理模塊及“雲”中心的訓練模塊，導入英特爾至強可擴展平台，來為更復雜的訓練和推理，以及總部的統一數據管理提供更強的算力和存儲支持。此外，英特爾還針對寧德時代“CV+DL+ML”混合模式的創新型缺陷檢測方案，在其選用模型、訓練方法、數據標注及模型調優等方面提供了全面支持，使基於 AI 技術的缺陷檢測方案進一步提升了訓練准確率，並使檢測准確率和瑕疵找回率都超過了99%。

　　像寧德時代上述經驗雖然只是“燈塔工廠”們數字化智能化建設的小荷尖角，但以工業互聯網、大數據、人工智能等技術為新動能，從點到面鋪開來穩步推進業務變革和流程再造，已經是制造業在借助數智化實現轉型的共識，是他們在降本增效上的 “范本”。而在這一進程中，無論是諸多“燈塔工廠”的實踐經驗還是業界專家的建議，背后都可見開放架構計算平台，特別是英特爾架構平台對於制造業企業依托智能技術加速轉型過程中的重要性。這很大程度上是由於其不但久經企業應用領域的考驗，還能很好地兼顧通用計算與專用加速的創新趨勢，特別是在通用計算方面的長期投入，使得基於英特爾架構的平台與新興的、專攻不同特定應用加速的芯片及架構相比，在滿足既有IT應用需求，並同步推動人工智能落地層面，對於人才和基礎設施更新的需求更少，利於包括制造業在內的眾多傳統行業，無論是其中的大型、標杆型企業，還是中小企業以更低的成本和更快的速度去復刻行業內實踐成功的方案，從而能幫助他們緊跟全行業“智造“進度，為建設數字中國提供增效。

分享讓更多人看到