現(xiàn)在經(jīng)常聽人說“卡脖子”、“核心技術(shù)”，那什么是“核心技術(shù)”？什么是“卡脖子”？現(xiàn)有的技術(shù)怎么就“卡脖子”了？搞明白這些才能去討論如何解決企業(yè)創(chuàng)新突圍的問題。

核心技術(shù)一個是企業(yè)自身的核心產(chǎn)品技術(shù)，另一方面是賦能企業(yè)創(chuàng)新能力的IT技術(shù)。IT技術(shù)是企業(yè)實現(xiàn)數(shù)字化、智能化的基石，同時也就可能會成為企業(yè)卡脖子的點。

很多人說到“核心技術(shù)”言必談芯片和IT基礎(chǔ)架構(gòu)，這確實是“核心技術(shù)”，但是對很多企業(yè)而言這又不是“核心技術(shù)”，比如制造業(yè)。你不能指望一家生產(chǎn)衣服的企業(yè)去掌握“芯片”和“架構(gòu)”，這是顯而易見的，對制造業(yè)企業(yè)而言，他們關(guān)注的是如何能夠?qū)崿F(xiàn)快速高效、低成本的生產(chǎn)，提高生產(chǎn)效率的技術(shù)才是制造業(yè)的真“核心技術(shù)”。用做衣服舉例你可能認為技術(shù)含量不高，說服力不夠，下面就說一個現(xiàn)代工業(yè)生產(chǎn)的例子：

相信很多人在電視、新聞或者現(xiàn)實中看到過工廠的生產(chǎn)流水線，在傳統(tǒng)的流水線生產(chǎn)中為了保證產(chǎn)品出廠的產(chǎn)品盡可能的都合格，通常會有工人靠肉眼在流水線末端檢查是否有螺釘漏裝、銘牌漏貼、LOGO絲印缺陷等問題。在現(xiàn)代制造業(yè)中，工業(yè)檢測是不可或缺的流程。但是傳統(tǒng)制造業(yè)中工人通過人眼檢測效率肯定是不高的，而且長時間工作還容易眼花犯錯，準確率也不高。

后來，機器視覺的引入，比如通過拍照對比識別來判斷是否漏貼了銘牌，這就讓產(chǎn)品檢測準確率和效率獲得成百上千倍的提升。然而，構(gòu)建一套行之有效的自動化機器視覺系統(tǒng)，需要耗費大量成本和時間，去進行定制化開發(fā)和驗證。同時，如果系統(tǒng)的通用性不佳，比如專門檢測是否漏貼銘牌不難，專門檢測是否有螺釘漏裝也不難，但是很難做到同一套系統(tǒng)中，難以在不同產(chǎn)線中上普及使用。因此，許多傳統(tǒng)制造企業(yè)，對機器視覺的應(yīng)用都持觀望態(tài)度。

以消費電器、暖通空調(diào)等產(chǎn)品著稱的美的集團，就遇到過這樣的問題，工業(yè)自動化只能做到這種程度了嗎？在美的庫卡機器視覺團隊看來，AI與大數(shù)據(jù)技術(shù)的結(jié)合，可以有效地應(yīng)對這一問題。在普通的機器視覺解決方案中，可能就是采用類似庫卡KR AGILUS 這樣的緊湊型六軸機器人，加上工業(yè)相機，然后定制一套系統(tǒng)實現(xiàn)一種檢測。

如何讓這套系統(tǒng)變得更通用更強大呢？美的機器視覺團隊與英特爾一起，構(gòu)建了全新的、基于AI技術(shù)的工業(yè)視覺檢測云平臺。該平臺主要由前后端兩部分組成，其中工業(yè)機器人（比如前面提到的庫卡KR AGILUS）、工業(yè)相機以及工控機等設(shè)備，構(gòu)成了圖像采集前端，部署在工廠產(chǎn)線上，通過OCR識別并交由基于英特爾? 處理器的工控機進行處理，這與傳統(tǒng)的機器視覺解決方案并沒有什么不同。

執(zhí)行圖像采集的機器人裝有兩個工業(yè)相機， 一個進行遠距離拍攝，用于檢測有無和定位；另一個進行近距離拍攝，用于 OCR 識別。以微波爐檢測為例，當(dāng)系統(tǒng)開始工作時，通過機器人與旋轉(zhuǎn)臺的聯(lián)動，先使用遠距離相機拍攝微波爐待檢測面的全局圖像，并檢測計算出需要進行OCR識別的位置，再驅(qū)動近距離相機進行局部拍攝。相機采集到的不同圖像，會首先交由基于英特爾? 處理器的工控機進行預(yù)處理，根據(jù)檢測需求確定是否需要傳輸?shù)皆贫耍绻枰瑒t通過網(wǎng)絡(luò)傳送到后端云服務(wù)器上。

真正讓這個解決方案發(fā)生變革的是根據(jù)檢測需求確定是否需要傳輸?shù)皆贫耍绻枰瑒t通過網(wǎng)絡(luò)傳送到后端云服務(wù)器上，云化部署的英特爾? 架構(gòu)服務(wù)器集群，撐起了該云平臺的后端系統(tǒng)。這個云平臺沖鋒利用英特爾? Analytics Zoo提供的SSD（Single Shot Multibox Detector）模型對預(yù)處理過的圖像進行識別，提取出需要進行檢測的標的物，例如螺絲、銘牌標貼或型號等。

通過英特爾? Analytics Zoo中集成的TensorFlow、BigDL等深度學(xué)習(xí)開發(fā)框架，系統(tǒng)可以通過不斷地迭代分布式訓(xùn)練，提升對檢測物的識別率。

創(chuàng)新也有了，“核心技術(shù)”問題也解決了，接下來做什么？美的的計劃又給了我們新的思路。美的計劃將基于分布式深度學(xué)習(xí)框架構(gòu)建的工業(yè)視覺檢測技術(shù)，以云服務(wù)或邊緣計算的模式提供給廣大中小型制造業(yè)企業(yè)，讓他們也能在自己的產(chǎn)線上復(fù)制其能力。

像這樣創(chuàng)新方案的成功落地，一方面，是在于企業(yè)能否精準地了解自己“核心技術(shù)”問題的關(guān)鍵，并建立解決問題的創(chuàng)新方案；另一方面，則在于選擇更強大的軟硬件產(chǎn)品。美的選擇了來自英特爾的技術(shù)支持，達成快速、準確的檢測處理能力。同時，在現(xiàn)有成就的基礎(chǔ)上，還在繼續(xù)探索云邊協(xié)同這一更有潛力的IT架構(gòu)，來滿足場景化業(yè)務(wù)的新需求，并選擇了在這一領(lǐng)域頗有布局的英特爾合作。

英特爾全面產(chǎn)品組合滿足邊云構(gòu)建、擴展及轉(zhuǎn)型需求，軟硬加速方案和通用參考設(shè)計，幫助實現(xiàn)云邊平臺快速部署。目前，創(chuàng)新型物聯(lián)網(wǎng)企業(yè)京東方，已經(jīng)成功與英特爾合作，基于英特爾提供的適用于智能邊緣計算平臺的軟硬件組合：英特爾?至強?可擴展處理器和OpenVINO?工具套件，整合產(chǎn)線工作負載，并通過云邊協(xié)同、AI和大數(shù)據(jù)技術(shù)實現(xiàn)更高效的產(chǎn)品缺陷檢測及不良根因分析。這樣從云到邊端的全鏈路數(shù)據(jù)治理，可以使整個架構(gòu)足夠彈性、高效、按需調(diào)配資源。在業(yè)務(wù)上真正實現(xiàn)降本增效的目的。

說到底，解決核心技術(shù)“卡脖子”問題的核心首先是知道什么才是自己的“核心技術(shù)”，對制造業(yè)而言能提升生產(chǎn)效率的技術(shù)就是“核心技術(shù)”，所有的一切都是圍繞如何提高生產(chǎn)效率。每一個提升生產(chǎn)效率的技術(shù)都是一次創(chuàng)新，通過與英特爾這樣老牌的技術(shù)企業(yè)合作，采用尖端的技術(shù)提升生產(chǎn)效率這就是在競爭者中突圍的最好方式。