一名博士生和三名研究生組成的 " 山東大學大山坡汽車焊工技術服務隊 "，斬獲了昇騰 AI 創新大賽 2023 開發者套件創新賽道全國總決賽金獎
撰文｜張賀飛
編輯｜沈菲菲
爲了不錯過 " 百年一見 " 的曆史機遇，一場 " 百模大戰 " 正在上演，可問題在于：當前的大模型戰場，當真是屬于創業者的機會嗎？
過去幾年中，" 柔性化 " 這個詞經常被各大主機廠商挂在嘴邊。
簡單地說就是千人千面的柔性生産，越來越多的工廠開始實行訂單制生産模式，每一台車都能根據客戶的需求個性化定制，同一條産線可以實現 SUV、MPV、轎車等不同車型的混合生産。
隻是在柔性生産的大背景下，制造環節還有一些待解的老問題。
比如汽車焊接工藝中普遍存在的兩個不确定性：一是需求的不确定性，産線需要根據不同的需求，不斷規劃生産線的工藝過程和參數；二是過程的不确定性，存在漏焊、虛焊等缺陷，需要精準識别焊接缺陷并進行補焊。
在剛剛結束的昇騰 AI 創新大賽 2023 上，由一名博士生和三名研究生組成的 " 山東大學大山坡汽車焊工技術服務隊 "，斬獲了昇騰 AI 創新大賽 2023 開發者套件創新賽道全國總決賽金獎，他們将汽車制造模拟産線和昇騰 AI 基礎軟硬件平台結合，讓困擾汽車制造行業多年的焊接工藝問題有了可行的新解法。
01
雲邊協同，驅動制造場景智能化
在講述 " 山東大學大山坡汽車焊工技術服務隊 " 的解題思路前，先來了解下汽車行業比較常見的解決方案，畢竟 " 智能制造 " 的話題已經喊了很多年，而焊接工藝缺陷恰恰無法跳過的一個核心環節。
一種是靠工人用肉眼識别判斷的笨方法，即質檢員用肉眼檢查漏焊、虛焊等不良問題，再由焊接工人進行補焊。代價是效率低下且成本很高，而且現在的年輕人對工作環境的要求越來越高，即使高薪也很難招到熟練的藍領人才。
另一種是對生産線進行智能化改造，常見做法是通過終端獲取實時數據，将數據上傳到雲端進行識别，再将計算結果下發到終端，控制焊接機器人等進行作業。某種程度上替代了人力，但依然存在時延高、穩定性不足等問題。
" 山東大學大山坡汽車焊工技術服務隊 " 深入上汽通用等生産車間進行實地調研，結合工廠車間的真實環境，提出了雲—邊—端的架構設計。
在雲端部署了領域建模工具和流程工廠工具，前者通過 CAD 圖紙文件、功能規格說明等理解需求，并将需求結構化後構建場景模型；後者對生成的模型進行代碼的編排和組合，實現了場景代碼的構造。雲端同時也是面向用戶的操作端，利用遠程服務調度、低代碼等對産線進行遠程控制。
邊端的主力是 Atlas 200I DK，承載了代碼生成、在線推理、智能決策等多重角色。在焊接點缺陷處理中，攝像頭采集的圖像數據，可以直接在邊端進行實時的解碼處理，自動識别漏焊、虛焊等缺陷，并向焊接機器人發送補焊指令。原本需要在雲端處理的決策和調度，下沉到了邊端。
終端模拟真實的産線環境，還原了汽車焊接制造的一整套流程，包括車型識别視覺套件、焊點識别視覺套件、機械臂、傳送帶、緩存區軌道、底層通信模塊等等，主要負責數據的采集、傳輸和操作執行。以補焊場景爲例，從實時感知、在線推理、智能決策到指令下發，全程在 1 秒内完成。
和市面上已有的方案相比，" 山東大學大山坡汽車焊工技術服務隊 " 創造性地采用了雲邊協同的思路，因爲邊端有了更強的算力支撐，原本需要在雲端處理的工作，下沉到了邊端進行實時處理，爲制造場景的智能化轉型給出了新解法：
以往對智能控制精度和時延的顧慮，現在可以在邊端實時處理，整個過程都不需要人工的參與；以往必須分成多個産線才能實現的個性化需求，現在有了按照需求智能決策的能力，可以在一條産線上混線生産……或許當前的應用場景還比較簡單，但在很大程度上印證了雲邊協同的可行性。
02
軟硬融合，釋放澎湃的創新力量
讓人想不到的是，在參加昇騰 AI 創新大賽 2023 之前，" 山東大學大山坡汽車焊工技術服務隊 " 的四名成員都隻有軟件開發的經驗。不到四個月的 " 急行軍 "，對整個團隊來說都是一場從 0 到 1 的探索。
作爲隊長的李赢坦言：" 一開始是有些抵觸的，因爲大家的心思都在軟件上，本能地認爲軟硬結合比較難。但去做後發現，做軟件的必須要懂硬件，軟硬件結合對我們思路和視野的開闊是非常重要的。"
視野上的開闊，可以從硬件的叠代說起。
在接觸到 Atlas 200I DK 前，他們使用的是一款支持 OpenMV 的智能攝像頭，既能夠錄制視頻，還可以做一些簡單的數據處理。由于昇騰 AI 對視頻流的精度要求比較高，" 被迫 " 更換成了 CG1200P 工業攝像頭。
" 昇思 MindSpore 的上手還是比較簡單的，隻要邏輯理清的話，開發隻用了兩周左右的時間，就把原來的算法更新了一版。因爲昇騰 AI 的在線推理能力很強，攝像頭的設計可以實時抓取進行在線解碼和模型推理，檢測精度比之前提升了 82%，比原設備的算法提升了 40%，單張照片的處理時間隻要 0.014 秒。"
思維方式的轉變，則體現在部署方式上。
" 過去的邊端設備隻能做簡單的計算，所有的代碼項目都是放在雲端的，但是需要修改的時候，過程還是比較繁瑣的，需要現在本地服務器修改、部署、驗證，再放到雲端部署驗證。如果是在真實的生産環境中，整個過程中有很多不确定因素，導緻實時性和可靠性打了不小的折扣。"
讓李赢感到興奮的是，代碼項目部署在邊緣端，測試和部署要方便很多，可以直接修改直接看到成效，并且不太需要考慮網絡延時，從而能夠實現更快的數據傳輸和響應速度。再加上推理和部署在同一個節點上，後續的維護和管理也很簡單，而且對于車間工廠這樣的環境要更加友好。
恰恰是 " 不熟悉 " 的軟硬融合模式，讓 " 山東大學大山坡汽車焊工技術服務隊 " 用雲邊協同這種最爲 " 接地氣 " 的解決方案，使模拟生産工藝實現了智能化、可視化、模塊化執行，走在了工業制造智能化創新的第一線。
而在整個昇騰 AI 創新大賽 2023 上，像 " 山東大學大山坡汽車焊工技術服務隊 " 這樣的團隊還有很多。
有團隊想要用 AI 解決航空發動機智能視覺缺陷檢測，有團隊給出了無人機光伏智能巡檢解決方案，還有團隊提出了深海 AI 聲呐智能感知系統……軟硬融合模式正在深入不同的場景，用新的思路、理念去解決既有問題，不斷釋放出澎湃的創新力量。
03
釣勝于魚，點燃産業端創新之火
在大模型浪潮的影響下，人工智能已經融入到生産生活的各個領域。事實上，這也是昇騰 AI 創新大賽的初心所在，旨在鼓勵全産業開發者打造軟硬件解決方案、探索模型算法，加速 AI 與産業的融合。
也許仍有人不解，像昇騰 AI 創新大賽這樣面向開發者的頂級賽事，與 "AI 和産業融合 " 到底有什麽關系？就這一點來說，" 山東大學大山坡汽車焊工技術服務隊 " 可以說是回答類似問題的 " 最佳對象 "。
正如前面所提到的，智能制造并不是什麽新課題，可大多是用純軟件的思路，導緻學術和實際之間總是存在某種距離。" 山東大學大山坡汽車焊工技術服務隊 " 看到了邊緣計算的想象空間，并用軟硬結合、雲邊協同的方式提出了新的架構設計，不僅進一步提升了效率和準确性，也讓整套系統離落地更近。
授人以魚，不如授之以漁。比焊接工藝這種具體問題更爲重要的，其實是用所學知識 解決問題經驗和方法論。
按照李赢的說法：" 參賽對我們比較重要的幫助是統籌協調的能力。我們四個人是師兄弟的關系，沒有誰指揮誰的說法，遇到某個技術問題或者下一步怎麽做，大家都是一起讨論的。但一個項目能夠走到最後，需要明确的個人分工和合作規劃，這個過程中的統籌和協調，對我來說是一次非常好的鍛煉。"
在團隊中負責理論學術和算法研究的史浩然博士，有着不一樣的成就感：" 之前的學習主要是針對某個技術問題或者某個單一的學術難點，這是第一次做一個完整的有實際落地意義的系統，從軟件工具到硬件設備再到算法的實現，如何運用多種技術協同來解決一個事情，讓我從中學到了很多。"
主要負責雲邊調度研究的傅顯坤，表達了相同的感受：" 我們實驗室本來就一直在做雲計算、雲端協同，但之前都是在學術方面，沒有很深的落地。這次最大的收獲可能是做的東西能夠看得見、摸得着，真的可以用技術去解決問題。"
因爲大四做畢業設計參與到項目中的陳嘉彬，主要負責邊緣開發和軟件開發，在他看來：" 本科階段學的都是偏理論性的知識，實踐的機會相對比較少。通過這個項目，知道了這些知識該怎麽用，怎麽在實際場景中落地實踐。"
可以看到，他們參賽的動機并不複雜，一開始僅僅是爲了 " 學以緻用 "。正是這樣樸素的想法，在他們心裏種下了創新的種子，然後在汗水的滋潤下生根、發芽、開花、結果。有理由相信，焊接工藝缺陷隻是他們解決的第一個問題，等待他們的将是星辰大海。
把視角再放大一些的話，" 山東大學大山坡汽車焊工技術服務隊 " 的參賽經曆，何嘗不是 AI 與産業融合的新範式：隻要爲開發者提供 " 用得起、用得好、用得放心 " 的軟硬件服務，爲他們的創新想法和探索精神提供落地的土壤，終将在産業端燃起智能化的熊熊之火。
