如果機器真正開(kāi)始“理解”世界，未來(lái)工廠(chǎng)會(huì )變成什么樣？
當AI擁有超越人類(lèi)感知范圍的能力，我們該如何重新定義“質(zhì)量”與“美”？

在凌云光工業(yè)人工智能太湖基地啟航儀式上，全球著(zhù)名科技思想家Kevin Kelly（凱文·凱利）在著(zhù)名財經(jīng)作家吳晨共話(huà)未來(lái)工業(yè)，分享了對機器視覺(jué)、世界模型與未來(lái)工廠(chǎng)演進(jìn)方向的思考。這些關(guān)于未來(lái)的討論，并不只存在于想象之中——三十年來(lái)，凌云光從機器視覺(jué)出發(fā)，持續深入真實(shí)的工業(yè)現場(chǎng)。從“看見(jiàn)”到“理解”，一些關(guān)于未來(lái)工廠(chǎng)的可能，正在制造現場(chǎng)逐漸顯現。

未來(lái)的工廠(chǎng)會(huì )是什么樣？

Kevin Kelly給出了兩個(gè)方向的思考。

一方面，未來(lái)工廠(chǎng)中，機器人將承擔越來(lái)越多重復、機械和程式化的工作，人類(lèi)更多轉向監督、管理、維護和系統創(chuàng )新。

另一方面，參觀(guān)工廠(chǎng)或許會(huì )成為一種新的旅行方式。在他看來(lái)，未來(lái)的工廠(chǎng)從設計之初，就可以考慮如何向客戶(hù)和用戶(hù)開(kāi)放。當人們走進(jìn)工廠(chǎng)，親眼看到喜愛(ài)的產(chǎn)品如何被制造，生產(chǎn)過(guò)程也將成為企業(yè)建立信任、傳遞品牌價(jià)值的一部分。

但工廠(chǎng)被“看見(jiàn)”，只是未來(lái)制造更直觀(guān)的一面。更深層的變化在于：機器本身，也正在從“看見(jiàn)”走向“理解”。

如果未來(lái)的工廠(chǎng)需要自主運行、持續決策和不斷優(yōu)化，機器是否也必須真正理解自己所在的工廠(chǎng)？

Kevin Kelly給出的關(guān)鍵詞是World Model（世界模型）。

它需要理解的不只是文字和圖像，還包括材料如何變化、能量如何流動(dòng)、設備如何協(xié)同，以及一個(gè)生產(chǎn)環(huán)節的變化將怎樣影響整個(gè)系統。

“一個(gè)真正高度自動(dòng)化的工廠(chǎng)，最終必須由一個(gè)非常復雜、非常成熟的世界模型來(lái)驅動(dòng)?！?/strong>

對工業(yè)AI而言，這意味著(zhù)機器不僅需要“看到”現場(chǎng)，更需要在持續感知和數據積累的基礎上，逐步理解產(chǎn)品、工藝、設備與質(zhì)量之間復雜的關(guān)系。

02
構建世界模型：在真實(shí)產(chǎn)線(xiàn)中生長(cháng)

世界模型不會(huì )憑空產(chǎn)生。要理解真實(shí)世界，就需要來(lái)自真實(shí)世界的數據。

Kevin Kelly認為，未來(lái)機器人學(xué)習的重要數據來(lái)源，很可能就是機器人自身。

即使機器人還不夠完美，只要在現實(shí)環(huán)境中執行任務(wù)，它就在不斷產(chǎn)生新的數據，產(chǎn)生的動(dòng)作、結果、錯誤與反饋，又反過(guò)來(lái)幫助系統持續學(xué)習和改進(jìn)。

真實(shí)場(chǎng)景本身，就是AI學(xué)習的重要來(lái)源。

對于工業(yè)而言，這一點(diǎn)尤為重要。

從消費電子、印刷包裝到新能源、汽車(chē)和半導體，凌云光大量視覺(jué)系統和裝備在真實(shí)產(chǎn)線(xiàn)上持續運行。每一次檢測、每一個(gè)被發(fā)現的缺陷、每一項被記錄的工藝變化，都在沉淀新的工業(yè)數據。

這些數據不僅服務(wù)于當下的質(zhì)量判斷，也為進(jìn)一步分析原因、訓練模型和改善生產(chǎn)過(guò)程提供基礎。

工業(yè)AI的進(jìn)步，不只發(fā)生在實(shí)驗室，也發(fā)生在每一條真實(shí)運行的產(chǎn)線(xiàn)上。

正如Kevin Kelly所說(shuō)：

“所以，現在就值得開(kāi)始做?！?/strong>

03
復刻了工廠(chǎng)，就擁有了智能嗎？

當攝像頭、機器人和各種傳感器持續感知現實(shí)環(huán)境，Mirror World（鏡像世界）也在逐漸形成。但Kevin Kelly強調，真正重要的并不是建立一個(gè)與現實(shí)一模一樣的數字外觀(guān)，真正重要的是模擬。

僅僅還原工廠(chǎng)的空間、設備和外觀(guān)，并不足以支撐真正的智能制造。真正的數字孿生，需要理解生產(chǎn)系統的運行規律：設備之間如何協(xié)作，材料如何變化，環(huán)境和參數如何影響生產(chǎn)結果，以及局部變化可能帶來(lái)怎樣的連鎖反應。

數字空間不再只是現實(shí)世界的“鏡像”，而成為理解和模擬現實(shí)的一種方式。在現實(shí)行動(dòng)之前，模擬變化、驗證假設、推演不同的可能。

對工業(yè)而言，這也意味著(zhù)一種新的可能：新的產(chǎn)線(xiàn)方案、設備布局、工藝參數，都可以在數字空間中進(jìn)行模擬和驗證。

凌云光正在探索通過(guò)智能產(chǎn)線(xiàn)仿真和數字孿生技術(shù)，將視覺(jué)感知、生產(chǎn)數據與虛擬模型連接起來(lái)。從視覺(jué)系統到智能裝備，從智能產(chǎn)線(xiàn)走向智能工廠(chǎng)，讓智能逐步進(jìn)入更完整的制造過(guò)程。

04
當機器超越人的感知，如何定義“質(zhì)量”？

今天，大量機器視覺(jué)系統依據人設定的標準，判斷產(chǎn)品是否存在缺陷、是否符合要求。但機器可以感知人眼無(wú)法看到的信息，同時(shí)分析海量參數，發(fā)現人類(lèi)尚未注意到的關(guān)聯(lián)。當機器擁有超越人的感知能力，我們又該如何定義“質(zhì)量”？

Kevin Kelly指出：

“對于超過(guò)人類(lèi)之后的能力，我們還沒(méi)有很好的衡量標準?！?/strong>

這也帶來(lái)一個(gè)更深的工業(yè)命題：

機器未來(lái)只是更好地執行人類(lèi)定義的質(zhì)量標準，還是會(huì )幫助我們發(fā)現新的質(zhì)量標準？

如果說(shuō)光學(xué)感知解決的是機器如何獲得可靠的信息，那么工業(yè)AI需要進(jìn)一步回答的，就是如何從這些信息中理解產(chǎn)品、工藝與質(zhì)量之間的關(guān)系。

對凌云光而言，這條路徑也正在逐步展開(kāi)：從發(fā)現缺陷到分析缺陷，從判斷結果到探索原因，從事后檢測向提前預警延伸，從單點(diǎn)質(zhì)量控制走向更完整的質(zhì)量管理。

而當機器的感知邊界不斷拓展，我們對于“質(zhì)量”，甚至對于產(chǎn)品“美”的理解，也可能隨之發(fā)生變化。

05
當AI承擔更多任務(wù)，人的價(jià)值在哪里？

當機器承擔越來(lái)越多的工作，人還需要做什么？

Kevin Kelly認為，未來(lái)會(huì )有大量AI Agent、機器人和自動(dòng)化系統同時(shí)運行。它們能夠高效地完成任務(wù)，卻未必真正理解錯誤在現實(shí)世界中意味著(zhù)什么。

“當事情沒(méi)有按照預期發(fā)生時(shí)，總得有人為結果負責?！?/strong>

在未來(lái)相當長(cháng)的一段時(shí)間里，人可能逐漸從具體任務(wù)的執行者，轉向AI、Agent和自動(dòng)化系統的管理者。

而從更長(cháng)期來(lái)看，當機器人變得越來(lái)越可靠、有用、值得依賴(lài)，Kevin Kelly給大家的建議是：

變得更加不可預測、更加獨特。

這并不是一個(gè)遙遠的哲學(xué)問(wèn)題。

對每一個(gè)正在使用AI的人來(lái)說(shuō)，重要的不只是學(xué)會(huì )讓機器完成任務(wù)，也要清楚自己希望解決什么問(wèn)題、如何判斷結果，以及愿意為怎樣的選擇負責。

機器可以幫助我們處理那些可以計算、重復和優(yōu)化的問(wèn)題，但什么值得追求、什么才算“更好”，仍然需要我們自己來(lái)定義。

從“看見(jiàn)”，走向“理解” ，從機器視覺(jué)到世界模型，通往自主運行、持續優(yōu)化的未來(lái)工廠(chǎng)，仍有很長(cháng)的路。但這條路，正由真實(shí)的感知、現場(chǎng)的數據和不斷迭代的工業(yè)系統一步步鋪就。

凌云光董事長(cháng)兼總裁姚毅在活動(dòng)現場(chǎng)，圍繞如何走出具有凌云光特色的工業(yè)人工智能道路，也分享了自己的思考。

他表示，三十年來(lái)，凌云光以視覺(jué)技術(shù)為起點(diǎn)，用機器視覺(jué)檢測印刷產(chǎn)品、消費電子產(chǎn)品以及各種工業(yè)產(chǎn)品。今天，隨著(zhù)AI進(jìn)一步進(jìn)入物理世界，我們也在繼續探索如何利用工業(yè)AI進(jìn)一步理解產(chǎn)品的質(zhì)量，甚至理解產(chǎn)品的“美”。

這不是將通用AI簡(jiǎn)單移植到工廠(chǎng)，而是讓智能從真實(shí)的工業(yè)現場(chǎng)中生長(cháng)出來(lái)。

“我們正在路上?！?/strong>

從機器視覺(jué)到工業(yè)AI，從智能裝備、智能產(chǎn)線(xiàn)到未來(lái)工廠(chǎng)，凌云光期待與更多產(chǎn)業(yè)伙伴一起，在真實(shí)的工業(yè)現場(chǎng)中不斷探索、驗證，讓關(guān)于未來(lái)制造的想象，一步步走向現實(shí)。