0
| 本文作者： 郭仁賢 | 2020-05-16 15:29 |
當(dāng)前，以智能化為核心的產(chǎn)業(yè)變革正在興起，人工智能技術(shù)與社會(huì)各領(lǐng)域的融合不斷加劇，并成為助推工業(yè)智能化轉(zhuǎn)型升級(jí)的關(guān)鍵燃料。
今年4月，工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）發(fā)布的《工業(yè)智能白皮書(shū)》顯示，截止到2019年底，在全球20多個(gè)經(jīng)濟(jì)體近三年發(fā)布的100份人工智能方面的戰(zhàn)略規(guī)劃或政策文件中，涉及與工業(yè)結(jié)合的超過(guò)一半以上。美、日、德、歐盟分別發(fā)布《國(guó)家人工智能研究和發(fā)展戰(zhàn)略規(guī)劃》《新機(jī)器人戰(zhàn)略》《國(guó)家工業(yè)戰(zhàn)略2030》《歐盟人工智能》等一系列政策戰(zhàn)略，重點(diǎn)提及產(chǎn)品全生命周期優(yōu)化、先進(jìn)機(jī)器人、自動(dòng)駕駛、大數(shù)據(jù)挖掘等在工業(yè)領(lǐng)域的應(yīng)用。
那么，人工智能技術(shù)與工業(yè)的結(jié)合，會(huì)給工業(yè)領(lǐng)域帶來(lái)哪些改變呢？現(xiàn)階段發(fā)展情況如何？
美國(guó)初創(chuàng)公司 Maana 聚焦石油和天然氣領(lǐng)域，推出了Knowledge Platform 的平臺(tái)，通過(guò)梳理專業(yè)知識(shí)打造計(jì)算知識(shí)圖譜，與機(jī)器學(xué)習(xí)計(jì)算模型相結(jié)合，為 GE、殼牌、阿美等石油巨頭提供決策和流程優(yōu)化建議；
智能抓取場(chǎng)景中，日本發(fā)那科公司基于深度學(xué)習(xí)賦予機(jī)器人抓取混雜零件的功能，并通過(guò)強(qiáng)化學(xué)習(xí)賦予機(jī)器人自學(xué)習(xí)能力，通過(guò)自主訓(xùn)練 8 小時(shí)使散件分揀的成功率達(dá)到了 90%；
新松機(jī)器人公司利用 5G+ 人工智能的巡檢機(jī)器人，實(shí)現(xiàn)了全自動(dòng)巡檢以及異常問(wèn)題的自主判斷......
隨著人們對(duì)于工業(yè)AI的研究不斷深入，逐漸擴(kuò)展了其在工業(yè)領(lǐng)域可解問(wèn)題的性能與邊界。近期，雷鋒網(wǎng)通過(guò)和業(yè)內(nèi)人士的交流以及對(duì)行業(yè)信息的梳理，整理了有關(guān)工業(yè)AI領(lǐng)域備受關(guān)注的問(wèn)題，比如工業(yè)AI的重要玩家和應(yīng)用落地情況，行業(yè)發(fā)展面臨的障礙等。
工業(yè)AI，也就是工業(yè)智能，其本質(zhì)是通過(guò)人工智能技術(shù)與工業(yè)場(chǎng)景、機(jī)理、知識(shí)結(jié)合，實(shí)現(xiàn)設(shè)計(jì)模式創(chuàng)新、生產(chǎn)智能決策等應(yīng)用。
據(jù) Markets 報(bào)告預(yù)計(jì)，2025 年人工智能制造市場(chǎng)規(guī)模將達(dá) 172 億美元，預(yù)測(cè)期 (2018-2025 年 ) 內(nèi)的年復(fù)合增長(zhǎng)率為 49.5%。而埃森哲在比較了人工智能對(duì)我國(guó)各個(gè)行業(yè)部門(mén)增加值增速的影響后得出，預(yù)計(jì)到 2035 年，制造業(yè)因人工智能的應(yīng)用其增加值增速可以提高 2.0% 左右，是所有產(chǎn)業(yè)部門(mén)中提高幅度最大的。
由此可見(jiàn)，工業(yè)AI領(lǐng)域不管是市場(chǎng)容量，還是增速，其表現(xiàn)都足夠出色。也因此，吸引著AI界的科研大牛、科技企業(yè)相繼涌入工業(yè)領(lǐng)域。
2019年6月，閔萬(wàn)里從阿里云離職，并創(chuàng)辦了北高峰資本和坤湛科技兩家公司。在離職信中他透露：
“我創(chuàng)辦了一個(gè)風(fēng)險(xiǎn)投資基金，聚焦傳統(tǒng)產(chǎn)業(yè)(制造業(yè)，農(nóng)業(yè)，醫(yī)療)周邊，用云智能技術(shù)注入和資本加持‘二位一體’的組合型賦能，推動(dòng)傳統(tǒng)產(chǎn)業(yè)實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型和智能升級(jí)?！?br/>
而賈佳亞，則是在今年年初創(chuàng)立了一家新的 AI 公司——思謀科技（SmartMore）。目前，該公司已經(jīng)獲 Pre-A 輪融資，并在深圳和香港分別設(shè)立了研發(fā)中心。此前，他不僅是騰訊杰出科學(xué)家，也是優(yōu)圖實(shí)驗(yàn)室X-Lab負(fù)責(zé)人。
雷鋒網(wǎng)了解到，思謀科技專注于智能制造（檢測(cè)領(lǐng)域）運(yùn)用人工智能深度學(xué)習(xí)算法和計(jì)算機(jī)視覺(jué)技術(shù)，在無(wú)需改變產(chǎn)線現(xiàn)有的硬件設(shè)備下，為用戶提供無(wú)人自動(dòng)化缺陷檢測(cè)技術(shù)。
這兩人的去留，曾一度引起業(yè)界的廣泛關(guān)注。除了考慮到他們的離開(kāi)會(huì)給原公司帶來(lái)一些影響，另一方面，他們?cè)趧?chuàng)業(yè)時(shí)都選擇了工業(yè)制造里面的AI應(yīng)用這一領(lǐng)域。
而百度，作為國(guó)內(nèi)三大互聯(lián)網(wǎng)巨頭之一，他們?cè)缭?010年就開(kāi)始探索發(fā)展人工智能技術(shù)，圍繞百度大腦，其AI應(yīng)用逐漸在多個(gè)領(lǐng)域進(jìn)行試水，從農(nóng)業(yè)到工業(yè)，從家庭到汽車，以及翻譯、圖像識(shí)別和信息流等產(chǎn)品和服務(wù)。
談及百度AI技術(shù)在工業(yè)制造領(lǐng)域的應(yīng)用，李彥宏曾表示，現(xiàn)在很多3C產(chǎn)品在組裝的過(guò)程當(dāng)中都需要人的肉眼去檢驗(yàn)這些零件的質(zhì)量，而其中很多零件都非常小，比如iPhone組裝插電的器件就很小，要人的肉眼去看是不是質(zhì)量過(guò)關(guān)，是一個(gè)很費(fèi)勁的任務(wù)。一般來(lái)說(shuō)，熟練的工人干兩個(gè)小時(shí)就得下來(lái)休息。而百度用計(jì)算機(jī)視覺(jué)的方式做了一個(gè)軟硬一體的機(jī)器，一臺(tái)設(shè)備相當(dāng)于十個(gè)熟練工人能夠做的事情，而且它的質(zhì)量還比人工要更高。
工業(yè)AI應(yīng)該如何去做，這不僅是BAT系的大佬正在思考的問(wèn)題，也是工業(yè)企業(yè)更為關(guān)注的事。
在2019年業(yè)績(jī)交流會(huì)上，工業(yè)富聯(lián)將工業(yè)AI作為公司戰(zhàn)略的一部分提到了日程上。工業(yè)富聯(lián)董事長(zhǎng)李軍旗表示：
“在過(guò)去的一年當(dāng)中，工業(yè)富聯(lián)明確了公司的戰(zhàn)略方向，這個(gè)戰(zhàn)略方向我們把它歸結(jié)為‘智能制造+工業(yè)互聯(lián)網(wǎng)’的雙輪驅(qū)動(dòng)戰(zhàn)略。智能制造有‘三硬三軟’，從‘三硬’的裝備、工具和材料加上工業(yè)大數(shù)據(jù)、工業(yè)AI和工業(yè)軟件，形成智能制造的整體解決方案，軟硬整合的整體解決方案。在這個(gè)基礎(chǔ)上搭建了工業(yè)互聯(lián)網(wǎng)平臺(tái)。工業(yè)互聯(lián)網(wǎng)平臺(tái)同時(shí)需要硬軟整合，也有三硬三軟，云網(wǎng)端再加上三軟里面的工業(yè)大數(shù)據(jù)、工業(yè)AI和工業(yè)軟件。”
此外，萌生于美國(guó)智能維護(hù)系統(tǒng)（IMS）中心的工業(yè)智能公司——天澤智云，在工業(yè)智能上，他們的理解是“3+4”，即融合工業(yè)領(lǐng)域知識(shí)、智能建模技術(shù)、計(jì)算機(jī)科學(xué)等3個(gè)跨學(xué)科的融合領(lǐng)域知識(shí)，并且還需要分析技術(shù)（AT）、運(yùn)維技術(shù)（OT）、數(shù)據(jù)技術(shù)（DT）、平臺(tái)技術(shù)（PT）等四大關(guān)鍵支撐技術(shù)，才能誕生出真正的工業(yè)智能。
而明略科技集團(tuán)，作為更具行業(yè)“Know-how”的新一代數(shù)據(jù)中臺(tái)先行者，致力于探索新一代人工智能技術(shù)在知識(shí)和管理復(fù)雜度高的行業(yè)中的落地。在“AI+工業(yè)”方面，他們主要基于設(shè)備和裝備物聯(lián)感知?jiǎng)討B(tài)數(shù)據(jù)的分析挖掘與智能應(yīng)用，幫助大型組織和企業(yè)高效運(yùn)轉(zhuǎn)和加速創(chuàng)新，聚焦交通、電力、制造業(yè)。
有投資人表示，初創(chuàng)公司在人工智能領(lǐng)域還是有很多機(jī)會(huì)的，但他們需要往更細(xì)分的賽道里去專研，去挖掘，這樣才能避開(kāi)一些大公司，發(fā)揮自己的長(zhǎng)處，實(shí)現(xiàn)AI與具體工業(yè)場(chǎng)景的相結(jié)合......
人工智能是個(gè)比較大的話題，包括機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、計(jì)算機(jī)視覺(jué)等，并且在工業(yè)特定領(lǐng)域中有非常多的業(yè)務(wù)場(chǎng)景和技術(shù)應(yīng)用。
目前，騰訊優(yōu)圖在工業(yè)方面的探索，主要專注在計(jì)算機(jī)視覺(jué)領(lǐng)域。他們?cè)?lián)合騰訊云為國(guó)內(nèi)的一家面板生產(chǎn)企業(yè)打造了一個(gè)工業(yè)AI的項(xiàng)目，主要內(nèi)容是為液晶面板做缺電檢測(cè)。
據(jù)了解，缺電檢測(cè)是工業(yè)智能一個(gè)比較常見(jiàn)的業(yè)務(wù)場(chǎng)景，前期他們的很多模型都是靠算法專家以手工方式去訓(xùn)練模型。然而，從交付的形態(tài)去說(shuō)，這些是比較輕量級(jí)的交付，因?yàn)闆](méi)有提供攝像頭的硬件設(shè)備，也沒(méi)有對(duì)客戶生產(chǎn)系統(tǒng)進(jìn)行調(diào)整，僅僅利用視覺(jué)AI的算法做了缺陷檢測(cè)產(chǎn)品去替代缺陷質(zhì)檢的環(huán)節(jié)。
最終，騰訊優(yōu)圖上線的這些模型可以保證在跟人的準(zhǔn)確率相當(dāng)?shù)那闆r下達(dá)到70%以上的覆蓋率，能夠替代七成以上的質(zhì)檢工人。
“我們認(rèn)為，在人工智能產(chǎn)業(yè)化道路上，業(yè)務(wù)和技術(shù)同樣重要，掌握了好的方法論交付項(xiàng)目才能事半功倍。”騰訊優(yōu)圖實(shí)驗(yàn)室工業(yè)AI項(xiàng)目負(fù)責(zé)人黃亮表示：
“比如說(shuō)數(shù)據(jù)質(zhì)量，大家都知道數(shù)據(jù)質(zhì)量在人工智能和模型訓(xùn)練方面的重要性，你的網(wǎng)絡(luò)再先進(jìn)，你如果沒(méi)有好的數(shù)據(jù)依然是無(wú)法取得好的效果。但是，如何獲取高質(zhì)量的數(shù)據(jù)呢？有很多的方法，我們?cè)缙谝渤粤撕芏嗵?，就以缺陷檢測(cè)為例，生產(chǎn)線上我們可以看到有很多的缺陷，100多種缺陷。但是我們?cè)趺慈ゲ杉@些缺陷，我們需要采集多少種缺陷的樣本，每個(gè)缺陷我們需要采集多少?gòu)垐D片，模糊的缺陷我們?nèi)绾稳ヅ卸?，如果一個(gè)圖片有多種缺陷，我們按哪種缺陷判定和標(biāo)注，這些都是一些很細(xì)節(jié)的問(wèn)題，但是會(huì)非常影響模型最終的效果?！?/p>
除了計(jì)算機(jī)視覺(jué)，人工智能在工業(yè)領(lǐng)域的應(yīng)用還包括數(shù)據(jù)智能、決策方面的一些應(yīng)用。明略科技依托他們的數(shù)據(jù)中臺(tái)和知識(shí)圖譜，探索異地專家如何將經(jīng)驗(yàn)進(jìn)行積累和沉淀。
比如明略科技為某家軸承生產(chǎn)廠商構(gòu)建了產(chǎn)品的知識(shí)圖譜以及智能問(wèn)答與選型的系統(tǒng)，用來(lái)解決用戶對(duì)軸承以及相關(guān)產(chǎn)品信息的咨詢查找對(duì)比和推薦的問(wèn)題，相比于傳統(tǒng)的基于人工的客戶服務(wù)，這一套智能問(wèn)答系統(tǒng)能夠取代人工回答60%-80%重復(fù)的、常見(jiàn)的問(wèn)題。
雷鋒網(wǎng)了解到，不管是液晶面板的缺電檢測(cè)，還是用戶對(duì)軸承以及相關(guān)產(chǎn)品信息的咨詢查找對(duì)比和推薦，目前AI主要用在工業(yè)領(lǐng)域的應(yīng)用數(shù)據(jù)的可視化分析、預(yù)測(cè)性維護(hù)等，另外還可用于自動(dòng)分析設(shè)備故障情況等，向著更多細(xì)分的工業(yè)場(chǎng)景進(jìn)行滲透。
然而，當(dāng)每一位創(chuàng)業(yè)者、變革者拿起AI的工具叩響工業(yè)之門(mén)時(shí)，撲面而來(lái)的不僅有工業(yè)機(jī)理、工業(yè)模型的屏障，還有數(shù)據(jù)和專業(yè)知識(shí)缺乏帶來(lái)的一些挑戰(zhàn)。
盡管我們知道AI在工業(yè)領(lǐng)域有眾多場(chǎng)景和可能性，但是，要達(dá)到產(chǎn)業(yè)級(jí)應(yīng)用，我們還必須對(duì)它有更為清晰的認(rèn)識(shí)，知道工業(yè)AI存在哪些問(wèn)題。
“人工智能這個(gè)詞最早是1956年在達(dá)特茅斯會(huì)議上出現(xiàn)，其發(fā)展可以說(shuō)是起起伏伏。如果和上世紀(jì)90年代——上一次的人工智能高潮相比，除了算力和數(shù)據(jù)，我們?cè)谀承╊I(lǐng)域的進(jìn)步并沒(méi)有那么明顯。”英特爾中國(guó)區(qū)物聯(lián)網(wǎng)事業(yè)部首席工程師及首席技術(shù)官?gòu)堄畈┦勘硎荆?/strong>
“算力方面，英特爾一直在摩爾定律的推動(dòng)下，帶領(lǐng)整個(gè)半導(dǎo)體行業(yè)前進(jìn)，其算力不斷地進(jìn)行更新。比如超算領(lǐng)域定期頒布的世界500強(qiáng)的超級(jí)計(jì)算機(jī)的榜單，這個(gè)榜單第一次發(fā)布在1994年，當(dāng)時(shí)榜單上排名首位的超級(jí)計(jì)算機(jī)浮點(diǎn)運(yùn)算能力每秒鐘峰值1300億次，而去年年底的榜單排名首位的超級(jí)計(jì)算機(jī)浮點(diǎn)運(yùn)算能力每秒鐘峰值21億次?！?/p>
“算力的提升，對(duì)于運(yùn)行一些比較復(fù)雜的算法是很有幫助的。以前一些網(wǎng)絡(luò)可能相對(duì)比較簡(jiǎn)單，層次比較淺，現(xiàn)在可以用我們的算力運(yùn)行比較復(fù)雜的網(wǎng)絡(luò)模型得到更好的結(jié)果，或者我們可以在消耗網(wǎng)絡(luò)模型下，在更短的時(shí)間里得到結(jié)果，實(shí)現(xiàn)更快的迭代，算力確實(shí)極大的推動(dòng)了人工智能的發(fā)展?！?/p>
對(duì)于另一個(gè)推動(dòng)因素——數(shù)據(jù)，張宇博士則是這樣理解的。他表示：
“以ImageNet為例，ImageNet里已經(jīng)包含了超過(guò)1400萬(wàn)張經(jīng)過(guò)標(biāo)注的圖片，所以有了這么多大量的圖片，就可以訓(xùn)練網(wǎng)絡(luò)，得到一個(gè)可以運(yùn)行的比較理想的結(jié)果。在數(shù)據(jù)增長(zhǎng)的背后，實(shí)際上它的基礎(chǔ)是我們?cè)诖鎯?chǔ)領(lǐng)域以及通信領(lǐng)域技術(shù)的提升?！?/p>
4月23日，在工業(yè)互聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟（AII）發(fā)布的《工業(yè)智能白皮書(shū)》中提到，當(dāng)前工業(yè)智能的應(yīng)用以點(diǎn)狀場(chǎng)景居多、普及范圍有限、還存在許多問(wèn)題尚無(wú)法解決，仍處在發(fā)展的初級(jí)階段。工業(yè)智能應(yīng)用面臨的四大問(wèn)題分別是：
實(shí)時(shí)性問(wèn)題?，F(xiàn)有通用計(jì)算架構(gòu)與芯片尚無(wú)法滿足工業(yè)實(shí)時(shí)性所帶來(lái)的計(jì)算要求，端側(cè)推理需求迫切。
可靠性問(wèn)題。電商平臺(tái)的推薦系統(tǒng)達(dá)到 60%-70% 的準(zhǔn)確率已經(jīng)算是比較高的精準(zhǔn)度，而部分工業(yè)領(lǐng)域、部分工業(yè)核心環(huán)節(jié)對(duì)推薦參數(shù)的準(zhǔn)確性要求是 100%，一旦參數(shù)出現(xiàn)任何問(wèn)題，將對(duì)生產(chǎn)、制造等環(huán)節(jié)，甚至生命財(cái)產(chǎn)安全產(chǎn)生巨大影響。
可解釋性問(wèn)題。在冶煉、核電等工業(yè)領(lǐng)域核心環(huán)節(jié)所面臨的問(wèn)題如果期望 通過(guò)數(shù)據(jù)技術(shù)解決，則此類問(wèn)題的解決必須建立在可靠的工程 / 科學(xué)突破上，即需要能夠明確 解釋其背后機(jī)理。
適應(yīng)性問(wèn)題。通常包括模型間交互、軟硬件適配與算法的數(shù)據(jù)、任務(wù)適配三類問(wèn)題。
“就工業(yè)智能來(lái)說(shuō)，總的判斷還是處于起步階段，還沒(méi)有達(dá)到成熟?！睆堄畋硎荆?/p>
“重要的原因是，現(xiàn)在的人工智能還是實(shí)驗(yàn)科學(xué)，不是一個(gè)理論科學(xué)。雖然能夠有一些網(wǎng)絡(luò)證明它在處理某些問(wèn)題的時(shí)候是有效的，但是還不能夠說(shuō)明它為什么有效，以及有效的機(jī)理是什么。人工智能網(wǎng)絡(luò)對(duì)我們來(lái)說(shuō)還像一個(gè)黑盒子，我們不能預(yù)測(cè)它有效的原因以及如何進(jìn)一步優(yōu)化的方向，這些都是我們現(xiàn)在需要進(jìn)一步提升的地方。如果這些問(wèn)題不能達(dá)到進(jìn)一步的完善，那么人工智能還不能稱為成熟?！?/p>
“同樣地，工業(yè)也是一樣，工業(yè)不過(guò)是人工智能的一個(gè)分支，在大背景環(huán)境下可以看到有些人工智能網(wǎng)絡(luò)可以開(kāi)始越來(lái)越多用到工業(yè)領(lǐng)域，通過(guò)我們拿到的一些工業(yè)數(shù)據(jù)來(lái)訓(xùn)練它，讓它在某些特定環(huán)境下能夠有效，但是，這個(gè)有效也是局部有效而不是全局，因此我們需要不斷地用更多數(shù)據(jù)進(jìn)一步完善和推廣?！?/p>
另外，雷鋒網(wǎng)了解到，工業(yè)領(lǐng)域的難點(diǎn)在于工業(yè)領(lǐng)域的應(yīng)用場(chǎng)景比較碎片化，這和我們熟知的交通領(lǐng)域、安防領(lǐng)域有很大不同。交通領(lǐng)域、安防領(lǐng)域識(shí)別的物體相對(duì)比較固定，場(chǎng)景也比較固定，這樣可以針對(duì)這些場(chǎng)景可以收集大量的數(shù)據(jù)，得到一些網(wǎng)絡(luò)模型以后，可以在這些場(chǎng)景里大面積推廣。而工業(yè)場(chǎng)景的碎片化很明顯，比如在紡織工廠里做一個(gè)產(chǎn)品的識(shí)別，在半導(dǎo)體工廠里也做產(chǎn)品的識(shí)別，但是它們要檢測(cè)的目標(biāo)是不一樣的，那帶來(lái)的問(wèn)題是需要不同的樣本和設(shè)計(jì)不同的網(wǎng)絡(luò)結(jié)構(gòu)，在設(shè)計(jì)方面要用不同的方法進(jìn)行調(diào)優(yōu)，同時(shí)工業(yè)本身對(duì)準(zhǔn)確度的要求很高，因而，在工業(yè)領(lǐng)域推廣人工智能的話還有很長(zhǎng)的路要走。
而創(chuàng)立了思謀科技的賈佳亞表示：“越是基礎(chǔ)設(shè)施、關(guān)系到國(guó)家社會(huì)生產(chǎn)力的部分，越是需要我們的綜合科技能力去全面落地解決經(jīng)濟(jì)生產(chǎn)里的缺人力、淺智能的問(wèn)題。實(shí)現(xiàn)全面系統(tǒng)化、智能化、自動(dòng)化是思謀瞄準(zhǔn)的解決方案。思謀的企業(yè)目標(biāo)是擺脫單個(gè)算法領(lǐng)域的數(shù)據(jù)局限，以系統(tǒng)化體系架構(gòu)開(kāi)創(chuàng)AI 2.0時(shí)代?！?/p>
現(xiàn)如今，AlphaGo已經(jīng)是世界頂尖人工智能科技了，要研發(fā)出比AlphaGo復(fù)雜一個(gè)數(shù)量級(jí)的，能夠替代運(yùn)營(yíng)管理任務(wù)的人工智能，看上去還是很久遠(yuǎn)的事情。就如《1%的征程——阿里云工業(yè)大數(shù)據(jù)解決方案》中所述，人工智能科學(xué)家們已經(jīng)在某個(gè)輸出指標(biāo)維度有了一定研究，并且誰(shuí)也不知道未來(lái)的增長(zhǎng)是線性的，還是指數(shù)性的？全面的研究成果是百年之后得出，還是十年之后得出？
有專家分析，工業(yè)AI之所以一直都被看做是最難的、也最復(fù)雜的應(yīng)用領(lǐng)域，原因就在于，一方面行業(yè)外延十分廣泛，細(xì)分領(lǐng)域很多，要求的專業(yè)知識(shí)也很廣泛，因此一直沒(méi)能誕生能夠吃透整條產(chǎn)業(yè)鏈的巨頭玩家，而AI技術(shù)企業(yè)想要深入進(jìn)去更是會(huì)遇到各種各樣意想不到的難題。
那么，誰(shuí)將摘下工業(yè)AI這頂“王冠”，成為這個(gè)領(lǐng)域的獨(dú)角獸企業(yè)？
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。
