2019年的某一天，一家頂級手機廠商的高管帶領一行人到訪友達光電參觀交流時發現，這家公司在開晨會時，全部員工都是手拿平板、用數據報表進行彙報，紙和筆在這家公司晨會中已經沒了蹤跡，這讓這位高管頗為震撼。
作為全球頂級手機品牌和製造商，這家廠商很早就搭建了自己的手機生產工廠，也早早在智能製造領域開始探索，彼時，他們一個生產車間里已經運行了多套數字化系統。
然而，數字化技術的引入，並沒有徹底改變這家手機廠商以往的生產管理模式，在往常開會時，仍然是使用紙和筆這樣「古老」的生產工具進行工作彙報和會議記錄，已經大量引入的數字化系統在運營層並沒有打通，也無法聯動，由數字化系統記錄下的數據最終仍僅僅是停留在了系統之中。
這家手機廠商的境遇在國內並非特例，過去幾年裡，國內製造業企業在經營管理、生產製造等環節引入了大量數字化技術，這些數字化技術在被引入企業後並沒有像所有人預想的那樣讓企業煥然一新。
實際上，當傳統製造業企業意識到數字化的重要性，開始引入技術優化流程時，真正的九九八十一難才剛剛開始。
數據低谷建「高樓」
2015年，中國製造業按下了數字化轉型的快進鍵，傳統製造業這部史詩被風吹皺了第一頁。
專註於顯示技術領域的友達光電是最早感受到撲面而來的數字化技術潛在的顛覆性的企業之一，於是，這一年，友達光電在蘇州、崑山、廈門的工廠中建起了智能製造示範車間，在內部開始嘗試向智能製造這一新模式轉型。
在隨後兩年里，友達光電逐漸將舊有設備連接上網，並引入數字化系統採集數據、分析數據、優化流程，不過，這個過程並不容易。友達光電最初將數據傳輸到服務層後，數據利用率一直很低，基本維持在5%左右，如何有效地利用這些數據，讓數據在製造運營管理效能中發揮出數據資產應有的作用，就成了友達光電迫在眉睫的問題。
時任友達光電智能製造總監的趙麗娜很快意識到了這個問題，於是為當時轉型中的友達光電做了第一個智能製造三年計劃——用數據驅動業務轉型。
在隨後的三年里（2015年-2017年），友達光電開始以「數據驅動」為核心梳理各個業務單元的數據，開始推動全業務數據的互聯互通，以此向數字化轉型。
對於任意一家企業而言，數字化轉型是或早或晚都會面臨的一個宏大的時代命題，尤其是對於傳統製造業，在牽扯到具體業務時，這個問題就變得更加凌亂和複雜。
趙麗娜告訴至頂網，「我們當時考慮了很多方案，例如，如何打通庫房數據搭建智能庫房，如何打通生產線物流數據形成智能物流，如何打通品質數據實現智慧品保……，那時，我們通過引入物聯網技術，引入人工智慧平台，在內部推動著數據從簡單的分析呈現到複雜的預測預控的轉變。」
一切技術革命，本質上都是一場人才革命。
傳統製造業要想真正走出舊有模式，換上一個新的動力引擎，就需要對原有團隊中每個人的知識體系進行一次徹底的重構，趙麗娜當時的理解是，「讓業務團隊中的每個人都轉型為數據分析師」。
於是，當友達光電在2015年開始進行數字化轉型時，內部針對業務團隊的培訓體系也逐漸建立起來，從數據驅動業務原理到數據分析工具應用，從每個業務方案的搭建過程到最終落地方案的復盤，在這三年時間裡，數據分析相關技術在友達光電業務團隊中普及率不斷提高，業務團隊中大部分成員都擁有了堪比專業數據分析師的水準。
業務團隊的蛻變，讓友達光電的數字化轉型不再浮於表面，自那時起，在大大小小的管理會議中，員工進行工作彙報時已經不再使用紙和筆，而是自然而然地過渡到了平板+數據報表的「數字模式」。
這樣從生產工具到團隊思維模式的改變，是後來那家頂級手機廠商到友達光電參觀後毫不猶豫地拍板購買了他們的諮詢服務的一個主要原因，友達光電後來也基於此提出了針對業務人員數字化轉型的「5U」方法論。
新生產模式的到來在外界看來似乎沒有經歷什麼波瀾壯闊和大刀闊斧，所有的艱辛和陣痛都如深海激流一般悄無聲息。
能夠更直觀展現給我們的是「一個結果」和「一個數據」——在第一個三年計劃完成時，友達光電已經將各個層級、各個職能的數據打通並搭建出了一個完整的工業互聯網框架，與此同時，友達光電的設備聯網率已經提升到了87%，人力成本節省了42%，產品良率提升了2%。
在第一個三年計劃結束後，友達光電還生出了另一個想法，將這三年積累下的轉型經驗和方法論對外進行「成果轉化」，服務更多企業，甚至整個行業。
於是，這一年，友達數位開始籌建，一個光電企業服務化轉型的故事至此展開。
傳統生產模式再顛覆
2018年10月，友達數位（曾用名：友達智匯）作為友達光電對外提供智能製造諮詢服務和完整解決方案的全資子公司正式成立，趙麗娜出任總經理。
「我們本身和友達光電用的是一套方法論和技術框架，這套方法論也並不是一成不變的，而是會每三年更新一次，新的方法論都是在友達光電得到驗證、發展成熟後，才會對外為企業提供相應的數字化方案。」趙麗娜告訴至頂網。
實際上，就在友達數位成立這一年，友達光電內部第二個智能製造三年計劃正式啟動，第二個三年計劃的主題被定位到了「AI驅動」。
如果說大數據為製造業帶來的是一次思維上的轉變，人工智慧帶來的則是切實的生產模式的顛覆。
作為一家頗具底蘊的液晶面板製造商，友達光電很早就開始進行信息化建設，早在2002年蘇州建廠時，就使用了ERP（企業資源計劃系統）、MES（製造執行系統）、EMS（設備管理）等一系列軟體系統，不過，由於早年間人工智慧技術發展並不成熟，AI質檢還無從談起，AOI在當時還是表面缺陷檢測領域取代人工質檢的主流方法。
AOI，即自動光學檢測，和AI質檢相似之處在於，同樣需要視覺演算法驅動——通過攝像機對生產線上每個產品進行拍照，再通過視覺演算法將每個產品的照片與事先建好的標準樣本庫中沒有缺陷的產品圖片進行對比，看是否存在差異。
這樣的缺陷檢測方法天然存在一個缺點——視覺演算法的好壞直接決定了檢出率，這就意味著如果AOI演算法在實際生產環境中只有50%的檢出率，剩下50%產品仍需要人工進行二次復判。
作為全球三大液晶面板廠商之一，友達光電生產設備自動化水準雖然已經很高，但是對於應用於消費電子的液晶面板的檢測，仍需要投入大量人力成本進行人工復判，這一成本在友達光電總人力成本中佔比一度超過了三分之一。
正因如此，友達光電早年間便自研了AOI檢測機台，通過引入AOI檢測方法，友達光電在質檢環節節省了70%-80%的人力成本。不過，這樣的技術升級也帶來了意料之外的「工程師成本」。
「由於AOI檢測方法無法保證每時每刻檢測的準確性，為了避免我們的不良品流入客戶端，我們甚至會將研判精準度拉升到比較高的程度，這就需要引入大量工程師來進行圖片處理。」
以友達光電的生產體量，彼時每天需要處理的圖片量基本維持在千萬量級，「工程師成本」由此也成了製造業缺陷檢測降本增效新的瓶頸。
這一瓶頸的突破，是在AI質檢出現之後。
2017年，經過幾年迅猛發展的人工智慧技術開始進入產業紅利期，在製造業最為突出的就是AI質檢對質檢行業帶來的顛覆性改變。
相對而言，曾經的AOI質檢的本質是「找不同」，AI質檢恰恰相反，本質是「找相似」。
AI質檢是通過深度神經網路對標準樣本和缺陷樣本進行學習，根據圖片相似度形成判斷標準，從而自動判斷機台上的產品是否有缺陷。基於這樣的工作原理，AI質檢的演算法模型會在使用過程中通過自學習不斷提高模型準確率。
AI演算法自我進化能力的出現，開始顛覆傳統生產模式的一成不變。
實際上，當友達數位成立時，友達數位的技術團隊和百度在AI質檢領域的合作已經持續了一年之久，友達光電內部也開始引入AI質檢。2018年12月，當站在2018百度雲智峰會的演講台上對外介紹友達光電人工智慧轉型進程時，趙麗娜指出「通過AI質檢的引入，友達光電整個質檢環節的誤判率降低了50%，復判人員和技術維護人員也減少了50%。」
友達數位與百度的合作，只是互聯網巨頭大舉進軍製造業的一個歷史縮影，這一年，各大互聯網巨頭開始基於雲業務將產業版圖拓展到了製造業這片處女地。
IT廠商搞不定「場景」
2017年年底，阿里對外發布了工業互聯網雲平台，並將廣州定為阿里的全國工業雲總部，次年又分別在浙江、重慶發布了supET、飛象兩個工業互聯網雲平台。阿里工業互聯網雲平台的跑馬圈地，成了他們闖入製造業的真實寫照。
相對阿里的長驅直入，百度在製造業的布局較為謹慎，更多是藉助人工智慧的紅利，在和友達光電、寶武鋼鐵等製造業各個細分行業的明星企業建立合作後，首先以AI質檢作為突破口，在2018年5月對外發布了質檢雲。
湧入製造業的不僅僅是BATH等國內互聯網巨頭，在國外，微軟、谷歌、亞馬遜等科技巨頭也沒閑著，紛紛基於原有雲計算業務跨入傳統製造業。
作為智能製造的親身實踐者，趙麗娜見證了這個行業的風起雲湧，也先後與百度、微軟、亞馬遜等互聯網巨頭進行過深度合作，她深知人工智慧對製造業的顛覆性，以及科技巨頭為製造業帶來的活力，也明了橫亘在兩個行業之間的鴻溝。
「IT企業長於底層技術，更符合他們的角色其實是底層技術賦能者，」趙麗娜告訴至頂網。
無論是微軟、谷歌、亞馬遜，還是國內的BATH，在人工智慧領域都投入了海量工程師針對各類場景進行著AI演算法開發，各類場景的底層技術本質上是一致的，這就形成了IT企業在底層技術、AI演算法上的優勢。
然而，AI演算法做得好不好往往無法直接決定實際使用效果，在AI演算法到實際生產環節，中間往往還橫亘著一把名為「場景」的達摩克里斯之劍。
「IT企業研發出的AI演算法在應用到工廠車間時，非常吃現場的Know-how，一個好的工具究竟能發揮出多大作用往往還是由專家經驗所決定。」
以AI質檢為例，決定AI質檢識別準確率的不只是AI演算法的好壞，還有攝像機的調機、圖像數據反饋、工廠現場管理模式等諸多因素，「如果你的攝像機拍的照片質量模糊不清，你的AI演算法再厲害也無法通過後續學習達到一個很高的水準，這些都決定了我們其實比IT科技公司更懂製造業的場景。」
IT企業更擅長底層演算法開發，於是，越來越多的互聯網工業雲平台在那些年不斷湧現；製造業出身的團隊對場景有更深刻的理解，所以，真正的智能製造標杆項目多是來自於傳統製造業內部孵化的智能製造團隊。
友達數位正是這樣一支由友達光電孵化而來的智能製造團隊，這一團隊在經手了越來越多智能製造轉型項目後，也逐漸搭建起了自己的工業互聯網雲平台。
工業AI風起雲湧
2020年11月11日，在友達技術趨勢論壇上，友達數位對外發布了光電行業工業互聯網雲平台——達智綠洲，這是友達數位成立的第三年，也是友達光電第二個三年規劃的最後一年。
不同於IT企業打造的主要搭建了底層技術的互聯網雲平台，趙麗娜告訴至頂網，「我們當時發布的是面向行業場景應用的工業互聯網雲平台，PaaS層和IaaS層也會用到互聯網公司的AI演算法和基礎雲服務，我們主要做的是PaaS層和SaaS層的功能和服務。」
經過過去三年的積累，彼時的友達數位已經擁有橫跨23個行業500+客戶，友達數位將在這些行業客戶案例沉澱下來的演算法、服務和行業知識，以及自己構建的橫跨20+行業、300+企業的產業生態中的案例和知識一併沉澱到了這一雲平台上。
這讓達智綠洲成為一個通用的工業互聯網雲平台。
不過，趙麗娜也坦言，「雖然達智綠洲上的一些產品是通用產品，但大部分還是會區分行業，例如MES這樣的產品，仍然會針對不同行業有不同的MES版本。」
在智能製造積極轉型的這些年裡，IT企業並不甘於做底層雲服務，一度深入行業推出行業性互聯網雲平台或區域性互聯網雲平台，甚至聘請了大量行業專家幫助自己推進業務，然而，到實際落地時，並沒有達到預期效果。
這個問題卡在哪裡了呢？
趙麗娜在推進智能製造項目中發現，智能製造項目落地過程中最大的問題在於，大部分甲方客戶說不出自己的真實需求。摸清企業需求這個工作就落到了智能製造解決方案廠商身上，而要摸清企業智能製造轉型需求，這需要業務人員本身就是行業專家。
「懂AI的人不懂場景，懂場景的人不懂AI」，這仍是當下這個快速發展中的行業一個真實寫照。而對於IT企業而言，要讓技術專家去業務場景中找需求，這幾乎是不可能完成的任務。
一個利好趨勢是，隨著人工智慧技術快速發展，相關工具使用已經變得越來越簡單，隨著數字化轉型成為各行各業的主色調，傳統企業中越來越多的業務人員開始跨入自我轉型的大門，向人工智慧技術吹響了衝鋒的號角。
趙麗娜說，在技術發展過程中，技術發展和業務應用通常存在一個黃金交叉點，太早推動技術普及，業務層面往往很難推動，只有等到這個黃金交叉點到來時，隨著技術學習成本的下降，才會在行業中形成一場真正的技術改革風暴。
在過去幾年裡，僅僅是友達數位一家企業就已經培養出了800多位AI專家，研發了2000多個AI模型，在光電面板、半導體IC設計、石化橡膠、食品醫藥等10個行業已經有了近100個實際AI應用案例。
在食品醫藥配方研發中，友達數位已經在用AI演算法幫助客戶分析數千個影響因子對藥效的影響；在水質檢測中，友達數位已經在用AI演算法判斷污水污染情況……
這樣的變化讓趙麗娜意識到，黃金交叉點即將到來。她的判斷是，今年會是人工智慧技術在製造業領域真正爆發的元年。
不過，她也告訴至頂網，「現在，友達光電圍繞「5G+工業互聯網」的第三個三年計劃也已經在有序推進中。」
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-
-