創新應該來自問題的發現者，並且要盡量走近客戶、走近真正的問題源頭。
文｜錢麗娜
id | bmr2004
10多年前，abb就開始研究ai賦能的電氣化和自動化解決方案。時至今日，abb集團機器人與離散自動化事業部總裁安世銘建議「區分人工智慧的過度炒作和實際應用，那些真正能夠帶來實際價值和現實應用的或許才是最為重要的」。
2025年「abb加速器中國周」期間，作為abb加速器項目的一部分，ai 黑客松競賽誕生了近350項ai創新提案。一家百年企業，對人工智慧技術的發展始終保持著一顆好奇心。
01
abb的ai探索之路
ai絕非新生事物，其源頭可以追溯到20世紀50年代。近年來，我們見證了很多人工智慧解決方案的誕生，但是又隨時會有一些更成熟的新興系統出現。安世銘說：「每當迎來熱潮時，我們總會認為人工智慧可以解決所有的問題，但往往隨之而來的是幻滅的低谷期，然而每一輪浪潮依然能夠推動我們達到新的高度與技術成熟度。」
兩年前，chatgpt的發布標誌著生成式人工智慧進步的重大里程碑，互聯網世界看到了全新而令人激動的新紀元。此後，deepseek不僅成本更低，也成為開源的一項工具。中國有大量的人工智慧技術與新興技術正在發展壯大，abb所在的機器人行業也在發生著日新月異的變化。
早在10多年前，abb就開始布局人工智慧技術。安世銘說：「當智能體技術出現時，我們就開始思考在公司內部還有什麼是可以做的。無論是分析式人工智慧還是生成式人工智慧，所有這一切都可以與我們最新的技術應用相結合。不論是結構化還是非結構化的環境當中，我們都可以通過這種方式大幅提升效率。」
為了尋找更多的解決方案，abb選擇的是去中心化的方式，不是由總部思考問題、做決策並下發命令，此前嘗試過這種方法，很快發現它並不適用。「我們認為創新應該來自問題的發現者，並且要盡量走近客戶、走近真正的問題源頭。」安世銘說。
abb採用自下而上的開發模式來打造人工智慧解決方案，創造切實可感的創新價值。自下而上的模式也體現在不久前舉辦的ai黑客松競賽。該項目吸引了中國以及全球員工的參賽，彙集350項ai提案，體現了ai領域最新的前沿應用。在formula e國際汽聯電動方程式賽車世界錦標賽上，abb也實現了ai在電動方程式錦標賽賽場內外的落地與應用。
「我個人認為我們可以去觀察已經實施落地的項目，或者是正在研發中、可能在5年內會落地的項目，無數項目雛形都在試驗過程中，我們認為人工智慧會改變世界，當然它不一定會那麼順利地落地，但是我們可以把所有可能性綜合起來，創造一個項目儲備（project pipeline），並且讓它一步一步地落地實現。」安世銘說。
過去一年以來，abb的ai項目數量增長了一倍，並且還在不斷上升。中國公司創造了非常多的新項目，它們將會進一步驅動更多創新。有一些ai項目已經應用於現實生產，有一些成果被推廣至全集團。一個ai項目可以首先應用於一個業務領域，再複製、使用到多個業務系統領域之中。比如abby機器人助手，最初由單一業務部門開發，現在已經在全公司範圍內部署。
人工智慧編程助手的用戶規模一年增長超過了100%。微軟研究表明，開發者工作效率提升了100%，工作滿意度也提升了75%，這都是ai編程助手取得的成果。
「通過ai接管常規作業，團隊得以專註於創新以及攻克更有難度的問題，同時也可以實現更具複雜性以及挑戰性的突破，我們可以更快更好地獲得想要的答案。」安世銘說。
芬蘭的一位員工開發了specifier（規格閱讀器），這是一個基於生成式ai技術的規格閱讀。他面對200多頁的文本，覺得閱讀起來過於麻煩，想找到一個解決方案。當客戶提交一篇兩三百頁的文檔時，系統可以發現文檔中哪些需要修改並進一步優化，並將rfq文件中的電機規格總結成簡潔、可操作的摘要。通過這個規格閱讀文檔，使閱讀速度提升225%，其報價處理量顯著增加，銷售流程也全面提速，同時大幅提升報價的質量準確性和標準一致性。最初這個工具也是由單一業務部門開發的，首先進行試點，現已推廣至其他業務部門，被200多名員工常規化地使用。
abb已經有無數的案例以及100多年的沉澱和積累，如何提取信息、讓工程師以最快的速度去識別，為客戶提供更精準快捷的服務，abb還在不斷優化、嘗試中。
另一例是abb收購的一家瑞士公司（sevensense）的移動機器人應用，它可以在一個空間中進行掃描並了解它所處的位置，從而很好地完成任務。同一個空間中可以有各種各樣的機器人，它們能夠去往不同房間彼此交流、了解各自的任務，同時也可以從a點移動到b點，不需要任何固定的路線設置，從而實現巨大的效率提升以及精確度提升，這可以幫助客戶大幅度實現功能優化，滿足各種需求。
人工智慧如今已經滲透至非常多的應用和場景當中，也存在於產品布局中，幫助優化、實現更高程度的智能化和性能提升。acopos 6d輸送系統即為一例，該系統具有懸浮穿梭技術，將現行的生產轉化為多維自適應的空間。在這個空間中會有非常多的運動路線，ai可以實現最好的路線選擇和最高的效率提升。與此同時，空間利用率也將最高提升至80%。
面對目前人形機器人技術的創新浪潮，abb的產品可以在非結構化的環境中，讓機器人有抓取能力、視覺能力，讓機器人用遠程感測器更好地實現自我導航。
abb希望可以聚焦客戶問題。在人形機器人的應用中，有些足部採用輪子，移動更快，有些用語言來更好地下達指令，同時也可以和機器人實現對話。中國可以設計出與機器人對話的方案，對任務進行分解，並且執行任務的具體動作，這是非常前沿的技術。
abb在中國還有多樣化的行業應用，比如青島特鋼智能製造解決方案、abb廈門工業中心的光伏系統、為新疆天富能源提供的供熱管網升級智能解決方案，以及在消費品製造、醫療器械裝備等領域都實現了跨行業的應用落地，這些都是真正在中國實現的行業應用案例。
02
生態驅動人工智慧發展
如今abb與中國高校、全世界很多大學、初創公司、客戶一起協同合作，可以更好地實現核心技術開發，並進一步完善生態系統的搭建。
微軟是abb的重要戰略合作夥伴，雙方在工業人工智慧領域長期合作，現在也已經實現了abb產品線集成microsoft copilot。微軟（中國）有限公司首席技術官韋青指出，目前微軟正在大力推進內部員工培訓，教會他們如何使用人工智慧，其中一個關鍵的技術就是copilot，這是為人類服務、導航的協同技術。另外，微軟花了非常多的時間開發技術，開發技術之後也需要讓內部員工知道如何使用技術。「其實用戶並不在意你使用的技術是什麼，他真正在意的是能不能幫他解決實際問題。」
韋青說：「初心和常識是兩個關鍵點，另外就是本分。我們需要不斷地嘗試、應用、日日維新。最重要的是以人為本，其次是問題驅動以及學會利用數據。」微軟ceo薩提亞·納德拉（satya nadella）經常說模型並不是微軟的產品，模型只是其中一部分。微軟cto kevin scott也認為模型和數據同等重要。韋青表示：最為關鍵的是把技術應用到真實的世界當中，以人為中心，用數據驅動使用場景，這些都是合作的關鍵。
最近包括黃仁勛、馬斯克在內的科技領袖都在不同場合表達了ai與電力之間的關係。
根據國際能源署的數字報告，在2022年，整個ai數據中心的用電量已經達到4600億千瓦，佔全球用電量1.5%—2%。有數據顯示，最晚到2030年，ai數據中心用電量佔比將翻一番。中國ai數據中心目前佔全球的1/3左右，用電量預估最遲在2030年翻一番。這個數據表明，ai的發展對於電力能源的需求是很旺盛的。4月28日發生在西班牙的全國大停電事故，導致全國70%的電力都受到了影響。這兩個例子說明，能源會蓬勃發展，能源的管理和穩定至關重要。
abb電氣中國副總裁楊嶸指出，在電力行業，新型電力系統也應該是「雲—管—邊—端」的架構。例如，abb ability™系統能夠將電力數據存儲到雲端，實現遠程調控；zee600系統則能夠將太陽能用電與負荷有機結合，提升能源利用效率。
目前abb過程自動化業務線非常廣泛，近期也發布了abb ability工業知識庫。abb過程自動化事業部中國區負責人蔣海波說：「從ai角度來說，過程自動化工業多年來都有很多懸而未決的痛點。隨著ai技術的飛速發展，現在ai在過程自動化的應用非常普遍。」過程工業的共性問題是非計劃停機，所造成巨大的損失包括時間損失、設備損失、產品質量影響等。通常非計劃停機由兩個問題引起，一個是設備本身的故障停機，另一個是由於各種複雜原因造成的系統停機。
針對設備本身的故障停機，蔣海波說：「ai技術的應用促成了可預測性維護，但是成本上不太經濟。」預測性維護通過大數據分析和ai的技術應用，發展出很多解決方案用來幫助客戶提高可靠性。在沒有問題的時候就不需要停機，一旦產生問題指示，就可以做一些預防性手段，這是第一個方向。
針對生產線上複雜的停機事件，abb運用ai手段，比如大數據分析、圖像識別、分析式ai模型，已經解決了不少問題。「停機的成本壓力非常大，客戶閘機生產線起始的損失很大，因為等到整個生產線穩定之後，前面已經報廢了部分產品。目前abb開發了一些解決方案，用ai的方式大幅度降低損失，目前可將損失減少至1/10。」蔣海波表示。
abb工業知識庫是abb與微軟合作開發、使用生成式ai的智能知識庫，解決了非常大的痛點，現在很多企業面臨人才流失，員工的退休、轉崗、升遷，技術骨幹的流失等情況對企業來說是普遍存在的、長遠的痛點，人員水平也存在參差不齊的情況。現在利用ai技術將所有產品信息、維修經驗等整理進資料庫，再提供使用友好的界面，可以幫助客戶更輕易地解決操作維修難題，大幅度降低對人員的培訓成本，大大提高整體效率。
abb運動控制事業部大電機與發電機亞太區負責人楊文廣說，在預防性維護方面，電機應用場景比較廣闊。過程工業，特別是在石油石化中，電機壞了會發生意想不到的停機，整個生產也會隨之停頓，損失可能高達幾百萬、上千萬元。「2024年在abb創新杯大賽中，我們就提出如何利用ai或者智能技術協助支持電機的故障診斷。abb在電機變頻器領域有100多年的行業經驗和知識，但如何與ai技術融合，從而更好地提升診斷效率和效果，這是我們最關注的地方。」
這個課題提出後頗受關注，有50多所高校近300人參與課題討論。他們與研發團隊去工廠拜訪，abb將積累的大量案例分享給合作者，西安交大國際機械學院通過三相電流的融合，採集電流的損失峰值，通過abb的數據積累，複查運行過程的轉差率，就電機的參數進行動態分析，結合ai模型做出判斷，從而解決了關鍵問題。研究發現，原來的很多分析會產生數據干擾，而演算法能將數據干擾降到最低，同時將診斷的可靠性和準確率提升到新高度。這個項目獲得了2024年度abb創新大賽的一等獎。楊文廣說：「現在整個研發團隊還在跟進去年的討論和數據模型，儘可能通過研發將它產品化，從而為客戶提供服務。」整體來說，這也是運動控制在數字化和智能化上的探討，儘可能利用數字化工具和ai方法提高整體運營的精準度和敏捷度。
2024年2月，abb機器人業務部中國區負責人韓晨曾經分享了將ai引入到控制器生產線的案例，控制器生產線工序非常複雜，30多個品種、5種物理體積，1000多種選項。由於非標準化的場景太多，為此，擰螺絲工序一直由人工操作。團隊將深度學習引入後，傳統的圖像處理手段的打螺絲成功率從20%提升至80%左右。經過一年對模型的進一步培訓以及新技術應用，這條生產線打螺絲的成功率已經基本達到100%。對於工廠中不同的環境和光影、來料的不一致性，甚至一些缺陷，都有很好的忍耐度。這項技術在abb工廠得到完善之後，也推廣給了客戶。
另一項已經落地的應用是焊縫的質量檢測。之前焊縫質量檢測是在工序最後對成品進行檢測，現在通過ai加持，利用3d照相機快速成像，能迅速檢測到焊接問題，精確到22微米，速度是人工檢測的20倍以上。在高速檢測的情況下，可以把焊縫質量檢測直接植入到生產線中，做到產品精準控制，邊焊邊檢測，有問題時立刻返工修復，而不是等到最後。
韓晨說，除了生產應用以外，abb也把人工智慧推廣到生產管理，比如訂單預測。由於abb面向汽車、電子、金屬加工等眾多行業，業務量也存在起伏不定的情況，精確地預測訂單會實現更精益的生產。引入人工智慧後，對原材料以及生產人員配置都有了很大的改進。
abb還與英偉達達成合作進行前沿探索，英偉達的omniverse數字孿生模擬平台與abb的robotstudio進行結合，在設計產品時，先用視覺團隊（visual team）做深入研究，有了模型之後，還能對產品質量問題溯源，實現根本原因分析（root cause analysis）。
韓晨說：「希望今後可以把人工智慧引入到日常生產，進一步推動智能化生產轉型。」
03
開發可衡量的ai產品
目前，abb已經有超過250個ai項目，公司對此運用不同的kpi，從生產效率和生產力兩方面衡量。安世銘說：「specifier規格閱讀器現在已經有超過200人、6個不同的部門在使用，閱讀速度提升至225%，這是真實的效率提升和時間成本節省，以更少的資源達到更好的效果。」
一些外部產品應用的價值，也是通過具體數據來體現。比如amrs自主移動機器人部署後，效率提升超過20%。「每個項目都有其kpi，與客戶期待密切相關，可能是成本下降，可能是用更少的資源得到更大的效果。實際上，所有項目我們都能夠預先設定價值指標、驅動其發展並衡量結果，這個效果是非常好的。」
針對生產線效率提升，abb還會通過不斷地檢驗和實踐擴大其使用率。根據不同項目逐個設置kpi，公司內部的智能聊天應用，比如通過詢問abby機器人助手，了解hr領域的最新規定，這些都是不斷擴展增加的項目，能夠為公司內部帶來更多的價值。
