一年前，来自恒逸化纤的王丽娜还是一名普通质检女工，每天要全神贯注盯着产线8个小时，从千万个丝锭中找出破绽，在超强光的刺激下，”眼睛受不了，工作一段时间后，效率明显下降“。
但在引入百度智能云AI质检后，原来费神伤身的检查工作，变成了机器视觉检测。
前端部署的工业相机对流水线上的丝锭进行拍摄，然后生成照片，每张照片会被拆分为上百个部分，传送至数据中心进行分析判断，与此前的数据标注进行比对，然后判定该丝锭是否异常。
而今，王丽娜已然转型成了数据标注师，将有瑕疵的丝锭照片及瑕疵的种类一一标注出来，剩下质检任务交给“机器”，她只要负责异常产品的复检，工作强度大大降低。
恒逸化纤相关负责人表示，2021年3月，公司引进了百度智能云“开物”平台，将平台部署到相关产线上，不但减轻了招工难、员工身体健康等问题，同时将单个丝锭的检验时间缩短到2.5秒，效率提高70%。
尝到甜头之后，今年，恒逸化纤计划将“开物”部署到更多的产线上，并且在超30条产线上，通过部署小型云计算服务中心来实现算力共享，以避免算力浪费，减少建设成本。
9月6日，在北京举行的智能经济高峰论坛上，百度集团执行副总裁、百度智能云事业群总裁沈抖表示，“开物”将人工智能变成中小企业触手可及的生产工具，打通了AI落地的“最后一公里”。
会上，沈抖还向外界展示了“开物”的2.0版本，从当前智能制造转型难点出发，介绍了百度智能云对工业转型的新理解，以及“开物”平台的新变化。
工业转型可大致分为三个阶段：装备自动化、流程数字化以及智能制造。
装备自动化阶段，核心是机械代替人力，提高生产效能；流程数字化阶段，核心是“向流程要效率”，即通过各种软硬件来获取数据，以缩短生产周期，提高业务流程效率；智能制造的核心，则是通过数据产生新的价值，解决重复性劳动、危险生产等一系列问题，在提高生产安全、效率的同时，让企业能够实现降本增效。
当前，国内多数工业企业已经跨越装备自动化阶段，正在从流程数字化向智能制造转型。不少企业已经有了数字化的雏形：各种传感器积累的数据，通过数字大屏呈现出来，工厂实现可视化管理。
之所以说是雏形，是因为数据本身的价值没有得到深度挖掘。
举个例子，在恒逸化纤的质检产线上，工人需要记录丝锭是否有瑕疵，数量有多少，每条产线在生产周期内检查多少，误检率保持在多少以内等等；这些数据固然对企业调整生产流程、人力分配有一定的参考价值，但是核心问题——如何提高质检效率——却是没有解决的。
产线仍然依靠工人的“火眼金睛”来检查丝锭的好坏，高强度工作除了对工人的身体健康带来损害之外，还严重依赖于工人的经验，这种重复性劳动效率非常低下。
实际上，这些可量化的数据，足以产生新的业务价值。就丝锭质检而言，瑕疵的标准是可以被量化的，工人的经验也可以复制，当这些数据、经验被用于训练人工智能模型，相应的工作便可由机器来解决。
目前有相当多的企业意识到了数据的价值，但并没有将数据很好的利用起来，原因有二：一是工业企业多为被动式转型；二是这些企业转型面临很多难点。
被动式转型很容易理解，从企业本身看，生产制造需要的是稳定，在未见到改造实效之前，企业愿意去改革的动力较弱，并且转型涉及到各部门之间的利益纠葛，靠企业主动去推产线升级非常缓慢。
即便是企业想要主动转型，从某种程度上讲，也是“巧妇难为无米之炊”。
首先，工业企业本身擅长于生产制造工艺，而非人工智能、云计算，只有那些超大型制造公司会组建相应的技术团队，但效果也很一般，毕竟“闻道有先后，术业有专攻”，靠制造业企业自身去推智能制造，难如登天。
其次，工业场景复杂，每一家企业都有无数条产线，每一条产线对技术的要求又各不相同，比如丝锭质检要用到AI质检、视觉检测，但其它产线的的产品质检，却是另外一重标准。如果每一条产线都做定制化部署，成本会异常高昂，甚至超越了人工。
最后，在原有高强度的工作以及劳动报酬较低的背景下，愿意从事制造业的人正在减少；另一方面，懂相关技术并且愿意从事制造业的人才更是紧缺；制造业本身面临着一场“人才荒”。
这些原因并非都是孤立的，而统一于企业转型的各环节、各场景、各部门，并且相互影响，共同制约着工业企业的智能化变革。
因此，必然需要有外力来打破这种僵持的局面，推动企业转型，而这种外力，只能来源于解决方案供应商。
在工业领域，技术方案供应商在舆论上处于尴尬的位置：不少人认为，他们不懂制造、不懂场景，技术无法落地，虽然demo做得尽善尽美，但形同鸡肋，实用性很低。
这其实是一种误解，固然拿着高薪的工程师们鲜有从事制造业工作的意愿，但解决工业难题却是他们的本职工作，没有谁会拿KPI当玩笑，好的产品，对三方都有利。
所以方案供应商们从一开始就没有将自身独立于制造业之外，闭门造车的意思，而是强调要深入实际，让工程师们走向“田间地头”，“下沉”到一线了解实际情况，get企业痛点。
正如沈抖所言：“为了智能化解决产业的核心需求，我们必须更加深入产业；同时产业里丰富的应用场景，也为人工智能与云的发展提供了广阔的空间。”
例如，在恒逸化纤百度AI质检应用场景中，百度智能云工程师必须要守在产线上，观察整个质检流程，同时与工作人员交流细节，以实现经验可复制化，并且实时针对数据进行模型调优，降低误检率。
百度智能云工程师表示，在做化纤丝锭、PCB质检时，相应的技术开发团队吃住都在工厂里，一待就是半年甚至更长，原因只有一个：到业务场景中碰应用，才更接地气。
对于需求方，技术方案是否有用，最直观的表现就是当下生产成本减了多少、效率提高几何，企业才愿意引进方案，而不是在PPT里展示能带来多少降本增效的案例，解决方案供应商本身要避免做“虚空价值”。
在百度智能云看来，人工智能+云计算，是挖掘数据价值的核心武器，对工业智能制造转型的作用不可或缺。具体在赋能企业时，一方面要注重方案落地的实用性；另一方面则要”举一反三“，尽可能将单一场景的经验实现规模化复制的可能。
此前曾提到，工业场景非常之多，定制化模式很难摊销成本，是制约企业引入技术方案的一个重要原因。
但百度智能云认为，这些场景虽然多且繁复，却仍然可以抽取其通用部分，基于平台做模块化沉淀，从而实现规模化复制，并根据企业的需求开发场景应用。
举个例子，丝锭的AI质检，虽然和其它产品的质检，相关的标准、数据并不相同，但模型却是可以通用的，将类似的模型沉淀下来，再去开发应用，能有效缩减开发成本。
就好比做同一道菜，菜谱就是一个模型，但不同人有不同的口味，可以根据需求添加调料，而不用去开发一道新菜谱。
而对于人才问题，如果要培养高素质人才走向工业，首先要面临较长的培育周期，其次培育出来的人才愿不愿意从事工业制造还两说；最后，企业转型过后，这些原来的工人往何处去，也是问题。
实际上，与其静等“远水”，不如人尽其用以解“近渴”。技术代替人，并非是抢饭碗，而是让人转型做更简单、有价值的工作。
比如，王丽娜从一名质检工人变为数据标注师，在技术的加持下，这一转型并不困难，人才短缺、就业问题都得到解决，从另一个维度讲，这也是智能制造转型的重要方面，对企业本身也能带来降本增效的好处。
一言以蔽之，工业企业转型面临的三大难题，都可以通过技术寻找「最优解」，而解决方案供应商们，也正在一步一步下沉，将技术从学术前沿，以各种形式落地到工业场景。
百度智能云进入工业很早，散见于各种应用案例。在2018年工业互联网平台写入政府工作报告之后，百度就提出了“云智一体”，赋能工业，并于2020年联合贵阳打造了国家级AI工业互联网平台；直到2021年5月18日，在重庆举行的工业互联网高峰论坛上，百度才正式推出工业互联网品牌“开物”。
时隔一年，在今年9月6日的智能经济高峰论坛上，沈抖向外界展示了开物的2.0版本。
据悉，2.0版本有三个方面的更新：
首先，在应用层面，开物1.0注重底层AI能力赋能，开物2.0更聚焦AI能产生价值的核心场景。百度智能云将投入大量资源，打造应用案例，并且将相应的经验、能力以及服务沉淀到平台之上。
如在AI质检领域，恒逸化纤的落地案例，并不是单一的定制化模式，而是要解耦整个质检场景，将相应的经验、能力凝结在平台上。
目前，除了AI质检以外，开物2.0聚焦的其他场景包括：质量管理、安全生产、能耗优化等等，可应用到汽车、电子、能源、水务等多个行业。
其次是平台升级，重点打造全新的工业智控引擎，提供基础的模型服务和创新工具，解决企业在智能化改造过程中面临的相关问题。
百度智能云认为，由于工业场景很多，不可能一一覆盖，因此要走平台模式，才能加快技术落地。比如一些企业并不会开发模型、算法，可以直接从百度工业互联网平台上下载部署。
具体来说，开物2.0将发挥“资源集约”、“信息协同”、“知识获取”三大平台经济优势。
“资源集约”指的是通过数字化SaaS应用来降低使用门槛，企业无需自建运维团队，以此减少企业信息化建设成本；“信息协同”则不单于企业内部、企业之间的协同，而是整个供应链的协同，旨在减少供应链风险、牛鞭效应（信息不对称带来的市场失真）；“知识获取”指的是企业可以在平台上调用相应的参数模型，直接分拨部署，解决需求。
最后是AI核心升级，表现为基于AI的生产知识模型的沉淀和服务体验，目的是实现知识经验、数据模型可迁移、可复制，而降低开发成本。
可以这样理解：开物1.0基于百度智能云的AI能力建立起底层技术基座，打下了“地基”，而开物2.0则是在地基之上开始添砖加瓦“盖房子”，百度扮演着施工方的角色，针对客户的具体需求，如房型、房屋设计等，打造差异化产品。这些建房经验可以沉淀为模型，从而快速批量生产房屋。并且，在建房之外，还提供产业链上的信息共享，从而减少信息沟通成本。
工业就相当于这座房子，百度智能云作为施工方，基于其AI能力以及行业经验，旨在打造一套“样板房”，最大限度降低工业企业转型的“建设成本”。
“从产业核心场景切入，在打造标杆应用的同时，将知识、经验沉淀到AI中台（AI PaaS层)，大量的经验、场景数据又能反哺百舸异构计算平台和昆仑芯片等（AI IaaS层），二者的结合则形成了AI Cloud。”
沈抖介绍道，通过AI Cloud，百度向上可以更新、孵化应用，向下则可以改造原有的技术底座，使其更适合AI应用，实现从核心场景到平台沉淀、支撑工业企业降本增效的“螺旋上升”，帮助企业从云计算“算力”调取，进阶到“智能”随取随用的云智一体3.0时代。
恒逸化纤的智能转型始于2016年，此前有过试水，没有规模铺开，然而做了几年，虽然改造了老旧工厂，引入各种自动化设备，打通了生产流程，但离智能化还很远。
在与百度智能云合作之前，恒逸化纤曾与另一家技术供应商合作，并取得一定成果。然而，恒逸化纤发现，以传统制造业的角度做产品，只能做单品，虽然能起到移动作用，却无法实现真正的智能化。
“智能化需要平台支持，没有平台，数据很难产生价值，产品也就是自动化设备，只能解决一部分问题。”恒逸化纤相关负责人表示。
这也是恒逸化纤为何选择百度“开物”平台的原因：大平台能覆盖企业生产的全流程，打通生产壁垒，小到AI质检，大到供应链协同，实现整体的智能化升级。
恒逸化纤之外，开物2.0已经在重庆、广州、苏州等多个城市，多个行业落地。
例如，在电力行业，龙源电力通过百度智能云AI智能化管理平台，实现了集中式管理，在北京就可管理分布在全国各地的1万2千多台风机，200多座风电场。并且，通过AI巡检，风机巡检效率最高比过去提升6-10倍，还有效避免了巡检工人高空作业的风险。
而在石化领域，中海油在引入百度管廊智慧巡检系统之后，可通过管廊机器人自动采集、远程监控，安全异常报警响应速度比原先提升了6倍。
论坛上，百度智能云首次发布了汽车云，从车企集团云、网联云、供应链协同云，三个层次深入汽车制造行业的数字化升级，解决汽车行业生产、自动驾驶测试、供应链管理等三大应用难点。
一个鲜明的例子是，吉利集团已整体上云，整个生产制造环节，包括生产订单自动排产、订单完成率、设备开动率等等，都可通过百度智能云工业数字化大脑平台展示，管理运维成本降低了30%。
恒逸化纤、龙源电力、中海油......这些都是“开物”落地的案例，而在能源、水务、制造、交通、金融等行业，“开物”正向下扎根，为工业企业转型提供技术源动力。
沈抖表示，人工智能、云计算必须与实体经济深度融合，真正深入到实体产业，去解决产业遇到的实际问题，才能共创价值。
他认为，产业智能化还需要更长的时间探索，技术解决方案供应商需要给产业、给企业持续交付真实的价值和成果，“不玩噱头，让行业真真切切地尝到智能化的甜头。”
