投入新基建，让更多制造企业拥有AI能力
发布时间：2020-06-11 10:22:21 所属栏目：经验 来源：中国软件网
导读：近日，亚马逊云服务（AWS）与中科创达合作，把AWS在中国最新发布的机器学习服务Amazon SageMaker集成到了中科创达的智慧工业ADC系统中。通过两个产品的紧密集成，ADC升级为一个类似强大机器学习能力的、方便易用的SaaS应用，帮助客户加速AI技术落地部署，为
近日，亚马逊云服务（AWS）与中科创达合作，把AWS在中国最新发布的机器学习服务Amazon SageMaker集成到了中科创达的智慧工业ADC系统中。通过两个产品的紧密集成，ADC升级为一个类似强大机器学习能力的、方便易用的SaaS应用，帮助客户加速AI技术落地部署，为制造企业节约人力、提供产品的良率、释放产能、提高竞争能力等发挥了积极的在作用。
AWS与中科创达的合作，堪称制造业升级的一个典范，一时被传为佳话。
目前，很多企业通过工业互联网、智能制造等技术，推动整个制造业的产业升级和数字化转型。工业互联网企业也正从更高的层面，从为单个企业赋能，上升到为整个产业赋能。
最近国家大力支持的新基建为工业互联网的发展注入了新的活力。而工业互联网正在充分理解工业客户的应用场景和需求痛点，已经成为中国制造企业转型升级的必然选择，也是我国数字经济发展的重要组成部分。
1.AWS与中科创达合作，实现制造业转型升级
中科创达与AWS的合作，让AI能力在制造企业落地，是制造企业转型应用的一种有益探索。
双方的合作分为两个方面：
一是在机器学习方面展开合作，推出工业视觉检测一站式解决方案——智慧工业ADC系统。
中科创达智慧工业ADC (Automatic Defect Classification) 系统,让制造业客户可以在工业生产中轻松获得AI质检能力，加速智能制造的落地进程，帮助企业以更少的工作量和更低的成本更快地投入生产，提高竞争能力。
据介绍，ADC系统包含缺陷自动化分类、新产品迭代数据清洗、业务作业员认证三个子系统，从作业员技能认证、数据集更新到新产品导入，贯穿工业检测的整个生命周期，有效帮助制造企业减少75%的工作量，产能提升35倍。相比人工检测，漏检率下降3%，准确率提升99%。
中科创达CTO 邹鹏程说，目前，中科创达ADC系统已经拓展到液晶面板、汽车制造、电子产品、化妆品制造、橡胶制造等行业，帮助众多客户提升工业自动化和智能化水平。
第二在边缘计算领域展开合作，开发者只需训练一次机器学习模型，便可在云端和边缘的任何位置运行。
在智慧工业领域普遍涉及的边缘端，因为边缘设备内存和处理能力往往高度受限，但对延迟又敏感，还存在各种不同的硬件平台和处理器架构，开发者需要花大量时间手工调优每个模型。同时，由于复杂的调优流程，模型部署到边缘后很少进行更新，开发者可能因此错失根据边缘设备所收集的数据来重新训练和改进模型的机会。
借助 Amazon SageMaker Neo，开发者只需训练一次机器学习模型，便可在云端和边缘的任何位置运行。Amazon SageMaker Neo 可将模型的运行速度优化到两倍，同时仅占用 1/10 的内存，也不会对准确性造成任何影响。Amazon SageMaker Neo可以优化部署在Amazon EC2实例、Amazon SageMaker端点和AWS Greengrass管理的设备上的模型，实现工业视觉检测应用与其它应用无缝连接。
中科创达CTO 邹鹏程说，ADC系统在SageMaker的加持下，提供的是一个多快好省的系统，客户不管是分布式部署，还是完全集中化的部署，都能够方便的进行相关的迁移。
2.SageMaker让机器学习落地更容易
为什么中科创达选择SageMaker呢？
Amazon SageMaker是一个完全托管的机器学习服务，可以优化机器学习的整套流程。从模型的创建、训练、调优到部署，可以在一个集成化的开发环境中实现，实现整个机器学习过程的可视化，提升开发效率。
目前，全世界云上部署的机器学习应用、用量80%都是在Amazon SageMaker上。
AWS中国区生态系统及合作伙伴部总经理汪湧，很多合作伙伴看重AWS的原因主要是其拥有的两大特点：
根据测算，Amazon SageMaker可以把企业的三年总体拥有成本降低54%，开发效率提升达到10倍以上。
SageMaker另一个重要特点开放性。除了底层技术对各种主流机器学习框架支持之外，包括了集成方面的开放性以及生态系统的开放性。
SageMaker采用种模块化设计思路，企业完全可以根据需求，选择性地按需使用其中的功能。
SageMaker能够很好地与各类解决方案进行集成，比如中科创达的ADC平台，能够非常方便地集成进去，加速企业级客户的应用。
邹鹏程说，任何客户应用智慧工业ADC系统都需要实施机器学习工作。机器学习的实施是一项复杂的工作，涉及大量试错，需要大量专业技能，并消耗庞大的算力、数据存储和时间成本。
Amazon SageMaker可以让这一过程变得更加简单高效，帮助客户去除机器学习涉及的混乱和复杂性，让客户能够迅速构建、训练和部署模型，来应对新的挑战。尤其是Amazon SageMaker Studio集成开发环境（IDE），为整个机器学习工作流提供了一个统一界面，使构建、训练、解释、检查、监视、调试和运行机器学习模型变得更简单、更快。
3.AWS强生态正在造福更多用户
AWS中国区生态系统及合作伙伴部总经理汪湧认为，AWS在全球发展已有14年，之所以能够这么成功，最重要原因是两个：第一，拥有丰富的云服务产品。第二，拥有充满活力的合作伙伴网络APN。全球数以万计的合作伙伴，与AWS一起服务于各行各业，各种规模的客户都可以得到最佳的解决方案。
AWS合作伙伴网络主要分成两大类： 一种是基于AWS的云计算服务，如MSP的服务，基于AWS的架构，为客户做各种各样的IT规划，以及实施落地等。
另一种是技术性的合作伙伴，对于行业非常了解，与AWS合作推出了行业解决方案。
这两种合作伙伴都在中国市场服务于大量客户，帮助大量企业实现数字化转型。特别是在今天，在物联网、大数据和机器学习方面，在创造各种各样的行业的场景，服务于客户。
目前为止，AWS在中国已经有几千家像中科创达这样的合作伙伴，同时AWS也在扩大合作伙伴的生态网络，让更多的伙伴加入。今年AWS Marketplace实现了升级，任何的客户、合作伙伴，都可以通过浏览器直接查AWS Marketplace和上面所发布的合作伙伴的优秀的产品。
相信未来更多的制造业用户，通过数字化、通过智能化，来实现产品的升级。所以具有AI技术与服务的企业与行业专家的合作具有更广阔的前景。
（编辑：威海站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
