美国制造业有望大范围复苏。新冠疫情造成的供应链崩溃,已经充分暴露出依赖长供应链可能引发的现实风险,因此美国正努力将更多供应环节收回国内。
此外,与中国日益紧张的关系也迫使美国重新审视依赖中国制造业实现本国经济成功的基本战略。在这一背景之下,美国制造企业纷纷决定还岗位于本地。
但问题在于,美国制造业严重缺乏推动这场革命所必需的劳动力。既没有充足的从业技术工人,非技术群体也没有学习制造技能的打算。
但需求永远是发明之母。制造业劳动力短缺的现状,也给制造业AI领域的创新成果铺平了实践的道路。这部分成果已经相当充裕,麦肯锡预测到2025年,由其创造的价值将高达约3.7万亿美元。
在切入正题之前,我们先来了解这轮影响深远的劳动力危机。
美国制造业的劳动力短缺问题有多严重?
即使把所有技术工人全都动员起来,日用品制造业的空缺职位仍比从业者整体多出35%。德勤预测,到2030年,全美制造业劳动力短缺量将超过200万,核算为年度机会成本达1万亿美元。
如果不加以控制,事态只会进一步恶化。目前,美国的劳动力主体仍然是总量约4000万的婴儿潮一代,占全部劳动力市场的四分之一,而且其中大部分仍在从事“传统”制造业。而随着婴儿潮一代的退休,年轻工人普遍不愿从事制造业工作,明显更青睐技术、医疗保健和其他工作条件更好、薪酬更具吸引力的职业方向。
美国当然可以从希望移民的国外群体中快速引进劳工,但这也会带来一系列相关挑战,甚至进一步增加美国的政治动荡。再有,除非又来一波疫情封锁引发的供应链中断,否则企业雇主明显不想自己费力培训这些制造业新人。
所以为了保持设备运转,美国制造企业迫切需要寻求新的人工替代方案。
AI有望助行业解决劳动力短缺难题
AI技术,无疑将成为解决这场危机的一股重要力量。与其他行业一样,制造业中也有不少岗位势必要被AI所取代。但面对劳动力短缺的现状,我们要担心的不是AI会不会消灭工作,而是AI如何帮助企业保持运营、填平致命的雇员缺口。
下面,我们一起来看AI有望缓解制造业劳动力短缺、并彻底改变美国本土制造方式的几种可能性:
机器人自动化
数十年来,机器人已经在汽车制造和钢铁冶炼等领域长期效力,肩负起起重、接头焊接等高危重复性工作。然而,这些传统机器人在设计上只能对接高度可预测的场景,并执行非常明确的特定任务。
如今,西门子Simatic神经处理单元等AI应用正引导机械手臂抓取并操纵物体,全面适应各种朝向、速度和位置。这意味着机器人和“协作机器人”(专门与人类协同工作的机器人助手)也能在训练之下,像人类那样执行各种更复杂的流水线操作。此外,配套地图、表面异常检测和物体避让等AI技术,已经能让自动导引车(AGV)替代装卸员和叉车驾驶员在仓库和工厂之间灵活运送零件和成品。
综合来看,这些AI驱动的机器人创新方案至少能节约75%的人工成本,保持24小时连续生产,同时消除装配线、重型材料处理和重复操作所引发的潜在损害。无怪乎现代机器人技术已经在新加坡和韩国等地掀起制造业革命,美国也是时候迈出这重要的一步了。
增材制造
AI缓解制造业劳动力短缺的另一大途径在于3D打印。根据传统方法,高水平设计师和工程师需要利用多年经验和“直觉猜测”的方式给出最佳设计方案。但AI如今已经能够快速产出复杂且高度优化的设计成果,并以3D打印的方式快速交付成品。
以Autodesk的Netfabb为例,这类软件系统中的机器学习技术能够接收制造商输入的设计参数,并给出最高效的可制造方案。在选定设计蓝图之后,NNAISENCE等厂商的AI方案会使用神经网络加数字孪生来预测、监控并消除增材制造流程中的缺陷,避免引发生产延误和错误。Intellegens Alchemite等AI软件甚至能够发挥想象力,提供适应特定制造和产品使用需求的新奇主材建议。
如果这些复杂功能全部由人类执行,无疑需要庞大的高水平工程师和设计师团队,而且最终成果也未必令人满意。
机器视觉
说起制造装配线,大家首先想到的往往是一条产品传送带,不同工位上都有工人随时操作、随时检查。但这种重复性的劳动密集型工作往往极易出错,很难提供令人满意的质量保证。
这就引出了Inspekto和Matroid等AI厂商提供的自主机器视觉(AMV)技术。自主机器视觉系统能够在不同照明条件下准确识别出装配器产品的形状、朝向和状况,利用摄像头加AI在产品经过时完成计数和跟踪,快速发现缺陷并做出相应分类。这就消除了QA流程对于人力的高度依赖。
机器视觉适用于包装、码垛和货物装载,能够极大节约劳动力、时间和成本。RobitIQ和Spiroflow等厂商的解决方案可以确定最佳码垛方法,指挥机械手臂自动抓取纸箱并放置在运送托盘上。
生产优化
一旦生产设备出现故障,往往需要设备商方面的专业分析和维修人员介入,既耗时又费钱。Vanti和3DS等厂商的AI成果不仅可以监控机器和模具磨损,借此选择最佳时间安排预防性维护,还能监控不同产品及材料的温度、湿度和运行状态,根据实际生产条件对设备做出优化。
一旦出现问题,AI可以分析所有潜在原因并提出最佳应对方案。以往,大多数工厂只能依赖经验最丰富的维护工程师完成这项工作。
这项技术的适应范围还远不止于维护和损坏控制。通用电气的Brilliant Manufacturing Suite和西门子的Mindsphere等AI驱动云/边缘系统甚至可以接入并管理整个端到端制造流程,具体涵盖需求规划、材料库存、能源消耗乃至最终物流。
制造业的AI需求远超想象
想象一下,如果有一台能够广泛适应生产需求、并由AI驱动的拟人机器人,甚至可以全面接管人类当前可以完成的几乎所有体力劳动,结果会如何。当这一切成为现实,发展中国家引以为傲的劳动力成本优势将化为乌有,AI驱动型制造商不必依赖于众多人类雇员,不再受制于未来可能出现的疫情和隔离封锁。从这个角度来看,目前困扰全球的供应链危机也将不复存在。
随着AI系统所吸纳的数据越来越多,模型自身也会不断改进、产生飞轮效应,而任何跟不上这波潮流的企业都必将被历史所淘汰。这场革命也有望让美国制造业再次焕发活力,甚至再次成为全球最具市场竞争力的国家之一。
AI制造革命正在发生——不在未来,而在当下。请注意,目前的劳动力危机并不是一时之急,而是未来几年仍将持续存在的商业新常态。因此,以AI为核心驱力的制造商将在这个十年内逐渐胜出,并牢牢保持住这一新兴竞争优势。
好文章,需要你的鼓励
智谱AI率先推出了 AutoGLM,试图打造一款能够理解、规划、执行,并最终实现“无人驾驶”操作系统的 AI Agent。
该处理器采用16nm工艺技术设计,拥有 48 个ARM Cortex-A75内核,六通道DDR4 3200 MHz 内存 - 每插槽高达 768 GB(每通道 128 GB)
谷歌DeepMind研究人员则直接把这项技术集成到AI Agent中开发了Talker-Reasoner框架,让其具备“快”、“慢”两种拟人化思考方式。
数据密集型工作负载的激增,导致计算系统需要处理的数据量大幅增加。这种不断拓展的数据环境,迫切需要具备更大容量和更高带宽的