从跑车的AI基因，看联想全链路智能加速进化

对于资深汽车迷来说，路特斯的名字并不陌生。

作为和法拉利、保时捷齐名的世界三大跑车品牌之一，路特斯在1948年由工程师柯林·查普创立，从诞生之初就将弯道作为核心技术，空气动力学成为了路特斯最专注的一项技术。

也因此，对路特斯来说，制造能力是他们最重要的核心竞争力之一。

而日前，联想集团与路特斯签约合作协议，为这个世界顶尖跑车品牌注入了AI基因——联想“智慧眼”AI视觉自动检查方案将用于整车静音房质检环节，以此来获得更严格的质量把控。

作为业内高端跑车和赛车制造商，路特斯每辆车都采用定制化生产，用户在下单前，就选择了独一无二的车型配置，而每个部件都有多种型号，同类部件在尺寸、颜色、安装要求等方面都不相同。正因为如此，借助联想AI的智能视觉检测，工厂可以替换人工目测检测，将生产质量和质检效率带入一个新的历史次元。

今天，智能化浪潮奔涌下，智能制造正在突围进化，创造非凡想象。

推动智能制造场景落地，联想打造AI“智慧眼”

聚焦核心应用场景，是解决智能制造落地难题的重要抓手。正如前文所讲，路特斯的每辆车都采用定制化生产模式，这是客户体验升级的福音，但无疑成倍增加了检测的难度，堪比摘取“冰山上的雪莲”。

如果采用人工目测的传统检测方式，存在速度慢、易漏检、标准不一等问题，眼睛长时间接触光源后的视力疲劳可能埋下质量隐患；与此同时，人工录入检测结果难以高效进行细化统计，物料偏差不可追溯，问题发生后再找原因，必然影响整体组装效率。

通过AI等方式对汽车的外观、内饰、动力系统进行质检，是联想应对上述难题的破解之道：借助视觉AI检测实时发现生产制造过程中的瑕疵，再将采集到的数据上传到质检平台，在提高生产效率的同时达成更严格的质量把控。

然而，现实情况更为复杂，智能视觉检测的有效应用面临诸多痛点。例如：以深度学习等机器学习的方法进行目标检测，需要收集各种情况下的大量样本，执行周期通常一年以上。此外，在制造现场建设前期只有少量负样本，正负样本严重不均衡，往往缺乏足够的数据积累来训练高可用的算法模型。

针对检测算法模型训练中的行业痛点，联想创造性的发挥小样本学习优势，采用快速启动、分阶段执行的方式，实现半人工异常检测到无人化全自动检测的升级；同时，对One-Shot目标检测和小目标检测算法进行深度优化，成功解决车型适配、人员遮挡和关键帧算法等多个应用难题。

不难看出，“智慧眼”正是联想基于人工智能和视觉智能算法，为智能制造领域量身定制的端到端解决方案。其将传统视觉应用和AI深度学习有机结合，化解了传统算法正负样本不均衡、样本数量少、落地周期长等困扰，具有突出的扩展兼容能力和部署便捷性，精准贴合制造业客户智能化转型的需求。

当然，AI视觉自动检测只是智能制造纷繁复杂应用中的冰山一角，这既是数字化、智能化技术落地过程充满波折的真实写照，也是智能制造迈向深水区必须面对的激流险滩。

全链智能，提升制造业柔性与韧性能力

如今，说到智能制造，大部分人认为的依旧是机器人、机械手臂与自动化的流水线等等，其实这是一种对智能制造的狭义理解。

事实上，从路特斯的案例中不难看出，随着产品差异化逐渐增加，用户期望值的急剧变化，市场逐步成为买方市场。因此，智能制造其实不是仅仅停留在“制造”端，而是把研发、生产、供应、销售、服务的企业制造全链条都串连起来的全面智能化。

在国内的制造业企业中，最先提出全链条智能化的，恰恰也是这次和路特斯强强联合的联想。为了打造全链条的数字化实践，联想率先提出CARE应用模型。简单来说，联想整体数字化能力通过：C 从功能转向以客户为中心，A 快速响应商业创新，R 从经验转向数据指导决策，E 通过标准化和自动化降本增效这四个方面进行整合，最后实现从硬件向服务及解决方案转型这个总体目标。联想通过利用 IOT 技术将物理与数字流程整合，将用户需要到最终交付达到全链条数字化互联互通。

联想和路特斯的此次合作集中在了生产环节，边缘计算辅助生产管理系统契合了多种许多边缘计算场景的需求，解决了产线的自动化检测、设备管理与视觉检测等难题。

而在解决场景应用中，联想不断加速供应链数智化和创新布局，练就了“十八般武艺”，即在智能排产、生产设备管理、供应链管理、5G智能环境等应用场景都有着自己众多独有的智能化技术与解决方案，构建了“研-产-供-销-服”的数据表征。

先说柔性。现在，联想每天处理数万笔客户个性化订单，其中大部分订单少于五台，涉及的生产过程复杂、多变。生产线每天需要切换 5-10 次，适应 50 多种不同的工艺流程，同时高频次的不同物料支撑起了生产线持续稳定的运行。

联想的柔性制造能力，得以支持按计划以及按订单生产两种模式。同时，联想还能够根据客户的满意度，以及利润率等关键要素综合决定订单的优先级。

再说韧性。此前，因深圳疫情缘故，联想福田工厂接受静默管理，需要极速转产，否则将面临严重产能损失。通常情况下，这种规模的工厂涉及庞大的上下游供应链数据，同时还要面临不断涌入的新订单需求，一般来说，转产需要至少三五天的时间制定周密的方案，然后再利用几周的时间完成转产。

而联想福田工厂仅用了两个小时，便完成了百分百的转产，上下游客户均毫无感知，这背后便是联想强大的全链条智能化发挥了巨大作用。

智能制造再出发，联想数字底座提供破题之解

目前，全球制造业布局正在出现重大调整，面临着发达国家和发展中国家带来的双重威胁。

一方面，中国劳动力成本每年以5.5%的比例在快速增长，全球制造业向东南亚、南亚、非洲等低成本制造地区转移。另一方面，美国等地劳动生产率提高和能源成本较低，跨国公司制造业生产呈现向发达国家加速回流趋势。

这时，依靠劳动力优势为核心的“小米加步枪”式的低效、低质路线，将不再有效。而走完信息化、数字化和智能化全程的联想，除了用自身的实践打造样本，还试图将自身的经验赋能行业，为当前中国制造行业转型提供破题之解。

内圣而外王，联想通过内生外化打磨出了“擎天”引擎，同时结合混合云和技术中台加上边云网基础技术设施一体化的集成交付组成了联想的数字底座。其具备支撑作用的边·云·网基础设施和云原生平台，以及位于技术应用部分的大数据平台、AI平台、IoT平台、元宇宙开发平台、区块链平台、应用开发平台、智能运维与全栈安全。与路特斯合作部署的视觉自动检查智能应用方案，就是联想数字底座中元宇宙能力和边缘智能能力的体现。这些快速、高效的交付平台和解决方案，创建了新的捷径，让更多像路特斯这样的企业，将更多精力回归到业务本身，为智能化段注入全新活力与动能。

据了解，联想通过科技创新为智能化转型、提质增效提供了强大的支撑。在联想集团通过数字化解决方案，助力三一集团“灯塔工厂”建设，使其整体效率提升超30%，产能提升50%。

在与国内知名能源企业的合作中，联想针对公司业务规模快速增长，各分公司交付需求激增，运维系统成倍增长的痛点，向该客户交付了联想 xCloud 混合云解决方案。该方案不仅通过自动化手段提升其运维效率，有效减少40%以上的人力资源需求投入，同时还实现了统一自动化平台简化运维操作及分钟级服务快速交付。

联想集团副总裁、中国区方案服务业务群总经理戴炜在演讲中指出，“一个坚实的数字底座，及其与业务中台之间柔性、敏捷的组合能力，将极大地帮助、提升这些不同行业智能化的转型成功率。”借助数字底座、通用业务中台以及“预制板”模式的水平方向解决方案，制造企业可以吸取经验，获得贴近需求的整合方案，像是在简单组合建筑模块，效率更高、见效更快。

相关数据显示，目前制造业占中国国家产出的27%。去年底，工信部、国家发改委等8部门印发的《“十四五”智能制造发展规划》明确提出了我国智能制造“两步走”战略：即，到2025年，规模以上制造业企业大部分实现数字化网络化，重点行业骨干企业初步应用智能化，到2035年，规模以上制造业企业全面普及数字化网络化，重点行业骨干企业基本实现智能化。

智能化转型已经成为传统制造业转型升级发展必经之路。在转型的新征程上，无疑，我们需要更多更加富有“联想”的方案，打造更加坚实的数字底座能力，借助制造业转型的最佳实践来共同形成合力，从而构建数字中国的新图景。?

—— 越看越精彩 ——

【IT创事记】聚焦于企业级科技生态、策略及商业知识。你可以在各主流媒体平台看到IT创事记的同名文字专栏和【IT创事记·短视频】专栏。如果你有相应的内容希望分享，记得在公众号留言告诉我们。