对于汽车行业智能制造，基于AI技术，那么如何能让我们快速定位、分析和解决问题？

我们可以通过端 + 5G 网络 + 边缘云 + 云服务的协作，基于计算机视觉模型、算法库及样本图像，结合深度学习 AI 算法，完成数据预处理、数据标注及训练生成数据模型，与这些模型不匹配的则可能是我们关心的问题发生点。我们再通过 5G 网络连接，可以使得汽车制造产线上每个工业视觉应用不再是独立的数据孤岛，并让工厂中央生产控制系统实时获得每个被检测对象的结果、状态，纳入全工厂生产管理系统，借助云端训练平台能实时获取多个现场端的样本图像，进行分析，然后快速更新及实时部署优化后模型，最后借助云边端协同技术，实现新检测应用的快速部署及推广，使能柔性生产，并实现现场设备的云端统一维护监控，以达到更加智能化地去解决问题。

定位，分析和解决问题是非常重要的解题思路和逻辑，还有一个环节也比较重要，就是定义问题及人工智能的边界，首先谈谈定义问题，无论对质量控制，还是AI检测，对于目前企业的痛点和解决该痛点，需要有一个明确的定义和量化的指标，一切不可量化的解决方案都不具备说服力，这个量化的KPI需要综合各方面的输入及共识，也许定义问题的过程就包含了定位及分析问题吧，关于解决问题，尤其是基于人工智能的AI去解决传统制造业的问题，对于比较新的技术，需要企业的管理者和技术人员对于AI的边界有一个清晰的了解，譬如我听到很多客户在讲通过算法可以将消除90%，通过模型的调整，可以进一步的提高到98%，其实AI在很多时候的能力并没有那么的巨大，更多的是一种比较综合的能力，可以减少人员操作，可能只是仅仅减少20%劳动力，每个人劳动率都有提升，数据的闭环开始建立，有效的与良率和PPM进行闭环，影响数据采集的维度和准确度，帮助决策设备的可靠性及稳定性，作为企业实现数字孪生的基础数据，所以AI的边界也很重要。