跳到主要内容

从科学家到企业家,持续优化不止是技术:思谋科技贾佳亚的思考

Published 2022.12.9

十几年前,深圳宝安,每天数十万工人在上下班路上形成滚滚人流,支撑起成千上万家制造业企业,也成为深圳一道最为独特的风景线。

深圳制造是中国制造的一张缩影,四十多年的努力培育出众多优秀的企业,其中不乏世界500强。今天它们中的许多纷纷向自动化方向发展,虽然生产效率和质量初步得到全球认可,但到生产决策时仍然需要大量传统人工来推动。

如果能让机器实现“看”“听”“想”,就能让工业生产自动化更智能,生产的瓶颈将被进一步打破。

在深圳河的另一侧,有人在思考着解决方案。

贾佳亚是香港中文大学终身教授,他的另一重身份是智能制造独角兽企业思谋科技董事长。他所创立的思谋科技是一家专注机器视觉和深度学习的高科技公司,从事工业领域算法的研发和持续优化迭代。

在贾佳亚看来,计算机视觉技术能让中国的制造业智能化发展更进一步。

“我相信有非常大的空间去贡献中国智慧。”他表示,不仅仅要跟世界齐头并进,更希望用绝对优势的技术去引领时代。

这与红杉中国投资理念不谋而合。自2020年起,红杉中国连续两轮加注思谋。红杉中国合伙人刘星表示,从第一次和贾老师见面起就非常认可他对思谋的定位和对智能制造的愿景,在不到两年的短短时间里,公司在产品化和商业化上的快速发展带给了他超出预期的惊喜。思谋团队充分展现了他们把纷繁复杂的工业场景进行抽象化的能力,打造出了思谋ViMo这样一个平台化、系统化的产品,实实在在地帮助到众多数字化转型中的制造业迈向智能制造。

思考的本质在于批判性和不断试图突破和挑战自己。

——思谋科技董事长 贾佳亚

思谋ViMo诞生记:

真正巨大的行业突破

今天,关于计算机视觉,人们其实并不陌生。个人电脑和手机中的消费级OCR(光学字符识别)应用比比皆是,从人脸识别到指纹识别,再到图文转换,计算机视觉技术凭借快捷准确的识别效率,早已深入到我们生活的方方面面。

然而,在工业生产上,计算机视觉要实现应用却难得多。

首先,工业级应用对准确率的要求极高。消费级应用中,文字识别的不准确可以人工修改,但在工业中,尤其是在一些高附加值、高精密度的产业,包括消费电子、半导体、新能源、汽车制造等应用场景里,工业级标准要求产品能够每天24小时工作连续一年,错误率不能超过万分之一。

其次,计算机视觉所需的工业数据极度短缺。工厂不比消费互联网,数据的来源非常分散,每家工厂都有自己的一套工序,不同工厂的数据没有可比性。

此外,工业产线的迭代速度极快。以苹果手机为例,iPhone 13里有超过上百个集成化非常高的元件,但到了iPhone 14,元件的生产工艺以及产能都可能完全不同。因此,不仅产品的形态非常多,不同批次产品之间的质量也没有关联。

即便难度很高,工厂对计算机视觉的刚需仍然存在。在思谋进入这个行业之前,有不少硬件厂商想通过改进传感器等方式满足自动化需求,但有两个层面的问题。

一是在算法层面。传统算法就是用各种优化、匹配和处理工具解决。这类优化算法没有统一的框架,每一个都与其他的不同,虽然速度很快,但是没有完整的体系。

二是在管理层面。由于工业标准要求高,而且场景分散难以标准化,传统的工业视觉检测绝大部分采用项目制管理。然而,当技术团队每次接到一个项目,首先要去攻关,反复调试算法才能实现一个非常高的准确率。然后交付产线试用,工厂还要进行二次验证,在实际的运行过程中跑上三天甚至一个礼拜,如果达不到要求又要重新回到实验室开发。而且在实际生产过程中,还总会遇到一些意想不到的问题,要保证高精准度和低缺陷率,还需要硬件厂商在工厂有持续性的服务。

此时,如果是按照项目制的方式,意味着公司要投入相当大的人力、物力、精力,还可能会影响交付效率。在工业级场景里面,如果不能按时交付,损失将非常大。

所以,就要从底层构建更智能的算法,用标准化的手段解决分散的工业场景,克服可复制性和标准性等关键性问题。此外,整个调试和生产过程还必须是自动、连续优化的,每次出现一个新的项目时,算法能够自动生成,完成产品交付。

在数据短缺的情况下,由算法自动生成算法,错误率还极低,这看似是个不可能完成的任务。要实现强大性能,背后一定需要结合人类最前沿的算法自动生成方式,以及最强的算法人员。思谋具备了这样的能力,并在中国工业向智能制造转型的浪潮下应运而生。

然而即便思谋有一流的算法人才,要打磨出产品仍是一个非常难完成的过程。 

在一次和红杉中国的交流中,贾佳亚也和沈南鹏、刘星谈到了这些挑战。

令他颇感意外的是,“沈总跟我们说,工业有自身的规律,不需要刻意求快,也可以慢慢积累。红杉有耐心,也愿意长期陪伴,希望思谋能够在toB业务上真正打下自己的疆域。”

这些话让贾佳亚受到了感动。“很多人希望我们尽快往前跑,赶快把东西做出来。但红杉中国告诉我们要踏踏实实地把业务落到实处,而不是只喊口号。于是我们不断努力,用颠覆性技术在行业里构建壁垒,在口碑上面无人出其右,这也是我们对自己的一个基本要求。”

当然,贾佳亚没有辜负大家的期望。思谋自主研发的SMore ViMo智能工业平台是在智能制造的多个环节中最强大的工业系统之一。它将深度学习、小样本学习、自学习等高速发展的技术结合成了一个庞大的系统,已具备了提供分拣、数据分析、定位、质检等在内的十多个功能模块,未来还将扩展至超过30个模块,是一个全站式的工业操作系统。

由于ViMo的高度智能化、标准化,思谋能够同时完成100个到300个交付,未来还有望再扩大十倍,同时完成1000个以上的交付量。重要的是,这个交付量是通过系统自动完成,并不是靠工程师或算法人员一个个调试出来,是一个真正巨大的行业突破。

ViMo实现商业交付后,就像热刀切黄油,服务了超过20家行业头部企业,助力了近100条产线实现智能化改造。同时思谋也开始在布局上突飞猛进,持续城市版图扩张,在香港、深圳、上海、苏州、杭州、重庆,东京、新加坡等多地设立研发和商务中心。同时,以SMore ViMo智能工业平台为核心形成了完整的工业视觉体系,推出了SMore ViScanner智能读码器、SMore ViNeo智能相机等视觉传感器产品,以及高端智能检测一体机等适配多种设备的标准软硬件产品及套件,并在先进的自动化设计能力和光学能力的加持下,形成了全栈式工业视觉技术的闭环部署。

“市场在往前跑,我们应该永远比市场跑得更快。” 持续奔跑,持续优化,是贾佳亚给自己的一份承诺。

自动持续优化:

让装备像人脑一样去分析

人类正在迎来一场以“智能化”为标志的新工业革命。

人工智能可以为数字化转型中的制造业企业提供自动化流程或生产工艺的改进,也为中国从制造业大国向制造业强国转变提供了弯道超车的机会。

这要如何实现呢?

贾佳亚提出了MOA(Manufacturing Optimization and Automation,自动持续优化)概念:一个能够根据产线实时情况做自我调节的流程。

他认为,自动化(Automation)只解决了硬件的问题,但它既不会看,也不会听,更不能决策,生产依然需要靠人的决策才能完成。

而未来的生产会是一个柔性的、可替代的、多变的甚至是自决策的过程,例如当人工智能发现产品的某种缺陷因生产质量或工艺变化增减时,会对流程做相应处理。简而言之,MOA能使装备像人脑一样去分析,是一种基于数据分析、洞察,找到最佳方案(Optimization)的方式。

以质检流程为例,思谋掌握的技术,可以提供从一个元器件上的一条划痕缺陷,到一条生产线,再到整个工厂里所有制造环节质量把控的关键数据,从而使工厂的决策者能够通过这些关键数据去分析整个工厂的复杂情况。

通过这些决策自动持续的优化,可以帮助企业解决生产、制造以及供应链管理问题,比如上下料问题、生产后的运输问题以及产品的溯源问题等等。思谋不再只检查某一个单点数据,而关注所有涉及质量和来源、追溯定位等关键数据的收集、整理、反馈,最后实现整个工厂的降本增效,提升产品价值,帮助企业实现最终的数字化转型。

MOA更重要的意义是,将思谋首次以一种产品化的思路,从工业生产的实际痛点出发,为甲方工厂提供服务。在德勤最新的MOA白皮书《智能制造新工具:自动持续优化》里,思谋也作为标杆案例被重点提及。

贾佳亚说:“思谋正在做的事,是结合自身的技术优势与产业思考,以技术形态为切入点,通过快速理解行业,从更高的维度和层次提出解决方案,通过‘思谋模式’来改变业态,实现工业规范级的交付,进而实现制造业向智能制造的转型。服务了几百家客户,其中还有不少世界500强的客户,我们能从行业的高度提炼出他们的共性,并指引他们,减少人为的干扰,从而在Manufacturing过程中实现企业从运营维度、绩效维度到财务维度的Optimization。”

兵种协同:

走出技术创业者的窘境

很多技术创业者起点很高,拥有高端的技术或系统,能解决很多问题。他们往往能凭借这些优势,在创业中占得先机。

然而,随着时间的推移,一些技术创业者常常陷入窘境:有人过于纠结早期的优势,把所有精力都放在死磕技术上,导致其他方面频频出现短板;也有人因为早早地放下技术,导致企业不能形成有力的“护城河”。

贾佳亚认为,凭借技术实力在市场谋得一席之地,这是技术创业者的基础。思谋在创立时,也是以技术为先导。彼时,距离人工智能创业最炙手可热的时期已经过去一段时间,他看了非常多的AI赛道,用学术研究的严谨,分析每个赛道的市场容量、未来发展前景和可能性,最终选定了工业智能这个范畴,并将思谋的前沿阵地落在这里。思谋凭借自身多年的技术积累,通过快速打入行业,了解行业痛点,寻求最佳解决方案,从项目到产品,在这个过程中不断打磨自己的产品,使其逐渐符合制造业市场更加广泛的需求与场景,在这个过程中,产品的不断完善也在帮助技术团队不断提升技术水平。这就形成了一个完美的三角形闭环——思谋通过技术的积累赋能行业,引领整个制造业实现智能制造的变革转型,在这个过程中孵化出更好的产品,进而继续打磨技术本身,形成一个良性循环。

“不仅因为思谋团队在这里有很强的技术积累,而且有把技术转化成真正的生产力,并探索出商业模式的能力。”贾佳亚说。

而创业往深处延展时,团队既需要“正规军”,也需要“游击队”,要有“多兵种协同”的能力。

对创始人而言,要思考的就不能仅仅是技术了。其他很多知识,包括管理学、会计学、市场营销等,他们都要了解——要能看懂财务数据,构思企业文化,还要通晓市场运作。

在贾佳亚看来,创始人要为公司掌好舵,需要对公司有全面的理解。这不仅需要个人认知不断迭代,也需要很多各行各业的专家加入,靠企业文化把大家整合在一起,形成一个多维度的实体,这才是商业运作的真正本质。

“我在做企业的过程中也经过了长年累月的思考,学自己不懂的东西。”他说,“作为教授,各种专业知识我可以娓娓道来。但当我坐到董事长办公室里,做一家公司的管理工作,我就会去看数据、看财务,看很多管理书籍。还要思考该怎么调整才能让公司组织架构和能力不断地提升。”
也许这也是一种组织形式的自动持续优化。

保持思考:

持续优化不只在技术

在贾佳亚眼中,思考是一辈子最重要的事情,而思考的本质在于批判性和不断试图突破和挑战自己。

在培养学生时,他除了带学生做研究、写论文,更重要的是会带他们思考,例如“为什么要做研究,什么样的研究有用,人生目标是要做什么”之类的问题。

思谋的CEO沈小勇,以及商汤的联合创始人、CEO徐立,既是贾佳亚的学生,也是多年的朋友。

“这么多年里面,我觉得做的最对的一件事情就是跟他们聊了人生。”贾佳亚说,他告诉同学们,要学会批判性思维,学会寻找下一个热点问题的基本方式方法。

他表示,一个人思考的多了,自然对于很多问题都会有自己的理解,既不会去盲从,也不会盲目批判。他会去思考在这过程中有没有新的想法,有没有创意。这样即便不做学术去创业,他们也能从这段经历中得到收获——对一个新的、从未接触过的问题,能够在短时间内形成充分完整的见解。

贾佳亚说,他最终能够创业,来自两方面的驱动力。

第一种驱动力是来源于他的工作。虽然早早在香港中文大学拿到终身教职,贾佳亚却长期在从事实用性前沿研究,一些有趣的基础性研究成果,包括相机的效果增强、夜景取照、图像放大等,早就被工业界采用。他觉得既然这些单点的研究成果能够突破推动科技发展,何不用创业把众多的点连成一张商业化、科技化、智慧化相结合的网,更好地服务大众。 

另一个驱动则来自于他的内在。贾佳亚从小就喜欢物理、天文、地理,在星辰宇宙和人类历史的长河里,每个人的价值都不过是沧海一粟。人生短暂,在有生之年,他觉得应该做一点点对人类有意义的事情。

当思谋推动着其服务的一家家企业向着智能制造迈进的时候,贾佳亚感到,终于在这一场正在亲身经历的工业革命里做出了自己的贡献,也印证了他的内在驱动力——做一点点对人类有意义的事。

快问快答

Q 作为一个优秀的学者,您觉得创业中最大的挑战是什么?

贾佳亚:通过创业,我也完成了从学界到商界的角色转变,实现了科技利群这一追求。谈及最大的挑战,那就是如何将团队过往20多年在机器视觉技术和应用领域的钻研积累,更好地下沉到实业,做到变革产业的、系统性的智能制造

Q 您现在还会花很多时间读论文和写论文吗? 

贾佳亚:即使在忙碌的企业管理工作中,我依旧会努力挤出更多的时间继续推进前沿科研。思谋基于团队过往20余年的机器视觉和深度学习技术积累,在商业落地过程中实现并验证了技术转化与应用的全新形态,也在一定程度上证明了前沿科研对于商业化落地的重要性。

Q 学术研究和企业管理上的时间分配各占多少?

贾佳亚:从在校教书育人,到带领团队做前沿研究,再到创办高技术企业推动生产力进步。这一路走来,我也会更加慎重地看待公司未来的发展。公司发展需要很多宏观且具有前瞻性的思考。因此,除了日常的企业管理工作,我也会挤出很多时间去思考公司未来的发展问题。

Q MOA(自动持续优化)的概念是如何提出的? 

贾佳亚:MOA(自动持续优化)的概念,是在制造业向智能制造转型的大背景下提出的。人力资源受限,降本增效需求增加,以及生产追溯、工艺优化等难题,都是思谋一直致力于攻克的挑战。我们基于多年来的技术沉淀以及对行业的观察与思考,提出了这一理念。

Q MOA概念的内核是什么?

贾佳亚: 思谋首提的制造业MOA,也就是自动持续优化,是在原有的优化概念基础上,更强调基于数据分析洞察找到最佳替代方案,借助数字孪生、深度学习、智能化设备等实现精准执行,其核心为更高效、无人为干预、持续优化的能力

Q 思谋从哪些维度来实现自动持续优化?

贾佳亚: 思谋对于自动持续的优化,体现在多个维度。首先,在运营维度,自动持续优化可以非常有效地改善产品开发的过程,也可以及时进行生产追溯;另外,从企业绩效维度,自动持续优化为企业提供了一整套完善的数据管理与应用场景,通过持续的数据积累与对比,实现企业的持续增值;第三,在财务维度,通过对人力、能耗和设备运维成本的有效优化,为企业降本增效赋能。

Q 您能否分享一些实际案例?

贾佳亚: 以新能源行业的纽扣电池为例,纽扣电池的点胶工艺难度很大,而思谋针对客户的痛点问题,通过对算法、软件系统和硬件系统的集成,专门为新能源领域纽扣电池自动研发了密封胶涂覆机器视觉质检设备,不仅有效替代了人工全检的方式,提升了车间流水线上的作业规范与效率,同时也大幅降低了企业的生产成本,在效率和质量上都得到了显著的提升。