过去几年中，“柔性化”这个词经常被各大主机厂商挂在嘴边。

简单地说就是千人千面的柔性生产，越来越多的工厂开始实行订单制生产模式，每一台车都能根据客户的需求个性化定制，同一条产线可以实现SUV、MPV、轿车等不同车型的混合生产。

只是在柔性生产的大背景下，制造环节还有一些待解的老问题。

比如汽车焊接工艺中普遍存在的两个不确定性：一是需求的不确定性，产线需要根据不同的需求，不断规划生产线的工艺过程和参数；二是过程的不确定性，存在漏焊、虚焊等缺陷，需要精准识别焊接缺陷并进行补焊。

在刚刚结束的昇腾AI创新大赛2023上，由一名博士生和三名研究生组成的“山东大学大山坡汽车焊工技术服务队”，斩获了昇腾AI创新大赛2023开发者套件创新赛道全国总决赛金奖，他们将汽车制造模拟产线和昇腾AI基础软硬件平台结合，让困扰汽车制造行业多年的焊接工艺问题有了可行的新解法。

01 云边协同，驱动制造场景智能化

在讲述“山东大学大山坡汽车焊工技术服务队”的解题思路前，先来了解下汽车行业比较常见的解决方案，毕竟“智能制造”的话题已经喊了很多年，而焊接工艺缺陷恰恰无法跳过的一个核心环节。

一种是靠工人用肉眼识别判断的笨方法，即质检员用肉眼检查漏焊、虚焊等不良问题，再由焊接工人进行补焊。代价是效率低下且成本很高，而且现在的年轻人对工作环境的要求越来越高，即使高薪也很难招到熟练的蓝领人才。

另一种是对生产线进行智能化改造，常见做法是通过终端获取实时数据，将数据上传到云端进行识别，再将计算结果下发到终端，控制焊接机器人等进行作业。某种程度上替代了人力，但依然存在时延高、稳定性不足等问题。

“山东大学大山坡汽车焊工技术服务队”深入上汽通用等生产车间进行实地调研，结合工厂车间的真实环境，提出了云—边—端的架构设计。

在云端部署了领域建模工具和流程工厂工具，前者通过CAD图纸文件、功能规格说明等理解需求，并将需求结构化后构建场景模型；后者对生成的模型进行代码的编排和组合，实现了场景代码的构造。云端同时也是面向用户的操作端，利用远程服务调度、低代码等对产线进行远程控制。

边端的主力是Atlas 200I DK，承载了代码生成、在线推理、智能决策等多重角色。在焊接点缺陷处理中，摄像头采集的图像数据，可以直接在边端进行实时的解码处理，自动识别漏焊、虚焊等缺陷，并向焊接机器人发送补焊指令。原本需要在云端处理的决策和调度，下沉到了边端。

终端模拟真实的产线环境，还原了汽车焊接制造的一整套流程，包括车型识别视觉套件、焊点识别视觉套件、机械臂、传送带、缓存区轨道、底层通信模块等等，主要负责数据的采集、传输和操作执行。以补焊场景为例，从实时感知、在线推理、智能决策到指令下发，全程在1秒内完成。

和市面上已有的方案相比，“山东大学大山坡汽车焊工技术服务队”创造性地采用了云边协同的思路，因为边端有了更强的算力支撑，原本需要在云端处理的工作，下沉到了边端进行实时处理，为制造场景的智能化转型给出了新解法：

以往对智能控制精度和时延的顾虑，现在可以在边端实时处理，整个过程都不需要人工的参与；以往必须分成多个产线才能实现的个性化需求，现在有了按照需求智能决策的能力，可以在一条产线上混线生产……或许当前的应用场景还比较简单，但在很大程度上印证了云边协同的可行性。

02 软硬融合，释放澎湃的创新力量

让人想不到的是，在参加昇腾AI创新大赛2023之前，“山东大学大山坡汽车焊工技术服务队”的四名成员都只有软件开发的经验。不到四个月的“急行军”，对整个团队来说都是一场从0到1的探索。

作为队长的李赢坦言：“一开始是有些抵触的，因为大家的心思都在软件上，本能地认为软硬结合比较难。但去做后发现，做软件的必须要懂硬件，软硬件结合对我们思路和视野的开阔是非常重要的。”

视野上的开阔，可以从硬件的迭代说起。

在接触到Atlas 200I DK前，他们使用的是一款支持OpenMV的智能摄像头，既能够录制视频，还可以做一些简单的数据处理。由于昇腾AI对视频流的精度要求比较高，“被迫”更换成了CG1200P工业摄像头。

“昇思MindSpore的上手还是比较简单的，只要逻辑理清的话，开发只用了两周左右的时间，就把原来的算法更新了一版。因为昇腾AI的在线推理能力很强，摄像头的设计可以实时抓取进行在线解码和模型推理，检测精度比之前提升了82%，比原设备的算法提升了40%，单张照片的处理时间只要0.014秒。”

思维方式的转变，则体现在部署方式上。

“过去的边端设备只能做简单的计算，所有的代码项目都是放在云端的，但是需要修改的时候，过程还是比较繁琐的，需要现在本地服务器修改、部署、验证，再放到云端部署验证。如果是在真实的生产环境中，整个过程中有很多不确定因素，导致实时性和可靠性打了不小的折扣。”

让李赢感到兴奋的是，代码项目部署在边缘端，测试和部署要方便很多，可以直接修改直接看到成效，并且不太需要考虑网络延时，从而能够实现更快的数据传输和响应速度。再加上推理和部署在同一个节点上，后续的维护和管理也很简单，而且对于车间工厂这样的环境要更加友好。

恰恰是“不熟悉”的软硬融合模式，让“山东大学大山坡汽车焊工技术服务队”用云边协同这种最为“接地气”的解决方案，使模拟生产工艺实现了智能化、可视化、模块化执行，走在了工业制造智能化创新的第一线。

而在整个昇腾AI创新大赛2023上，像“山东大学大山坡汽车焊工技术服务队”这样的团队还有很多。

有团队想要用AI解决航空发动机智能视觉缺陷检测，有团队给出了无人机光伏智能巡检解决方案，还有团队提出了深海AI声呐智能感知系统……软硬融合模式正在深入不同的场景，用新的思路、理念去解决既有问题，不断释放出澎湃的创新力量。

03 钓胜于鱼，点燃产业端创新之火

在大模型浪潮的影响下，人工智能已经融入到生产生活的各个领域。事实上，这也是昇腾AI创新大赛的初心所在，旨在鼓励全产业开发者打造软硬件解决方案、探索模型算法，加速AI与产业的融合。

也许仍有人不解，像昇腾AI创新大赛这样面向开发者的顶级赛事，与“AI和产业融合”到底有什么关系？就这一点来说，“山东大学大山坡汽车焊工技术服务队”可以说是回答类似问题的“最佳对象”。

正如前面所提到的，智能制造并不是什么新课题，可大多是用纯软件的思路，导致学术和实际之间总是存在某种距离。“山东大学大山坡汽车焊工技术服务队”看到了边缘计算的想象空间，并用软硬结合、云边协同的方式提出了新的架构设计，不仅进一步提升了效率和准确性，也让整套系统离落地更近。

授人以鱼，不如授之以渔。比焊接工艺这种具体问题更为重要的，其实是用所学知识 解决问题经验和方法论。

按照李赢的说法：“参赛对我们比较重要的帮助是统筹协调的能力。我们四个人是师兄弟的关系，没有谁指挥谁的说法，遇到某个技术问题或者下一步怎么做，大家都是一起讨论的。但一个项目能够走到最后，需要明确的个人分工和合作规划，这个过程中的统筹和协调，对我来说是一次非常好的锻炼。”

在团队中负责理论学术和算法研究的史浩然博士，有着不一样的成就感：“之前的学习主要是针对某个技术问题或者某个单一的学术难点，这是第一次做一个完整的有实际落地意义的系统，从软件工具到硬件设备再到算法的实现，如何运用多种技术协同来解决一个事情，让我从中学到了很多。”

主要负责云边调度研究的傅显坤，表达了相同的感受：“我们实验室本来就一直在做云计算、云端协同，但之前都是在学术方面，没有很深的落地。这次最大的收获可能是做的东西能够看得见、摸得着，真的可以用技术去解决问题。”

因为大四做毕业设计参与到项目中的陈嘉彬，主要负责边缘开发和软件开发，在他看来：“本科阶段学的都是偏理论性的知识，实践的机会相对比较少。通过这个项目，知道了这些知识该怎么用，怎么在实际场景中落地实践。”

可以看到，他们参赛的动机并不复杂，一开始仅仅是为了“学以致用”。正是这样朴素的想法，在他们心里种下了创新的种子，然后在汗水的滋润下生根、发芽、开花、结果。有理由相信，焊接工艺缺陷只是他们解决的第一个问题，等待他们的将是星辰大海。

把视角再放大一些的话，“山东大学大山坡汽车焊工技术服务队”的参赛经历，何尝不是AI与产业融合的新范式：只要为开发者提供“用得起、用得好、用得放心”的软硬件服务，为他们的创新想法和探索精神提供落地的土壤，终将在产业端燃起智能化的熊熊之火。