写点什么

半年时间,拍摄 8 省市 10 个案例,我们见到了这样的智能中国

用户头像
脑极体
关注
发布于: 刚刚

2021 年年初,我们决定到各个行业的一线,拍摄关于“智能中国”的故事。

如今,自媒体做视频似乎已经是大势使然。但作为一家以 AI 为主线的科技自媒体,实在觉得对着镜头读稿子没什么意思。AI 这种技术一直都喊着“与行业结合,与企业结合”,我们就想那莫不如去真实的行业中看看:智能技术到底带来了什么,是不是忽悠大于实效?

于是我们成立了视频品牌“奎者”。这个名字背后自然有一点自己的小寓意,想要做这件事的考虑和准备工作也有很多故事可说,但碍于篇幅就不展开了。

从 4 月开始发布内容,奎者做到现在粉丝也不算多,播放量较比知名 UP 有天壤之别。但也收获了一些认可和关注,还算勉强能过自己这关。期间也经历了一些困难,尤其 7、8 月份疫情卷土重来,所有拍摄计划全部搁浅,能支撑下来也是不易。

比起这些,这里更想跟大家聊聊对于“智能中国”这个大命题的一些真实感受。十一假期之前盘点了一下,这半年我们走过了 8 个省市,拍摄了 10 个案例。去到了煤矿、工厂、农田、商场、运营商、养老院、公益组织等等地方。回顾之后,发现还是有很多感想值得总结一下。

我们一直都在说数字中国、智能中国,但平时讨论这些的场合更多都是论坛、峰会、展会上。大家很容易获得从产、学、研、政各个角度对智能化、数字化提纲挈领的设想。但当 AI、5G、云计算、IoT 这些热门词汇,来到车间、矿井、农田中,真实发生技术与人的联接,可能过程和结果都和设想的有些不同。

这里选取了几个印象深刻的角度,跟大家聊聊寻访智能中国的一路见闻。


备注一下,为了防止有广告嫌疑。文章中就一律隐去具体企业名称了。其实拍摄这些案例没有任何收益,真的是想去做这件事。

另外谈到一些可能不那么积极的方面,就把行业也隐去了,避免被好事者按图索骥。其实各个企业推动智能化都不容易,谁也不可能很快尽善尽美。抓着一些薄弱环节去放大和贬低真没必要。

真实比宏大更重要,我们一直这么相信着。

智能中国,真的浮在大城市吗?

先来一起想个问题吧:你觉得 AI 在哪?

绝大部分人联想到人工智能,应该首先会想到北京、深圳、杭州的互联网和 AI 公司,或者知名院校里的 AI 实验室。总而言之,AI 在一线大城市。

曾几何时,我们也这么认为。AI 应该是资本、顶级院校、高科技公司的游戏,关注这个领域的也更多是相关专业学生、互联网白领和技术从业者。但当我们真正去了一些三四线城市的企业和机关单位探访 AI,却发现并非如此。

大同周边的某个大型煤矿,是我们寻访 AI 落地的第一站。矿厂的智能选煤和井下智能化作业是我们的主要拍摄对象。但这次拍摄让团队印象更深刻的是遇到的人。


陈工是我们在矿山遇到的一位工程师,他的本职工作并不是 IT、信息化相关。但得知我们是 AI 领域的自媒体后,他跟我们侃侃而谈对国内 AI 产业的认识,甚至对各个厂商推出的 AI 开发工具了如指掌。比如他就跟我们聊到,自己对比过百度 EasyDL 和华为的 ModelArts,尝试用他们做了一些煤矿场景的 AI 模型,并且知道这些工具的接口和操作有什么不同。当时就给我们惊到了。说实话,很多互联网公司的 CTO、CIO 是不是了解到这一层我都持保留态度。远在山西煤矿中的非 IT 岗位工程师,其实已经想过并试过 AI 了。

这趟旅行还遇到一位让我们感慨颇深的人。负责接待我们的工作人员中有一位小伙子。他跟我们聊煤矿智能化的进程,说他把煤矿智能化总结成三个阶段:先是人操作机器,然后是人盯着机器,最后是机器干活人歇着——总之聊了很多。

我们最初以为他是 IT、数字化方面的工作人员,结果得知他是矿里的摄影师,这些东西都是他自己平时琢磨出来的。他说自己就出生长大在矿区,智能化的对矿山的改变他是真切看在眼里的。这些技术其实已经改变了矿山的很多人。


还有一个小插曲。在矿山等待下矿的时候,我们跟保安室的大哥聊了聊。得知我们是科技自媒体后,大哥马上问我们几个灵魂问题:华为到底怎么样了?华为是不是世界第一?其实他也说不上来到底想问华为是什么领域的第一。但那种对中国科技的期待和自豪,是如此简单且生动。

这趟煤矿之行,不光让我们对 AI 与行业结合有了新的感觉,更理解了为什么刘慈欣能在电厂写出《三体》。

在泉州拍摄某水厂的智能化案例时,也遇到了一位让人印象深刻的朋友。当时负责接待媒体的是 1997 年的男孩小夏。他也不是技术人员,而是水厂党政方面的专员。但他被厂里普遍认可是位“大拿”。面对八九家突然到访的媒体,临时接到通知负责讲解的小夏应答如流,对智能化技术、一线生产、水厂的历史如数家珍,还给我们看手机上他自己拍摄的一线作业情况,并且开车带我们到厂里拍摄参观。


提起到三四线城市事业单位工作的 95 后,你的第一印象是什么?是不是想到了躺平、内卷、小镇青年等等标签?小夏真的是击碎了我们一些刻板印象。他表现出的综合能力和工作热情,以及对技术变化的了解,或许可以说是中国发展智能化的一个侧写。

走访了很多案例之后,会发现无论南北,不分城乡,老百姓对 5G、AI、科技强国这些概念的认知和了解是远超想象的。甚至于说,三四线城市对技术变革的认可与热忱,不像一线城市有时候表现出的那种“过度理智客观”带来的冷漠。

你以为 AI 是一阵风口刮过去就算,但对于某个农场某个车间来说,可能是一场影响十年二十年的变化。

也希望更多朋友可以去关注一线城市以外,真实存在且生长的智能中国。机会在那里,人心也在那里。

尤其咱们这些坐在办公室,对着 word 和 PPT 指点江山的人,有时候是该跳出自己画的圈走走看看的。

困难既在意料中,也在意料外

智能化、数字化技术的落地容易吗?应该所有人的共识都是不容易。但到底不容易在哪里?这也是我们走访了很多案例后,反复认真思考的问题。

在宁波,我们结识了一家“IoT+农业”领域的公司。提到做农业智能化的企业,应该第一感觉领导是男性。但这家公司的总裁却是一位和蔼可亲的大姐。张大姐带我们一起下到了水稻田里,给我们讲 AI+稻田除虫的案例。她不仅长时间在农田工作,还在实验室扣各种细节,对数字化和编程也非常了解。

对于农业智能化,她跟我们聊了非常多很实在的看法和经历。比如,她们公司非常想做一个给养殖场的猪测体温的 AI 项目。在养殖场,猪发烧其实是非常大的麻烦。它被发现的几率很低,而一旦形成传染病就可能带来巨大损失。张大姐经常看一些报道,都在说什么“互联网大厂养猪”啊,“猪脸识别”啊,想来应该不难。


结果真的来了几家 AI 和科技公司的人,却发现根本没法操作。首先 AI 摄像机挂在工厂里没事,但挂在养殖场里蚊虫太多,设备经常卡住;同时,给人测体温的 AI 算法在猪身上却测不准,因为猪皮太厚了;另外,用来训练 AI+猪体温监测模型的数据也不够,没有养殖场留存过大量猪体温高精数据。

说了好多年,做了很多事,听上去很厉害的 AI 技术,千算万算也没算过猪皮太厚这个问题——这样的困难在真正的 AI 落地中比比皆是。但如果花费大量人力物力,调集专家解决这个问题,最后的收益却可能连专家工资都付不起。

拍摄过一些案例,走访了一些垂直领域的技术公司,会发现田间地头、街头巷尾的智能化需求无穷无尽。很多需求你不跟专业的人聊聊,可能永远都想不到。比如张大姐就跟我们说,她们公司正在推动一个用 AI 给牛称体重的项目。对于广大农户来说,散养的牛是家中一个重要收入,买卖之前过程非常重要。但要把牛放在秤上可难, 需要专业的设备和人员。农户往往需要牵着牛走很远的路才能过一次秤。这就导致在乡间,很多时候给牛估算体重要依靠老师傅摸牛腿之类的方式。如果 AI 能解决这个问题,那会给农户带来实打实的价值。

这样的智能化需求,在中国特别多,也特别分散。发现问题和解决问题都不仅仅是技术的事情,而是需要不同领域的人、企业、平台,像多米诺骨牌一样推导和渗透过去。而首先,是需要各方面知道有这样一种关于智能的可能。

道阻且长,吾辈共勉。


走访了一些智能化案例之后,发现能够接待自媒体参观,愿意对外发声的企业,其实是有一些共性的。比如大多是新近十年规划的工程,并且在规划之初就考虑到了面向智能化、数字化的升级演进。但那些更老、更旧,缺乏智能化顶层设计和数字化基础设施的工厂、码头、矿山呢?这是一直萦绕在我们脑海中的未知。毕竟我们是希望拍摄智能化案例,那些还没有推动智能化的案例我们拍什么呢?但它们又是否需要智能化?答案恐怕是肯定的。

这让团队的小伙伴想到了欧洲和中国的对比。很多新的数字化、智能化技术在欧洲都难以推进,就是因为他们 IT 做得太早,如今基础设施能力已经跟不上了。但全面更新的成本又太高,最终只能选择一些保守的发展方案。如今这种情况在中国也已经出现,更新基础设施完全不如新建项目来得快和稳,并且也更容易得到各方支持。

根据我们比较片面的观察,面对这轮智能化浪潮,2000 年以前的工业化设施已经出现了明显的数字化鸿沟。但那些老工厂、老车间里的设备和人未来何在?这应该是一个必须回答,但又不好回答的问题。

还有一种 AI 落地的难题也经常能够见到。新上马的自动化、智能化设备往往需要大量时间学习。而对于已经比较熟练的产业工人来说,学习新技术还不如接着用老设备更顺手。智能化建设是一把手和 IT 主管的事,一线产业工人的配合度却是另一回事。一些案例里我们也会发现,工人对智能技术还比较陌生。一些智能设备的作用仅仅是摆放在那,只有检查和评比的时候才打开。

这种情况其实很容易理解,毕竟大家对若干年来的工作习惯是有依赖的。这可能需要企业和供应链长效、持续的配合。AI 落地需要的不仅仅是算法和软硬件,还需要人才培养、生态建设、管理变革等一系列辅助。


另外可能就想说说宣传了。这部分可能多少有点敏感,但我们的实际感受是,真的有很多案例和产业经验亟待普及。相关宣传足够充沛,AI 落地的门槛才能越来越低。

但真正在产业中应用智能技术的大多是传统行业、传统企业,其中又以大型政企居多。他们本身宣传诉求较低,也缺乏比较新颖的宣传手段;且宣传中的主要考量是不能出错,不愿意提及企业与行业的痛点。这种情况当然可以理解,但也确实导致很多有价值的产业智慧和经验“不出工厂大门”。

提起 AI,很多人会觉得没有用,价值不大,比较空洞,其实原因在于宣传。

这种情况下,宣传智能化经验的责任就来到了媒体和技术服务商这里。但媒体更多关注的是峰会和展会,抵达一线的机会很罕见;而技术服务商的业务和品牌工作是分开的。品牌公关的负责人,往往也没有亲临一线的机会。我们同科技企业一起探访一线案例时,经常发现科技公司这边的负责人感触比我们还深。

种种隔阂的存在,让原本有价值的智能化案例、行业智慧留在了产业深处。这是应该改变的事情,也是我们会继续努力的方向。

无声潮涨

在海边玩的时候,有时候会突然发现海水竟然涨上来这么高。在拍摄记录了一些案例之后,如果让我们描述对“智能中国”的第一印象,那应该是一场悄无声息的涨潮。

如果只在网上读一些智能化的报道和分析,你可能会觉得要么是官样文章,要么是企业软文,似乎都有点“样板房”的味道。但真正了解过一些案例,沟通过一些人之后,摸着良心说智能技术在中国的普及度是高于初始认知的。果园、农田、高速路口、小区物业,这些地方都可能已经具备了很完善的 AI 解决方案,并且真实服务于民生。不知不觉间我们已经身处水面以下,在无声息中感受着智能世界的压强。


智能技术没有多么神奇,也没有多么不堪,它只是一个不可逆的工业化过程而已。就像在很多企业中探访时,我们都会问企业管理者智能带来的最大改变是什么。得到最多的答案不是“提质增效”这类的套话,而是非常简单的一句话:人用得少了。

在一个水务相关的案例中,原本一个水泵站需要三到五个人看守,智能化之后两三个人可以看住一个城区的水泵站。这带来的改变当然很大。在煤矿中,负责人告诉我们“对于煤矿什么是安全?不下矿少下矿就是最大的安全”。智能技术就负责这件事,对于社会生产力它当然是好的,但对于个人来说恐怕就取决于你所处的位置了。

很多人面对 AI 都有两个好奇:一是 AI 复杂难用吗,二是 AI 会不会替代自己的工作。我们的实际探访经验是,大多数 AI 并不复杂,尤其对于产业工人来说并不比此前的设备更难。但 AI 确实会极大缩减很多岗位的用人需求。这也给这些职位上的人带来了选择题。


我们发现了一个有趣的现象:AI 到底是剥夺了人的价值,还是给人带来更多可能,很大程度上都取决于从业者自己。有些岗位在智能化之后很清闲,那么从业者就真的去享受清闲了;也有的工人心思很活络,去琢磨怎么发展,怎么创造更多价值。AI 把一些岗位从饱和的“流水线”式工作中解放了出来,既是一种取代,也是一个机会。

对于 AI 与人的关系,我们有个直观感受:AI 是一个全新的,跨领域的学习过程。

前文提到的张大姐,她们和宁波本地一所高校的张博士有“农业+AI”方面的合作。张博士外表非常斯文,你绝对不会想到这样一位 AI 领域的学者,每天都要下到稻田里去查看 AI 捕虫灯。他如今已经对各种稻田里的害虫了如指掌。AI 落地的价值,就是靠技术专家双脚埋到泥土里去实现的。


智能中国,正在改变着太多人。流水线工人、矿工、企业主、博士、工程师、老年人、残疾人,这些角色都出现在我们这个小小的,不怎么成熟的节目里,这可能就表达了某种现实。

跟互联网革命的电闪雷鸣、刀光剑影不一样,我们发现智能中国的到来是无感的,不知不觉间的。但有一件事我们觉得极大概率会发生:今天看着 AI 干活和琢磨 AI 怎么干活的,将迎来不同的命运。

暗潮汹涌,其实更甚。

结束语:几幅画面

这半年的旅程,其实还有挺多内容值得分享。但这次总结就姑且到这吧,等记录了更多再考虑怎么发感慨。

最后有几个印象特别深刻的画面,想要送给大家。智能中国在哪里?智能中国可能就在这里:

一、上文提到的那位矿山的摄影师,他聊智能化三个阶段时的兴奋神情,很像是小男孩谈论变形金刚。

二、在某个智能化工厂的办公室,只有两位员工看着面前的屏幕。他们什么也不用做,他们只是 AI 算法背后的一重保障。

三、到宁波的那天下着雨。张博士带着我们和某科技大厂的 PR 去看田里的 AI 捕虫灯。一侧是稻田,一侧是乡村。当时的情形是,两边是中国的农民,中间是中国的科技企业和 AI 博士。


不管怎么说,智能中国,还是值得。

用户头像

脑极体

关注

还未添加个人签名 2020.06.12 加入

还未添加个人简介

评论

发布
暂无评论
半年时间,拍摄8省市10个案例,我们见到了这样的智能中国