工廠在實際生產中并不能保證產品百分之百的完美，或是銜接的螺絲沒有擰緊，或是表面出現細小劃痕，或是產品標簽忘記粘貼……一個看起來毫不起眼的缺陷或瑕疵，輕則致使企業的商譽和財產遭受損失，重則甚至會導致傷亡事故的發生。
古語道：“千里之堤，潰于蟻穴”，其中蘊藏的真理放在現代制造業也同樣適用。
工廠在實際生產中并不能保證產品百分之百的完美，或是銜接的螺絲沒有擰緊，或是表面出現細小劃痕，或是產品標簽忘記粘貼……特別是在顯示屏、電子產品、汽車、航天航空等行業，一個看起來毫不起眼的缺陷或瑕疵，輕則致使企業的商譽和財產遭受損失，重則甚至會導致傷亡事故的發生。
為了使制造企業擺脫缺陷和瑕疵的煩惱，中科創達（ThunderSoft）正攜手亞馬遜云服務（AWS），基于雙方在端側和云側的優勢，助力客戶進一步提升產品良率，釋放產能，增強產品競爭力。
智慧工業 ADC 系統：讓缺陷無所遁形
傳統的生產制造，主要通過人工檢測產品表面缺陷，然而隨著工業產品精密度越來越高、數量越來越多，這種傳統的缺陷檢測手段也變得越來越難以為繼。
中科創達的某位客戶——國內最大的智能面板行業企業之一，就曾在缺陷檢測環節面臨種種挑戰。首先，部分產品缺陷會導致面板良率不穩定，使得其在與競爭對手競爭時處于比較劣勢的狀態；第二，傳統的檢測手段效率低、成本高，不利于企業長期發展。該智能面板企業非常迫切的想要進行數字化和智能化的升級改造，但是卻因為缺乏相關的 IT 能力和基礎設施而無從下手。
作為全球知名的智能操作系統產品和技術提供商，中科創達深入了解以該企業為代表的傳統制造業發展需求和趨勢，基于在智能操作系統、圖形圖像處理和人工智能領域的深厚技術積累，在 2018 年推出了工業視覺檢測一站式解決方案——智慧工業 ADC (Automatic Defect Classification)系統。
該系統包含缺陷自動化分類、新產品迭代數據清洗、業務作業員認證三個子系統，從作業員技能認證、數據集更新到新產品導入，貫穿工業檢測的整個生命周期，有效幫助制造企業減少 75%的工作量，產能提升 35 倍。相比人工檢測，漏檢率下降 3%，準確率提升 99%。
目前，智慧工業 ADC 系統已經在液晶面板行業成功實施多個案例，廣獲客戶好評。在液晶面板行業，中科創達擁有國內首家實際產線成功上線，且穩定運行一年以上的 ADC 缺陷自動分類系統的實施經驗。除了液晶面板，中科創達還進一步將該系統拓展到汽車制造、電子產品、化妝品制造、橡膠制造等行業，幫助眾多客戶提升工業自動化和智能化水平。
值得注意的是，任何客戶應用智慧工業 ADC 系統都需要實施機器學習工作，這就少不了 AWS 的助力。2020 年 6 月 4 日，在 AWS 中國區域推出 Amazon SageMaker 機器學習服務之際，中科創達率先宣布，已經將 Amazon SageMaker 集成到了自家 ADC 系統中，讓制造業客戶可以在工業生產中輕松獲得 AI 質檢能力。
Amazon SageMaker：降低企業擁抱 AI 的門檻
在 AlphaGo、波士頓動力狗等令人驚嘆的表現的沖擊下，人們已經對 AI 技術背后蘊藏的變革性潛力達成了共識。在很多場合下，AI 都能代替人類完成相應的工作，并且效率奇高、極少犯錯、永不疲倦。
許多企業早已對 AI 躍躍欲試，然而在實際應用中卻只能望洋興嘆。這是因為，機器學習的實施是一項非常復雜且昂貴的工作，涉及大量試錯，并且需要專業技能——換個說法，就是“門檻”很高。
開發者和數據科學家首先必須對數據進行可視化、轉換和預處理，這些數據才能變成算法可以使用的格式，用以訓練模型。即使是簡單的模型，企業也需要花費龐大的算力和大量的訓練時間，并可能需要招聘專門的團隊來管理包含多臺 GPU 服務器的訓練環境。從選擇和優化算法，到調節影響模型準確性的數百萬個參數，訓練模型的所有階段都需要大量的人力和猜測。然后，在應用程序中部署訓練好的模型時，客戶又需要另一套應用設計和分布式系統方面的專業技能。并且，隨著數據集和變量數的增加，模型會過時，客戶又必須一次又一次地重新訓練模型，讓模型從新的信息中學習和進化。所有這些工作都需要大量的專業知識，并耗費龐大的算力、數據存儲和時間成本。
Amazon SageMaker 則能夠降低企業擁抱 AI 的門檻，幫助客戶去除機器學習涉及的混亂和復雜性，讓客戶能夠迅速構建、訓練和部署模型，整個過程簡單而高效。尤其是在智慧工業領域普遍涉及的邊緣端，借助 Amazon SageMaker Neo，開發者只需訓練一次機器學習模型，便可在云端和邊緣的任何位置運行。
Amazon SageMaker Neo 可將模型的運行速度優化到兩倍，同時僅占用 1/10 的內存，也不會對準確性造成任何影響。Amazon SageMaker Neo 可以優化部署在 Amazon EC2 實例、Amazon SageMaker 端點和 AWS Greengrass 管理的設備上的模型，實現工業視覺檢測應用與其它應用無縫連接。
據中科創達 CTO 鄒鵬程介紹，在電氣行業 ADC 系統的實施中，通過集成 Amazon SageMaker，最終用戶的一次性投入成本降低了 42%，軟件開發的工作量降低了 39%，系統的上線時間縮短了 50%，系統運行效率是傳統檢測的 35 倍，解決了 ADC 系統落地工業場景的障礙。
端云一體：融合系統理念
“從某種意義上來說，AWS 做的是云端的操作系統，而我們中科創達做的是端側的操作系統。” 鄒鵬程如此形容二者，然而，中科創達和 AWS 的率先牽手，不光是因為技術上的互補，更是緣于理念上的契合，“我們能夠在這個領域打動客戶并脫穎而出的主要原因，是我們以客戶為中心的理念，這與 AWS 是一致的。我們幫助客戶應對挑戰的解決之道就是融合系統的理念，即終端和云端融合、場景和技術融合、產品和服務融合、硬件和軟件融合以及視覺和 AI 融合，最終為客戶提供端云一體的完整解決方案。”
要想理解什么是融合理念，我們必須先清楚什么是不融合的狀態。鄒鵬程在回答物聯網智庫的提問時舉了個例子，比如端側用自己的系統，云側用自己的架構，端側和云側的工程師各自寫自己的代碼，互不交集，中間通過一些傳統的協議來進行交流。但這種方法顯然比較低效。更好的狀態應該是，云端和終端有一個一致的體系和架構，開發者不用操心到底是終端還是云端還是邊緣側，同樣的代碼能夠實現無縫分布。
這種特性在 Amazon SageMaker 中也有很好的體現，尤其是 Amazon SageMaker Studio 集成開發環境（IDE），為整個機器學習工作流提供了一個統一界面，使構建、訓練、解釋、檢查、監視、調試和運行機器學習模型變得更簡單、更快。
AWS 中國區生態系統及合作伙伴部總經理汪湧表示：“中科創達是非常優秀的 APN（AWS 合作伙伴網絡）合作伙伴，在 IoT、人工智能方面的實力尤其突出。Amazon SageMaker 一個重要的特點在于能夠與各類行業應用進行集成，來進一步賦能各行業的應用場景。我們非常高興中科創達能夠成為首批在 AWS 中國區域利用 Amazon SageMaker 的 APN 合作伙伴。基于 Amazon SageMaker，中科創達能夠打造更加優秀的智慧工業視覺檢測 AI 系統，滿足更多客戶的需求，助力他們實現智能化轉型。”
數字化轉型是一項系統性工程，未來，中科創達將與 AWS 繼續進行緊密、堅定、深入的合作，助力更多行業的智能變革。