比AlphaGo乌镇大战更有意义，阿里云给中国制造业做了个“ET工业大脑”

■ 文｜芷然

2016年6月，当阿里云人工智能科学家闵万里（山景）第一次走进苏州协鑫光伏的切片车间时，他感到自己开启了另一场巨大的冒险。

他上一次这么冒险的时候，阿里云的人工智能还不叫ET，而叫小Ai。小Ai的成名之战，是去年4月成功地预测了《我是歌手》总决赛“歌王之战”的最终胜出者。了解《我是歌手》比赛规则的人都知道，要做到准确预测比赛结果，相当于要用“读心术”来洞察观众和评委的内心。“人类的情绪、审美趣味等都是主观的，不具备固定的数学规则。”山景用这样的类比来诠释这一挑战的难度，“所以，这比AlphaGo在棋盘上战胜人类还困难。”

小Ai预测《我是歌手》比赛

更难的是，这场挑战没有预演，小Ai的首次登场，就是在全国上亿观众的面前“动真格”。如今山景回想起当时面临的巨大压力，笑称是“赌上了自己的江湖名声”。

小Ai没有辜负整个团队的苦心栽培，它准确预测了首轮淘汰歌手、两两PK配对、前三名人选，以及歌王的最终归属。“我们做到了，我们证明了虽然现在机器还没有自发的情感，但它有可能‘理解’人类的情感。”

这一次冒险的成功，让小Ai声名大噪，也让团队的信心倍增；但是，当山景和团队走进制造业第一线的车间时，面对的情况却和舞台聚光灯之下截然不同。

“——那一刻，我们仿佛看到了‘天书’。”

“在键盘背后不可能理解制造业”

协鑫光伏切片车间里的“天书”，就是工业制造的海量数据。

作为国内光伏行业的巨头，协鑫光伏的年产值超过200亿元。阿里云人工智能ET团队所踏入的车间，生产的是他们的核心产品之一——厚度只有0.18毫米的光伏切片，这是太阳能电池板的主要元件。

光伏切片的生产有着十分精密的工艺流程：一根仅0.115mm粗细的钢线不断摩擦硅板，最终切出一片片误差不能超过百分之一毫米的薄片。车间的湿度、温度、砂浆上下部温度、导轮上下部温度等上千个参数在实时影响着良品率。如此复杂的生产环境下，人工经验很难100%地保障产品质量。如何利用生产线上的数据来提高良品率？这是摆在协鑫面前的难题。

数据不是没有，而是太多了。流水线上的传感器每秒能记录几十个GB的数据，假设用你手中的iPhone来存储，一两秒钟就能“撑爆”一台iPhone。

更致命的是，ET团队里那么多的数据专家，人人都跟互联网上的海量数据打了多年交道，但谁都看不懂工业数据的含义。这里没有他们熟悉的流量、交易额、用户特征等数据，数字背后，是陌生的温度、湿度、压强……他们就像是连一个英文单词都不认识的人，拿起了原版莎士比亚全集。

“当场就有人说，这事儿不靠谱。”山景回忆说，因为在互联网行业中“没有这么玩的”，相比于互联网的打法，这个项目太没有效率保障了——投入可能非常巨大，产出则难以预估。这一场冒险，绝不比让小Ai预测歌王来得更容易。

但他庆幸自己做出了走进制造业第一线车间的决定：“一定要去，因为你不可能在键盘背后理解一家制造业企业。”

两个月之后，阿里云和协鑫光伏的合作正式启动，人工智能团队扎进了车间里，从每一个数据的含义开始，跟协鑫的工程师、技术员和流水线工人一一从头学起。

协鑫方面对此十分惊讶，在他们的印象里，阿里是个纯粹的互联网公司，和制造业扯不上什么关系。“没想到互联网行业的人真会愿意到车间来。”

第一个难关，是把这么多的数据从生产线上“抓上来”，并让它们在云上实时在线可见。听起来不难，数据都是现成的，但是，一家工厂的生产线上机器型号、规格、产地都各不相同，有德国产的，有瑞士产的，它们产生的数据格式都不一样。实际操作的难度远远大于想象。

南京云栖大会上，阿里云总裁胡晓明讲解阿里云ET工业大脑。

为了实时处理这些数据，团队采用了流计算+兼容接口的方案，把数据“理顺”之后全部汇总到云端。“数据都抓上来之后就好办多了，以阿里云飞天系统的运算能力，这个数据量并不是大问题。”为了方便协鑫的工程师和工人们监控这些数据，他们还做了一张数据大屏。“有点像天猫双11数据大屏，各种数据在上面一目了然。”阿里云资深总监李津表示，“数据‘小白’都能看懂，而且通过预先设计好的算法，这张大屏还可以针对异常数据进行自动报警。”