充满金属气息的流水线上，十几个机械手齐齐舞动，霎时间火花四溅——是最典型的现代化汽车生产画面，经常会被电视作为高科技的代表播出的那种。
以奥迪在德国的内卡苏尔姆组厂为例，就拥有超过2500个工业机器人，其中有900个专门负责点焊作业，每天总共要处理超过1000台商用车，每台汽车的点焊大概有5000个，算下来这些点焊总共多达500万个。
这么多机器加工的点焊，如何确保质量？与上下飞舞的机器人焊接场面不同，检查的过程看起来却很“笨”：每天将一辆汽车送到18位工程师的手上，用超声波探测一点一点检查焊接的质量。
如此鲜明的对比，恰恰体现了制造业传统和未来的那条“分割线”。
全球车企都头疼的问题，是这样被解决的
之所以奥迪会选择1000台之中只抽1台，并不意味着人们对于机器加工的完全信任，而是检查的成本实在太高。1台车就要18个专家，那1000台车岂不是需要18000名专家。
在赤裸裸的数字面前，人们只能选择投入更多前期建设、维护整个加工过程的稳定性，这也是为什么工厂中经常有造价昂贵（数百万、数千万）、恒温恒湿防震的加工环境。
另外一方面，尤其是像点焊这样加工数量众多的加工项目，机器并没有大家想象中的“靠谱”，假设每次点焊加工的失误率仅为十万分之一，但一台车5000个加工点算下来，仍有5%左右的概率会出现失误。
现实中的数据也很能说明问题，根据市场监管总局今年3月公布的数据，2019年因为车身质量问题，中国就召回了33万辆乘用车。这个数字在全年超2000万台乘用车的总销量中看起来只算很小一部分，但足以证明传统汽车制造业在经过上百年的不断进化之后，仍存在比较明显的“天花板”。
汽车制造技术和能力止步”天花板“，再加上大环境因素的影响，让整个汽车制造业挑战重重。去年年底，以在美国建厂的福耀玻璃为采访对象的Netflix纪录片《美国工厂》，在中国互联网上爆红，引发了广泛的讨论。
抛开中美文化、企业管理制度这些最热的话题，其实它很好地展现了全球汽车制造业当下面临的一部分困境——制造业人工成本不再像之前那么容易下降，机器人技术不适用于所有场景、而且在生产力之外也带来了新的挑战。
开篇中奥迪所面临的问题就非常典型，好在奥迪在一位神秘伙伴“神秘伙伴”的帮助下很快找到了解决方法：在加工过程中引入全新测量的数值，通过机器学习训练算法，形成一整套全新的质量判定标准，边加工边做质量检查。
这个解决方法听起来简单，但内在的创新实在不少，以新增的数据为例：工业机器人是智能化的，以往的质量监测数据往往来自它，例如点焊过程中位置是否精准，机器人是否运动出现故障等等。
相对应的，实际完成焊接动作的焊枪，却是非数字化的，第一步改造的重点就是为这些焊枪加上控制器，并且接入网络。
除了焊枪之外，解决方案中还引入了焊缝配置、焊接金属类型、焊条健康状况等数据，并利用AI最终找出下一步就是找出规律——如何才能确保焊接的质量。
从焊枪中收集而来的数据，与焊接后的人工检查数据被一同输入计算机，通过机器学习训练算法的预测能力，增加其准确度。
单就这个解决方案而言，所需要的能力不小且复杂：
首先是加工设备焊枪的改造，需要在终端部署一定量计算力和网络通信的能力；
其次是一条流水线上，数台机器人共同作业时，各自数据采集、边缘计算，最终再将结果汇总的能力；
最后是整体的运维统筹能力，所有机器人的数据在边缘计算处理之余，还得汇总到一起，数据汇总的仪表板可帮助奥迪员工直观查看数据，并且系统会在检测到焊缝缺陷或潜在配置变化时提醒技术人员，以最大限度减少或消除缺陷。
协助奥迪完成这么大一个挑战的伙伴不是别家，就是全球半导体业巨头英特尔。在内卡苏尔姆工厂进行的机器人升级，就是英特尔和奥迪在合作进行概念验证（POC）试验。
虽然只是一次试验，但效果依旧十分明显。奥迪的生产计划、自动化和数字化负责人Michael H?ffner就专门表示，通过这次试验，生产线上劳动力成本降低了30%到50%。
更为关键的是此次试验的内容，完全可以作为一种基础性技术，扩展到汽车生产的其他环节中去，如铆接、涂胶和喷漆等等。
横向拓展能力的基础主要有两点，一是英特尔打造工业互联网时的硬件基础，各种不同的工业解决方案都是运行在英特尔的X86处理器上，而英特尔X86处理器自身从边缘到云计算的广泛布局，让其工业互联网解决方案极具扩展能力。
另一方面在于英特尔在工业互联网上的提前投入，在奥迪解决方案中，便使用了英特尔的“Industral Edge Insights（下文简称IEI）”软件。这套软件本身就着眼于工业中的各种场景，通过与英特尔自身灵活的硬件基础结合，帮助客户更快完成数据收集、存储和分析，降低工业互联网的门槛。
解决方案拓扑图
仍以焊接这个任务为例，英特尔还和国内公司信捷点气合作，研发了一款完全通过3D机器视觉实现的焊接解决方案，能够完成很多以往非智能解决方案无法完成，必须依赖人工的焊接任务。
制造业的下一步，应该是什么样子？
作为决定人类生活水平的前提，制造业的发展注定没有终点只有更远的远方。这个不断前进的过程中，最关键的是找到未来的核心趋势。
日本在上世纪70、80年代疯狂地将各种机器人技术引入了机械、电子、汽车为代表的制造业。时至今日，日本的机器人保有量虽持续下滑，但仍牢牢占据世界第二的位置。这背后所对应的就是日本对于制造业发展的判断：
一是机器人在完成高精尖的制造任务时有先天优势；
二是日本是全球少子化、人口老龄化最严重的国家，机器人可以极大幅度解决劳动力问题。
问题来了，从当下趋势看，制造业未来的核心是什么？
传统机械化主导的制造业发展已趋于完善，基础的数字化手段开始往更高级、更系统的数字化阶段迈进，而传统死板的自动化手段应用场景始终受限，通过给计算机喂数据来实现编程的机器学习有望大规模应用。几个点结合起来看，可以归纳为一句通俗易懂的话——机器注定将会在更多的制造场景和领域中，全面超越人工。
去年，富士康曾联合亿欧智库、腾讯云共同发布了一份白皮书，其中提到中国制造业转型升级，内里最关键的是要构筑卓越制造体系。
具体一点的内容包括精细化管理和决策、动态需求和资源规划管理、柔性生产、全价值链的可追溯性等等。这些小的要点都需要强大的数字化能力支撑，例如动态需求和资源规划管理，需要构建统一的数据治理体系，又比如长期被作为工业4.0代表的柔性制造，就需要多机协同的工业互联网架构。
在这个过程中，英特尔扮演的角色，就是和自己的合作伙伴一起，将自己主导的软硬件乃至更上层的生态，实打实地推广到更多工业实际应用中去。
