去年年末，新（xīn）华社中国经济信息社发（fā）布《中国制造业高（gāo）质量发展报告(2019)》(白（bái）皮书)。该报告对国内外制造业的（de）前沿动态进行了比（bǐ）较（jiào）研究，发现我国（guó）制造业（yè）竞争力在持续（xù）增强的同时，“大（dà）而不（bú）强（qiáng）”的问题依然存在，关键核心技术与（yǔ）高（gāo）端装备依然高（gāo）度依赖外力，劳动（dòng）生产率依然落后于美（měi）、德（dé）、日（rì）等传统制造业强国。因此，在新（xīn）的一年，我（wǒ）国制造业亟待进一（yī）步优化产业（yè）结构，由要素驱动（dòng）向创新驱动转（zhuǎn）变，以（yǐ）缓解由全（quán）球贸（mào）易（yì）结构变（biàn）化带来的（de）压力。　　在我国（guó）经济和制造（zào）业向高质量（liàng）发展、向价值链中上游（yóu）迈（mài）进，向效（xiào）率要红利的过程（chéng）中，更深层次的自（zì）动化、数字（zì）化，特（tè）别是智能（néng）化将毫无疑问地起到关（guān）键推动作用（yòng），必将成为制造业转型升级的核心动（dòng）力（lì）。作为（wéi）制造业大国的中国（guó），同时也是人工智能的强国（guó），只要两者结合得当，无疑将给中国制造业（yè）插上（shàng）一（yī）双有力的翅膀，飞跃智能化（huà）转型的（de）高峰。

“自家的和（hé）尚好念经”，研究院打造真正适合联想的智能排产

然而，相关市场研究发（fā）现，中国的人工智能公司中真正关注工业领域的尚不足（zú）5%，几百（bǎi）项（xiàng）大型人工智能投资项目中，与制造业有关的不到1%。原因何（hé）在?有媒体分析认为，除了工业领域（yù）数据和标注不足、相关算（suàn）法不够成（chéng）熟之外，算法工程师对工业（yè）流程和技（jì）术等实际问题不（bú）够了解，以及（jí）工业企业对“外来”人工智能公司和解决方案的不信任，是更加深（shēn）层次的原因。在这一（yī）背景下，我们更多（duō）看（kàn）到的是企业内部的技术团队，尤其是（shì）人工智（zhì）能（néng）团队，在自身企（qǐ）业（yè）的智能化转型过程中发挥了关键作用。

全球PC市场占（zhàn）有率第（dì）一的联想集（jí）团旗下的合肥生产基地（dì）——联（lián）宝科技，全（quán）球每售出8台笔记本电脑就有1台来自这里。短短几年（nián），产品累计出货（huò）超过1.2亿台，年订（dìng）单数超（chāo）过60万，定（dìng）制化小单比例超过80%，面向（xiàng）全球100多个国（guó）家和地区高（gāo）效供应。如此庞大的生产需（xū）求对生产排（pái）程提出了（le）很高的要（yào）求，整个排产过程需要考虑包括人（rén）员、设（shè）备、物料（liào）、生产（chǎn）工序（xù）与（yǔ）方法（fǎ）、环境在（zài）内（nèi）等（děng）数十种（zhǒng）复杂的变量，因此（cǐ）人工排产逐渐（jiàn）变得力（lì）不从心。针对这一问题，联想研（yán）究院人工智能实验室的机（jī）器（qì）学习团队打造（zào）了使用（yòng）多交互增（zēng）强（qiáng）学习（xí）优化网络和基于注意力（lì）机制（zhì）的（de）最（zuì）优化网络的人（rén）工智（zhì）能排产方案，可以（yǐ）模（mó）拟（nǐ）多变的生产环境，自（zì）动寻找最佳排（pái）产策略。在制造企业最关注的产品数、订单数、订单交（jiāo）期满足率和产能合理利（lì）用率四个指标上，人工智能算法相比人工排产均有明显（xiǎn）提（tí）升，排产耗时也大幅减少，从原来的每天6小时缩短到1.5分（fèn）钟，生产效率也获（huò）得（dé）了16%的提升。而且随着数（shù）据的积累（lèi）和模型的（de）训练，智能排产模型的能（néng）力还会进一步提（tí）高。

以解决实际问题（tí）为导向，联想人（rén）工智能大有作为

联想研究院人（rén）工（gōng）智能实验室机器学习总监范伟曾表示，联想的机器学习研究目标是把数据（jù）转化为生产（chǎn）决策（cè），把技（jì）术转换成生产力，从而提高集团业（yè）绩并创造（zào）实际价值。在（zài）这个过程中（zhōng），优秀的算法固然是重要的（de）一（yī）环，然而真（zhēn）正能够“一锤定音”的是基于生产（chǎn）环（huán）境下各种（zhǒng）实际问题（tí）的，对不同算法的深度理解和灵（líng）活（huó）运用。联（lián）想机（jī）器学习团队目前由26名员工组成（chéng），其（qí）中（zhōng）14位是算法工（gōng）程师（shī），都是对（duì）算法（fǎ）拥有深入理解并对实际问题拥有敏锐认知的人才。

以（yǐ）解决实际（jì）问（wèn）题（tí）为导向，联想机器学习技术在垂直行业的深度融合应用中具有优秀的可扩展（zhǎn）性（xìng）。这在团队的另外（wài）两款明星产（chǎn）品（pǐn）——智（zhì）能服务备件前瞻分析（xī）和智慧物流（liú）系统中，得到了充分的体现。

智能服务备件前瞻分析系统的核心目标是预（yù）测联想售后服务站（zhàn）对产品备件的需求，并实现提前采购，提（tí）前（qián）调度，提前（qián）在离用户最（zuì）近的服（fú）务站备货，在用户的产品发（fā）生（shēng）故（gù）障以前就感知（zhī）到（dào）需求，这样当需求真正发生时就能以最（zuì）快的速度完成对（duì）用户备（bèi）件的更（gèng）换，最（zuì）大化用户满意度（dù），同（tóng）时也能平衡企业的库存成本。为了实现这一目标，机器学习团队不（bú）仅需要（yào）对服（fú）务站（zhàn）所需的（de）成千（qiān）上万种备件进行精细（xì）的分析，还需要（yào）针对因服务量较少而（ér）数据稀疏，或（huò）者受（shòu）季节（jiē）性地理（lǐ）环境（jìng）影响较大的（de）地区，灵（líng）活切（qiē）换不同的算法。目前，智能预测精（jīng）度已实现比人（rén）工提升7%，每（měi）年为联想节省（shěng）上（shàng）千万（wàn）美元（yuán）成本。

智慧物流系统的（de）核（hé）心（xīn）目标是通过优化配送路径，助（zhù）力联想城市（shì）配送中心降低（dī）运营成本，提升（shēng）服务质量。据（jù）最新（xīn）调查统计，末端配送成本占端到端物流总成本的（de）比例（lì）高达41%，可优化空间巨大（dà）。最后一公里的服（fú）务质量也直接（jiē）决定了用户（hù）体验（yàn）。高达84%的（de）客户表（biǎo）示，令人沮丧的末端配送（sòng）体验，让他们放弃再次（cì）选（xuǎn）择购买相关产品或服务。与智能排（pái）产类（lèi）似，末端配送的优化也是一个典型的运筹学（xué）问（wèn）题。为了（le）应对这一挑战，机器学习（xí）团队（duì）对联想北京配送中心的（de）业务现状进行了（le）调研和梳理，综合考虑产品数（shù）量（liàng）、种类（lèi）、运单数量、体积以及配送地址（zhǐ）、客户类型、服务时长（zhǎng）等多种（zhǒng）因素，通过强化学习建（jiàn）立（lì）图深度网络模型，挖掘出“订单-客户-路线”之间的复杂关系，动（dòng）态生成了一套智能调（diào）度方案。与人工（gōng）派车方案相比，智慧物流系统可有（yǒu）效降低运输里程44.1%和平均用时42.9%，提升（shēng）车（chē）辆装载（zǎi）率32.6%，减（jiǎn）少车次46.0%。从而在提（tí）升配送服（fú）务水平和客（kè）户体验的（de）同时（shí），极大的（de）降低了运力成本。

联想集团（tuán）副总裁（cái），联想研究（jiū）院人工智能（néng）实验（yàn）室负责人徐飞玉博士曾在（zài）多（duō）个场合表示，联想人工智能研究（jiū）的长项在于研究与业务（wù）紧密结合，形成了（le）闭环的生态系统。相信在（zài）未来十（shí）年，在人工智能的应用趋（qū）势逐渐从（cóng）消费端的“酷炫”功能（néng）转（zhuǎn）向针对商（shāng）用端“对（duì）症下药”的大背景（jǐng）下（xià），摆在联想研究院面前的必将是（shì）更将（jiāng）广（guǎng）阔（kuò）的（de）天（tiān）地。