德国制造不行了？积木式创新助力老牌“隐形冠军”转型
过去十年，以大数据、移动技术、人工智能等技术为代表的数字技术革命，对企业运营和商业模式等方面都产生了深远的影响。新老技术的迭代和相互叠加，让传统企业有了更多的想象空间。
然而，与以往的科技革命不同，这一轮的科技革命创新体系更加强调生态化，科技创新从一种零散的、个别领域出现的偶然性为，变成了全面覆盖各领域的、需通过广泛协作完成的系统行为。同时，有别于以往，全球科技创新网络的主力军不再只是少数发达国家的大型企业、科研院校在参与，一大批具有极强技术专业性以及明确市场需求的初创型小企业涌现了出来。
如何在这个协作创新生态系统中更好的参与，并获取企业在创新层面上所需的外部资源？这是近几年德国制造业从业者一直在思考的一个问题。一直以来，渐进式创新是德国中小企业创新的主旋律。这种创新模式适合于实业的巩固，但是同时也带来诸多的弊病。渐进式创新可以持续性地改善现有产品的性能，并逐步为企业建立起自己的市场优势。当然，前提条件是这种模式的技术进步的速度能够满足市场需求。在新一轮的全球技术革命与产业变革交汇的双重挤压下，越来越多的德国人意识到，如果无法在自身之外寻求新的知识和经验，那么可能会失去在全球市场的竞争力。协作型、开放式创新（积木式创新）的作用在这个时代的背景下作用日益突出。
德国机械制造业联合会（VDMA）2020年统计数据显示，德国机械制造行业中小企业和初创型科技企业的合作已成为企业创新的新趋势。2018年，有55%的中小企业和初创企业有合作的经历。VDMA专家预测，到2022年，这个数值将会是73%。这项研究还证明了这种合作是值得的：已经与初创公司合作的95％以上的中小企业将来会继续这样做。
人工智能：“隐形冠军”与初创企业协同合作的主战场
人工智能是“德国制造”在未来保持全球领先地位的核心竞争力。近几年，德国加快了人工智能领域研究向应用领域转化，核心是让广大中小企业真正用上人工智能技术，用好人工智能技术。但是如何把顶尖技术、研究项目转移给广大的中小企业，是德国目前面对的挑战。
仍有40%的企业未使用上人工智能技术
2020年8月德国Gemeinsam_Digital发布《德国中小企业人工智能应用调查》显示，40%的企业表示暂时没有针对人工智能技术的相关计划。主要的原因在于缺乏对于人工智能在企业中投入使用的全局视野，不确定的经济效益以及缺乏专业的知识和人才。
德国人工智能领域的初创企业针对这些问题正扮演着越来越重要的角色。这批绝大多数从高校走出来的青年企业围绕着升级工业制造而服务，从诞生之初便具备极强的研发实力和对市场需求的洞察。凭借着德国雄厚的工业积累，这些人工智能解决方案优先在工业领域实现了应用，比如优化生产流水线、简化机器人控制系统、提升机床加工效率，降低质量检测中的坏件率等。以下是智库君对近几年活跃于德国制造业的人工智能初创企业的重点介绍：
Micropsi GmbH——人工智能机器人控制系统
过去几十年间，传统工业机器人在生产线上发挥出重要的作用，其快速和精确的位置控制，加速了生产的进程。但这些机器人仅适合于固定轨迹的任务，例如从A点移动到B点，执行零件的切割、组装和喷漆等工作。对于一些复杂或动态的环境，处理未知形状的工件，涉及灵活多变且技术要求高的任务，例如表面抛光，对于环境和轨迹有严格要求的工艺，工业机器人显得难以胜任。
总部位于德国柏林的机器人软件公司Micropsi Industries试图通过颠覆性的人工智能技术填补了工业机器人行业的这一关键缺口。借助MIRAI机器人控制系统，Micropsi赋予第三方机器人“手眼协调”的功能，使部署和重新部署机器人以及原本工业机器人不可能完成的复杂运动变得更加经济和快捷。机械臂可以根据视线实时决定如何移动，并且无需编程便可以从人类那里学习相应的动作。
Micropsi Industries花费了四年时间开发了MIRAI基础版本。目前，该系统已在德国南部和东欧的两家公司完成了测试，为工业机器人的数十项制造任务提供了支持，主要在金属/塑料加工领域。
Panda——基于精确统计评估的人工智能解决方案
工业生产自动化正在不断发展，企业通过优化流程来获得决定性的竞争优势。生产过程中破坏性因素的识别和分析起着重要作用。大学创业公司Panda在此提供了一种基于精确统计评估的人工智能解决方案。
Panda GmbH是汉堡赫尔穆特·施密特大学（HSU）机器元件和计算机辅助产品开发研究所（MRP）的衍生企业。该公司针对德国机械工程行业的需求，开发了一种多合一的人工智能系统。特殊的算法通过以数据控制的方式识别并分析生产中潜在故障的原因，并实现了基于模式的控制策略。为了让敏感数据得到最大化的保护，数据不需要上传到云端，而是在现场直接做处理。
在3月2号举行的网络研讨会上，Panda GmbH的总经理Michael Welsch将以德国隐形冠军Kroenert为例，展示人工智能在生产中的实际应用。
Plus10——针对全自动和复杂机器的人工智能生产优化解决方案
Plus10是德国弗劳恩霍夫制造技术与自动化研究所的衍生公司，首席执行官Felix Georg Müller在创立plus10之前一直是弗劳恩霍夫协会生产优化部门的负责人。Plus10不仅仅是一家人工智能公司，除了为企业提供数据分析软件，还提供完整的智能优化工具。该公司的解决方案特别针对全自动和复杂的机器设备。基于PLC数据，通过机器学习算法可以了解机器的详细行为模型，从而持续不断地优化系统本身。
封闭式优化控制回路
该公司不仅提供了颠覆性的技术，同时还建立了高度创新的商业模式。通过“按次优化付费”，他们为人工智能工具创建了基于性能的定价模型，从而将各方的风险降至最低。
3月9日，创始人Felix Müller将在线上进行主题为“通过自学习系统进行自动生产规划”的研讨会。
Deevio GmbH——基于深度学习的质量控制
尽管机器视觉技术已经存在了很多年，但是基于规则的机器视觉系统的缺点限制了该技术的广泛使用。如果要进行质量控制，如何在工厂中安装机器视觉系统？通常，传统方式是编写一些代码。您必须向相机说明您要检测的对象的功能集。这非常耗时，并且需要在主题方面非常熟练的人员。另一个问题是这些编程的系统非常不灵活。如果要检测的对象中的某些功能发生了变化，则必须重新编码。此外，这类系统的伪错误率相对较高。原因之一是图像处理系统通常非常敏感，对于一些微小偏差（例如入射光束、摄像机角度改变），容易产生错误的判断。
Deevio于2018年成立于柏林，是柏林深度技术公司WATTx的衍生企业。该公司基于深度学习技术，开发自动化线下质量控制解决方案。Deevio得到了柏林投资银行Pro FIT计划的支持。合作的目标是研究和开发用于自动质量控制的连续学习算法。该项目由欧洲区域发展基金会（EFRE）共同资助。
Deevio的深度学习解决方案基于学习缺陷概念的模型，该模型可以直接集成到现有的机器视觉系统。具有较高的灵活性和巨大的成本优势。通过使用这类模型，可将伪错误率从50％降低到1％。目前该解决方案已经在德国企业行业、铸造行业以及制药行业进行了应用。
结语
人工智能正在成为制造业企业发展新的引擎。在德国，成熟的工业公司和初创企业之间可以采取何种形式的合作？他们需要共同应对哪些挑战？我们将在接下去的系列文章中为大家进行解读。