105.003-工业AI场景思考-CSDN博客

本文链接：https://blog.csdn.net/qq_27301985/article/details/145100332

笔者在经理向我介绍，以及学习相关课程时有感。

0.灵感

0.1在观看AI产品经理相关课程，以及看行业咨询时，联想到AI是否能与我实际所在的场景相结合，AI+工业，也就是工业AI，可以如何运用？

0.2笔者认为自己应当有观察行业讯息以及分析的能力，

（图源自：大模型官方课程）

但从近期市场的表现来看，AI相关分支反复活跃，包括算力、机器人、AI眼镜、AI玩具等，而无人驾驶相对沉寂，主要原因在于之前预期的FSD仍未有进展，缺了个东风。

昨晚文章重申了端侧AI的逻辑，强调端侧在2025年将迎来井喷。

但从近期市场的表现来看，AI相关分支反复活跃，包括算力、机器人、AI眼镜、AI玩具等，而无人驾驶相对沉寂，主要原因在于之前预期的FSD仍未有进展，缺了个东风。

英伟达一下子将自动驾驶芯片的算力提升到目前的近8倍，自动驾驶芯片就是无人驾驶汽车的大脑，Thor的正式上车对无人驾驶行业是明显的利好。

摘自《研讯社》

英伟达是全球人工智能的领导者，也是全球人工智能发展的引擎，今天，这个本就在高速运转的引擎又提速了。

CES展会第一天，英伟达CEO老黄就做了一个全面的演讲，包括发布全新GeForceRTX50系列显卡，在降价的同时实现了性能上的跃进；强调目标要创建一个巨型芯片，该芯片将使用72个BlackwellGPU或144个芯片，超越世界上最快的超级计算机的能力......

但我认为其中最具吸引力的是：英伟达推出首个生成式世界基础模型Cosmos，标志着英伟达正式开启物理人工智能时代。

物理人工智能顾名思义就是物理+AI，通俗地理解，就是人工智能反馈的内容要符合物理规律。

举个简单的例子，文生图或者文生视频模型，如果不考虑物理，那生成的内容就缺乏了重力、光学等细节，在加入物理知识后，生成的内容将更加逼真。

黄仁勋早在今年早些时候就强调过，“AI的新一波浪潮是物理AI”。

物理AI现阶段主要涵盖两个层次：

一个是模拟仿真的工具：将物理AI模型集成在自主机器中，实现感知、理解并在现实世界中执行复杂的操作。

另一个是生成符合物理规律的数据供模型训练：创造输出更多的数据供模型进行大量的训练，突破目前真实数据过少的瓶颈。

这次英伟达发布的Cosmos模型，就是在做第二件事，是全球首个基础模型，基于2000万小时的视频训练，重点关注物理动态和人类互动。可以接受文本、图像或视频的提示，生成虚拟世界状态，作为针对自动驾驶和机器人应用独特需求的视频输出。

开发人员可以利用Cosmos在仿真环境中验证机器人、智能驾驶程序逻辑，获取真实世界中不易得到的数据来进行持续训练。

这意味着自动驾驶和机器人行业可以利用Cosmos模型大幅降低训练的成本，也就意味着Cosmos模型将进一步加快自动驾驶、机器人等对物理场景要求较高的产业的落地。

据老黄介绍，丰田汽车将在英伟达DRIVE AGX Orin平台上打造下一代汽车，运行经过安全认证的英伟达DriveOS操作系统。Aurora、Continental和英伟达合作大规模部署无人驾驶卡车。

可能上述例子还不够体现物理AI的想象力，再举个风洞的例子。

风洞本身就是仿真的工具，通过人工产生和控制气流，以模拟飞行器或物体周围气体的流动，是研制各种飞机导弹、宇宙飞船等航空航天器的必备设施。

现在全球最强的风洞在中国，JF-22超高速激波风洞‌，能够模拟速度高达30倍音速的飞行条件，相当于每秒10公里的速度。与其他国家的高超声速风洞相比，JF-22风洞在速度、尺度和实验时间等方面都处于国际领先水平。

但先不说建造JF-22风洞的技术难度和成本，光使用一次JF-22风洞的成本就不是一般国家能承受的，有数据显示，JF-22风洞的瞬时功率达到了15000兆瓦，相当于三峡水电站的75%‌，每次测试的总成本要上亿元‌。

而如果物理AI真的成熟了，AI完全懂得物理规律，那未来根本不需要真的造风洞，只要通过软件模拟下就可以了。

所以随着物理AI的成熟，所有需要模拟训练的场景都可以通过AI实现，大幅减少成本和节约时间，因此物理AI将大幅推动人类科技创新的发展。

物理AI将决定一个国家的科技国力。

摘自《研讯社》

1.AI+工业

如今工业AI有哪些运用场景呢？

比如

（1）机器视觉产品检测，可以检测外观，质量尺寸等，以及色度检测，定级定标。这些可以用于医药制造，3C产品，精密器件，地板、布匹等场景，零件外观检测，医药包装检测，芯片封装检测，钢板焊点检测等。那么在制造车灯的时候是否也能运用到，在观察

（2）人员行为规范检测，人在工厂里的行为要有安全规范，操作不当则会产生安全隐患，基于这个需求，则会有人员行为规范检测，对人的异常行为，操作规范，安全，人工功效等进行检测，这一般用于工程建设，工厂生产，船舶航运，对于笔者所在Valeo，也同样适用，

（3）设备故障检测，设备，流水线故障模型预测

2.车灯制造过程

1. 设计阶段

在生产开始之前，需要进行车灯的设计。这涉及到与汽车制造商（如 Tesla）的设计团队紧密合作，确定车灯的形状、尺寸、光学性能和功能要求。设计师会使用计算机辅助设计（CAD）软件来创建精确的 3D 模型，确保车灯能够完美适配 Model 3 的车身线条，并且符合相关的安全和法规标准，例如光照强度、照射角度和颜色等方面的规定。

2. 原材料准备

塑料颗粒：车灯外壳通常采用塑料材质，如聚碳酸酯（PC）或丙烯腈 - 丁二烯 - 苯乙烯共聚物（ABS）。这些塑料颗粒是注塑工艺的基础原料。它们被存储在大型料仓中，并通过管道输送到注塑机的料斗。

反射材料：为了确保车灯的良好光学性能，需要使用反射材料。这些材料通常是一种特殊的涂层或反射片，能够有效地将灯泡发出的光线反射到需要的方向。

灯泡和电子元件：根据车灯的类型（如卤素灯、LED 灯），准备相应的灯泡和电子控制元件。LED 灯还需要准备芯片、电路板和散热装置等。

3. 注塑成型

模具安装与调试：将预先制作好的注塑模具安装在注塑机上。这些模具是根据车灯外壳的形状设计的，具有高精度的型腔。在注塑前，需要对模具进行调试，包括检查模具的开合动作是否顺畅、冷却系统是否正常工作等。

注塑过程：塑料颗粒在注塑机的料筒中被加热熔化。通过螺杆的推动，熔融塑料被高压注入到模具型腔中。注塑机的参数，如温度、压力、注射速度等，会根据塑料的种类和车灯的具体要求进行精确设置。例如，聚碳酸酯的注塑温度一般在 280 - 320℃之间。在塑料注入模具后，需要保持一定的压力一段时间，以确保塑料充满型腔并且密度均匀。这个过程称为保压。

冷却脱模：注塑完成后，通过模具的冷却系统（通常是循环水冷却）使塑料快速冷却固化。冷却时间根据车灯的厚度和尺寸而定，一般在 30 - 90 秒左右。冷却后，模具打开，通过顶出装置将成型的车灯外壳从模具中脱出。

4. 表面处理

打磨和抛光：刚脱模的车灯外壳表面可能会有一些瑕疵，如浇口痕迹、飞边等。需要进行打磨和抛光处理，使表面光滑平整。这可以通过使用砂纸、抛光轮等工具来完成。

涂装：为了提高车灯的美观性和耐腐蚀性，会对车灯外壳进行涂装。涂装工艺包括底漆喷涂、色漆喷涂和清漆喷涂。底漆可以增强涂层与塑料表面的附着力，色漆决定了车灯的外观颜色，清漆则提供光泽和保护作用。在喷涂过程中，需要控制好喷漆房的温度、湿度和通风条件，以确保涂层的质量。

真空镀膜（可选）：对于一些高端车灯或者需要特殊光学效果的车灯，会采用真空镀膜技术。在真空环境下，将金属或金属化合物蒸发后沉积在车灯反射镜表面，形成一层高反射率的薄膜，以提高光线的反射效率。

5. 光学组件安装

反射镜安装：将经过表面处理的反射镜安装到车灯外壳内部的相应位置。反射镜的安装精度对于车灯的光学性能至关重要，通常会使用定位销或胶水来确保其准确安装。

灯泡和透镜安装：根据车灯的设计，安装灯泡和透镜。对于 LED 车灯，需要将 LED 芯片焊接到电路板上，并安装散热装置，然后将电路板和透镜安装到外壳中。在安装过程中，需要注意灯泡的焦距和透镜的光学中心对齐，以保证光线的准确投射。

6. 电子元件安装与调试

电路板安装：将包含控制电路的电路板安装到车灯内部。这些电路板负责控制灯泡的亮度、闪烁模式（如转向灯）以及与汽车的电气系统进行通信。

接线与测试：连接灯泡、电路板和汽车电源接口之间的电线。在安装完成后，需要对车灯进行电气性能测试，包括检查灯泡是否正常点亮、亮度是否符合要求、电路是否存在短路或断路等问题。

7. 密封和质量检测

密封处理：为了防止灰尘、水分进入车灯内部，影响其性能和寿命，需要对车灯进行密封。通常会使用密封胶或橡胶密封圈来密封车灯的接口和缝隙。

质量检测：进行全面的质量检测，包括外观检查（检查是否有划痕、气泡、颜色不均匀等问题）、光学性能测试（如光照强度、照射角度、光斑形状等）、电气性能测试以及密封性测试。只有通过所有检测项目的车灯才能进入包装和发货环节。

8. 包装和发货

包装：合格的车灯会被包装在专门的包装盒中，包装盒内通常会有缓冲材料，如泡沫塑料或纸质隔板，以保护车灯在运输过程中不受损坏。包装盒上会标明车灯的型号、规格、适用车型（Tesla Model 3）等信息。

发货：包装好的车灯根据订单要求被发往 Tesla 的汽车组装厂，在那里它们将被安装到 Model 3 汽车上。