去（qù）年年末，新华（huá）社中（zhōng）国经济（jì）信息社发布（bù）《中国制（zhì）造业高质量发展报告(2019)》(白皮书)。该报告对国内外制造业的前沿动（dòng）态进行了比（bǐ）较研（yán）究，发（fā）现我国（guó）制造业竞争力在（zài）持（chí）续（xù）增强（qiáng）的同时，“大而不强”的问（wèn）题依然存在，关键（jiàn）核心技术与高端装（zhuāng）备（bèi）依然高度依赖外力，劳动生产率依然落后于美（měi）、德、日等传统制造（zào）业强国。因（yīn）此（cǐ），在新的一年，我国制造业亟待进一步优化（huà）产（chǎn）业结构，由要素驱动向创新驱动转变，以（yǐ）缓解由（yóu）全球（qiú）贸易结构变化（huà）带来的压力（lì）。　　在我国经济和制造业向高质量发（fā）展、向价值链中（zhōng）上游迈进，向效率要红利的过程（chéng）中（zhōng），更深层次的自动化（huà）、数（shù）字化，特别（bié）是智能（néng）化（huà）将毫无疑问地起到关键推动作（zuò）用，必将成为制造业（yè）转型升级的核心动力。作为制造（zào）业大国的中（zhōng）国（guó），同时也是人工（gōng）智（zhì）能的强国，只要两者结合得当，无疑（yí）将给中国（guó）制造（zào）业插上一双（shuāng）有（yǒu）力（lì）的翅膀，飞跃智能化转型的高峰。

“自家（jiā）的和尚好（hǎo）念经”，研究院打造真正适合联想的智能排产（chǎn）

然而，相关市场研究发现，中国的人工智（zhì）能公（gōng）司中真正关注工业领域（yù）的尚不足5%，几百项大型人（rén）工智能（néng）投资项目中，与（yǔ）制造业有关的不到（dào）1%。原因何在?有媒（méi）体分析认为，除了工业领域数据和（hé）标注不足、相关算法不够成熟之外，算法工程师对工业流程和技术等（děng）实际问题（tí）不够了解，以及工业企（qǐ）业（yè）对（duì）“外（wài）来”人（rén）工智能公司和解决方（fāng）案（àn）的不信任，是更加深层次的原因。在这一背景下，我们（men）更多看到（dào）的（de）是（shì）企（qǐ）业内（nèi）部的技（jì）术团（tuán）队（duì），尤（yóu）其是人工智能团队（duì），在自身（shēn）企（qǐ）业的智（zhì）能化转型过程（chéng）中发挥了关（guān）键作用。

全球（qiú）PC市场占有率第一的（de）联想集团旗下的合肥生产基地（dì）——联宝科技，全球每售（shòu）出（chū）8台笔记本电脑就有1台来自这（zhè）里。短短几年，产（chǎn）品累计出货超过1.2亿台，年订单数超过60万，定制化（huà）小单比例超过80%，面向全（quán）球（qiú）100多个国家和地区高效（xiào）供应。如此庞大的生产需求对生产排程提出了很高的要（yào）求（qiú），整个排（pái）产过程需（xū）要考（kǎo）虑包（bāo）括（kuò）人员（yuán）、设备、物料、生产工序与（yǔ）方法、环（huán）境在内（nèi）等数十种复杂的变量，因（yīn）此人工排产逐渐变得力（lì）不从心。针对这一问（wèn）题，联想（xiǎng）研究院人工（gōng）智能实验室的机器（qì）学习团队打（dǎ）造了使（shǐ）用多交互增强学习优化网络和基于注意力机制的（de）最优化网络的人工（gōng）智（zhì）能排产方案，可（kě）以模拟多变的生产环境，自动寻找最（zuì）佳排产策略。在（zài）制造企业最关注的产品数、订（dìng）单数、订单（dān）交期满足率和产能合理利用率四个指（zhǐ）标上，人工智能算法相（xiàng）比（bǐ）人（rén）工排（pái）产均有明显提升，排产耗时（shí）也（yě）大幅（fú）减少（shǎo），从原来的（de）每天6小时缩短到（dào）1.5分钟，生产效率（lǜ）也获（huò）得（dé）了16%的提（tí）升。而（ér）且随着（zhe）数据的积累（lèi）和模（mó）型的训（xùn）练，智（zhì）能排产（chǎn）模（mó）型的能力还（hái）会进一步提高。

以（yǐ）解（jiě）决实际问题为（wéi）导向，联想人工智能（néng）大有作为

联想研究院（yuàn）人工智能（néng）实验室机器（qì）学习总监范伟曾表示，联想的机器学习研究目标是（shì）把数据转化为生产决（jué）策，把技（jì）术（shù）转换成生（shēng）产力，从（cóng）而提高集（jí）团业（yè）绩（jì）并（bìng）创造实际价值。在这个过程（chéng）中，优秀的算法固然是重要的一环（huán），然而（ér）真正（zhèng）能够“一锤（chuí）定音”的（de）是基于生（shēng）产环境下各种实际问题的（de），对不同算（suàn）法的深度（dù）理解和（hé）灵活运用。联想机器学习团队目前由（yóu）26名员（yuán）工（gōng）组成，其中14位是算法工程师，都是对算法拥有（yǒu）深（shēn）入（rù）理解并对实际问题（tí）拥有敏锐认知的人才。

以解（jiě）决实际问题为导向，联想（xiǎng）机器学习技术（shù）在垂直行业的深度（dù）融合应用中具有（yǒu）优秀的可扩展（zhǎn）性。这在（zài）团队（duì）的另外两款明星（xīng）产品——智（zhì）能服务备件（jiàn）前瞻（zhān）分（fèn）析和智慧（huì）物流系统（tǒng）中，得到（dào）了充分的体现。

智能服务备件前瞻分析系统（tǒng）的核心（xīn）目标是预测联（lián）想售后服（fú）务站对产品（pǐn）备件的需（xū）求，并实现提前采购，提前调（diào）度，提前在离用户最（zuì）近（jìn）的服务站（zhàn）备货，在用（yòng）户的产品（pǐn）发生（shēng）故障以前就感知（zhī）到（dào）需求，这样当需求真正发生时就（jiù）能以最快的速（sù）度完成对用户备（bèi）件的更（gèng）换，最大化用户（hù）满（mǎn）意（yì）度，同（tóng）时也（yě）能平衡企业的库存成本。为了实（shí）现这一（yī）目标（biāo），机器学（xué）习（xí）团队不（bú）仅需要对服务站所需的成（chéng）千上万种（zhǒng）备件进行精细的分析，还需要针（zhēn）对因服务量较少（shǎo）而数据稀疏，或者受季节性地（dì）理环境影响（xiǎng）较（jiào）大的地区，灵（líng）活切换不同的算法。目前，智能预测精（jīng）度已实（shí）现比（bǐ）人工提升7%，每年（nián）为联想节省（shěng）上（shàng）千万美元（yuán）成（chéng）本。

智慧（huì）物流系统的核心目标是通过（guò）优化配送路径，助（zhù）力联想城（chéng）市配送中心降低运营成本，提升服务（wù）质量。据最新调（diào）查统计，末端配（pèi）送成本占（zhàn）端到端物流总成本（běn）的比例高达41%，可优化空间巨（jù）大。最（zuì）后一公里的服务（wù）质量也（yě）直接决定了用户体验。高（gāo）达84%的客（kè）户（hù）表示，令人沮丧的末端配（pèi）送体验，让他们放（fàng）弃再次选择（zé）购买相关产（chǎn）品或服务。与智（zhì）能（néng）排产类（lèi）似，末（mò）端配送的优化也（yě）是一个典型的（de）运（yùn）筹学（xué）问题。为（wéi）了应对这（zhè）一挑（tiāo）战，机（jī）器（qì）学习团队对联想北京配送中心的业务现状（zhuàng）进行了调研（yán）和梳（shū）理，综合考虑产品数量、种（zhǒng）类、运单数量、体积以（yǐ）及配送地址、客户（hù）类型、服务时长等多种因素，通（tōng）过（guò）强化学习建（jiàn）立图深度网（wǎng）络模型（xíng），挖掘出“订单-客户-路（lù）线”之间的复杂关系，动态生成（chéng）了一（yī）套智能调度方案。与人工派车方案（àn）相比，智慧物流系（xì）统（tǒng）可有效降（jiàng）低运输（shū）里程（chéng）44.1%和平均用时（shí）42.9%，提升车辆装（zhuāng）载率32.6%，减（jiǎn）少车（chē）次46.0%。从而（ér）在提升配送服务水平（píng）和客户体验的（de）同时，极大的降低了运力成（chéng）本。

联想集团副（fù）总裁，联想研（yán）究院人工智能（néng）实验室负责（zé）人（rén）徐（xú）飞玉博士曾在多个场合表（biǎo）示，联想人（rén）工智能研究的长（zhǎng）项在于研（yán）究与业务紧密结（jié）合（hé），形成了闭（bì）环的（de）生态系统。相信在未来十年，在人工（gōng）智（zhì）能（néng）的（de）应（yīng）用趋势（shì）逐渐从消费端（duān）的“酷炫”功能（néng）转向（xiàng）针（zhēn）对商用端“对症下药”的大背景下，摆在联想研究院面（miàn）前的必将是更将广阔的天地。