“劳动力红利消逝的趋势难以扭转,这是最根本的主导力量。”陈永刚说。广东省经信委此前还曾预测,到2020年末,广东工业机器人保有量将达到30万台以上。
作为经济第一大省,今年广东的经济发展思路中,继续“点题”机器人产业。
2月20日的广东省经济和信息化工作会议披露,2016年广东全省的工业机器人产量增长45.2%,新增应用机器人达2.2万台,总量超过6万台,保有量约占全国五分之一。
近年来,随着制造业转型升级的不断推进,广东一跃成为国内最大工业机器人应用市场,从会议释放的信号来看,围绕振兴实体经济、中国制造2025、智能制造和先进装备制造业等转型升级主线,广东仍将“力推”机器人产业发展。
具体而言,今年广东将实施机器人产业发展专项行动,具体目标是:力争全省机器人制造业产值达到600亿元,并且全年新增应用机器人2万台左右。
机器人保有量占比提升
春节过后的广东劳动力市场上,制造业企业的招聘人员普遍抱怨着招工难,但也有人感到一丝安慰:受益于企业开展“机器代人”,用工缺口还不至于那么大。
一家电子产品代工企业的人力资源部门负责人告诉记者,该企业在开展“机器代人”之后,一条生产线最高约可节约30%的人力。
这是当前广东制造业转型升级的一个缩影。近年来,面对劳动力短缺和用工成本上涨构成的挑战,广东大举推进“机器代人”,寻求制造业发展的“机器人红利”。
这使广东成全国最大工业机器人应用市场。前述会议披露,2016年广东全省一共新增应用机器人2.2万台,总量超过6万台,这一保有量约占全国五分之一。
对比上一年来看,2016年广东工业机器人的新增需求量,以及机器人保有量占全国的比重均有所提升。2015年,广东工业机器人保有量占全国比重仅18.8%。
会议分析,这与该省实施工业机器人应用计划,通过购置费事后奖补推广自主品牌机器人应用不无关系。
最近两年,为推动企业开展“机器代人”,广东省级和各市政策频出。比如,作为广东省两大制造业重镇的东莞和佛山,除给予比例不低的事后奖补外,还均在探索以“融资租赁”或“按揭”的方式,向企业推广机器人应用。
记者在近期的调研中发现,随着应用成本降低、政策配套的完善和落地,加之示范效应初显,越来越多广东制造企业开始尝试或加大机器人应用。
东莞市蓝创捷特佳电子有限公司的高管曾建华告诉记者,最近两年能明显感受到周边企业“机器代人”步伐的加快,“现在几家企业的人凑一块,经常聊的不是在哪里招了多少人,而是自动化改造后的精度和效率如何,侧重点变了”。
曾建华分析,这种现象的出现,根本原因还在于劳动力成本上涨趋势的不可逆,但直接原因是工业机器人应用门槛的降低和带动效应,这让更多企业愿意尝试。
旺盛的需求刺激下,广东机器人产业也迎来繁荣。2016年,广东工业机器人产量增长45.2%。根据国家统计局数据,全国为34.3%。
实施机器人产业发展专项行动
从前述会议释放的信号看,广东“机器人”的前进脚步还将进一步提速。
广东提出,今年将完善工业机器人保费补贴政策,推进“机器人进集群”,要在电子信息、食品饮料、医药、陶瓷建材、金属制品、民爆等行业中,优先推广机器人应用。广东具体的量化目标是,全年要新增应用机器人2万台左右。
东莞市机器人行业产业协会秘书长陈永刚告诉记者,结合最近两年的实际需求增量来看,2万台左右的新增目标完成难度并不大。
陈永刚分析,从应用领域看,目前广东工业机器人集中在3C、模具和汽车等领域,这些行业的机器人应用潜力仍然较大,需求还有待进一步释放。另一方面,从企业的角度来观察,一些效益较好的大企业在“机器代人”上步伐快,增量也非常可观,比如有的企业一扩产就带来上千台的需求。同时,诸多小企业的发展壮大也将带来长期需求。
“劳动力红利消逝的趋势难以扭转,这是最根本的主导力量。”陈永刚说。广东省经信委此前还曾预测,到2020年末,广东工业机器人保有量将达到30万台以上。
从机器人产业发展的角度,广东还提出,今年将实施机器人产业发展专项行动,具体的目标包括:培育15家机器人骨干企业和10家系统集成服务骨干企业,建设4个机器人产业基地,力争机器人制造业产值达600亿元。
多位接受采访的分析人士指出,发展工业机器人产业,更为重要的意义在于带动制造业整体水平提升,包括材料、核心零部件等科研创新能力。
陈永刚表示,工业机器人产业与诸多产业存在极大关联性,其发展过程中一系列基础性、共性创新和攻关,将为整个制造业带来诸多新技术,推动产业链整体向前发展。
前述会议也提出,广东要加快科技成果产业化对接和应用,其中就包括要在机器人减速器及控制器、高端芯片及新型传感器、工业核心软件等领域组织攻关并促进产业化。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。