阿里巴巴AI大脑专家周昌分享了“面向制造的云端视觉AI”，他从AI一线工程师的角度，介绍了视觉AI在工业制造领域的应用场景和发展潜力。不过，AI在落地过程中显然也会面临不少挑战。如何做好业务和技术的融合，是当前AI应用的一大课题，这需要人工智能从业者“放下论文，注重落地”。
据千讯咨询发布的《中国人工智能市场前景调查分析报告》显示，视觉人工智能在工业领域有哪些应用场景？主要有两个方面，一是传统生产线上的机器视觉，更多体现的是视觉AI硬件化，即生产线上的摄像头AI升级；二是非生产控制场景的视觉AI应用，如质量检测、车间/产区监控、安全监控等等。
后者是解放人力的重要落地方案。工业制造领域的视觉应用均呈现出长尾、碎片化的特点，云端视觉AI正是通过构建一套应用方法，并建立相应的AI落地策略，提高视觉应用领域的效率，以减少人力投入。缺陷检测，例如太阳能电池片的生产，检测出有缺陷的产品，往往要耗费大量的人力、物力，在专业领域，一个员工识别出缺陷产品，至少要培训1-3个月的时间。
再例如，火车的保养工作通常要用榔头敲打各个部件，铁路公司在进站的轨道上放置摄像机，将这些检测图片传至办公室内，办公室内的工作人员进行远程观测。但事实上这个工作非常“辛苦低效”，对企业来讲也是人工成本高、情绪对质控影响大。在视觉AI的解决方案中，机器视觉工程师会全程参与，去现场搜集缺陷的类型、图像的种类，并制定召回或修改的指标，结合企业的成本控制要求，完成对视觉信息的有效输出。同时，对于各个流程中的人工干预，方案也会进行更为合理的规划。
在面向制造业、农业、环保等领域时，视觉AI的落地是实战型的AI，其中最容易突破的点就是解放繁琐工作。在各行各业，繁琐工作大量存在，这些点最适合AI落地的产品。