美國西部時間7月6日下午，富士康集團（又稱鴻海精密集團）於斯坦福大學舉辦了一場宣講會。富士康創始人及董事長郭臺銘，協同美國辛辛那提大學講座教授李傑博士、富士康工業互聯網學院名譽院長劉穎昕、富士康副總裁呂芳銘、以及十多位富士康高管出席活動，郭臺銘也在會上發表了有關富士康佈局和展望工業人工智能的演講。
富士康還在會上透露了成立人工智能子公司Industrial AI System的消息，並希望在硅谷招募100位擁有相關技能和專業知識的人才。同時，富士康已經和辛辛那提大學共同簽署了開發工業人工智能的合作研究協議。
本場宣講會是大數據平臺Talkingdata和人工智能媒體的合作品牌DTalk系列之一，該系列邀請美國頂級人工智能專家進行技術和行業分享，開放人數不到200人的宣講會吸引了超過500多當地的學生、數據科學家、企業家等報名註冊。
郭臺銘：富士康的人工智能決心
郭臺銘是帶着滿滿的誠意來到灣區的。
「從1980年代到1990年代，我在灣區住了11年。硅谷有着美國最優秀的人才，更重要的是，它有一種特殊的DNA，能夠接收新的科技並且重新定義科技，」郭臺銘在其演講中如是說道。
郭臺銘透露，富士康和辛辛那提大學工程和應用科學學院在周初簽署了在工業人工智能的合作研究協議。
「什麼是工業人工智能？ABCDE。」
郭臺銘稱這個說法源於李傑博士：A是人工智能（A.I.）、B是大數據（Big Data）、C是雲計算（Cloud）、D是領域知識（Domain Knowhow）、E是證據（Evidence）。
過去半年，富士康在工業互聯網和智能製造上發力顯著：二月，富士康副總裁Fang-ming Lu在新聞發佈會上表示，將在未來幾年內在人工智能應用和工業互聯網領域投資100億元新臺幣（相當於3.4億美元）；而在這之前的1月31日，富士康集團召開了特別股東大會，批准讓子公司「富士康工業互聯網股份有限公司」在上海證券交易所上市，這家公司的業務囊括了工業互聯網、機器人等業務。
「在中國，大家都提互聯網+，我們是+互聯網。」
郭臺銘表示，富士康正在將傳統制造業和新型的前沿技術融合，爲人工智能人才和數據科學家提供平臺，投資在灣區的人工智能初創公司，爲科技人才提供獎學金。
富士康人工智能子公司：Industrial AI System
根據日經亞洲評論的報道，富士康工業互聯網學院名譽院長劉穎昕透露，富士康成立了一家人工智能子公司Industrial AI System。該公司已經於美國註冊，將致力於發展由人工智能賦能的工業互聯網，並且希望在灣區招募到100位在深度學習、物理、光學、精密機械控制等領域有專業知識的人才。
富士康在其自動化部門擁有約1,000名員工，並且還經營着致力於傳感器和物聯網的部門，新的人工智能專家將與製造業的部門合作，收集和分析數據。
製造業是一個高度需要專業領域知識的行業，且分門別類，涵蓋各種不同的領域，許多在機器學習前沿領域的優秀專家並不瞭解製造業數據的含義，這被認爲是如今人工智能進入製造業的難點，唯有在收集數據的現場親眼見證數據收集的過程，才能真正瞭解這些數據的含義。
日經亞洲評論稱，斯坦福大學的觀衆中已經有不少人表示有興趣爲富士康工作。 一位受僱於當地科技公司的參與者表示，他期待富士康有關就業的更多消息。
李傑：工業大數據和工業人工智能
李傑博士是美國辛辛那提大學講座教授、美國國家科學基金會智能維護系統產學合作中心主任、上海交通大學特聘講座教授與先進產業技術研究院前瞻顧問、以及美國白宮信息物理系統專家組顧問。會上，李傑博士發表了主題爲「智能工業系統機器學習的系統觀點」。
李傑博士首先談到了有關工業人工智能中的機遇，共分爲四個類型，分別是：
- 可預見的可解決的問題：通過持續改進和標準工作解決問題；
- 可預見的需要回避的問題：使用新知識進行增值改進；
- 不可預見的可解決的問題：使用新方法/技術解決未知問題；
- 不可預見的需要回避的問題：使用更智能的信息爲未知知識創造價值。其中，創造價值的過程也是產生數據價值、並且將經驗轉化爲證明的過程。
其次，李傑博士談到了工業大數據分析，其本質是：將數據分析應用於各種類型的大量數據，揭示工業和製造系統中隱藏的模式，未知相關性和其他有用信息，並與業務自動化軟件集成，以提高生產力和創新能力。
在李傑博士眼裏，人工智能和工業人工智能不太一樣。前者作爲一種認知科學，在圖片分析、機器視覺、自然語言處理、機器人和機器學習中有着廣泛的研究，但是在工業領域一直沒有提供有力證據來證明它能持續取得收益回報。
工業人工智能則是一種系統學科，關注如何系統地、快速地在工業應用裏發展、驗證和部署不同的機器學習算法。
過去，利用專家經驗，工業界可以獲得應用性能上的提升，但是隨着一個專家離開了崗位，應用會出現性能上的斷檔和一定程度地回落，等到下一位專家完全接手並且熟悉工作之後纔會恢復，這就是人類憑藉經驗知識的方法的不持續性。基於規則的專家系統、以及之後出現的人工智能緩和了性能回落的問題，但是都不及工業人工智能帶來的可持續的、大幅度地性能和效率的提升。
工業人工智能是一個非常複雜的系統，系統層面上：
- 語言包括爲R、C、和Python；
- 系統性的機器學習方法包括：相似性學習、模擬性學習、寬度學習、關聯學習、和深度學習；
- 目前主要的一些商用化平臺和工具包括：通用電氣的Predix平臺、西門子…
最後，李傑博士還談到了由辛辛那提大學、密歇根大學和德州大學聯合組織的「工業人工智能中心」，該中心的使命是將人工智能的潛力帶入工業應用，能快速研究，開發，原型化和部署人工智能解決方案，爲各行各業帶來運營，技術和經濟影響，包括航空航天，能源，醫療保健和製造業等。
劉穎昕：富士康的人工智能發展規劃
劉穎昕的演講圍繞「當前製造的挑戰」、「富士康智能製造的路線圖」、「富士康工業人工智能的類別」、「富士康工業人工智能的應用案例」這四個方面。
劉穎昕認爲，當前製造的挑戰主要包括：
- 人口紅利消失，職業穩定性難以維持；
- 機器老化和不穩定，以及無法預料的機器崩潰；
- 複雜的供應鏈以及材料設計公差；
- 超精細和精密裝配的挑戰；
- 正處於人工智能和工業4.0時代，同時環境保護和貿易衝突也造成了阻礙；
富士康在智能製造領域分爲四個階段：人力手動、自動化、數字化、高效管理。同時，富士康的自動化智能製造又分爲四個層級：
- 操作技術上實現大規模生產；
- 自動化技術上解決ROI挑戰；
- 數據技術圍繞物聯網和傳感器；
- 分析技術主要研發機器學習算法。
富士康的工業人工智能類別分爲：
- 視覺檢查和缺陷檢測；
- 精密裝配中的實時監控；
- 及時的故障分析；
最後，劉穎昕介紹了幾個富士康工業人工智能的應用案例：
- 第一個案例是化妝品檢驗，結合專家經驗。機器學習和圖像處理技術，實現化妝品的自動檢測和評分；
- 第二個案例是在製品的質量檢查，在富士康自制的智能輸送機上做檢查和缺陷分析；
- 第三個案例是使用X射線圖像進行內部檢查，用人工智能模型分析根本原因；
- 第四個案例是微型螺釘緊固，螺釘緊固系統獲得扭矩數據，包括扭矩、角度、速度、時間等，然後通過人工智能建模；