在接受智次方研究院調研的30余家工業互聯網企業中(zhong)，超過70%是(shi)生成(cheng)式(shi)AI技術(shu)的(de)(de)“觀望(wang)者”，在他們(men)看來(lai)，該(gai)類技術(shu)在工業領(ling)域的(de)(de)應用落地(di)還很(hen)遙遠，甚至可能是(shi)個(ge)“偽命題”。當然，也有接近30%是(shi)生成(cheng)式(shi)AI技術(shu)的(de)(de)堅定“支(zhi)持者”，他們(men)認為(wei)雖然生成(cheng)式(shi)AI在工業制造領(ling)域的(de)(de)應用還不成(cheng)熟，但其(qi)改變傳統生產方式(shi)、推動制造業未來(lai)數字化(hua)轉型(xing)的(de)(de)趨(qu)勢(shi)已(yi)經勢(shi)不可擋。
“最近(jin)GPT和大模型(xing)這么火?
您怎么看待(dai)生成式AI在(zai)工(gong)業領域的落(luo)地和應(ying)用(yong)?”
“說實話，我覺得在(zai)工(gong)業領域(yu)談(tan)大模型純(chun)屬(shu)扯(che)淡。”
“我們之前(qian)采訪XXX公司(si)CEO的時(shi)候，他非常看好生(sheng)成(cheng)式AI對(dui)工業領域帶來的顛覆(fu)。”“呵呵......”
這是(shi)一段我們近日在調研工業(ye)互聯網企(qi)業(ye)時真實發(fa)生的對話。
從2022年11月Open AI推出ChatGPT開始，如今不過半年的光景。在短短近6個月的時間內，人工智能的進化幾乎在以“天”為單位瘋狂迭代，生成式AI對許多行業帶來的顛覆足以用“摧枯拉朽”來形容。游戲、傳媒、電商、影視、教育、金融等領域的從業者已經直面感受到了被AI“搶飯碗”的壓力，但與之相比，承擔著國民經濟支柱重擔的工業/制造業對生成式AI的態度卻顯得有些“謹慎”和冷淡。
在接受智次方研究院調研的30余家工業互聯網企業中，超過70%是生成式AI技術的“觀望者”，在他們看來，該類技術在工業領域的應用落地還很遙遠，甚至可能是個“偽命題”。當然，也有接近30%是生成式AI技術的堅定“支持者”，他們(men)認為(wei)雖(sui)然生(sheng)成式(shi)AI在工業制造領域的應用還(huan)不成熟(shu)，但(dan)其(qi)改變傳統(tong)生(sheng)產方式(shi)、推(tui)動制造業未來數字化轉型(xing)的趨勢已經(jing)勢不可擋。
觀望者：為什么在工業領域談大模型是偽命題?
先來看(kan)看(kan)“觀望者”們為何不看(kan)好(hao)生成(cheng)式AI。
首先，“觀望者”認為當前大多數生成式AI模型主要關注文本和圖像，只有非常少量的模型關注將傳感器數據作為輸入。同時，工業場景中的很多數據是不可讀取的，或者即使讀取了也需要一個翻譯和解讀的過程才能理解。
這個觀點不無道理，不過在筆者看來，這并不是主要原因。此前就有多位計算機科學家曾預測，到2026年ChatGPT等大型語言模型的訓練將耗盡互聯網上的可用文本數據，屆時當沒有新的互聯網訓練數據可供使用時，由傳感器、機器設備等生成的物聯網數(shu)據自然會(hui)成為(wei)“香餑餑”。
同時(shi)，相對于(yu)互聯網(wang)，物(wu)聯網(wang)數(shu)據(ju)是物(wu)理實體(ti)產(chan)生的數(shu)據(ju)，具有鮮明的客觀性(xing)(xing)，且大部分(fen)場(chang)景(jing)主要目(mu)的是用(yong)于(yu)生產(chan)經(jing)營(ying)，因此實用(yong)性(xing)(xing)也(ye)更高。在這(zhe)些特殊數(shu)據(ju)的“投喂”下，生成式(shi)AI模型或許能夠更深入地學習各行(xing)業具體(ti)場(chang)景(jing)知識，輸出更精準的信(xin)息，為行(xing)業經(jing)營(ying)者和物(wu)聯網(wang)用(yong)戶參考，例如大幅提高預測性(xing)(xing)維(wei)護、供應(ying)鏈協同的效(xiao)率。
更重要的是，在數據之外，工業領域對安全、穩定、可靠等指標極其嚴苛的追求，才是生成式AI不能滿足的地方。
今年(nian)2月，計算機(ji)科學家 Stephen Wolfram 在推特發表了一篇(pian)萬字長文(wen)解(jie)釋 ChatGPT 的(de)(de)工作(zuo)原理。簡單來說，ChatGPT 的(de)(de)核心任務始(shi)終是對已有的(de)(de)文(wen)本生(sheng)成一個(ge)“合理的(de)(de)延續(xu)”，“合理”的(de)(de)意思是指根(gen)據(ju)人類在數十(shi)億個(ge)網頁(ye)中撰寫內容(rong)(rong)的(de)(de)規律(lv)，來推測接下來可能出現(xian)的(de)(de)內容(rong)(rong)。
例(li)如，我(wo)們隨(sui)機輸入(ru)了一(yi)句文(wen)本(ben)，ChatGPT 就會在數十(shi)億(yi)頁的(de)(de)(de)人類文(wen)本(ben)中查找類似文(wen)本(ben)，然后統(tong)計(ji)下一(yi)個(ge)(ge)單詞出現的(de)(de)(de)概率。需要注(zhu)意(yi)的(de)(de)(de)是(shi)(shi)，ChatGPT 并(bing)不是(shi)(shi)直接對比文(wen)字(zi)本(ben)身(shen)，而是(shi)(shi)以(yi)某種(zhong)意(yi)義上的(de)(de)(de)“意(yi)思匹配”為依據。最(zui)終，ChatGPT 會生成一(yi)個(ge)(ge)可(ke)能(neng)的(de)(de)(de)單詞列(lie)表，并(bing)給(gei)出每(mei)個(ge)(ge)單詞的(de)(de)(de)概率排名。也就是(shi)(shi)說(shuo)，當 ChatGPT 完成像寫文(wen)章這(zhe)樣(yang)的(de)(de)(de)任務時(shi)，它(ta)實(shi)際(ji)上只(zhi)是(shi)(shi)一(yi)遍(bian)又(you)一(yi)遍(bian)地(di)詢問(wen)：“在已有文(wen)本(ben)的(de)(de)(de)基礎(chu)上，下一(yi)個(ge)(ge)詞應該(gai)是(shi)(shi)什(shen)么(me)?”并(bing)且每(mei)次(ci)都會添(tian)加一(yi)個(ge)(ge)詞(更準確地(di)說(shuo)，它(ta)添(tian)加一(yi)個(ge)(ge)“token”，這(zhe)可(ke)能(neng)只(zhi)是(shi)(shi)單詞的(de)(de)(de)一(yi)部分(fen)，這(zhe)就是(shi)(shi)為什(shen)么(me)它(ta)有時(shi)會“創造(zao)新詞”的(de)(de)(de)原因)。
換言之，生成式AI的技術原理往往是尋找一種“最有可能”的答案，所以我們在實際使用過程中經常會遇到一些ChatGPT胡編亂造的“驚喜”，但是工業界不需要“驚喜”，工業生產最害怕“意外”，因為一個小小的故障和停機就可能帶來成百上千萬的巨額損失。
上海優也信息技術(shu)有限公司(si)首席科學家郭(guo)朝暉博士(shi)曾在和智次方(fang)創始人(ren)彭昭的(de)一次對(dui)(dui)話中表示：“工(gong)業(ye)這個(ge)領域(yu)講究的(de)是(shi)確定性(xing)的(de)東(dong)西(xi)(xi)，安全穩定可(ke)(ke)靠。為(wei)什么要求六西(xi)(xi)格瑪?因為(wei)它關注(zhu)的(de)是(shi)確定性(xing)的(de)東(dong)西(xi)(xi)和物理世界(jie)的(de)規(gui)律(lv)。而人(ren)工(gong)智能(neng)(neng)(neng)——無(wu)論是(shi)寫詩還是(shi)理解語言等等，都是(shi)研(yan)究人(ren)類(lei)自身(shen)。針對(dui)(dui)人(ren)類(lei)，人(ren)工(gong)智能(neng)(neng)(neng)研(yan)究的(de)是(shi)一種(zhong)隨機性(xing)。而工(gong)業(ye)過程很多時候是(shi)針對(dui)(dui)一種(zhong)確定性(xing)的(de)，即(ji)針對(dui)(dui)某(mou)種(zhong)對(dui)(dui)象。從(cong)這個(ge)角度來看(kan)，GPT-4對(dui)(dui)工(gong)業(ye)的(de)理解可(ke)(ke)能(neng)(neng)(neng)還是(shi)不會太深，但是(shi)對(dui)(dui)于(yu)研(yan)發(fa)和服務，尤其是(shi)研(yan)發(fa)出能(neng)(neng)(neng)夠滿足用(yong)戶需求的(de)產品(pin)，它可(ke)(ke)能(neng)(neng)(neng)會發(fa)揮比(bi)較(jiao)大的(de)作(zuo)(zuo)用(yong)。對(dui)(dui)于(yu)生產制(zhi)造過程，它的(de)作(zuo)(zuo)用(yong)可(ke)(ke)能(neng)(neng)(neng)會相對(dui)(dui)較(jiao)弱。”
更進一步，工業制造細分領域眾多，各領域在生產流程、工藝、生產線配置、原材料及產品類型上均具有較大差異，強調的是細分行業的機理融合和行業知識，沒有海量數據標簽，因此工業領域基本上不可能形成類似GPT這樣的通用大模型。
對此，天澤智(zhi)云聯合創始人李杰(Jay Lee)教授認為：“工(gong)業智(zhi)能如果(guo)通用化(hua)，不應單純是(shi)一(yi)個(ge)(ge)語(yu)言的(de)生(sheng)(sheng)成(cheng)(cheng)式(shi)模型，它應該是(shi)一(yi)個(ge)(ge)操作(zuo)的(de)精密模型。操作(zuo)的(de)生(sheng)(sheng)成(cheng)(cheng)式(shi)預(yu)訓練模型(OperationGPPT)應該有(you)三個(ge)(ge)特色：第一(yi)個(ge)(ge)是(shi)它的(de)目(mu)的(de)性(xing)，要(yao)產能最大，維護成(cheng)(cheng)本最低，這是(shi)優化(hua)的(de)目(mu)標函(han)數(shu)(objective function);第二(er)個(ge)(ge)，它有(you)它的(de)邏(luo)輯性(xing)：什(shen)么時候該做什(shen)么，隨(sui)工(gong)況(regime)變(bian)化(hua)而變(bian)化(hua)，它一(yi)定(ding)有(you)是(shi)由某種操作(zuo)邏(luo)輯決定(ding)的(de);第三個(ge)(ge)，很重要(yao)的(de)，它有(you)因果(guo)性(xing)，好跟壞(huai)、大跟小、高跟低，它一(yi)定(ding)有(you)因果(guo)關系。”
AGI生成式預訓練模型(xing)ChatGPT與IAI操作優(you)化的精(jing)密(mi)模型(xing)OperationGPPT特性對比(bi)
支持者：生成式AI將深入制造企業的流程優化
當然，“支持者”們(men)也有自己看好(hao)生(sheng)成式AI的理由。
一位受訪者告訴智次方·物聯網智庫：“過去，工業AI通常著重于故障檢測、預測性維護等用例，但2023年的一個新趨勢是生成式AI將深入制造企業的流程優化。”
第一，在產品開發階段，生成式AI能夠壓縮設計和迭代的過程，從而帶來顯著的效率提升。
初創公司(si)Divergent 3D使(shi)用生成式AI為英國(guo)的(de)豪華跑車(che)制造(zao)商阿斯頓·馬丁設(she)計的(de)概念車(che)打造(zao)后車(che)架，從設(she)計的(de)提出(chu)、對比分析，到評估其可(ke)制造(zao)性，在(zai)短短一個小時之內就可(ke)進行30~40次迭代。
無獨有(you)偶，Monolith AI公司在(zai)2023年工(gong)(gong)博會上帶來其(qi)機(ji)械工(gong)(gong)程(cheng)仿真(zhen)解(jie)決方案(an)，基于該方案(an)，創建者依(yi)靠實(shi)時數據每(mei)次進行仿真(zhen)都會開發一個(ge)模(mo)型，省去許(xu)多測(ce)試(shi)程(cheng)序，該公司的(de)(de)目標是(shi)到2026年將100000名(ming)工(gong)(gong)程(cheng)師的(de)(de)產品開發時間縮(suo)短(duan)50%。
第二，除了研發，數據追蹤和分析的流程或許也將被重塑。對(dui)制(zhi)造業管(guan)理者(zhe)而言，實時了解生(sheng)產(chan)(chan)進度是重(zhong)中(zhong)之重(zhong)。在一些比較傳(chuan)統的中(zhong)小制(zhi)造企業車間里，生(sheng)產(chan)(chan)流程的記錄往往依靠紙質單據或(huo)者(zhe)Excel表(biao)格，生(sheng)產(chan)(chan)信息(xi)整體傳(chuan)遞滯后。為(wei)了解決(jue)這(zhe)類(lei)問(wen)題，不少企業開始部署數(shu)字化(hua)系統，但卻存在周期長、成(cheng)本高等痛點。而生(sheng)成(cheng)式(shi)AI可以使用自然語(yu)言處理和機器學習技術(shu)從(cong)工業現場的儀表(biao)板上，甚至紙質數(shu)據和表(biao)格中(zhong)讀取數(shu)據(GPT-4已經(jing)具備了識圖能力)，并(bing)快(kuai)速提取有用的特征和信息(xi)。
國外(wai)的(de)(de)一位博主進行(xing)了(le)(le)這(zhe)樣(yang)的(de)(de)嘗(chang)試，他(ta)為ChatGPT提供了(le)(le)Zerynth 儀(yi)表(biao)板(ban)的(de)(de)鏈接，生成式AI立即就讀取了(le)(le)儀(yi)表(biao)板(ban)中的(de)(de)數(shu)據(ju)和圖(tu)表(biao)，實時提供了(le)(le)正在發生的(de)(de)事情的(de)(de)概覽。雖然分(fen)析(xi)結果(guo)很(hen)膚淺(qian)，但(dan)這(zhe)的(de)(de)確有助(zhu)于初步分(fen)析(xi)和了(le)(le)解工廠的(de)(de)運行(xing)情況(kuang)，包括哪些(xie)機器運行(xing)情況(kuang)良好，哪些(xie)指(zhi)標值(zhi)得(de)關(guan)注等(deng)。
第三，人們與機器溝通的方式會發生深刻的變化。過去運營人員一般通過各種軟件與機器溝通，現在則可以直接通過自然語言與機器交流。有了ChatGPT，不用學習編程，人們就有能力調動各種機器，達成某種結果。再往遠處看，生成式AI和大模型讓人們看到了利用虛實結合的方式控制物理世界的可能性。用數字虛擬的方式訓練生產機器，最終實現全自動化的制造業，讓機器制造機器，工廠成為產品。
實際中已經開始出現一些初步的用例，比如——阿里工程師通過釘釘對話框向機器人發出指令后，通義千問大模型在后臺自動編寫了一組代碼發給機器人，機器人開始識別周邊環境，從附近的桌上找到一瓶水，并自動完成移動、抓取、配送等一系列動作，遞送給工程師。這一演示表明，AI大模型已經突破了機器人的局限，讓人類可以通過自然語言指揮機器完成負責任務，讓機器人真正擁有了“大腦”。如果相關成果能在工廠得到復現，將會具備廣闊的想象空間。
寫在最后
上文所(suo)述的(de)爭論(lun)正反(fan)映(ying)了生(sheng)成(cheng)式AI作為新生(sheng)事物在成(cheng)長過程中(zhong)必然要(yao)面(mian)臨的(de)考驗(yan)。至于“是(shi)(shi)騾子是(shi)(shi)馬”，還需要(yao)技術的(de)成(cheng)熟和時間的(de)考驗(yan)。
除了關于生成式AI的話題，智次方研究院也通過對工業互聯網產業的深入調研匯總而成了《2023年中國工業互聯網產業洞察暨生態圖譜報告》，并即將于5月31日在北京開幕的“2023數智產業領袖峰會”之“工業+能源專場分論壇”上重磅發布。
