在接受智次方研究院調研的30余家工業互聯網企業(ye)(ye)中，超過(guo)70%是生成(cheng)式AI技(ji)術(shu)的(de)(de)“觀望者(zhe)”，在(zai)他們看來，該類技(ji)術(shu)在(zai)工(gong)業(ye)(ye)領域的(de)(de)應(ying)用落地(di)還(huan)很遙遠，甚至可能是個(ge)“偽命題”。當(dang)然，也(ye)有(you)接近30%是生成(cheng)式AI技(ji)術(shu)的(de)(de)堅定“支持者(zhe)”，他們認為雖然生成(cheng)式AI在(zai)工(gong)業(ye)(ye)制(zhi)造領域的(de)(de)應(ying)用還(huan)不(bu)成(cheng)熟，但其改變傳(chuan)統生產方式、推動制(zhi)造業(ye)(ye)未來數(shu)字化轉型的(de)(de)趨(qu)勢已經勢不(bu)可擋(dang)。
“最(zui)近GPT和(he)大模型這(zhe)么火?
您怎么看待生成式AI在工業領域的落地和應用(yong)?”
“說實話，我覺得在工業領域談大模型純屬扯淡。”
“我們之(zhi)前采(cai)訪XXX公司CEO的時(shi)候，他非常(chang)看好生成(cheng)式AI對工業領(ling)域(yu)帶來的顛覆。”“呵呵......”
這是一段我們近日在調研工業(ye)互聯網企(qi)業(ye)時真(zhen)實發生的對(dui)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(ta)們認(ren)為雖然(ran)生成式AI在工業(ye)制造(zao)領(ling)域的應用還(huan)不(bu)成熟，但其改(gai)變傳統(tong)生產(chan)方式、推動制造(zao)業(ye)未來(lai)數字化轉型(xing)的趨(qu)勢已經勢不(bu)可擋。
觀望者：為什么在工業領域談大模型是偽命題?
先來看看“觀望(wang)者”們為何不看好(hao)生成(cheng)式(shi)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(ju)自然會成(cheng)為“香餑餑”。
同時，相對于(yu)互聯網，物(wu)(wu)聯網數據是物(wu)(wu)理實體產生的(de)(de)數據，具(ju)有鮮(xian)明的(de)(de)客觀性，且大部分場景(jing)主要目的(de)(de)是用(yong)于(yu)生產經營(ying)，因此實用(yong)性也更(geng)高(gao)。在這些特(te)殊數據的(de)(de)“投喂(wei)”下，生成式AI模型或許(xu)能夠更(geng)深入地學習各行(xing)(xing)業(ye)(ye)具(ju)體場景(jing)知識，輸(shu)出(chu)更(geng)精準的(de)(de)信息，為行(xing)(xing)業(ye)(ye)經營(ying)者和物(wu)(wu)聯網用(yong)戶參(can)考(kao)，例如(ru)大幅提高(gao)預測(ce)性維護、供應(ying)鏈協同的(de)(de)效率。
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2月，計算(suan)機科學家 Stephen Wolfram 在(zai)推特(te)發(fa)表(biao)了(le)一篇萬字長文(wen)解釋(shi) ChatGPT 的(de)(de)工作原理(li)。簡單來(lai)說(shuo)，ChatGPT 的(de)(de)核心任務始終是對已有的(de)(de)文(wen)本生成一個“合(he)理(li)的(de)(de)延續”，“合(he)理(li)”的(de)(de)意思是指(zhi)根據人(ren)類在(zai)數十億(yi)個網(wang)頁中撰寫內容的(de)(de)規律，來(lai)推測接下來(lai)可(ke)能(neng)出現的(de)(de)內容。
例如(ru)，我(wo)們(men)隨機(ji)輸入了一(yi)(yi)句文本(ben)，ChatGPT 就會(hui)在數十億頁的(de)人類(lei)文本(ben)中查找類(lei)似文本(ben)，然(ran)后統計下一(yi)(yi)個(ge)單詞出現的(de)概(gai)率(lv)。需要(yao)注意(yi)的(de)是(shi)，ChatGPT 并不是(shi)直接對比文字本(ben)身，而是(shi)以某種意(yi)義上(shang)的(de)“意(yi)思匹(pi)配(pei)”為依據(ju)。最(zui)終，ChatGPT 會(hui)生成一(yi)(yi)個(ge)可能(neng)的(de)單詞列表，并給出每個(ge)單詞的(de)概(gai)率(lv)排名。也就是(shi)說，當 ChatGPT 完(wan)成像寫文章這樣的(de)任(ren)務時，它(ta)實際上(shang)只(zhi)是(shi)一(yi)(yi)遍又(you)一(yi)(yi)遍地詢(xun)問：“在已有(you)文本(ben)的(de)基(ji)礎上(shang)，下一(yi)(yi)個(ge)詞應該是(shi)什么(me)?”并且每次都會(hui)添(tian)加一(yi)(yi)個(ge)詞(更準確地說，它(ta)添(tian)加一(yi)(yi)個(ge)“token”，這可能(neng)只(zhi)是(shi)單詞的(de)一(yi)(yi)部分，這就是(shi)為什么(me)它(ta)有(you)時會(hui)“創造(zao)新詞”的(de)原(yuan)因(yin))。
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(xin)息技術(shu)有限公司首(shou)席(xi)科學家郭朝暉(hui)博士(shi)曾在(zai)和智次(ci)(ci)方(fang)創始(shi)人(ren)(ren)彭(peng)昭的(de)(de)一次(ci)(ci)對(dui)(dui)話(hua)中(zhong)表示(shi)：“工(gong)(gong)業這(zhe)個領(ling)域講究(jiu)的(de)(de)是(shi)(shi)確定(ding)性(xing)(xing)的(de)(de)東西，安(an)全穩(wen)定(ding)可靠(kao)。為(wei)什么要求(qiu)六西格瑪?因(yin)為(wei)它關注(zhu)的(de)(de)是(shi)(shi)確定(ding)性(xing)(xing)的(de)(de)東西和物理(li)世界的(de)(de)規律(lv)。而人(ren)(ren)工(gong)(gong)智能——無(wu)論(lun)是(shi)(shi)寫詩(shi)還是(shi)(shi)理(li)解(jie)語言等等，都(dou)是(shi)(shi)研(yan)究(jiu)人(ren)(ren)類(lei)(lei)自身。針(zhen)對(dui)(dui)人(ren)(ren)類(lei)(lei)，人(ren)(ren)工(gong)(gong)智能研(yan)究(jiu)的(de)(de)是(shi)(shi)一種隨機性(xing)(xing)。而工(gong)(gong)業過程很多時候是(shi)(shi)針(zhen)對(dui)(dui)一種確定(ding)性(xing)(xing)的(de)(de)，即(ji)針(zhen)對(dui)(dui)某種對(dui)(dui)象。從這(zhe)個角度來看，GPT-4對(dui)(dui)工(gong)(gong)業的(de)(de)理(li)解(jie)可能還是(shi)(shi)不會太深，但(dan)是(shi)(shi)對(dui)(dui)于(yu)研(yan)發(fa)和服務，尤(you)其是(shi)(shi)研(yan)發(fa)出能夠(gou)滿足用戶需求(qiu)的(de)(de)產(chan)品，它可能會發(fa)揮比較大的(de)(de)作用。對(dui)(dui)于(yu)生產(chan)制造過程，它的(de)(de)作用可能會相(xiang)對(dui)(dui)較弱。”
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(ci)，天澤智(zhi)云聯合創始人李杰(Jay Lee)教授認為：“工業智(zhi)能(neng)如果(guo)通用(yong)化(hua)，不應(ying)單純是(shi)(shi)(shi)一(yi)個(ge)(ge)語言的(de)生成式(shi)模(mo)型，它應(ying)該是(shi)(shi)(shi)一(yi)個(ge)(ge)操(cao)(cao)(cao)作的(de)精密(mi)模(mo)型。操(cao)(cao)(cao)作的(de)生成式(shi)預(yu)訓練模(mo)型(OperationGPPT)應(ying)該有三個(ge)(ge)特色：第(di)一(yi)個(ge)(ge)是(shi)(shi)(shi)它的(de)目的(de)性(xing)，要(yao)產(chan)能(neng)最(zui)大(da)，維護成本(ben)最(zui)低，這是(shi)(shi)(shi)優化(hua)的(de)目標函數(objective function);第(di)二個(ge)(ge)，它有它的(de)邏(luo)輯(ji)性(xing)：什么(me)時候(hou)該做什么(me)，隨工況(regime)變化(hua)而(er)變化(hua)，它一(yi)定(ding)有是(shi)(shi)(shi)由某(mou)種操(cao)(cao)(cao)作邏(luo)輯(ji)決定(ding)的(de);第(di)三個(ge)(ge)，很重要(yao)的(de)，它有因(yin)果(guo)性(xing)，好跟(gen)壞、大(da)跟(gen)小、高(gao)跟(gen)低，它一(yi)定(ding)有因(yin)果(guo)關系(xi)。”
AGI生成式預(yu)訓(xun)練模型ChatGPT與IAI操作優化(hua)的精密模型OperationGPPT特性對比
支持者：生成式AI將深入制造企業的流程優化
當然，“支持者”們也有自己看好(hao)生成式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(chu)創(chuang)公司Divergent 3D使用(yong)生(sheng)成式AI為(wei)英國的(de)豪華跑(pao)車(che)制造商(shang)阿斯頓·馬丁設計(ji)的(de)概念車(che)打造后車(che)架，從(cong)設計(ji)的(de)提出、對比分析，到評(ping)估其可制造性，在短短一個小時之(zhi)內就可進行30~40次迭代。
無獨有偶(ou)，Monolith AI公司(si)在2023年工(gong)博會上帶來(lai)其(qi)機械工(gong)程(cheng)(cheng)仿(fang)真(zhen)解決方(fang)案(an)，基于該(gai)方(fang)案(an)，創建者依靠實時(shi)數據每次進行(xing)仿(fang)真(zhen)都會開發(fa)一(yi)個模型，省去(qu)許多測試程(cheng)(cheng)序，該(gai)公司(si)的目標是到2026年將100000名工(gong)程(cheng)(cheng)師(shi)的產品開發(fa)時(shi)間縮短50%。
第二，除了研發，數據追蹤和分析的流程或許也將被重塑。對制造業(ye)管理者而(er)言(yan)，實時了解生(sheng)產進度是(shi)重中之重。在一些(xie)比較傳統的中小制造企(qi)業(ye)車間里，生(sheng)產流程的記(ji)錄往(wang)往(wang)依靠紙質單據(ju)或者Excel表格，生(sheng)產信息整體傳遞(di)滯后。為了解決這類問題，不少企(qi)業(ye)開(kai)始(shi)部署數字化系統，但卻存在周(zhou)期長、成本高等痛點。而(er)生(sheng)成式AI可以(yi)使(shi)用(yong)自然語言(yan)處理和機(ji)器(qi)學習(xi)技術從工(gong)業(ye)現(xian)場的儀(yi)表板上(shang)，甚至紙質數據(ju)和表格中讀取數據(ju)(GPT-4已(yi)經(jing)具備了識圖能(neng)力)，并快速提取有用(yong)的特征和信息。
國(guo)外的(de)(de)一位(wei)博(bo)主進(jin)行(xing)了這樣(yang)的(de)(de)嘗試，他為(wei)ChatGPT提供了Zerynth 儀表板的(de)(de)鏈接(jie)，生成式(shi)AI立即就讀(du)取了儀表板中的(de)(de)數(shu)據和(he)圖(tu)表，實時提供了正在發生的(de)(de)事情的(de)(de)概覽。雖然分析結果很膚(fu)淺(qian)，但這的(de)(de)確有(you)助于(yu)初(chu)步分析和(he)了解工(gong)廠的(de)(de)運(yun)(yun)行(xing)情況，包括哪些機器(qi)運(yun)(yun)行(xing)情況良好，哪些指標(biao)值得(de)關注等。
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
上文所述的爭(zheng)論正反映了生(sheng)成(cheng)式(shi)AI作為新生(sheng)事物在成(cheng)長過程中(zhong)必(bi)然要面臨(lin)的考驗(yan)。至(zhi)于“是騾子是馬”，還需要技術的成(cheng)熟和時間的考驗(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。
