作(zuo)者：彭昭（智次(ci)方(fang)創始人(ren)、云(yun)和資本聯合(he)創始合(he)伙人(ren)）
物聯網智庫 原創
這(zhe)是我(wo)的第311篇(pian)專(zhuan)欄文章。
2024年，我們邁入了AIoT 2.0的新階段，大量的、主流的設備將會具備智能，而生成式人工智能在產業的(de)應用，是其中必不可少的(de)一塊(kuai)拼圖。
最近，生(sheng)成式人工智(zhi)能(neng)GenAI在(zai)制造業的應用，正在(zai)潛移(yi)默化的推進。
以(yi)西門子(zi)為(wei)例，繼去(qu)年與微軟聯合(he)研發“AI工業(ye)副駕”之后，本月(yue)西門子(zi)又(you)與AWS聯手推動生成式人(ren)工智(zhi)能在(zai)工業(ye)軟件領域的普及。
AI工業副駕的目標是讓工人能夠更加有效(xiao)的操(cao)作機器，過去花費幾周才能完成(cheng)的任務，通(tong)過工業(ye)副駕只需幾分鐘就(jiu)能實(shi)現(xian)，由(you)此可以顯著減少仿真時(shi)間，提高生產效(xiao)率。
工業軟件的GenAI應用則涉(she)及到徹底改變(bian)企業處理生成式人(ren)工智能程序的方式，通過將人(ren)工智能基礎模型服務(wu)Amazon Bedrock與西門子低(di)代碼平(ping)臺Mendix的集成，只需(xu)點擊幾下，使(shi)用簡單的圖形界(jie)面(mian)和拖放指令，用戶(hu)就可(ke)以加速工業軟(ruan)件的開發(fa)流(liu)程。
隨著生成(cheng)式人工智能(neng)GenAI技術(shu)的(de)快速發展，其應用(yong)前(qian)景備受(shou)關注。GenAI是(shi)否(fou)會成(cheng)為(wei)工業(ye)制造領(ling)域的(de)“利器(qi)”，推動傳統制造業(ye)的(de)智能(neng)升級，改善(shan)產業(ye)生態，目(mu)前(qian)業(ye)界褒貶不(bu)一。
在(zai)這些討論(lun)背后，一些科(ke)技公司正在(zai)積(ji)極的使(shi)用行動擁抱GenAI，推(tui)動著各種(zhong)探索一路向前。
知名研究機構的預測也支持了GenAI即將在多個產業生根發芽的論斷。
具有(you)代表(biao)性的比如高盛的一份研究(jiu)，認為GenAI的突破將會(hui)給世界帶來(lai)前所未(wei)有(you)的變化。隨著自然語言處理NLP等新工具的推出，GenAI和(he)NLP可(ke)以推動全球(qiu)GDP在十年間增長(chang)7%，相當于為全球(qiu)經濟增加了7萬億美(mei)元。
波士(shi)頓咨詢BCG最近(jin)的(de)一份研究報告，分析了生(sheng)成式人工智能(neng)在(zai)未來工廠中的(de)應用，較(jiao)為具備參考性(xing)。
其(qi)中的重要(yao)結論包括：
GenAI并沒有取代傳統的人工智能，也沒有取代現有的工業控制系統，而是起到了輔助的補充作用，為面向未來的工廠鋪平道路。
隨著GenAI解決方案的開發，機器的自主性正在不斷的進步，使得設備能夠自我調節并且自適應陌生環境。
今天(tian)這篇(pian)文(wen)章，我們將圍繞BCG的這份研(yan)究報告，通(tong)過(guo)具體案(an)例，剖析GenAI在工(gong)業制造中的應用潛力、實現路徑及注意事項(xiang)，以期對工(gong)業制造轉型升級提供(gong)參考(kao)借(jie)鑒。
制造企業愿意優先考慮GenAI的顛覆性潛力
BCG最近對制造商進行調查，以洞察他們對新興技術的看法。
調查發現(xian)，無論對(dui)數(shu)字化的熱(re)情高(gao)低(di)，制造業高(gao)管都將人工智能（包括GenAI）視為最可能帶來運營革新的技(ji)術。
BCG分析表明，人工智能可以將車間生產力提高20%以上，投資回報僅需1~3年。
以一家汽(qi)車(che)供應商(shang)為(wei)例，人工智能(neng)應用幫(bang)助其生產(chan)力提(ti)升(sheng)了21%。其中，人工智能(neng)驅動的(de)殘次(ci)品(pin)顧問優化參(can)數，讓廢品(pin)率下(xia)降25%；泵閥健康監測器幾乎杜絕(jue)了關鍵生產(chan)泵故障，設備效率提(ti)升(sheng)7個百分點(dian)；質量檢測系統減少65%的(de)質檢人力，并提(ti)高(gao)檢測準確(que)率。
人工(gong)智能技術源頭眾(zhong)多，應用廣泛(fan)。機(ji)器(qi)學(xue)習和深度學(xue)習主要進行數(shu)據(ju)分(fen)(fen)析(xi)、分(fen)(fen)類、聚(ju)類等；而GenAI如ChatGPT則能根據(ju)提示(shi)創造新的內(nei)容。
試點項目是GenAI工業應用的理想起點
既然生成(cheng)式(shi)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)為制造業(ye)帶來革新的(de)新機(ji)遇，試(shi)點(dian)項目(mu)則是企業(ye)實踐生成(cheng)式(shi)人(ren)工(gong)(gong)智(zhi)(zhi)能(neng)(neng)的(de)理(li)想(xiang)起點(dian)。來自英偉達、西門子和(he)Invisible AI等公司的(de)業(ye)內專(zhuan)家們(men)，分享(xiang)了工(gong)(gong)業(ye)GenAI賦(fu)能(neng)(neng)智(zhi)(zhi)能(neng)(neng)工(gong)(gong)廠的(de)3個典型案例(li)。
案例1：“合成數據”讓機器人拾取和放置不同的物體
借(jie)助人工智能(neng)訓練，機器(qi)人了獲得處理各種物體的能(neng)力，哪怕是雞翅，也可以“信手拈來”。
英偉(wei)達和Soft Robotics公司與食品(pin)生產商(shang)合作(zuo)，通過生成式人(ren)工智能(neng)解決(jue)方案，使機器人(ren)能(neng)準確識(shi)別雞(ji)翅堆(dui)，抓取單(dan)個濕滑的(de)雞(ji)翅。
在過去。這是一項極具挑戰性的任務，因為雞翅的形狀和姿勢難以預先判斷，存在多種組合。人工智能的獨特之處在于構建逼真的3D數字孿生和(he)模(mo)擬環境。相比拍(pai)攝海量真實圖(tu)片，使用(yong)算法生成(cheng)的“合成(cheng)數據”訓練模(mo)型(xing)，能大幅節省時間成(cheng)本(ben)。
圖：Soft Robotics的機(ji)器人(ren)能夠(gou)識別并(bing)從一堆雞(ji)翅(chi)中撿起單個濕滑的雞(ji)翅(chi)
案例2：使用異常值檢測，生產線的吞吐量翻倍
廠長(chang)雖然不能(neng)(neng)無所不在，但智能(neng)(neng)設備(bei)可(ke)以。Invisible AI公(gong)司通過GenAI智能(neng)(neng)設備(bei)幫助制(zhi)造(zao)商優化裝(zhuang)配線。
一(yi)旦(dan)發現(xian)在(zai)部(bu)分工作站點的執行周期內存在(zai)異常，這時人工智能便化身為“千里(li)眼(yan)”，它洞察生產(chan)全景，找出(chu)異常，引(yin)導工程師們注意關鍵問題。
圖：使用人工(gong)智能工(gong)具，造車(che)企業(ye)發現工(gong)作站(zhan)的異常時段
某(mou)汽(qi)車(che)供應(ying)商在Invisible AI幫(bang)助(zhu)下使產(chan)線產(chan)能(neng)提升(sheng)一倍。在另一個案例中，一家(jia)汽(qi)車(che)OEM與Invisible AI合作來識別(bie)未充分(fen)利用的(de)(de)站(zhan)點，OEM利用這一洞察力(li)整合了工(gong)作站(zhan)，每班次(ci)的(de)(de)吞吐量(liang)提高了5%，同時為20%的(de)(de)員工(gong)進(jin)行(xing)重新分(fen)工(gong)。
案例3：敏捷的模擬新產線和新流程
數字孿生技術可降低(di)新工(gong)廠(chang)設(she)計和流程變(bian)革的風險。它建(jian)立虛(xu)擬工(gong)廠(chang)的3D模擬環(huan)境，與現有(you)系統連通，外觀和運行邏(luo)輯均如實(shi)體工(gong)廠(chang)。
更進一步，工業元宇宙使(shi)這一切(qie)成為現實，它專為制造商構建虛擬(ni)空間(jian)。英偉達(da)與西門子正通(tong)過數字孿生，將虛擬(ni)技術引入各類工(gong)業用戶。
圖：制(zhi)造生產的整(zheng)個規劃階(jie)段(duan)都可(ke)以(yi)在(zai)工業元宇宙中進行
數字孿生涵蓋(gai)的(de)技術(shu)范疇廣(guang)泛，其中也涉及到GenAI的(de)使用。這方面的(de)用例非常鮮(xian)活，FREYR電池(chi)(chi)公司構建了(le)完整的(de)電池(chi)(chi)工(gong)廠虛(xu)擬模型(xing)，涵蓋(gai)基(ji)礎設(she)施、設(she)備、人(ren)體工(gong)程學、安全(quan)等(deng)細節(jie)，實(shi)現產品生產的(de)逼真模擬，大幅降低了(le)實(shi)際工(gong)廠規(gui)劃的(de)風險。
GenAI幫助鋪平面向未來的工廠建設之路
GenAI引(yin)入(ru)了(le)一系列創新(xin)功(gong)能(neng)，但它并不太適(shi)合故障檢測、生產分析或定(ding)點(dian)優化等任務。對(dui)于(yu)這些(xie)任務，傳統的(de)人工(gong)智能(neng)具(ju)有很(hen)好的(de)方(fang)案。
盡管(guan)如此(ci)，GenAI仍可發揮重(zhong)要輔助作(zuo)用(yong)，幫助制造商(shang)實現未來智能工廠。其獨特功能可支持制造商(shang)實現工廠流程的自治和(he)增強，并以(yi)嶄新方式協助員工工作(zuo)。
根據BCG的(de)分(fen)析(xi)，GenAI可在各(ge)個層面發揮作用，使(shi)工(gong)廠實(shi)現從被動(dong)到主(zhu)動(dong)的(de)轉(zhuan)變，最終達到智(zhi)能化和自主(zhu)化運轉(zhuan)。它(ta)是實(shi)現未來智(zhi)能工(gong)廠的(de)重(zhong)要助力。
經過匯總，GenAI能力可支持三類典型的制造業應用場景：輔助系統、推薦系統和自治系統：
第一類是輔助系統。
這類GenAI應用可(ke)提高編(bian)程(cheng)(cheng)、設備維護(hu)等實際工(gong)作的效(xiao)率(lv)。例如，傳統(tong)上工(gong)程(cheng)(cheng)師需(xu)要手動對機器和邏輯控制器進行編(bian)程(cheng)(cheng)。而(er)GenAI工(gong)具(ju)可(ke)自動生(sheng)成代(dai)碼，減少(shao)工(gong)程(cheng)(cheng)量和時(shi)間成本，工(gong)程(cheng)(cheng)師只需(xu)審(shen)查和調整代(dai)碼。
同樣，GenAI也可匯總操作員的豐富經驗與知識，將其轉化為數據驅動的建議。
它可(ke)以構建模型，通過(guo)數據分析驗證(zheng)操作(zuo)員對優化設備的參數調整或處(chu)理(li)異(yi)常(chang)的建議。通過(guo)自動化編碼(ma)和(he)轉化員工經(jing)驗知識，GenAI可(ke)有效提升工作(zuo)效率(lv)，發揮重要輔助作(zuo)用。
第二類是推薦系統。
GenAI可提供(gong)建議，指導工作人員選(xuan)擇(ze)最(zui)佳(jia)方案。
在預測性維護(hu)中可以(yi)看到GenAI的應用價值。過(guo)去，制造商通過(guo)固定(ding)周期維護(hu)來防(fang)故障。隨(sui)著機器學習(xi)的應用，可以(yi)通過(guo)分析(xi)不(bu)同傳感器數據，識(shi)別模式并(bing)預測故障。
GenAI可進(jin)一步增強這(zhe)(zhe)種(zhong)預測性(xing)維護流(liu)程，它可以(yi)自(zi)動(dong)生成文字或圖像的維護步驟說明，包(bao)括備件清單(dan)。這(zhe)(zhe)樣維修(xiu)人員可以(yi)將(jiang)更多時間放在(zai)執行上，從(cong)而提升效(xiao)率，降(jiang)低成本。即使(shi)缺乏經驗的技師，在(zai)GenAI工(gong)具輔助下也能高效(xiao)維修(xiu)設備。
第三類是自治系統。
開(kai)發者正(zheng)在(zai)探索使(shi)用GenAI實現機器(qi)的(de)自(zi)(zi)治。例如現在(zai)許(xu)多搬運作(zuo)業還需人(ren)工操作(zuo)，自(zi)(zi)動(dong)(dong)化非常困難(nan)，GenAI可將工程師的(de)語(yu)音提(ti)示，如“給(gei)我備件47-11”，翻譯成(cheng)機器(qi)人(ren)自(zi)(zi)動(dong)(dong)執行的(de)一系列動(dong)(dong)作(zuo)。這減少(shao)了對(dui)特定環境和任(ren)務的(de)培(pei)訓，降低工程成(cheng)本，提(ti)高生產率。
另一個例子是使(shi)用GenAI為機(ji)器(qi)視覺的質量控制合成(cheng)訓練數據(ju)，無(wu)需在生產中收(shou)集大(da)量真(zhen)實數據(ju)即可快速啟(qi)動系統。
通過模(mo)擬學習和內容生(sheng)成(cheng)，GenAI可實現對新環境(jing)的(de)自主適應，大大推進(jin)制(zhi)造業(ye)的(de)自動(dong)化水平。
如何在制造業中應用GenAI取得成功
要在制造業成功(gong)推廣人(ren)工(gong)智(zhi)能(neng)(neng)，僅確定應用領域遠遠不(bu)夠，還需在人(ren)員和(he)(he)技(ji)術兩個方面奠定堅(jian)實基(ji)礎(chu)。GenAI應用開發和(he)(he)運營(ying)所需的人(ren)才能(neng)(neng)力，與(yu)傳(chuan)統(tong)人(ren)工(gong)智(zhi)能(neng)(neng)類似。但GenAI技(ji)術架構更為復雜，包括：模(mo)型來源、平臺和(he)(he)基(ji)礎(chu)設施，以(yi)及(ji)應用運營(ying)等方面。
這些技(ji)術架構的(de)選(xuan)項組合產(chan)生了(le)GenAI在(zai)制造(zao)業的(de)多種運營模式(shi)，具體(ti)可分為上圖中的(de)4種類型，不(bu)同(tong)模式(shi)都有其優勢，制造(zao)商(shang)可根據實際(ji)情(qing)況選(xuan)擇最佳(jia)方(fang)案。
總(zong)體來說，GenAI技術(shu)架構(gou)的實(shi)現有多種方案可供選擇(ze)，每個都有其優(you)劣。制造(zao)商應當根據自身實(shi)際(ji)情況(kuang)和需求進(jin)行決(jue)策。
綜合考慮各方面因素，制造商可遵循以下五步驟將GenAI融入運營：
第一步，診(zhen)斷(duan)現狀，識別GenAI應用的(de)機遇(yu)和(he)價值提升空間。
第二步(bu)，設計目標愿景(jing)、策略和(he)路線(xian)圖。評估各類GenAI應(ying)用的效(xiao)益(yi)，明確人員和(he)技術措施。選擇合適的GenAI模(mo)型，兼顧效(xiao)果(guo)、成本和(he)響應(ying)速度(du)。
第(di)三步，開(kai)發GenAI解決方案和配套措(cuo)施。
第四步，試點GenAI解(jie)決(jue)方案(an)和(he)配套舉措(cuo)，激發組(zu)織內廣泛采用的(de)動力。
第五步，在生產環境中推廣經過驗(yan)證(zheng)的GenAI應用(yong)組(zu)合，并啟(qi)動更多試點(dian)項目不(bu)斷拓展(zhan)應用(yong)場景。
寫在最后
生成式人工智能正悄然改變著我們的(de)世界，其在制造(zao)業中(zhong)的(de)應用已成為熱點(dian)。
本文通過案例分析，梳理了GenAI在智能制(zhi)造(zao)中的價值(zhi)和作用。GenAI可實現智能識圖、語音(yin)交(jiao)互、智能決(jue)策等(deng)，大幅提(ti)高工廠的自動化和自主(zhu)化水平。
與此同時，我們也要清醒認識GenAI的局限，傳統AI在檢測、分析等方面仍占優勢，兩者應互補應用。要真正實現工業智能化，企業還需關注技術框架選型，人才培養，以及GenAI應用的循序漸進。
GenAI為工(gong)業(ye)注入新(xin)動能的同時(shi)，也(ye)給企業(ye)管理帶來新(xin)挑戰(zhan)。我們需審(shen)慎應對，以推(tui)動制造(zao)業(ye)穩步智能化升級。
參(can)考資料：
1.Generative AI’s Role in the Factory of the Future，作者(zhe)：Daniel Küpper， Kristian Kuhlmann， Monika Saunders， John Knapp， Kai-Frederic Seitz， Julian Englberger， Tilman Buchner， Martin Kleinhans，來源：Boston Consulting Group
2.Turning GenAI Magic into Business Impact，作者：Nicolas de Bellefonds， Sylvain Duranton， Vladimir Lukic， Jessica Apotheker， Rich Lesser， Theo Breward，來源(yuan)：Boston Consulting Group
3.Four AI case study successes in industrial manufacturing，作者：CARRINE GREASON，來(lai)源：Control Engineering
4.AI agents help explain other AI systems，作者：RACHEL GORDON，來(lai)源：Control Engineering
文章精選
