這是(shi)我的第329篇(pian)專欄文章。
2024年漢諾威工(gong)業博(bo)覽會雖已落幕(mu)一(yi)段(duan)時(shi)間，但其揭(jie)示的工(gong)業AI最(zui)新趨勢(shi)有待深(shen)入探討(tao)。市場(chang)研究機構IoT Analytics最(zui)近發布了(le)從漢諾威上(shang)收集到的觀察匯總，值得參考。
通過參觀450多個展位并進行300多次面對面訪談，IoT Analytics目的是在人工智能風起云(yun)涌(yong)、經濟形勢(shi)(shi)充滿不確定性的大背(bei)景下(xia)，厘清工業(ye)技術的發展(zhan)現狀與趨(qu)勢(shi)(shi)走向。
當然，要真正理(li)解人工智能將(jiang)給工業(ye)領域(yu)帶來的深(shen)遠影響(xiang)，僅(jin)看(kan)一場(chang)展(zhan)會是遠遠不夠的。
殊途同歸(gui)，全球著名(ming)研(yan)究機構(gou)Gartner也為我們帶來(lai)了他們對(dui)產業AI應用(yong)(yong)的(de)最新洞察。通過(guo)比對(dui)Gartner和(he)IoT Analytics的(de)觀察，我們能夠(gou)更加全面、立體地把握(wo)人工智(zhi)能在工業領域的(de)應用(yong)(yong)現狀和(he)發展趨勢。
今天這篇文章，我們(men)就通過IoT Analytics和(he)Gartner的(de)視角，來呈(cheng)現工(gong)業人工(gong)智能的(de)最(zui)新判(pan)斷和(he)發展趨勢。
生成式AI：潛力與局限并存
在人工智能的(de)浪潮中(zhong)，生成式AI(GenAI)正以其(qi)獨特的(de)創(chuang)造力(li)和多樣性應(ying)用(yong)成為焦點。根據Gartner最新調查，過去一(yi)年(nian)GenAI的(de)采用(yong)率飆升，成為各(ge)行(xing)各(ge)業部署最廣泛的(de)AI技(ji)術之(zhi)一(yi)。
面對(dui)如此前景光明的(de)技(ji)術，企(qi)業難免(mian)心生(sheng)向(xiang)往。然而，在興(xing)奮之余(yu)，我們(men)也(ye)必須保持理(li)性(xing)與清醒，認(ren)識到GenAI并非包治百病的(de)靈丹妙藥。
GenAI在內(nei)(nei)容生成、對話(hua)式交互、知(zhi)識發現等(deng)領域(yu)大放(fang)異彩(cai)。利用GenAI，我們可以(yi)創作出精彩(cai)紛呈的(de)文字、圖像、視頻等(deng)內(nei)(nei)容，打造更加智能、自然的(de)聊天機器人和(he)虛擬(ni)助手(shou)，從浩瀚的(de)數據海洋中挖掘出有價(jia)值的(de)洞見。
這(zhe)些應用場景正是(shi)GenAI的強(qiang)項，企(qi)業可(ke)以(yi)充(chong)分(fen)利用GenAI在這(zhe)些方面的優勢，提升運(yun)營效率(lv)，創造全新的業務可(ke)能(neng)。
然而，盲目迷信GenAI的能力，試圖用其解決所有問題，無疑是一種危險的想法。
事實(shi)上，在客戶細分、個(ge)性(xing)化推薦、異常檢測等(deng)領域(yu)，GenAI雖然可以發揮(hui)一定作(zuo)用，但(dan)其表現往(wang)往(wang)不(bu)如其他成熟的(de)AI技術。更不(bu)用說(shuo)在預測趨勢、制定戰略、自主(zhu)決策(ce)等(deng)高風險、強邏輯的(de)場(chang)合，GenAI目前的(de)能力(li)還難以完全(quan)勝任。
對于GenAI不擅長的任務，我們大可使用其他AI技術。
傳統的(de)機(ji)器學(xue)習、優化算法(fa)、知識圖譜(pu)等(deng)方(fang)法(fa)雖然(ran)不如GenAI那般花哨(shao)，但(dan)在特定場景下往往更加(jia)有效、透明(ming)、可(ke)控。一些新(xin)興的(de)范式，如因(yin)果AI、神(shen)經符號AI、第一性原理AI等(deng)，也(ye)可(ke)能(neng)為復雜問題提供新(xin)的(de)解決思路。企業應當揚長避短，根據實際需(xu)求審(shen)慎選擇恰(qia)當的(de)技術工具(ju)，而非盲從一時的(de)技術熱(re)潮。
事實上，AI技術從來就不是非此即彼的。恰恰相反，將不同技術優勢互補結合，往往能收到事半功倍之效。
例如，非(fei)生成(cheng)式機器學習可(ke)以為GenAI提(ti)供(gong)(gong)高質量的(de)(de)訓練數據，優化搜索(suo)算法可(ke)以增強GenAI模型(xing)的(de)(de)檢(jian)索(suo)能力，而符號化的(de)(de)知識(shi)圖譜則為GenAI提(ti)供(gong)(gong)了可(ke)解釋的(de)(de)背景(jing)知識(shi)。這(zhe)些(xie)AI技術相互配合，構成(cheng)了一(yi)個生機勃勃的(de)(de)生態系(xi)統(tong)。企業在AI戰略規劃時，應著眼于這(zhe)一(yi)生態的(de)(de)全局，而非(fei)單一(yi)技術的(de)(de)局部。
GenAI的(de)(de)興起，為(wei)人工智(zhi)能(neng)的(de)(de)發展注入了新的(de)(de)活(huo)力。但我們必須明(ming)白，任(ren)何技術都有其(qi)能(neng)力邊界。對GenAI的(de)(de)過度炒作和不當使用，反而可能(neng)增加項目的(de)(de)風(feng)險，導致期望落空。
工業應用：生成式AI任重道遠
在漢諾威工業博覽會上，IoT Analytics敏銳地捕捉到一個趨勢：參展商們更加注重展示作為整體解決方案一部分的技術，而非單獨的技術展示。
這一轉變反映出工(gong)業AI正從(cong)概念(nian)驗證階段邁向實(shi)際應用(yong)落地。西門子就是一個典型的(de)例子，其(qi)展位特色是多個端到端制造演示(shi)，涵蓋汽車、化(hua)工(gong)等行業，充分展示(shi)了其(qi)各種解決(jue)方案的(de)協同效(xiao)應。
然而，在工業AI的落地之路上，生成式AI雖備受矚目，但推廣之路仍任重道遠。調研發現，在所有生成式AI展示中，有30%聚焦于編碼領域，其中PLC編程是最常見的應用場景。
西門子、施耐(nai)德電(dian)氣、倍福自動化等(deng)廠商紛紛展(zhan)示了(le)利用自然語(yu)言(yan)輸入(ru)自動生成PLC代碼的(de)解(jie)決方(fang)案。這些方(fang)案結(jie)合了(le)工(gong)業知識庫(ku)、上(shang)下文理解(jie)等(deng)技術，以提高編(bian)程(cheng)的(de)效率和準(zhun)確性。
生成(cheng)式AI在其(qi)他領域也有亮眼表現。西(xi)門(men)子工業副駕利(li)用簡單的(de)(de)文本提示，結合西(xi)門(men)子NX、RuleStream等軟件，實(shi)現了(le)3D模型的(de)(de)快速(su)設(she)計生成(cheng)。
Softserve公司(si)的“工(gong)業副(fu)駕(jia)”可以(yi)(yi)幫助車間工(gong)人(ren)排查(cha)機器(qi)故(gu)障，基于文檔和指南提供問題(ti)解(jie)決的可視化(hua)步驟。美國軟(ruan)件公司(si)Tulip的Frontline Copilot讓一線員工(gong)可以(yi)(yi)便捷地(di)從(cong)文檔中獲取關鍵(jian)信(xin)息(xi)。這些案(an)例展示了(le)生成式AI在工(gong)業領域的廣(guang)闊應用(yong)前景(jing)。
但生成式AI要在工業界大規模推廣，仍需時日，許多供應商對推出生成式AI解決方案持謹慎態度。他(ta)們希望確保這些方(fang)案經過全面測試，以滿足工業級(ji)別的法律、性能、安全標準。與(yu)此同時，最(zui)終用戶(hu)在數據質(zhi)量和可訪問性方(fang)面的困境，也制約了生成式(shi)AI的采用速度。
這一痛點促(cu)使供應商將短(duan)期(qi)重心轉(zhuan)向數據管(guan)理解決方(fang)案。SymphonyAI公(gong)司展示(shi)的(de)IRIS Foundry就(jiu)是為工業AI的(de)數據聚合、查詢和管(guan)理而(er)生。
塔塔咨詢服務公(gong)司(si)(TCS)則強調(diao)，要破(po)解數據難題，關(guan)鍵在于跨行業(ye)的專(zhuan)業(ye)知識(shi)和廣泛的合(he)作伙伴(ban)網絡(luo)，而非特(te)定的技術(shu)方案。谷歌云推(tui)出的Cortex框架(jia)，也旨在管理(li)和轉換非結構化、難以訪(fang)問(wen)的AI應用數據。
工業AI正站在從“會學習”到“會工作”的轉折點上。生成式AI作為一(yi)股新興力量(liang)，為工(gong)業創新注(zhu)入了(le)無(wu)限想象。但任何(he)技術(shu)的(de)落地，都離不開與行(xing)業知識的(de)深度(du)融合，以及對業務全(quan)流程的(de)系統考量(liang)。端(duan)到端(duan)的(de)解決方案(an)，而非單點(dian)技術(shu)，才是工(gong)業AI蓬勃發(fa)展(zhan)的(de)沃(wo)土。
同時，我們必須認識到，工業數據的質量和可得性，是當前制約AI規模化應用的“硬骨頭”。打通數據(ju)孤島，構建高效、可(ke)信的(de)數據(ju)管理機制(zhi)，是供需雙方共同的(de)任務。唯(wei)有如此(ci)，工業(ye)AI的(de)潛力(li)才(cai)能得以充(chong)分釋放，化為驅動(dong)產業(ye)變革的(de)澎湃動(dong)能。
工業AI之爭：硬件巨頭謹慎前行，軟件玩家躍躍欲試
如前(qian)所述(shu)，在2024年漢(han)諾威工業博(bo)覽會上(shang)，人工智能，尤其是生成(cheng)式(shi)AI，無疑成(cheng)為了(le)最耀眼(yan)的明星。它所展現的獨特創造力和廣闊應(ying)用前(qian)景(jing)，點燃了(le)業界對(dui)智能制造未來(lai)(lai)的無限(xian)遐想。然而，在這(zhe)場技術盛宴的背后(hou)，不同陣(zhen)營(ying)的玩(wan)家(jia)卻對(dui)AI時代的到來(lai)(lai)有著迥然不同的預(yu)判和反應(ying)。
硬件巨頭們對2024年的業務前景普遍持謹慎態度。
西門子(zi)、ABB等工業自(zi)動化領域的(de)傳統(tong)霸主，雖(sui)然在展會(hui)上大力(li)展示了各自(zi)的(de)AI解(jie)決方案，但在面(mian)對客戶庫存過剩、需求疲軟的(de)現(xian)實時，他們難(nan)掩(yan)銷(xiao)售壓力(li)和經營憂慮。在展會(hui)結(jie)束(shu)幾周后，西門子(zi)就在財報電(dian)話(hua)會(hui)議(yi)上坦(tan)言，其工業自(zi)動化部門的(de)訂單(dan)同比下降了12%。
控制器等硬件產品的銷量下滑，成為拖累業績的主要因素。雖然一些參展商對2024年下半年市(shi)場(chang)回暖(nuan)抱(bao)有期望(wang)，但展會(hui)上并未聽到(dao)任何實質性的利(li)好消息。
與之形成鮮明對比的，是軟件供應商對2024年的樂觀預期。
微軟、亞馬(ma)遜、SAP等IT巨頭，似乎已(yi)經嗅到了AI革命(ming)的前奏。在與他們的交流(liu)中，對AI產(chan)品及其(qi)應用的興奮之情溢于言表。Avanade、Cognizant等系(xi)統集成商也紛紛表示，客戶正在啟動(dong)越(yue)來越(yue)多的AI和數據(ju)相關項(xiang)目，以期借助這(zhe)些新技術驅動(dong)業務增(zeng)長。
這種分化的背后，折射出工業AI發展的復雜圖景。傳統的(de)硬件廠商(shang)，長(chang)期(qi)以來依賴設備銷售和工(gong)程(cheng)服務獲取利潤。他們在AI領域的(de)積累相對有限，轉型(xing)的(de)步(bu)伐(fa)也(ye)較(jiao)為(wei)謹(jin)慎。
而軟件(jian)廠商(shang)，尤(you)其是那些(xie)在IT領(ling)域已經(jing)樹立(li)了AI優(you)勢的(de)巨頭(tou)，則對工業AI的(de)想象(xiang)空間充滿信心。他(ta)們希(xi)望利(li)用先發優(you)勢，搶占智(zhi)能(neng)制造的(de)制高點，進而重塑工業競(jing)爭的(de)版圖(tu)。
但不可否認，工業AI的(de)(de)應用落(luo)地，既需要(yao)算法和(he)軟件(jian)的(de)(de)驅動，也離(li)不開傳感(gan)器(qi)、控制(zhi)器(qi)等硬件(jian)設施的(de)(de)支撐。軟硬件(jian)廠商只有協(xie)同創(chuang)新、優(you)勢互(hu)補，才能真正實現1+1>2的(de)(de)效果。
寫在最后
2024年，人工智(zhi)能無疑成為了全球科(ke)技界的熱(re)(re)議話題。但有趣的是(shi)，這股(gu)AI熱(re)(re)潮在(zai)不同行業領域的反映卻有著微(wei)妙的差(cha)異。
在2024年2月(yue)的世界(jie)移動通信大會(hui)(MWC)上，人(ren)工智能幾(ji)乎(hu)主導(dao)了所有的展示和討論(lun)。
相比之下，在2024年漢諾威工業博覽會上，人工智能雖然也是一個重要的亮點，但并非唯一的主角。工業企業除了關注AI，還在數字孿生、5G、邊緣計(ji)算等領域進行了廣(guang)泛的探索。
這種差異折射出不同行業數字化轉型的特點和節奏。通信行業較早開始數字化轉型，而工業領域的數字化進程相對更加復雜，涉及生產、物流、管理等各個環節，不同技術之間需要深度融合、協同優化，方能實現全局最優。在這一過程中，AI固然扮演著越來越重要的角色，但并非唯一的“主角”。
工業AI的未來(lai)已然在望，但其(qi)發展之路注定曲折而漫長。
正如漢諾威和(he)MWC兩大展會所折射的，不同行(xing)業(ye)對AI的理(li)解(jie)和(he)應用有(you)著微妙的差異。這背后反映的是(shi)，每個行(xing)業(ye)數字化轉型的基礎(chu)、節奏和(he)路徑都有(you)其特殊性(xing)。
對工業領域(yu)而言(yan)，AI雖然潛力巨大(da)，但仍需要(yao)與行業知識深度融(rong)合，與其他技術協同優化(hua)，才能真正發揮(hui)出最(zui)大(da)價值。
