這是我的(de)第329篇(pian)專欄文章。
2024年漢諾威工業(ye)(ye)博覽會雖(sui)已落幕一段時(shi)間(jian)，但其揭(jie)示的工業(ye)(ye)AI最新趨勢有待深入探討。市場研究機(ji)構IoT Analytics最近發布了從漢諾威上收(shou)集到的觀察匯總，值得參(can)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涌、經濟形勢(shi)充滿不(bu)確定性的大背景下，厘清工業技(ji)術的發展現狀與趨勢(shi)走向。
當然，要(yao)真(zhen)正(zheng)理解人工智能將(jiang)給(gei)工業領域帶來的深遠影響，僅(jin)看一場展會是遠遠不夠的。
殊途(tu)同歸，全球著名(ming)研究機構Gartner也為我(wo)們(men)帶來了他們(men)對產業(ye)AI應(ying)用的(de)最新洞察。通過比對Gartner和(he)IoT Analytics的(de)觀察，我(wo)們(men)能夠(gou)更加(jia)全面、立體地把握人工(gong)智能在工(gong)業(ye)領域的(de)應(ying)用現狀和(he)發展趨勢。
今天這篇文章，我們就(jiu)通過(guo)IoT Analytics和Gartner的視角，來(lai)呈現工業人工智能的最新判斷和發展趨勢(shi)。
生成式AI：潛力與局限并存
在人工智能(neng)的浪潮中，生成(cheng)式AI(GenAI)正(zheng)以其獨(du)特的創造力和多樣(yang)性(xing)應用(yong)成(cheng)為(wei)焦點。根據Gartner最新調(diao)查，過去一年GenAI的采用(yong)率飆升，成(cheng)為(wei)各行各業部署最廣泛的AI技(ji)術之一。
面對如此前(qian)景光(guang)明的技(ji)術，企業(ye)難免心生向往。然而，在興奮之余，我們也必須保持理(li)性與清醒，認識到GenAI并非包治(zhi)百病的靈丹妙藥。
GenAI在內容生成(cheng)、對話式(shi)交互(hu)、知識發現等領域(yu)大放異彩(cai)(cai)。利用(yong)GenAI，我(wo)們可以創作出精彩(cai)(cai)紛呈的(de)文字、圖像、視頻等內容，打造更加(jia)智能、自然的(de)聊天機器人和虛擬助手，從浩瀚(han)的(de)數據海(hai)洋中(zhong)挖掘出有價值的(de)洞(dong)見(jian)。
這些(xie)應(ying)用場景正(zheng)是GenAI的強項，企業可(ke)以(yi)充分利用GenAI在這些(xie)方面的優勢，提升運營(ying)效(xiao)率，創造(zao)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。
事實上，在客戶細分(fen)、個性化推薦、異常(chang)檢測等(deng)領(ling)域，GenAI雖然可以發(fa)揮(hui)一(yi)定(ding)作用，但其(qi)表現(xian)往(wang)往(wang)不如其(qi)他成(cheng)熟的(de)AI技術。更(geng)不用說在預測趨勢、制定(ding)戰(zhan)略、自(zi)主決策等(deng)高風(feng)險、強(qiang)邏輯的(de)場合，GenAI目前的(de)能(neng)力還(huan)難(nan)以完全勝(sheng)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)機器學習、優化算法(fa)、知(zhi)識(shi)圖譜(pu)等(deng)方法(fa)雖然不如(ru)GenAI那般花哨(shao)，但(dan)在特定場景(jing)下往往更加有效、透明、可控。一(yi)(yi)些(xie)新(xin)興的(de)范式(shi)，如(ru)因果AI、神經(jing)符號AI、第一(yi)(yi)性原理AI等(deng)，也可能為復雜(za)問(wen)題提供新(xin)的(de)解決(jue)思路。企(qi)業(ye)應當(dang)揚長避短(duan)，根據實(shi)際(ji)需求(qiu)審慎選擇恰當(dang)的(de)技術工具(ju)，而非(fei)盲從(cong)一(yi)(yi)時的(de)技術熱潮。
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(sheng)成(cheng)式機(ji)器學(xue)習可以(yi)為(wei)GenAI提(ti)供高(gao)質量(liang)的(de)(de)(de)訓練數(shu)據，優(you)化(hua)搜索算法可以(yi)增強GenAI模(mo)型的(de)(de)(de)檢索能力，而符(fu)號化(hua)的(de)(de)(de)知識(shi)(shi)圖譜則為(wei)GenAI提(ti)供了(le)可解釋的(de)(de)(de)背景(jing)知識(shi)(shi)。這(zhe)些AI技術相互(hu)配合，構(gou)成(cheng)了(le)一(yi)個生(sheng)機(ji)勃(bo)勃(bo)的(de)(de)(de)生(sheng)態系統。企(qi)業在AI戰略規劃時，應著眼于這(zhe)一(yi)生(sheng)態的(de)(de)(de)全局，而非(fei)單一(yi)技術的(de)(de)(de)局部(bu)。
GenAI的(de)興(xing)起，為人(ren)工(gong)智能(neng)的(de)發展注入了新的(de)活力。但我們必(bi)須明(ming)白(bai)，任何技術都有其能(neng)力邊(bian)界(jie)。對GenAI的(de)過度(du)炒作和不當使用，反(fan)而可能(neng)增加(jia)項(xiang)目的(de)風(feng)險，導致期望(wang)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(yi)轉變反映出工業AI正從概念(nian)驗(yan)證階段邁(mai)向實際應用落地。西(xi)門(men)子就是(shi)一(yi)個典型的例子，其(qi)展(zhan)位特色是(shi)多(duo)個端到端制造演(yan)示，涵蓋汽車、化工等(deng)行(xing)業，充分(fen)展(zhan)示了其(qi)各種解決方(fang)案的協同(tong)效應。
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(xi)門子(zi)、施耐德電氣(qi)、倍(bei)福自(zi)(zi)動化等(deng)廠商紛紛展示了利用自(zi)(zi)然語言輸(shu)入(ru)自(zi)(zi)動生成PLC代碼的(de)解(jie)(jie)決方案(an)。這(zhe)些方案(an)結合了工業知(zhi)識庫、上下文(wen)理解(jie)(jie)等(deng)技術(shu)，以提高編程的(de)效率(lv)和準確性。
生(sheng)成(cheng)(cheng)式(shi)AI在(zai)其他領域(yu)也有亮(liang)眼表現(xian)。西門子工業(ye)副(fu)駕利用簡單的文本提示，結(jie)合西門子NX、RuleStream等軟件，實現(xian)了(le)3D模型的快速設計生(sheng)成(cheng)(cheng)。
Softserve公司的(de)“工業副駕(jia)”可以幫助車間工人排查(cha)機器故障(zhang)，基于文檔(dang)和指南提(ti)供(gong)問(wen)題(ti)解決的(de)可視化(hua)步驟。美國軟(ruan)件公司Tulip的(de)Frontline Copilot讓一(yi)線員工可以便捷地從(cong)文檔(dang)中獲(huo)取關鍵信息。這些案例展示了(le)生(sheng)成式AI在工業領域的(de)廣闊(kuo)應用前景(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(zhe)些方(fang)(fang)案經(jing)過全面(mian)測試(shi)，以滿足工業(ye)級別(bie)的(de)法律、性能(neng)、安全標準。與此同時，最終(zhong)用戶在數據質量(liang)和可訪問性方(fang)(fang)面(mian)的(de)困(kun)境，也制約了生成(cheng)式AI的(de)采(cai)用速度(du)。
這一痛點促使供應商(shang)將(jiang)短期重心轉向數據管理解(jie)決(jue)方(fang)案。SymphonyAI公司展示的(de)IRIS Foundry就(jiu)是為工業AI的(de)數據聚(ju)合、查詢和管理而(er)生。
塔塔咨詢服務公(gong)司(si)(TCS)則(ze)強(qiang)調(diao)，要破解數據(ju)難題，關鍵在(zai)于跨行業的專業知識和廣泛(fan)的合(he)作伙伴網絡，而非特定(ding)的技術(shu)方案。谷(gu)歌云推出(chu)的Cortex框架，也旨(zhi)在(zai)管理和轉換(huan)非結構化、難以訪問的AI應用數據(ju)。
工業AI正站在從“會學習”到“會工作”的轉折點上。生成式AI作為一股新興(xing)力量，為工(gong)業創新注入了無限想象(xiang)。但任何(he)技術的落地，都離不開(kai)與行業知(zhi)識的深度融(rong)合，以及對業務全(quan)流程的系統(tong)考量。端(duan)到端(duan)的解決方(fang)案(an)，而(er)非單點技術，才是工(gong)業AI蓬勃發(fa)展的沃土。
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”。打通數據孤島，構建(jian)高效、可信的數據管理機(ji)制，是供需(xu)雙方共同的任務。唯(wei)有如此，工業AI的潛(qian)力才能(neng)得(de)以(yi)充分釋放，化(hua)為驅動產業變革的澎湃動能(neng)。
工業AI之爭：硬件巨頭謹慎前行，軟件玩家躍躍欲試
如前所述，在2024年漢諾威工業博覽會上，人工智(zhi)能，尤其(qi)是生成(cheng)式AI，無(wu)疑成(cheng)為了(le)最耀眼(yan)的(de)(de)明星。它所展現的(de)(de)獨特創造力(li)和廣闊應用前景(jing)，點燃了(le)業界對(dui)智(zhi)能制造未來的(de)(de)無(wu)限遐想。然而，在這場(chang)技術盛宴的(de)(de)背后，不(bu)同(tong)陣營的(de)(de)玩家卻對(dui)AI時代的(de)(de)到來有著(zhu)迥然不(bu)同(tong)的(de)(de)預判和反(fan)應。
硬件巨頭們對2024年的業務前景普遍持謹慎態度。
西門子、ABB等工業自動化領域的傳統霸主，雖然在展會上大力展示了(le)(le)各自的AI解決方案，但(dan)在面對客戶庫存過剩、需求(qiu)疲軟的現實(shi)時，他(ta)們難掩(yan)銷售壓力和經(jing)營憂慮。在展會結束幾周后，西門子就在財報(bao)電話會議上坦言，其工業自動化部門的訂單同比(bi)下降(jiang)了(le)(le)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(zhan)(zhan)商(shang)對2024年(nian)下半年(nian)市(shi)場回暖抱有期望，但展(zhan)(zhan)會(hui)上并未(wei)聽到任(ren)何(he)實質(zhi)性的利好消息。
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(ruan)、亞馬(ma)遜、SAP等IT巨頭，似乎已經嗅到了(le)AI革命的前奏(zou)。在與他們的交流(liu)中，對(dui)AI產品及其應用的興奮之(zhi)情溢于(yu)言表(biao)。Avanade、Cognizant等系(xi)統集成商也紛紛表(biao)示，客戶正在啟動越(yue)來(lai)越(yue)多的AI和(he)數據相(xiang)關項(xiang)目，以期借(jie)助這些新技術驅動業(ye)務增(zeng)長(chang)。
這種分化的背后，折射出工業AI發展的復雜圖景。傳統的硬件廠(chang)商，長期以來依賴設備銷售(shou)和(he)工程服務獲取利潤。他(ta)們(men)在(zai)AI領域(yu)的積累相對有(you)限，轉型的步(bu)伐也較為(wei)謹慎。
而(er)軟件廠商，尤(you)其是那些在IT領域已經樹立了(le)AI優勢的巨(ju)頭，則對工業(ye)AI的想象空間充(chong)滿信(xin)心。他(ta)們希望利用先發(fa)優勢，搶占智能制造的制高點，進而(er)重塑工業(ye)競(jing)爭的版圖。
但不可否(fou)認，工(gong)業AI的(de)應用落(luo)地，既需(xu)要算法和軟件(jian)的(de)驅動，也離不開傳感(gan)器(qi)、控制器(qi)等硬件(jian)設(she)施的(de)支(zhi)撐。軟硬件(jian)廠商只有協同創(chuang)新、優(you)勢互補，才能真正實現1+1>2的(de)效(xiao)果。
寫在最后
2024年，人工(gong)智能無疑成為了(le)全(quan)球科技界的(de)熱(re)議話(hua)題。但(dan)有趣的(de)是，這(zhe)股AI熱(re)潮在(zai)不(bu)同行業領域的(de)反映(ying)卻有著微妙的(de)差異。
在2024年(nian)2月的世界(jie)移(yi)動通信大會(MWC)上，人工智能幾乎主導了所有的展示和討論。
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(yu)進行(xing)了廣泛的探索。
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(ye)AI的未來已然在望，但其發展(zhan)之路注定曲折而漫長。
正如漢諾威(wei)和(he)(he)MWC兩大展會所折(zhe)射的，不同行業對AI的理(li)解(jie)和(he)(he)應用有著(zhu)微妙的差異。這背后反映的是，每(mei)個行業數字化轉型的基礎、節奏和(he)(he)路徑都(dou)有其特殊性(xing)。
對工業(ye)領域而言(yan)，AI雖然潛(qian)力巨大，但仍(reng)需要與行業(ye)知識深(shen)度融合，與其(qi)他技術(shu)協同優化(hua)，才能真(zhen)正發揮出最大價值(zhi)。
