作者：彭昭（智次方創(chuàng)始人、云和資本聯(lián)合創(chuàng)始合伙人）物聯(lián)網(wǎng)智庫 原創(chuàng)

這是我的第311篇專欄文章。

2024年，我們邁入了AIoT 2.0的新階段，大量的、主流的設(shè)備將會具備智能，而生成式人工智能在產(chǎn)業(yè)的應(yīng)用，是其中必不可少的一塊拼圖。

最近，生成式人工智能GenAI在制造業(yè)的應(yīng)用，正在潛移默化的推進(jìn)。

以西門子為例，繼去年與微軟聯(lián)合研發(fā)“AI工業(yè)副駕”之后，本月西門子又與AWS聯(lián)手推動(dòng)生成式人工智能在工業(yè)軟件領(lǐng)域的普及。

AI工業(yè)副駕的目標(biāo)是讓工人能夠更加有效的操作機(jī)器，過去花費(fèi)幾周才能完成的任務(wù)，通過工業(yè)副駕只需幾分鐘就能實(shí)現(xiàn)，由此可以顯著減少仿真時(shí)間，提高生產(chǎn)效率。

工業(yè)軟件的GenAI應(yīng)用則涉及到徹底改變企業(yè)處理生成式人工智能程序的方式，通過將人工智能基礎(chǔ)模型服務(wù)Amazon Bedrock與西門子低代碼平臺Mendix的集成，只需點(diǎn)擊幾下，使用簡單的圖形界面和拖放指令，用戶就可以加速工業(yè)軟件的開發(fā)流程。

隨著生成式人工智能GenAI技術(shù)的快速發(fā)展，其應(yīng)用前景備受關(guān)注。GenAI是否會成為工業(yè)制造領(lǐng)域的“利器”，推動(dòng)傳統(tǒng)制造業(yè)的智能升級，改善產(chǎn)業(yè)生態(tài)，目前業(yè)界褒貶不一。

在這些討論背后，一些科技公司正在積極的使用行動(dòng)擁抱GenAI，推動(dòng)著各種探索一路向前。

知名研究機(jī)構(gòu)的預(yù)測也支持了GenAI即將在多個(gè)產(chǎn)業(yè)生根發(fā)芽的論斷。

具有代表性的比如高盛的一份研究，認(rèn)為GenAI的突破將會給世界帶來前所未有的變化。隨著自然語言處理NLP等新工具的推出，GenAI和NLP可以推動(dòng)全球GDP在十年間增長7%，相當(dāng)于為全球經(jīng)濟(jì)增加了7萬億美元。

波士頓咨詢BCG最近的一份研究報(bào)告，分析了生成式人工智能在未來工廠中的應(yīng)用，較為具備參考性。

其中的重要結(jié)論包括：

GenAI并沒有取代傳統(tǒng)的人工智能，也沒有取代現(xiàn)有的工業(yè)控制系統(tǒng)，而是起到了輔助的補(bǔ)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(fā)，機(jī)器的自主性正在不斷的進(jìn)步，使得設(shè)備能夠自我調(diào)節(jié)并且自適應(yīng)陌生環(huán)境。

今天這篇文章，我們將圍繞BCG的這份研究報(bào)告，通過具體案例，剖析GenAI在工業(yè)制造中的應(yīng)用潛力、實(shí)現(xiàn)路徑及注意事項(xiàng)，以期對工業(yè)制造轉(zhuǎn)型升級提供參考借鑒。

制造企業(yè)愿意優(yōu)先考慮GenAI的顛覆性潛力

BCG最近對制造商進(jìn)行調(diào)查，以洞察他們對新興技術(shù)的看法。

調(diào)查發(fā)現(xiàn)，無論對數(shù)字化的熱情高低，制造業(yè)高管都將人工智能（包括GenAI）視為最可能帶來運(yùn)營革新的技術(shù)。

BCG分析表明，人工智能可以將車間生產(chǎn)力提高20%以上，投資回報(bào)僅需1~3年。

以一家汽車供應(yīng)商為例，人工智能應(yīng)用幫助其生產(chǎn)力提升了21%。其中，人工智能驅(qū)動(dòng)的殘次品顧問優(yōu)化參數(shù)，讓廢品率下降25%；泵閥健康監(jiān)測器幾乎杜絕了關(guān)鍵生產(chǎn)泵故障，設(shè)備效率提升7個(gè)百分點(diǎn)；質(zhì)量檢測系統(tǒng)減少65%的質(zhì)檢人力，并提高檢測準(zhǔn)確率。

人工智能技術(shù)源頭眾多，應(yīng)用廣泛。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)主要進(jìn)行數(shù)據(jù)分析、分類、聚類等；而GenAI如ChatGPT則能根據(jù)提示創(chuàng)造新的內(nèi)容。

試點(diǎn)項(xiàng)目是GenAI工業(yè)應(yīng)用的理想起點(diǎn)

既然生成式人工智能為制造業(yè)帶來革新的新機(jī)遇，試點(diǎn)項(xiàng)目則是企業(yè)實(shí)踐生成式人工智能的理想起點(diǎn)。來自英偉達(dá)、西門子和Invisible AI等公司的業(yè)內(nèi)專家們，分享了工業(yè)GenAI賦能智能工廠的3個(gè)典型案例。

案例1：“合成數(shù)據(jù)”讓機(jī)器人拾取和放置不同的物體

借助人工智能訓(xùn)練，機(jī)器人了獲得處理各種物體的能力，哪怕是雞翅，也可以“信手拈來”。

英偉達(dá)和Soft Robotics公司與食品生產(chǎn)商合作，通過生成式人工智能解決方案，使機(jī)器人能準(zhǔn)確識別雞翅堆，抓取單個(gè)濕滑的雞翅。

在過去。這是一項(xiàng)極具挑戰(zhàn)性的任務(wù)，因?yàn)殡u翅的形狀和姿勢難以預(yù)先判斷，存在多種組合。人工智能的獨(dú)特之處在于構(gòu)建逼真的3D數(shù)字孿生和模擬環(huán)境。相比拍攝海量真實(shí)圖片，使用算法生成的“合成數(shù)據(jù)”訓(xùn)練模型，能大幅節(jié)省時(shí)間成本。

圖：Soft Robotics的機(jī)器人能夠識別并從一堆雞翅中撿起單個(gè)濕滑的雞翅

案例2：使用異常值檢測，生產(chǎn)線的吞吐量翻倍

廠長雖然不能無所不在，但智能設(shè)備可以。Invisible AI公司通過GenAI智能設(shè)備幫助制造商優(yōu)化裝配線。

一旦發(fā)現(xiàn)在部分工作站點(diǎn)的執(zhí)行周期內(nèi)存在異常，這時(shí)人工智能便化身為“千里眼”，它洞察生產(chǎn)全景，找出異常，引導(dǎo)工程師們注意關(guān)鍵問題。

圖：使用人工智能工具，造車企業(yè)發(fā)現(xiàn)工作站的異常時(shí)段

某汽車供應(yīng)商在Invisible AI幫助下使產(chǎn)線產(chǎn)能提升一倍。在另一個(gè)案例中，一家汽車OEM與Invisible AI合作來識別未充分利用的站點(diǎn)，OEM利用這一洞察力整合了工作站，每班次的吞吐量提高了5%，同時(shí)為20%的員工進(jìn)行重新分工。

案例3：敏捷的模擬新產(chǎn)線和新流程

數(shù)字孿生技術(shù)可降低新工廠設(shè)計(jì)和流程變革的風(fēng)險(xiǎn)。它建立虛擬工廠的3D模擬環(huán)境，與現(xiàn)有系統(tǒng)連通，外觀和運(yùn)行邏輯均如實(shí)體工廠。

更進(jìn)一步，工業(yè)元宇宙使這一切成為現(xiàn)實(shí)，它專為制造商構(gòu)建虛擬空間。英偉達(dá)與西門子正通過數(shù)字孿生，將虛擬技術(shù)引入各類工業(yè)用戶。

圖：制造生產(chǎn)的整個(gè)規(guī)劃階段都可以在工業(yè)元宇宙中進(jìn)行

數(shù)字孿生涵蓋的技術(shù)范疇廣泛，其中也涉及到GenAI的使用。這方面的用例非常鮮活，F(xiàn)REYR電池公司構(gòu)建了完整的電池工廠虛擬模型，涵蓋基礎(chǔ)設(shè)施、設(shè)備、人體工程學(xué)、安全等細(xì)節(jié)，實(shí)現(xiàn)產(chǎn)品生產(chǎn)的逼真模擬，大幅降低了實(shí)際工廠規(guī)劃的風(fēng)險(xiǎn)。

GenAI幫助鋪平面向未來的工廠建設(shè)之路

GenAI引入了一系列創(chuàng)新功能，但它并不太適合故障檢測、生產(chǎn)分析或定點(diǎn)優(yōu)化等任務(wù)。對于這些任務(wù)，傳統(tǒng)的人工智能具有很好的方案。

盡管如此，GenAI仍可發(fā)揮重要輔助作用，幫助制造商實(shí)現(xiàn)未來智能工廠。其獨(dú)特功能可支持制造商實(shí)現(xiàn)工廠流程的自治和增強(qiáng)，并以嶄新方式協(xié)助員工工作。

根據(jù)BCG的分析，GenAI可在各個(gè)層面發(fā)揮作用，使工廠實(shí)現(xiàn)從被動(dòng)到主動(dòng)的轉(zhuǎn)變，最終達(dá)到智能化和自主化運(yùn)轉(zhuǎn)。它是實(shí)現(xiàn)未來智能工廠的重要助力。

經(jīng)過匯總，GenAI能力可支持三類典型的制造業(yè)應(yīng)用場景：輔助系統(tǒng)、推薦系統(tǒng)和自治系統(tǒng)：

第一類是輔助系統(tǒng)。

這類GenAI應(yīng)用可提高編程、設(shè)備維護(hù)等實(shí)際工作的效率。例如，傳統(tǒng)上工程師需要手動(dòng)對機(jī)器和邏輯控制器進(jìn)行編程。而GenAI工具可自動(dòng)生成代碼，減少工程量和時(shí)間成本，工程師只需審查和調(diào)整代碼。

同樣，GenAI也可匯總操作員的豐富經(jīng)驗(yàn)與知識，將其轉(zhuǎn)化為數(shù)據(jù)驅(qū)動(dòng)的建議。

它可以構(gòu)建模型，通過數(shù)據(jù)分析驗(yàn)證操作員對優(yōu)化設(shè)備的參數(shù)調(diào)整或處理異常的建議。通過自動(dòng)化編碼和轉(zhuǎn)化員工經(jīng)驗(yàn)知識，GenAI可有效提升工作效率，發(fā)揮重要輔助作用。

第二類是推薦系統(tǒng)。

GenAI可提供建議，指導(dǎo)工作人員選擇最佳方案。

在預(yù)測性維護(hù)中可以看到GenAI的應(yīng)用價(jià)值。過去，制造商通過固定周期維護(hù)來防故障。隨著機(jī)器學(xué)習(xí)的應(yīng)用，可以通過分析不同傳感器數(shù)據(jù)，識別模式并預(yù)測故障。

GenAI可進(jìn)一步增強(qiáng)這種預(yù)測性維護(hù)流程，它可以自動(dòng)生成文字或圖像的維護(hù)步驟說明，包括備件清單。這樣維修人員可以將更多時(shí)間放在執(zhí)行上，從而提升效率，降低成本。即使缺乏經(jīng)驗(yàn)的技師，在GenAI工具輔助下也能高效維修設(shè)備。

第三類是自治系統(tǒng)。

開發(fā)者正在探索使用GenAI實(shí)現(xiàn)機(jī)器的自治。例如現(xiàn)在許多搬運(yùn)作業(yè)還需人工操作，自動(dòng)化非常困難，GenAI可將工程師的語音提示，如“給我備件47-11”，翻譯成機(jī)器人自動(dòng)執(zhí)行的一系列動(dòng)作。這減少了對特定環(huán)境和任務(wù)的培訓(xùn)，降低工程成本，提高生產(chǎn)率。

另一個(gè)例子是使用GenAI為機(jī)器視覺的質(zhì)量控制合成訓(xùn)練數(shù)據(jù)，無需在生產(chǎn)中收集大量真實(shí)數(shù)據(jù)即可快速啟動(dòng)系統(tǒng)。

通過模擬學(xué)習(xí)和內(nèi)容生成，GenAI可實(shí)現(xiàn)對新環(huán)境的自主適應(yīng)，大大推進(jìn)制造業(yè)的自動(dòng)化水平。

如何在制造業(yè)中應(yīng)用GenAI取得成功

要在制造業(yè)成功推廣人工智能，僅確定應(yīng)用領(lǐng)域遠(yuǎn)遠(yuǎn)不夠，還需在人員和技術(shù)兩個(gè)方面奠定堅(jiān)實(shí)基礎(chǔ)。GenAI應(yīng)用開發(fā)和運(yùn)營所需的人才能力，與傳統(tǒng)人工智能類似。但GenAI技術(shù)架構(gòu)更為復(fù)雜，包括：模型來源、平臺和基礎(chǔ)設(shè)施，以及應(yīng)用運(yùn)營等方面。

這些技術(shù)架構(gòu)的選項(xiàng)組合產(chǎn)生了GenAI在制造業(yè)的多種運(yùn)營模式，具體可分為上圖中的4種類型，不同模式都有其優(yōu)勢，制造商可根據(jù)實(shí)際情況選擇最佳方案。

總體來說，GenAI技術(shù)架構(gòu)的實(shí)現(xiàn)有多種方案可供選擇，每個(gè)都有其優(yōu)劣。制造商應(yīng)當(dāng)根據(jù)自身實(shí)際情況和需求進(jìn)行決策。

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(yùn)營：

第一步，診斷現(xiàn)狀，識別GenAI應(yīng)用的機(jī)遇和價(jià)值提升空間。

第二步，設(shè)計(jì)目標(biāo)愿景、策略和路線圖。評估各類GenAI應(yīng)用的效益，明確人員和技術(shù)措施。選擇合適的GenAI模型，兼顧效果、成本和響應(yīng)速度。

第三步，開發(fā)GenAI解決方案和配套措施。

第四步，試點(diǎn)GenAI解決方案和配套舉措，激發(fā)組織內(nèi)廣泛采用的動(dòng)力。

第五步，在生產(chǎn)環(huán)境中推廣經(jīng)過驗(yàn)證的GenAI應(yīng)用組合，并啟動(dòng)更多試點(diǎn)項(xiàng)目不斷拓展應(yīng)用場景。

寫在最后

生成式人工智能正悄然改變著我們的世界，其在制造業(yè)中的應(yīng)用已成為熱點(diǎn)。

本文通過案例分析，梳理了GenAI在智能制造中的價(jià)值和作用。GenAI可實(shí)現(xiàn)智能識圖、語音交互、智能決策等，大幅提高工廠的自動(dòng)化和自主化水平。

與此同時(shí)，我們也要清醒認(rèn)識GenAI的局限，傳統(tǒng)AI在檢測、分析等方面仍占優(yōu)勢，兩者應(yīng)互補(bǔ)應(yīng)用。要真正實(shí)現(xiàn)工業(yè)智能化，企業(yè)還需關(guān)注技術(shù)框架選型，人才培養(yǎng)，以及GenAI應(yīng)用的循序漸進(jìn)。

GenAI為工業(yè)注入新動(dòng)能的同時(shí)，也給企業(yè)管理帶來新挑戰(zhàn)。我們需審慎應(yīng)對，以推動(dòng)制造業(yè)穩(wěn)步智能化升級。

參考資料：

1.Generative AI’s Role in the Factory of the Future，作者：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：Boston Consulting Group

3.Four AI case study successes in industrial manufacturing，作者：CARRINE GREASON，來源：Control Engineering

4.AI agents help explain other AI systems，作者：RACHEL GORDON，來源：Control Engineering

       原文標(biāo)題 : AIoT 2.0時(shí)代,生成式人工智能GenAI正在成為工業(yè)智能化的新引擎