工業(yè)AI正“小步快跑”

近日，工業(yè)和信息化部運(yùn)行監(jiān)測協(xié)調(diào)局負(fù)責(zé)人何海林在國務(wù)院政策例行吹風(fēng)會上表示，工信部將研究出臺推動人工智能賦能新型工業(yè)化行動方案。伴隨人工智能（AI）技術(shù)走深向?qū)崳?a class="article-link" target="_blank" href="/tag/%E5%A4%A7%E6%A8%A1%E5%9E%8B/">大模型技術(shù)正在驅(qū)動傳統(tǒng)工業(yè)體系升級換代，AI在工業(yè)場景中的應(yīng)用也在加速落地生根。

高質(zhì)量公開數(shù)據(jù)集是基礎(chǔ)

數(shù)據(jù)是發(fā)展AI的基本要素。制造業(yè)的研發(fā)、生產(chǎn)、質(zhì)檢和管理等各個環(huán)節(jié)都在時時刻刻產(chǎn)出大量的數(shù)據(jù)。然而，由于生產(chǎn)場景普遍存在數(shù)據(jù)孤島的情況，很難匯聚形成高質(zhì)量的數(shù)據(jù)集，這給工業(yè)AI落地帶來了挑戰(zhàn)。

“中國有場景但是沒數(shù)據(jù)?！?a class="article-link" target="_blank" href="/tag/%E6%AF%94%E4%BA%9A%E8%BF%AA/">比亞迪集團(tuán)副總裁、弗迪科技董事長羅忠良感慨地說，工業(yè)場景的數(shù)據(jù)其實(shí)是不能直接拿來使用的，如果想把數(shù)據(jù)用在AI應(yīng)用上，必須按照實(shí)際需求重新采集，而要采集真正可用的數(shù)據(jù)首先要讓企業(yè)完成信息化和數(shù)字化轉(zhuǎn)型。

根據(jù)調(diào)研機(jī)構(gòu)麥肯錫發(fā)布的報告，在工業(yè)領(lǐng)域，有分析利用價值的機(jī)器數(shù)據(jù)往往需要包含故障情形下的“壞”樣本，但很多工業(yè)系統(tǒng)的數(shù)據(jù)可靠性較高，觀測到故障并且已經(jīng)標(biāo)記的有效樣本更是難能可貴。還有一些工業(yè)場景，只有在極短的時間內(nèi)采集測量數(shù)據(jù)（如每秒上百萬個測點(diǎn)），才能捕獲機(jī)器設(shè)備的細(xì)微狀況，這就要求時序數(shù)據(jù)庫和流處理平臺等專用的新一代數(shù)據(jù)存儲軟件提供支撐。

“大多數(shù)AI算法的躍進(jìn)都是來自于公開數(shù)據(jù)集，而工業(yè)方面高質(zhì)量的公開數(shù)據(jù)集基本上是微乎其微的。沒有公開數(shù)據(jù)集的基礎(chǔ)，很多AI方面的學(xué)者無法了解到工業(yè)數(shù)據(jù)到底有什么難點(diǎn)和痛點(diǎn)，甚至在做大模型的時候都不會考慮工業(yè)數(shù)據(jù)的特定需求?！弊R淵科技首席執(zhí)行官茹彬鑫分析道。

可靠性安全性尤為重要

從技術(shù)層面來看，工業(yè)場景對大模型的要求更高。不同工業(yè)領(lǐng)域有其特定的知識體系，通用的基礎(chǔ)模型難以滿足個性化需求，垂直行業(yè)模型的開發(fā)難度非常大。

“工業(yè)的場景是多目標(biāo)的優(yōu)化，不僅僅希望你的準(zhǔn)確率高，還希望你的模型很快，最好你的模型不要太大，太大的話硬件成本就很高，多目標(biāo)的優(yōu)化是更高維度的挑戰(zhàn)?！比惚蝣畏治龅馈?/p>

可靠性和安全性在工業(yè)場景中尤為重要?？拼笥嶏w副總裁劉聰指出，工業(yè)場景的穩(wěn)定性和準(zhǔn)確性需求遠(yuǎn)超普通應(yīng)用。例如，在核心生產(chǎn)環(huán)節(jié)中，任何微小的錯誤都可能導(dǎo)致巨大的損失。安全性問題同樣嚴(yán)峻，工業(yè)數(shù)據(jù)的保護(hù)和模型安全性都亟待解決，需要行業(yè)制定嚴(yán)格的標(biāo)準(zhǔn)和實(shí)踐。

現(xiàn)階段的AI主要處于輔助階段，尚未達(dá)到完全自主智能的水平，這給工業(yè)應(yīng)用帶來了很多不確定性。以大模型為例，大模型的優(yōu)勢在于其強(qiáng)大的泛化能力，可以在不同的領(lǐng)域和任務(wù)上進(jìn)行遷移學(xué)習(xí)，而無須重新訓(xùn)練，但無法充分捕捉到某個行業(yè)或領(lǐng)域的特征和規(guī)律，也無法滿足某些特定的應(yīng)用場景和需求，在真正融入行業(yè)的過程中，需要適配不同的工業(yè)場景，其核心就是要解決不懂行業(yè)、不熟企業(yè)、存在幻覺這三大問題。

通用模型的C端用戶往往對于模型幻覺有很高的容忍度，而在制造業(yè)中，尤其是一些非常嚴(yán)謹(jǐn)和高風(fēng)險的工業(yè)場景，對模型幻覺基本上是零容忍的。只有通過一些技術(shù)或是別的AI算法引入將幻覺最小化，或者退一步，讓模型可以檢查到、意識到哪些輸出可能是幻覺，把大模型變得更加可靠、穩(wěn)定，才能在工業(yè)中使用起來，并帶來一些顛覆性的突破。

在工業(yè)領(lǐng)域，最終我們需要的可能不僅是一個AI模型，而是一個多元化、復(fù)雜的AI系統(tǒng)，包含預(yù)測型的視覺模型、決策類模型等，必須融合各種各樣的技術(shù)和學(xué)科。

工業(yè)企業(yè)宜“小步快跑”

據(jù)香港生產(chǎn)力局統(tǒng)計，今年針對制造業(yè)港資企業(yè)的調(diào)查顯示，18%的企業(yè)引入了智能解決方案，仍有很大比例的企業(yè)智能化程度相對較低。

香港生產(chǎn)力局下屬香港工業(yè)人工智能及機(jī)械人研發(fā)中心總裁黎少斌指出，面對豐富的制造業(yè)場景，AI解決方案廠商很難開發(fā)出一個唯一的解決方案。在大模型加入后，工業(yè)AI應(yīng)用已經(jīng)加深，但目前距離做出一個通用的工業(yè)大模型尚遠(yuǎn)，要獲取足夠的數(shù)據(jù)也存在困難。

投入產(chǎn)出比是企業(yè)考慮AI應(yīng)用的一個重要指標(biāo)?！白銎髽I(yè)、做工業(yè)都有一個不能改變的目標(biāo)，那就是所有的投入都要產(chǎn)生效益，這是改變不了的，也是我們更看重的?！绷_忠良表示，大模型訓(xùn)練動輒上億美元，這是制造企業(yè)投入不起的。因此，制造領(lǐng)域的企業(yè)家即使看好大模型，也還是選擇小步快跑，而不是瘋狂投入。

工業(yè)AI落地亟須建立多方協(xié)同、合作共贏的產(chǎn)業(yè)生態(tài)。中國電子信息產(chǎn)業(yè)發(fā)展研究院副總工程師安暉提出，工業(yè)場景的精確度要求與人工智能技術(shù)特性間存在矛盾，需要在用戶配合下進(jìn)行調(diào)和。工業(yè)領(lǐng)域的人工智能應(yīng)用必須用到機(jī)理模型，必須融合運(yùn)用人工智能模型與機(jī)理模型。人工智能技術(shù)必須與工業(yè)行業(yè)的工藝邏輯相結(jié)合，僅依靠人工智能技術(shù)無法實(shí)現(xiàn)應(yīng)用。人工智能無法完全代替?zhèn)鹘y(tǒng)行業(yè)軟件，行業(yè)軟件企業(yè)與人工智能企業(yè)的協(xié)同非常重要。

“現(xiàn)在大家對AI的期望太高了?！泵绹鴩夜こ淘涸菏繀墙ǜ１硎尽Ｔ谒磥?，AI對于制造業(yè)究竟能產(chǎn)生多大的助力、增加多少利潤尚未可知。AI對工業(yè)的價值提升肯定是有的，但我們應(yīng)該降低對他的期望值。

作者丨宋婧編輯丨趙晨美編丨馬利亞監(jiān)制丨連曉東