AI制造业大小模型论坛实况：共同探讨AI深度融合的挑战与机遇

2023年9月25日，备受瞩目的“AI在制造业的应用(大小模型)论坛”在国家会展中心(上海)成功举办。

论坛上，各界专家就AI与制造业融合的挑战及应对策略展开了深入讨论。中宇联云计算服务(上海)有限公司的战略总监姚雯娟女士、上海知平信息技术有限公司的CEO施懿民先生、北京零壹视界科技有限公司的首席运营官赵莫言先生、AIFun的联合创始人余知权先生共同参与了圆桌论坛环节。他们从各自的专业领域出发，分享了对AI与制造业融合过程中的独到见解。

姚雯娟女士从云计算的角度切入，深入探讨了如何通过高效的云计算服务为制造业提供更为灵活、智能的AI技术支持。施懿民先生则通过知平信息的实际案例，生动展示了智能制造领域中数据驱动的核心价值。赵莫言先生结合零壹视界的丰富经验，对AI技术在制造业应用中的实际挑战与应对策略进行了全面剖析。而余知权先生则从行业创新的高度，展望了AI技术推动制造业转型升级的广阔空间。

零壹视界首席运营官赵莫言先生分享了AI与制造业融合方面的实践与思考。他表示，AI在制造业的应用领域广泛，包括研发设计、生产工艺、设备运维、质量管理、运营控制等各个环节。AI的优势在于能够通过机器学习等技术提高生产效率、降低成本，同时还能减少人为错误，提高产品质量。然而，AI在制造业的应用也面临着数据挑战和安全风险等问题。

首先，数据挑战包括数据不一致性、数据流断点和数据孤岛。为了解决这些问题，零壹视界提出了一种基于智能体的解决方案，通过构建智能体平台和PaaS层能力，可以快速构建出适应不同场景的解决方案。

其次，安全风险是AI在制造业应用中不容忽视的问题。数据安全是首要考虑的因素，尤其是在涉及敏感生产数据、供应链信息或设计文件时，数据泄露可能会对企业的声誉和业务造成严重影响。因此，零壹视界采取了一系列措施来确保数据的安全性，包括红蓝攻防、可解释层中间层技术等。

赵莫言：我们的团队聚焦在AI、BI以及aPaas、Ipaas领域很多年，AI大模型事关人类生产工具的重要变革，在23年我们开始Allin到这个领域。

主持人：AI 在制造业的应用领域、优势与局限是什么？

赵莫言：大模型在制造业落地的优势和挑战一直是大家热门讨论的话题，目前我们在制造业经常和客户共同探讨，应用场景目前已经覆盖很多，从研发设计、生产工艺、设备运维、质量管理、运营控制等各个环节都已经做了标杆案例的落地。我们把它归纳成三个大的场景:视觉智能、数据智能、交互智能。

比如视觉智能，以往基于图像的机器质检都需要训练开发，而基于大模型的视觉理解能力我们可以快速的让大模型来理解并识别内容、我们在装配误差的测量上可以快速的对话是构建规则，而不是来一种物料我们就需要重新训练。

在数据智能场合，比如问答式的复杂报表生成CHATBI、业务场景预测、生成应用或者代码、以及生产排程的计划优化。另外一种就是交互式的场景，我们和主流的一些智能穿戴设备厂商，像AR眼睛也在做虚拟现实的一些交互，在工业制造领域可以对话式的在眼睛里看到我所要的数据，眼睛识别到的设备也可以快速展示设备信息。这些基于智能体平台和PaaS层的能力积累都可以快速构建。

当然像李总编刚才说的，遇到的挑战是我们现在正在面对和要解决的，数据分散和安全性问题、幻觉问题、成本问题大的问题可能主要在这三点上。

其实我们也发现积极拥抱大模型的企业属于高端制造业，就是因为高端制造业本身对知识的要求比较密集，本身也拥有数据，数据中台和数据治理架构做的比较早，数据已经初步资产化。有些传统制造业的数据量不是太大，觉得大模型的门槛相对比较高，大模型到底能够解决什么问题，能够带来什么效果，投入产出比怎么样看不清楚。这是一个过程，所以我们优先要解决的是数据问题。

另外在幻觉问题上，我先和大家普及下知识，为什么叫大模型，因为它是海量参数，你想象成和我们大脑一样，参数就是神经元。但是为什么大模型你每次问答他都有可能有不一样的结果呢？因为他是复杂路径下几乎全跑了一篇，有很大的随机性，在海量知识里去检索和组装。人脑有一个什么组织大模型没有呢，海马体这个东西大模型就没有，海马体是负责记忆和空间引导的，所以当人遇到一个问题时他只会在那一块固定的知识区去寻找因为人有记忆。但是大模型所有的工作都需要整个参数分析和计算，你们看人脑的耗电量、20w左右，主流的GPU处理器都在300W左右。我们现在也在研究路径的智能优化但我觉得还有很多路要走。

回到这个问题上，在没有好的路径优化技术之前，降低幻觉的有效途径就是给他一个专有知识库，让他只在这里面去找答案，这就是RAG检索增强大家正在做的。这个效果已经非常好，幻觉可以降到很低，再配合红蓝攻防、以及可解释层中间层技术。我们不让大模型直接和应用接触，而是大模型只负责理解我们简单的中间层，由中间层来做具体的应用操作和执行。和人交互的智能体应该先做，可以通过识别和知识库不断地跟人交互，提高个人能力。等于给每个人配置一个机器人而和机器的直接交互的智能体可能要往后落地。

至于成本问题，我们现在也都会使用小参数的大模型来落地，后期这个成本问题肯定会便宜下来。

主持人：AI 与制造业融合需要什么人才？

赵莫言：未来，复合型人才会越来越关键，这类人不仅要懂AI技术，还要深刻了解制造业的业务场景，能够设计出有效的AI解决方案来解决具体问题。AI与制造业的深度融合需要大量跨学科的复合型人才，特别是既懂AI技术又熟悉工业流程的人才。但目前全球范围内这类人才仍较为稀缺，造成了AI在制造业中的应用速度受限。制造业本身在场景上不同生产制造企业的管理方法、生产过程都不相同，需要扎下去细分领域里与业务场景一起多做落地尝试，一旦融合好场景这个价值将会迅速产生优势，这个事情肯定是越早越好。

主持人：制造业中 AI 应用的数据挑战与安全风险有哪些？

赵莫言：在制造业中，AI应用面临的主要数据挑战包括数据不一致性、数据流断点和数据孤岛。许多企业在不同环节使用不同的系统，导致数据难以流畅传递，这使得AI模型的有效性受到限制。确保数据在各个环节的流动和利用是一大难题。

另外，AI应用带来的安全风险也不容忽视。首先，数据安全是一个大问题，尤其是在涉及敏感生产数据、供应链信息或设计文件时，数据泄露可能会导致商业秘密暴露。其次，AI系统的决策也存在潜在的漏洞或错误，若这些错误被恶意利用，可能会对生产流程或产品质量产生不良影响。目前我们还是有很多应对办法，效果上也都是非常不错。

此次论坛内容深入、观点多元，为与会者呈现了一场思想碰撞与认知升级的盛宴。嘉宾们的精彩发言不仅展现了各自的专业素养，更为AI与制造业的深度融合提供了宝贵的思路与启示。相信这些探讨将为推动智能制造的未来发展注入新的动力。不仅为业界人士提供了一个交流与学习的平台，还进一步促进了AI与制造业的深度融合。