生成式AI“擁抱”制造業，如何重塑新增長路徑？

在數字化浪潮蓬勃發展和新技術引領的產業變革環境下，數字化與智能化正在為企業轉型升級提供新的機遇。在此過程中，生成式AI正在加速嵌入制造行業的業務場景，在產品開發和設計、制造運營、供應鏈、營銷和銷售、智能客服及知識庫等方面帶來巨大業務價值。

近日，亞馬遜云科技與制造行業客戶、合作伙伴一起，就當前中國制造行業發展趨勢洞察、制造業企業在數字化轉型與創新階段面臨的挑戰與機遇等話題展開討論。

根據億歐智庫發布的《2022中國裝備制造行業售后服務數字化研究報告》，到2027年，30%的制造商將使用生成式AI提高產品研發的效率。

亞馬遜云科技大中華區戰略業務發展部總經理顧凡表示，當前，傳統制造行業的數字化轉型升級正在不斷加速與深化，高端化、智能化、綠色化已成為制造行業發展的主要趨勢。但也特別要注意到，制造業領域場景確實高度碎片化，但是這個并不是行業還未重復利用大模型的真正原因，根本原因是，相對于醫療和教育來說，制造業核心工藝公開數據相對較少，所以很難預訓練大模型。

顧凡稱，大模型領域最重要的是找準核心業務應用場景，解決業務難題，提升效率，降本增效。大模型本身其實只是一個工具，把不同工具應用到最合適的場景里進行組合，找到最優解才是最佳的解決方案。

那么，推動生成式AI重塑制造業的增長路徑，該如何降低構建生成式AI應用關鍵路徑中的門檻，充分滲透進制造業價值鏈場景?

“在制造行業，我們需要從實際應用與解決方案出發，目前來看，在一定時間內，大模型與小模型共存仍是一個大趨勢。”顧凡表示，在小模型解決方案方面，亞馬遜云科技做的例如工業視覺檢測的場景，以及供應鏈基于人工智能的模型做到貨時間預測等，這些場景都是基于小模型構造的。

施耐德電氣全球供應鏈中國數字化轉型總監冒飛飛也認為，大模型不會吞并小模型，而是相輔相成的概念，短期內，小模型會隨著大模型推陳出新，并長期存在。因為，工業領域多碎片化場景以及有非常深的行業碎片化知識，面對這些行業壁壘很高的應用場景，小模型的存在有其必要性。

另一方面，大模型可以對小模型的訓練與精度有輔助性的提升。比如說在工業質量檢測場景中，大模型可以通過圖生圖，快速幫忙生成大量負樣本，增強模型訓練中的圖片驗證過程。

冒飛飛稱，當下，大模型發展還在早期階段，施耐德電氣也在積極探索，在工業能源降碳、財務、人力資源、維修等場景，施耐德電氣沉淀了大量語料與經驗，有望未來優先從如企業內部知識管理、智能知識問答等產品與場景做切入。

而作為首批入選“國家級工業設計中心名單”的企業，海爾創新設計中心選擇亞馬遜云科技打造生成式AI解決方案，并將此方案引入到新品設計、改款升級、渠道定制化等工業設計的業務場景，建成了目前已知的全國首個結合實際業務場景落地的 AIGC工業設計企業級解決方案。通過此方案，海爾創新設計中心的整體概念設計提速了83%，集成渲染效率提升了約90%，高效解決了設計階段人力成本高、概念產出與通過效率低等問題。

顧凡稱，在大模型解決方案方面，上述案例都是基于大模型構建的。所以可以預見，在一段時間內大模型、小模型一定會共存。

“很多客戶會覺得，To C端的大模型越大、越精準越好。那對于To B端的制造業客戶來說，需要面對的一個問題是，找到合適的應用場景與解決方案。有應用場景就會出現推理，如果推理成本控制不了，只是一味追求模型越大越好，對于企業來說很難負擔得起。”顧凡直言，因此，對于制造業客戶來說，大模型應用核心需要注意的是，找到模型準確度和推理成本之間的平衡點。