人工智能（AI）技術(shù)盡管醞釀已久，但從通用模型到推理模型，幾乎是在一夜之間爆發(fā)，應(yīng)用人工智能產(chǎn)業(yè)界尚未做好相應(yīng)的準備。現(xiàn)在，應(yīng)用人工智能產(chǎn)業(yè)界要從高質(zhì)量數(shù)據(jù)集建設(shè)、行業(yè)和場景模型建設(shè)、數(shù)據(jù)治理和商業(yè)模式等方面，加快準備，找準切入點，讓人工智能在制造業(yè)中大有可為。
本刊首席攝影記者 肖翊I攝
人工智能技術(shù)逐漸轉(zhuǎn)變?yōu)槠栈菪约夹g(shù)
人工智能近期發(fā)展迅猛，特別是在推理模型、具身智能等領(lǐng)域。此外，人工智能領(lǐng)域還出現(xiàn)了兩個變化：開源成為越來越多人的共識；人工智能的訓練和使用成本大幅度下降。
DeepSeek在大模型領(lǐng)域產(chǎn)生了“鯰魚效應(yīng)”。一方面，該公司進行了一系列構(gòu)架和工程優(yōu)化，實現(xiàn)算力效能的大幅提升，降低了使用大模型的成本，帶動大模型進入千行百業(yè)。另一方面，DeepSeek是非常徹底的開源大模型，可建立適合企業(yè)場景的垂直模型和模型APP。許多工業(yè)企業(yè)此前對使用大模型缺乏積極性，擔心企業(yè)數(shù)據(jù)泄露。現(xiàn)在，DeepSeek可實現(xiàn)本地化部署，企業(yè)能夠通過局域網(wǎng)來部署自己的模型，對數(shù)據(jù)泄露的憂慮大幅降低。
人工智能技術(shù)正在從少數(shù)國家、少數(shù)企業(yè)、少數(shù)機構(gòu)的專屬工具，逐漸轉(zhuǎn)變?yōu)槠栈菪约夹g(shù)，推動人工智能快速步入平權(quán)時代、普惠時代。通過專有數(shù)據(jù)，中小企業(yè)、個人都可以部署自己所需要的模型。
在具身智能領(lǐng)域，空間理解模型極大降低了具身智能的訓練成本。最近，杭州一家公司發(fā)布了空間理解開源模型，可以提高場景合成數(shù)據(jù)可用性，使具身智能機器人線上訓練成為可能，將有利于推動具身智能走向真正的工業(yè)場景。
在算力領(lǐng)域，跨域算力協(xié)同、異構(gòu)算力協(xié)同路徑降低了算力成本。據(jù)了解，研究機構(gòu)正在推動跨區(qū)域、多構(gòu)架協(xié)同、光電結(jié)合等技術(shù)，將有利于我國優(yōu)化算力網(wǎng)絡(luò)建設(shè)，降低算力成本。
“人工智能+制造”要解決企業(yè)的難點
擁抱AI是千行百業(yè)的大勢所趨。我們應(yīng)該從六個方面加快準備，分別是：建設(shè)高質(zhì)量行業(yè)數(shù)據(jù)集和場景數(shù)據(jù)集，建設(shè)行業(yè)模型和場景模型，全面推行企業(yè)數(shù)據(jù)治理，積極探索AI商業(yè)模式，加強國家模型檢測評估體系建設(shè)，開展AI素養(yǎng)教育培訓。
高質(zhì)量專業(yè)數(shù)據(jù)集建設(shè)到哪里，“人工智能+”就可以發(fā)展到哪里。
建設(shè)高質(zhì)量行業(yè)數(shù)據(jù)集和場景數(shù)據(jù)集，首先要建設(shè)好數(shù)據(jù)標準，還要建設(shè)高質(zhì)量數(shù)據(jù)集，要包含公共數(shù)據(jù)和私有數(shù)據(jù)、通識數(shù)據(jù)和專門數(shù)據(jù)、結(jié)構(gòu)性數(shù)據(jù)和非結(jié)構(gòu)性數(shù)據(jù)以及高質(zhì)量合成數(shù)據(jù)。此外，還需建設(shè)好可信數(shù)據(jù)空間，大力發(fā)展高性能智能合約、多鏈組網(wǎng)架構(gòu)、異構(gòu)跨鏈交互、鏈上鏈下交互等關(guān)鍵技術(shù)，明確各方數(shù)據(jù)模型分享要求和激勵措施，形成可信數(shù)據(jù)空間三大能力，即價值共創(chuàng)能力、資源交互能力、可信管控能力。
有了數(shù)據(jù)集，現(xiàn)在的通用模型、推理模型，就能較為容易地做出行業(yè)模型。
現(xiàn)在，很多人工智能企業(yè)都在部署行業(yè)模型和場景模型。化工、建材、醫(yī)藥等工業(yè)領(lǐng)域有許多場景相通，只需要調(diào)整一下物性參數(shù)，就可以形成模塊化場景模型。上述工作，需要工業(yè)界和IT界共同研究推動。
AI時代的企業(yè)數(shù)據(jù)治理是數(shù)字化轉(zhuǎn)型2.0，較之以往的數(shù)字化轉(zhuǎn)型，更要注重數(shù)據(jù)的全面性、可靠性、及時性，注重數(shù)據(jù)的資源化、資產(chǎn)化、資本化。因此，要進一步完善數(shù)據(jù)管理標準，并在產(chǎn)業(yè)界開展數(shù)據(jù)治理體系標準推進工作。
我們還要積極探索AI商業(yè)模式。算力、算法和數(shù)據(jù)是人工智能三大核心要素，其商業(yè)模式也離不開這三者，要做好算力建設(shè)和運營、模型服務(wù)、數(shù)據(jù)服務(wù)、AI終端制造四方面工作。
人工智能進入制造業(yè)，將大有可為，重點是要找準切入點。
“人工智能+制造”要解決企業(yè)的難點。工業(yè)領(lǐng)域的各個行業(yè)中，或多或少都存在著工業(yè)黑箱。工業(yè)領(lǐng)域中的設(shè)備、系統(tǒng)或技術(shù)內(nèi)部機理復(fù)雜、機制不透明，難以理解，只能依靠經(jīng)驗仿真控制，就形成了工業(yè)黑箱。這類工業(yè)黑箱運行參數(shù)如果波動大，會導(dǎo)致過程調(diào)優(yōu)困難、設(shè)備維護與診斷不及時、安全與可靠性風險高等問題。
工業(yè)黑箱，一類是設(shè)備控制類黑箱，如工業(yè)爐窯、反應(yīng)器等。另一類是工藝系統(tǒng)類黑箱，參數(shù)多設(shè)備多，需要系統(tǒng)建模優(yōu)化。
這類工業(yè)黑箱，過去主要靠有經(jīng)驗的工人師傅來掌握，知識的沉淀難度大。人工智能時代，首先可以奔著控制工業(yè)黑箱去做，及時精細調(diào)整參數(shù)。還有，在精準預(yù)防性維修、智能供應(yīng)鏈、快速研發(fā)設(shè)計、質(zhì)量檢測等方面，人工智能也將大有可為。
人工智能技術(shù)不僅是未來經(jīng)濟社會發(fā)展的最大變量，也是重塑制造業(yè)競爭格局的核心驅(qū)動力，產(chǎn)業(yè)界要主動擁抱人工智能，抓緊準備，全面落實“人工智能+制造”行動各項任務(wù)，共同譜寫制造業(yè)高質(zhì)量發(fā)展新篇章。