如何应用生成式AI打造制造业增长新引擎

北京2024年3月25日 /美通社/ -- 在今年1月份落幕的达沃斯世界经济论坛2024年年会上，一场名为"生成式人工智能：第四次工业革命的蒸汽机"的科技论坛引起了业界广泛关注。与会者纷纷表示，人工智能技术赋能了产业的革新，而生成式AI的发展则使AI技术成为第四次工业革命中最具影响力的创新之一。

作为"第四次工业革命的蒸汽机"——生成式AI的应用探索在当今已覆盖制造行业的全生命周期，在产品研发设计、制造运营、供应链、营销和销售、智能客服及知识库等方面带来巨大业务价值。与此同时，随着生成式人工智能浪潮兴起，"人工智能+"也首次出现在今年政府工作报告中，并强调促进人工智能及大模型与实体经济重点领域的深层次融合，打造数字产业集群，进一步推动制造业数字化转型步伐。

根据波士顿咨询公司最新报告显示[1]，制造业高管普遍将人工智能（包括生成式AI）列为可能对其运营产生积极影响的技术之首，并相信可以实现潜在的投资回报率。同时，根据MarketResearch预测，到 2032年，全球生成式AI技术在制造业的市场规模将从2022年的2.23亿美元增长到2032年的63.99亿美元左右，复合年增长率为41.06%。[2]

用好生成式AI 以高质量数据为基石

制造业的生产、质检、管理等各个环节都在持续、大量、快速地产生着数据。据估算，制造业每年大概可产生1,812PB的数据量，超过通讯、金融、零售等行业[3]。然而，虽然制造行业拥有丰富的行业应用场景，却经常面临互不关联、彼此孤立的数据源，导致基础模型难以获取经济、安全、结构化且易于访问的高质量数据集，从而面临着海量数据陷入"孤岛"的困境。

生成式AI需要大量数据来创建基础模型，因此建立高质量、端到端的数据基础是快速实现生成式AI技术在制造业应用落地的强大助推力。亚马逊云科技通过提供端到端的数据战略和服务，覆盖从数据的摄入、存储和查询、数据库、数据湖、到数据分析、商业智能（BI）及数据治理，再到人工智能与机器学习创新的各个环节，帮助企业充分挖掘数据价值与潜力，赋能企业下一阶段人工智能技术的场景化应用。此外，将数据作为业务决策的核心还有一个关键环节，就是企业需要能够连接所有数据，无论它们存储在何处。亚马逊云科技正在推动一个"Zero-ETL"的未来，让客户可以轻松集成来自整个系统的数据，而无需在不同服务之间提取、转换和加载（ETL）数据，从而做出更高效、更明智的数据驱动决策。

西门子在亚马逊云科技的助力下借助云原生的服务，聚焦以微服务化、事件驱动架构为核心的设计框架，通过整合多种分散的数据源，实现数据的集成化管理，打造了"大禹"数据平台。而随着生成式AI技术大热，西门子基于大禹团队前期已经建立的完善数据基础，仅用三个月就完成了基于自有模型的智能知识库暨智能会话机器人——"小禹" 的灵活构建。"小禹" 具备自然语言处理、知识库检索等核心关键能力，极大地提升了内部员工信息的获取效率。用西门子集团 IT 数据分析与人工智能负责人的话来说"没有‘大禹'，就没有‘小禹'"，可见好的数据基础可以为构建生成式AI的场景落地起到事半功倍的作用。

应用为王 找准核心应用场景

有了高质量的数据基础，企业下一步就需要从实际应用与解决方案出发，将数字技术与核心业务有机融合，尽快部署生成式AI并从中发掘价值。对于To B端的制造业客户来说，构建应用解决方案需要推理，其中不可避免的一个重要问题就是高企的推理成本。因此，制造企业亟需注重投入产出比，以 "应用为王" 为标准，找到模型精准度和推理成本之间的平衡点，在解决业务难题的同时实现理想的投入产出比。

亚马逊云科技致力于推动生成式AI重塑制造业的增长路径，通过降低构建生成式AI应用关键路径的门槛，充分渗透制造业价值链场景。在与客户紧密合作，深刻了解客户痛点和需求的前提下，亚马逊云科技与合作伙伴一道，针对制造业严重依赖人工参与的工业产品设计和营销材料生成、企业内外部资料繁杂等具体业务场景，开发定制化解决方案，让制造企业充分发挥生成式AI的潜力。 

在工业产品设计领域，传统工业的概念设计一般由人工手绘，需要应对设计周期较长，设计师的业务承载能力与快速增长的业务需求之间的挑战，以及设计质量波动，产出质量因人员水准有差异、设计品质受人员流动影响等。上述因素综合导致了概念设计阶段人力成本耗费高、概念产出效率低、概念通过率低等问题。 亚马逊云科技与合作伙伴共同开发生成式AI解决方案，通过文生图，图生图等方案进行快速概念原型设计，可以一次性生成多张改良方案图，方便客户从中挑选最优方案。此外，客户还可后续对所选素材进行针对性调整与优化，并一键提交集成渲染图，有效简化流程、降低概念设计成本，并加速整体的工业设计效率。 

亚马逊云科技合作伙伴计算美学Nolibox，基于亚马逊云科技的服务，通过文生图，图生图，帮助海尔创新设计中心打造了全国首个生成式AI工业设计解决方案。借助此方案，海尔创新设计中心的整体概念设计提速了83%。

在企业知识库领域，据凯捷提供的数据显示，当前有80%的企业数据是非结构化数据（文档、帮助网站支持文档等）。由于数据不断激增，且通常较为分散，企业员工在查询关键信息时，常面临内容不准确，关键信息难以查询等难点。亚马逊云科技与合作伙伴一道利用生成式AI技术为客户构建企业级智能知识库，集合搜索引擎和大语言模型，从智能知识库的架构设计、大语言模型预训练、人工智能与机器学习技术等方面帮助客户快速搭建知识库对话应用，助力企业员工在知识库中快速找到精准和高实效性的内容，将原始企业资料转化为可利用的数字资产，可大幅提升生产与办公效率，并提升客户体验。

某全球头部家电客户售后服务团队压力大、全球多语种知识库欠缺、智能问答生成能力有限。亚马逊云科技合作伙伴鸿翼科技借助亚马逊云科技提供的知识库、搜索引擎和大语言模型结合的方案指南，助力客户快速构建起了可进行精准检索和问答的企业知识库，使得客户在提升全球化售后客户服务体验的同时，将原始企业资料转换成了可利用的数字资产。

大小模型协同发展 助力客户应用落地"最后三公里"

制造业领域场景高度碎片化，同时拥有较高的行业知识壁垒。因此，对于制造业细分领域来说，很难有足够多的核心工艺公开数据用来预训练大模型，而通用大模型又无法满足垂直场景的定制化需求。由此可见，制造企业无需一味追求模型越大越好，在特定任务与垂直场景下，小模型可以帮助企业在有限资源内实现高效的计算与推理。目前来看，在一定时间内，大模型与小模型共存仍是一个大趋势。

此外，生成式AI应用落地的"最后三公里"十分关键，需要大量的工程化资源与投入，包括云计算基础设施、数据工程、模型调优、用户界面开发等。在生成式AI的应用的早期阶段，亚马逊云科技团队秉承"扶上马、送一程"的理念和实践，基于丰富的专业技术支持资源，包括原型开发团队、数据科学家、行业架构师、专业服务团队等一系列工程化资源，与众多合作伙伴一道帮助客户真正解决应用落地的"最后三公里"。

推陈出新 持续赋能制造业深化创新与转型

在生成式AI加速创新的时代，亚马逊云科技也在不断推出新的解决方案与技术工具，持续致力于赋能客户轻松地构建和规模化应用生成式AI技术。在去年12月份落幕的re:Invent 2023上，亚马逊云科技重磅发布了Amazon Q——这是一种新型生成式AI支持的助手，专门用于满足办公场景需要，可以根据客户业务进行定制。无论对于在亚马逊云科技上进行构建、使用内部数据和系统，还是使用亚马逊云科技应用程序实现商业智能（BI）、联络中心和供应链管理的客户，Amazon Q都是良好的基于生成式AI的助手，能够帮助各个行业、各种规模的企业安全地使用生成式AI。

在制造行业中，打造智能客服等全方位的服务体系，提升消费者体验，是保障业务成功的关键，而当今70%的装备制造企业没有售后系统[4]。目前，Amazon Connect中的Amazon Q已正式发布，Amazon Connect是云联络中心，使各种规模的企业能够以更低的成本提供卓越的客户体验。Amazon Connect中的Amazon Q根据客户与客服之间的实时对话检测客户问题，并能够自动回复、给出建议以及提供相关资料，提高了客户满意度，同时减少了客服人员培训、解决问题的时间并降低了成本。 

此外，亚马逊云科技不断拓展与丰富Amazon Bedrock上可提供的模型，增强各种规模的制造企业在其组织中快速测试、构建和部署生成式AI应用的能力。例如，Anthropic的领先模型Claude 3 Sonnet与Claude 3 Haiku，以及Mistral AI的两款高性能模型Mistral 7B和Mixtral 8x7B近期已在Amazon Bedrock上正式可用，提高了用户在Amazon Bedrock上选择高性能基础模型的自由度。同时，亚马逊云科技还宣布与英伟达加强合作，英伟达全新一代NVIDIA Blackwell GPU平台即将登陆亚马逊云科技，旨为客户提供安全、先进的基础设施、软件及服务，助力客户开启新一代生成式AI的能力。

从蒸汽机、电力到信息技术，每一次工业革命都带来巨大的科技进步与产业变革，并对人类社会产生深远影响。如今，随着生成式AI的迅猛发展与广泛应用，以人工智能为代表的新一轮科技浪潮已成为第四次工业革命的重要推动力。亚马逊云科技将联合全球数十万家合作伙伴，共同开发针对关键制造场景的生成式AI解决方案，助力企业应用生成式AI打造增长新引擎，全力推动"人工智能+"与制造业的深度融合，促进制造业高端化、智能化、绿色化发展。

[1] 数据来源：波士顿咨询公司Generative AI's Role in the Factory of the Future, 2023年

[2] 数据来源：MarketResearch: Global Generative AI In Manufacturing Market, 2023年

[3] 数据来源：《德勤人工智能制造业应用调查报告》，2020年

[4] 数据来源：亿欧智库报告《2022中国装备制造行业售后服务数字化研究报告》