6月26日,“智聚广发·汇创未来”粤港澳大湾区电子信息产业上市公司论坛在广州顺利举行。赛意信息董事长兼CEO张成康受邀出席,与企业深入探讨电子信息产业动态,把握时代发展新机遇,共同推进经济高质量发展。

(相关资料图)

随着全球生成式AI热潮的兴起,标志着人工智能进入普及应用,IT技术与产业创新进入以AI为中心的时代。广发证券发展研究中心首席分析师旷实表示,“以ChatGPT为代表的大模型成功出圈,加速中国大厂自研大模型和商业化落地进程“,广发基金电子信息传媒基金经理冯聘则认为人工智能正在引领新一代技术革命,众行业因此也将迎来全新的变革。

大会现场,赛意信息董事长兼CEO张成康结合行业应用案例及赛意解决方案,以《AI新时代下制造业实践创新探索》为主题发表演讲,深度分享AI如何开启新一轮生产力增长浪潮、赋能制造业升级。

以下是张成康的演讲内容精选,在此特别与您分享。

一、交互方式重大提升,进入人机对话时代

企业的信息化从纸笔时代到代码+图形时代,现今,在AI带动下已然跨入“对话时代”。在电子制造领域,基于AI大模型前期积累的大量成熟的识别结果(客户资料及MI),建立工程参数和客户描述之间的关系,能够自动提取需求,智能解决文件格式不统一、工作量大和效率低的痛点,极大程度减少人工成本,解放工艺师的生产力。据实践测算统计,参数提取的时间可以从目前的小时级优化到分钟级,减少40%的人员需求。

从客户个性化需求到标准化可量产订单的生成一直是电子厂商在效率上需要突破的痛点,当前有望在AI的辅助下进入到拐点。从更广阔的生产制造范围可以看到,低门槛、高效率,不易出错的未来“所说即所得”式定制化生产模式悄然而至。

二、未来的企业数字化来自于人机自然交互

典型的AI落地实现路径的方法论应该是从人向机器设定作业目标开始,经过大模型处理目标请求并生成反馈、AI生成任务列表、和其他AI控制的内外部业务服务协作到处理并存储数据,AI自身会形成持续迭代任务的闭环能力。无论是开发聊天机器人这类面向结果开放性的任务,还是在供应链管理中,AI用于预测需求这类结果确定性的任务都能以精确、可靠和安全的方式达成。

此外在复杂多样化的场景中,AI技术与工业需求相互匹配解决点状的复杂特异性问题,实现面向场景的建模与优化,如设备健康管理、生产参数优化、需求预测、质量综合管控等场景。工业视觉在制造业的应用,基于工业智能视觉的工业现场质量与安全管理系统,日和通过AI深度学习与多传感器融合感知,进行合规性识别。这种系统可以判断人的行为轨迹、目标状态以及场景内的变量元素,是否符合规范要求,从而输出告警结果,达到主动防御和违章预警的作用。此外,工业视觉智能还可以覆盖质量管理的全过程,包括供料监测、过程质量、人员作业质量和成品质量。

随着AI能力日新月异的进步,以及人们对AI能力的掌控认知的提升,面向相对复杂的工业问题,不同场景中的应用价值可能会因“AI+工业场景”处于不同发展阶段,从而呈现较大差异性。但随着与物理化学、科学计算等更深层次机理的融合,AI有望产生巨大的创新价值。

三、AI智能研发辅助,助力快速落地产品

作为国内企业数字化服务领域先进的领军企业之一,赛意信息致力于工业互联网、智能制造、数字化转型等领域的技术与商业模式应用,为企业提供高端软件咨询、实施、集成服务。赛意信息基于近20年代行业深耕经验及技术创新实力,自主研发了赛意·谷神工业aPaaS平台。

赛意·谷神工业aPaaS平台作为赛意信息自主研发的集设计、开发、集成、实施、应用、治理于一体的企业云平台,是赛意信息自主产品的主力孵化器,目前已孵化出业财融合平台、IT业务智能运维ITSM、集成供应链等业内颇有影响力的产品线。

赛意·谷神工业aPaaS平台基于拥有上下游企业大量的垂直行业知识经验,基于此构建大量可复用的低代码开发模块和原理模型组件,能够为工业AI模型的训练奠定良好的基础,从而支撑工业APP的开发推广加速;基于AI能力提供代码自动化的帮助,用自然语言描述非程序员的工程师想要的应用、流程或机器人,从创建组件到提供改进建议都能在更短时间内完成,使得他们能够更好使用低代码平台能力进行应用端开发。

赛意·谷神工业aPaaS平台通过数据分析和模式识别,可实现基于业务需求快速生成技术实现方案和代码生成等核心功能,有望让研发效率提高30%以上;在企业工业App构建方面则有望提速达50%。这一切的推动力核心就源自于AI对各项模型提取、研发设计、应用程序的加强赋能。

四、AI时代强者恒强,数据+场景洞察成壁垒

面对风起云涌的AI大潮,企业利用AI的强大能力讨论已经从“要不要”转变为“如何做”。以大语言模型为起点的颠覆性人工智能工具软件带来了更加智能化、自动化的交互模式变革,时代的进步点亮了人类科技树上生成式人工智能的分支,成为社会发展上重要的里程碑事件。

随着我们进入深度学习的时代,有大量的业务开始需要系统处理非结构化数据,并生成业务洞察。目前看到这次浪潮真正的变革来自于通用智能。

通用智能是指机器具有面向目标的能力,能够自主决策,并调动复杂的软件系统。但在实际生产环境中的一般规则的理解和调用还是需要结合工业现场的“人、机、料、法、环”等要素进行配置,另外海量的数据作为模型的原始训练素材如何进行可量度、标准化、标签化等价值输出,目前的落地路径还是掌握在多年持续服务制造业的技术服务商手中。头部厂商在数十年服务下游行业客户的过程中积累了海量工艺know-how数据,在AI大模型快速迭代发展的背景下有望率先挖掘过往数据价值为客户提供最佳工艺优化方案。

发展路径上,AI技术创新后,会按照技术创新-应用探索-工程化路径演化。AI技术创新和工业领域融合应用之间的滞后周期有望不断缩短。大模型的泛化能力经过行业专属数据的微调,监督学习等方式收敛锤炼成行业模型和场景模型,未来有望在具体的细分领域开展应用,产生大批量工业领域探索实例的时间应该不会太远。总体来说,对于行业内生态参与者、建设者,人工智能不仅仅一种技术或工具,它更是一种推动制造业创新和变革的力量。