經(jīng)濟觀察報 宋笛/文 2015年，法國工業(yè)軟件公司達索系統(tǒng)開始嘗試將如火如荼地深度學習用在系統(tǒng)之中，一開始，這個技術只是被用來解決一些模型組合的精確度問題。10年過后，在第七代達索系統(tǒng)U－NIV+RSES中，人工智能已經(jīng)成為一個不可或缺的元素。通過人工智能，使用者可以更有效率地完成交互、檢索和產品設計，并優(yōu)化工作流程。

達索系統(tǒng)是法國的工業(yè)軟件公司，其旗下的SOLIDWORKS、CATIA是工業(yè)領域主流的設計軟件。工程師利用工業(yè)軟件在虛擬世界完成設計后，工廠和建筑公司再將這些設計轉變成汽車、船舶、火箭和大型建筑。

在當?shù)貢r間2025年2月23日于美國休斯敦舉辦的2025年3DEX－PERIENCEWorld2025上，人工智能也是一個貫穿首尾的關鍵詞。數(shù)千名參會的工程師和企業(yè)家在會場聆聽了人工智能將給他們的工作帶來的改變。

1995年，在SOLIDWORKS作為一款3D設計的工業(yè)軟件剛剛被推出時，購買軟件的工程師會收到一本厚厚的使用手冊，上面寫著軟件的安裝方式以及各種操作指令。而今天，利用新一代SOLIDWORKS中的人工智能工具，系統(tǒng)會向初學者推薦“下一步”指令，幫助初學者從龐大的指令庫中更快地找到正確的指令；有資歷的工程師也可以利用人工智能的幫助完成流程性工作。

從ChatGPT的崛起開始，工業(yè)界就開始思考人工智能能夠給工業(yè)領域帶來什么改變。站在虛擬世界和物理世界邊界的達索系統(tǒng)，可以成為一個觀察的窗口。

“我不是大語言模型的信仰者，我更愿意談工業(yè)語言模型。”達索系統(tǒng)首席執(zhí)行官（CEO）帕斯卡·達洛茲在接受經(jīng)濟觀察報等媒體采訪時表示。帕斯卡·達洛茲認為，人工智能技術要在工業(yè)領域得到更充分地利用，需要變得更有效、更可靠、更安全以及更實惠。

達索系統(tǒng)采用了一個更為靈活的架構來使用人工智能，包括一個大語言模型和若干行業(yè)模型，并且只有在必要的情況下，才會調動大模型，其他情況可以用傳統(tǒng)技術方式完成檢索。

帕斯卡·達洛茲說：“如果你投入十個億開發(fā)模型，可能需要很長的周期才能收回投入，但如果你只投入了一千萬，可能很快就能回本?！?/p>

與科技巨頭動輒百億的投入不同，工業(yè)領域對人工智能的態(tài)度積極，但行動務實。

2024年，行業(yè)媒體e-works數(shù)字化企業(yè)網(wǎng)根據(jù)對三百余家企業(yè)的調研，發(fā)布了一份名為《人工智能在制造業(yè)應用的現(xiàn)狀報告》（下稱《報告》）?！秷蟾妗凤@示，82%的企業(yè)希望通過AI應用提高效率和生產力，62%的企業(yè)希望降低成本。其次是提升現(xiàn)有產品和服務，以及增強企業(yè)創(chuàng)新能力，47%的企業(yè)將增強創(chuàng)新能力。另外，28%的企業(yè)將獲取新思路和新洞察等作為主要期待。

最近一段時間，國家智能制造專家委員會委員、e-worksCEO黃培連續(xù)三周奔赴廣西，兩次都與人工智能有關。第一次去是給廣西工信系統(tǒng)提供為期半天的培訓，主題是“AI+制造”；第二次是去廣西有色金屬企業(yè)，探討人工智能如何在這個行業(yè)優(yōu)化工藝，節(jié)能減排。

黃培說：“現(xiàn)在全國各省區(qū)、各行業(yè)的企業(yè)都在探索人工智能應用的可能?！?/p>

但黃培觀察到，工業(yè)領域人工智能使用的真實情況是：真正在工廠中得到應用的，大部分仍然是2012年以來的傳統(tǒng)深度學習模式。大模型，特別是大語言模型只能在工廠的辦公室中，幫助工作人員寫投標書或者做PPT。

黃培說，從目前看，大語言模型技術更擅長的還是在知識庫的建設上。比如企業(yè)有大量維修手冊，利用大模型技術，維修人員可以通過語音或者簡單的文字就得到維修建議。這些場景中，不會因為提供的結論錯了就帶來不可挽回的結果。未來，多模態(tài)的大模型成熟應用后，工作人員拍張照片或者上傳一段短視頻，就可以知道怎么維修。

但在工廠內部，在生產領域，傳統(tǒng)的機器學習模型擁有更強的競爭力。

2012年，深度神經(jīng)網(wǎng)絡算法帶來了人工智能的新一輪突破，卷積神經(jīng)網(wǎng)絡（CNN）、遞歸神經(jīng)網(wǎng)絡（RNN-Re－currentNeuralNetwork）等模型大幅地提高了機器視覺、聽覺的正確率。與當下如火如荼的大模型相比，這些傳統(tǒng)模型雖然只能應對單一任務，但是所需要的數(shù)據(jù)量要遠小于大模型，在單一任務的表現(xiàn)上也更加可靠。

黃培說：“對工業(yè)界來說，人工智能的可信和可解釋性是非常關鍵的，需要更嚴謹?shù)哪Ｐ停栽诠I(yè)實踐中，我們還是倡導利用有監(jiān)督的機器學習模型，結合工業(yè)數(shù)據(jù)，得到更可靠的分析結果?！?/p>

黃培提供了一個案例：華中科技大學的一個科研團隊通過采集機床的功率曲線數(shù)據(jù)，發(fā)現(xiàn)功率曲線中一些小的脈沖跟機床刀具出現(xiàn)斷刀的情況有關系。團隊基于這一數(shù)據(jù)，建立了一個分析模型，通過這個模型可以延長刀具20%的使用壽命。

利用傳統(tǒng)人工智能模型提高生產效率、降低生產成本在工業(yè)界已經(jīng)有較多可以參考的案例。比如在汽車制造和電子行業(yè)，AI質檢已經(jīng)成為一個較為普遍的應用。《報告》顯示，40%的企業(yè)將AI技術應用于質量管控與缺陷檢測。

但總體看，即使是這些已經(jīng)問世十年以上基于傳統(tǒng)機器學習模式的人工智能，在中國工業(yè)界的應用仍然處在初期。

其中一個原因是，很多企業(yè)不僅缺少專業(yè)的人員，也沒有為人工智能的落地真正做好準備。黃培說：“人工智能的應用是算法、算力加數(shù)據(jù)，工業(yè)企業(yè)沒有做好準備的一個重要原因是缺少高質量數(shù)據(jù)?！?/p>

高質量的數(shù)據(jù)建立在一系列的工業(yè)改進之上。黃培認為，第一個階段是工廠要實現(xiàn)精益化生產；第二個階段是在精益生產的基礎上，建立互聯(lián)工廠；第三個階段是建立透明工廠，實時了解工廠里發(fā)生的一切；第四個階段是數(shù)字化工廠，即能夠通過各種數(shù)據(jù)，洞察工業(yè)生產的各個環(huán)節(jié)，提高效率；第五個階段是建立智能工廠。

黃培說：“精益化是所有工廠智能化的基礎。”

在工業(yè)企業(yè)自身準備不足的問題外，中國工業(yè)領域AI的另一個問題是：缺少足夠可靠的AI伙伴。

黃培說：“其實我覺得有一點遺憾，因為制造業(yè)的支付能力不是很強，國內的AI公司沒有把業(yè)務重點放在制造業(yè)，而是更多地關注金融、零售、電商這些更容易獲得宏觀數(shù)據(jù)的行業(yè)。制造業(yè)的問題是千差萬別的，不同行業(yè)的數(shù)據(jù)和解決方案也有很大差異?！?/p>

黃培建議工業(yè)企業(yè)的數(shù)科公司和中國的人工智能公司可以深入工業(yè)場景，把工業(yè)中真正需要解決的問題和人工智能能夠解決的問題銜接起來。

?