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。
?