请回答2024：拥抱AI，就是现在

行业新闻

2024.02.20

阅读量：999+

无论是希腊神话中赫准斯托斯的黄金机器人，中世纪制造何蒙库鲁兹的炼金术师，或是周朝的“偃师造人”，人类对于“人工智能”的幻想与追求从未停止。

如今，在大模型的快速发展与支撑下，曾颇具科幻感的人工智能，正一步步成为现实。伴随着生成式AI浪潮的奔涌而来，在制造企业向智造不断奔赴的道路上，如何积极拥抱AI，顺应变化？

2024年开年，e-works记者采访了西门子工业软件大中华区高级副总裁，戚锋博士。

颠覆式变革，AI重塑企业智力

对智能制造的不懈追求，已成为当下制造企业应对多重挑战，提高竞争力、降低成本、提高生产效率的关键。以问题导向、用户视角分析和梳理转型需求，围绕研发设计、生产制造、供应链、营销与服务、运营管理等核心业务构建典型应用场景开展业务重构，通过数字化技术的引入，实现数据共享、应用集成，推动多场景融合应用，实现新产品研发效率、设备利用率、产品合格率、按期交货率、库存周转率、客户满意度等方面的持续改善，成为企业从传统制造向智能化转型的重要途径。

AI浪潮的汹涌而来，不仅掀起了一场科技革命浪潮，对企业的数字化、智能化转型也带来了颠覆性的变革。在戚锋博士看来，AI技术的使用正将传统的数字化应用推向更高的价值端。

优秀的企业，它一定有着非常高的智力

戚锋博士表示，企业数字化转型的不断推进，实现IT与OT，实现信息化系统集成的最终目的，都是为了达到更高的智能化、智慧化、或是智力化，而AI技术的使用将给企业带来全方位智力的提升。

戚锋博士举例道，当企业招聘了多样化的人才，配备了先进的工具与软件，例如在产品研发中实现整个产品的智能化设计，实现从设计到评估过程的仿真运行管理；在制造过程实现质量的自动检测，实现设备的数字化运维，最终的目的都是通过智能化工具的使用来使得企业达到更高的智力水平。

而智力也代表着一家企业最核心的竞争优势。长期以来，企业使用的都是各个部门、各个职能的分散式的智力，企业不断的通过管理的手段，希望将分散在研发、制造、营销等方面的智力综合在一起，达到企业核心智力的提升，而这仅意味着企业拥有了较高的管理水平。

人工智能的迅速发展

对企业综合智力的提升，做到了完美的解决

戚锋博士指出，人工智能将企业分散式的智力综合到了一个计算机的表达当中，AI将作为一个核心的智能化技术，在各个方面去颠覆所有传统的行业的智力，并决定企业职能部门的智力使用的效果。例如AI+质量，可以使得质量水平成倍的上升；通过AI加持市场营销，可以使得企业对市场的把控更加精准，实现客户满意度的大幅提升。

另一方面，戚锋博士表示，千行百业都将通过AI进行重塑，AI将是一个革命性、颠覆性的基础技术，来从根本上提升传统的工具，从AI的角度对数字化系统重新的去定义和设计。以MES系统为例，传统的MES系统设计基于操作系统、编程软件，基于标准功能的定义来设计，而AI驱动的MES系统，在操作系统之上，一定会是一个AI学习的大模型，在数据采集的底盘的基础上，再进行标准功能的定义。PLM等其他数字化系统也将是一样，从软件架构上发生一个革命性的变化。

而在一系列颠覆性的变革下，AI也将重塑企业数字化、智能化转型，驱动企业综合智力的提升。

是AI，也是数字孪生

制造企业对于AI的应用的追求从未停止，从早期的AI质检、到AI监控，传统的AI更多使用的是计算机的算力，在所看到的数据中寻求一个相近的匹配，实现图像识别，声纹分析等应用。ChatGPT的出现颠覆了企业对人工智能应用和价值的探索。

今天的人工智能，我们常用一个词“Transformer，转换器”来描述它生成式的能力，从数据中找寻它背后的关系，依据这些关系或者模型去预测未来，在一个具体的场景中，当某些条件都满足的情况下，会出现一个怎样的结果。而这也是人在生产管理，或是制造企业在面临决策时最关键的能力，即预测性、预知性、预见性。AI的这个能力今天已经完美的可以帮助制造业去解决几乎遇到的所有问题。——戚锋博士

对企业而言，数字化的第一步是数据化，企业要用数据来描述产品、性能、设备、工艺等元素。例如一家工厂要实施MES系统，需要采集产线的数据，传统的数据采集会首先定义出需要采集多少OT的参数，到了MES的层次进行哪些数据和性能的分析。而在AI时代，数据的采集将变得更加包罗外象，除了与产线相关的人机料法环等数据，还会加上更广义的诸如当天的季节、天气、员工状态等成百成千甚至上百亿的关联数据，甚至是在当下似乎和产线上制造的产品毫无关联的数据，用数据描述物理世界和现实世界中，在当下所处的环境，以及发生的所有问题。

这也可以说，AI才是真正虚拟世界描述现实世界最完美、最完整、最充分的这样一个模型。在我看来，真正的数字孪生就是AI。我们所提到的数字孪生制造，只是关注点不同的领域。——戚锋博士

AI技术提供的是“The Moment of Truth”，它将帮助企业更好地从传统的运行数据中，找寻出真正的原因。而随着AI先进算法的推出，随着算力的不断发展，随着传感器技术的不断发展和应用，将进一步挖掘企业所有数据背后的关联，通过对模型的不断训练，将像人脑一样进行更深度的逻辑的思考，找出它的规律，并且对这种规律和思考的方法进行一个验证。同时，“伴随着工业互联网的发展，以及数字化装备技术的应用，催生了当下必须应用，也能够更好地应用AI技术的一个新的起点，也可能是新的未来。”

AI如浪涌，如何去拥抱它

在数字技术发展的时光里，制造企业对新技术的拥抱和探索从未如此热烈。

AI技术的应用不会像流水一样缓慢而来，而是像海浪。在每一次浪涌之间会有暂时的平静，但是它的应用一定会是一浪接一浪的推动而来。——戚锋博士

在大模型竞相迸发的当下，在工业领域如何挖掘更实用的应用场景，如何让大模型具有更多的行业知识沉淀、更强的专业性、在业务场景应用方面更有针对性仍是极大的挑战。戚锋博士表示，“AI对于制造业带来的巨大价值覆盖了产品从设计到制造到服务的整个过程，但在当下还没有哪一家企业可以立即安装一个适用于整个企业的大模型，它一定会是从AI技术在某一个领域的应用开始，通过AI技术的引入，来帮助企业发现运营背后的规律和原因，使得企业真正的从本质上来解决当下在生产制造和日常运营管理中所面临的问题。”

例如，工厂生产的安全和可靠性是一家制造企业最关心的问题之一。基于企业过去安全生产的相关数据，对AI大模型进行训练，AI即可根据企业当天工厂工作的时间、环境，对生产的安全可靠性做出一个更加科学的判断。

设备的安全和可靠性

在设备的安全和可靠性方面，设备的可靠性和维护效率直接关系到企业的运营成本和服务质量。

企业在自动化装备、技术、工装夹具等的使用过程中，积累了大量设备运行，如温度、压力、振动频率等数据，以及设备维修维护的数据。

基于企业过去经验性的数据，结合设备的使用手册等相关数据，大模型可以学习设备的正常运行模式，在异常出现时发出预警，同时给出故障原因和维修维护建议，帮助企业更好地对设备的安全可靠性，以及设备的维修和维护做出更加科学高效的决策。

产品的质量

同时，产品的质量也会受益于AI。

企业可以通过引入产品质量管控的大模型，将产品各种各样的缺陷数据，已知的产生缺陷的原因和分析数据，以及来自产品设计、工艺、制造、供应商的数据等，交付给大模型来对数据进行一个学习关联，找出和产品质量相关联的数据背后的规律。

当不断的对模型进行训练，企业将会发现AI可以帮助企业找出真正造成质量问题的原因，或是材料、或是工艺，或是企业环境温度，甚至是工厂所处的地理位置，和周边环境、气候的影响，同时通过对过去各种各样的数据的展现、原因、规律、关联，来对未来产品的质量做出更好的一个决策。

市场营销

在市场营销方面，销售计划将直接影响到企业生产计划中的主计划，以及插单的管理。

企业可以通过AI大模型去学习和找寻出过去订单背后的共性的规律，来帮助企业更好地进行生产计划的规划和制定，帮助企业在备料和仓储方面做出更好的决策。

从中可以看到，AI对于与生产制造相关的数字化系统和工具，也将做出一个更加完整和革命化的提升。戚锋博士谈到，企业拥抱AI一定是从某一个具体的功能，或是一个点开始，通过数字化系统的使用来感受AI的价值，再逐步扩展到其他的应用场景，最后实现对整个工厂、集团的跨区域的应用完善，从而实现对未来整个制造的预测和决策。

戚锋博士也指出，AI大模型的应用，催生的是“效率革命”，早期应用的企业一定会从这个过程中受益，无论是质量、效率、成本，企业将会在市场上获得强大的竞争优势。当智能应用表现出更强的能力、更高的效率，AI技术也会在同行业其他企业中快速的延伸拓展，进一步又会共同推动整个技术持续的成熟和向前发展，而这也是AI应用如浪涌的表现。

从“小模型”开始，just do it！

今天的人工智能技术与过去相比，发生了天翻地覆的变化，对于企业而言，无论曾取得多么卓越的成就，如果无法顺应AI的来袭转型升级，企业或将被新的技术浪潮抛下。戚锋博士强调，与当年制定信息化以及数字化的战略一样，AI时代，企业首先要制定出自身的智能化与AI战略，同时对AI技术所带来的各种新的应用方法，新的布局去做一个尝试。而在尝试之前，企业要对自身的数据进行一个更好的管理，告别以往杂乱无章的堆积，使企业的数据更加的完整和系统化。

其次，企业一定要拥有一个自己私有的模型。通用大模型对于企业所关注的具体问题，给出的答案可能是正确的但毫无价值的。因此企业未来一定要推进大模型的私有布置，每个企业用都要建立一个自己的大模型，并且将它作为企业必须拥有的核心资产。同时，企业还要思考这个私有化的大模型的实现和成长的策略。

戚锋博士指出，企业可以从小模型开始，或是搭建一个研发的小模型，或是一个仓储物流管理的小模型，将它布置在企业的私有云中。在有了这样一个小模型之后，企业就可以将自身生产运营中的各类数据提供给模型并进行训练。

例如，企业未来MES加上AI就可以搭建一个生产制造的小模型，可以将它定义为MES的子模型。企业可以将MES系统所储存的过去围绕着产品制造过程的人机料法环的数据、ERP中的订单数据、供应商的交货数据，以及市场反馈的数据，提供给MES中的AI小模型并不断进行训练，使其能够赋能传统的MES系统向更高的集体的智能化管理进化。而随着模型的不断训练，未来这个小模型将不仅采集人机料法环的数据，而是采集所有相关联的数据。那时，这个MES身边的AI小模型，将变成一个强大的AI助手，帮助企业制定未来的产品生产计划、确定供应商提供的物料、选定生产设备并实现工艺的不断优化，实现质量的精准控制以及提升设备的可靠性，使企业效率得到成倍的提升。

在AI助手的加持下，接下来企业要做的，就是在AI的环境中创造虚拟的操作工、虚拟的生产管理人、虚拟的产线经理，通过软件的数字化，以及人的真实技能和智力的数字孪生，来在人工智能的环境中去进行更加高效的制造运营管理。届时，企业的生产管理将真正达到智能制造追求的少人化，这些虚拟的数字孪生的操作人员、质量管理员、计划员，在RPA技术的支撑下，他们之间可以像现实世界中的人员一样，去进行交流、讨论、制定计划或是管控生产制造的过程，而他们基于的一定是AI大模型的数据库，并且会做的越来越好。

一个有趣的趋势是，未来，企业负责计划管理、质量检测这些离线参与生产制造管理的工作，可能会被AI的大模型以及自己所建立的数字孪生的智力所代替。——戚锋博士

当下，AI技术应用正处于下一个大浪来临前暗潮涌动之时，所有的企业在平静之下都面临着是否选择大模型，如何引入大模型。

坦白的说，就是开始去做，开始去做，开始去做！——戚锋博士

戚锋博士建议，引入大模型不要停留在纸上谈兵，企业在制定好人工智能战略的基础上，一定要成立新的人工智能的部门，搭建好人工智能的团队，由这个部门去了解市场上的新技术和新动向。同时，能够结合他们对企业业务的了解，去评估新技术和模型对企业的价值程度，来对AI技术进行引入和实践，只要走出第一步，企业将会明确自己需要的是什么，应该如何去做。

携手西门子，推开AI应用的门

如何选择出最适合企业的大模型？戚锋博士表示，当下没有一个最完整的产品能够通用式的满足所有企业的需求，但是满足每家企业做AI尝试需求的技术跟样例都已经出现。

人工智能技术被西门子看作是工业4.0和未来工业革命的一个重要的驱动技术，在工业4.0的变革当中，AI技术将对工业4.0的实现画上一个完美的句号。”戚锋博士强调，“西门子对于AI的技术的应用继承了过去20多年的一个尝试，从最早在NX设计中赋予AI能力，到将AI技术引入Teamcenter中，随着当下生成式AI的出现，借助OpenAI推出的ChatGPT4.0，西门子也将AI成功快速的推到工业应用中。——戚锋博士

另一方面，西门子也在通过AI在自己工厂中的实践，来为广大的客户提供具体的榜样作用。例如，客户可以在西门子的成都工厂看到基于深层次AI的废料追踪检测，而在西门子南京工厂，也可以体验到生成式AI对产品质量的管控。

戚锋博士指出，为了使得AI技术对客户更加有演示性，西门子与微软合作推出了工业Copilot，也可以称为工业GPT。同时，根据西门子对数字化工厂规划的全方位架构，西门子将大模型划分为与制造过程相关的多个小模型并提供给企业应用。无论是NX GPT，还是Teamcenter产品数据管理的GPT或Copilot，或是MES Copilot与质量管理Copilot，打造一个个小模型的目的，就是帮助企业能够快速的在制造过程中的某一个阶段，或是某一个领域来解决长期不能解决的，或者是解决不好的问题，尝试用人工智能大模型的方式去解决。

而这些小模型，又可以完美的集成起来，形成一个真正满足企业制造、运营、管理的全过程的大模型应用，即西门子Xcelerator人工智能大模型。

同时，西门子也持续的在完善生成式AI技术的可应用性，降低它的应用门槛，为从集团型、大中型到中小型的所有的企业去提供应用。

西门子也将持续地用我们的经验来引领、帮助中国的企业和客户看到、参与、受益于新的以人工智能为核心的先进技术。我们也欢迎所有想对人工智能进行尝试的公司，与西门子一起学习AI，应用AI，同时用AI真正推动智能制造的完美实现。——戚锋博士

文章来源：西门子工业软件

请回答2024：拥抱AI，就是现在

推荐文章