怎么才能讓工廠放心用AI？

頭圖｜AI生成

“死亡谷”是AI領(lǐng)域一個(gè)始終繞不開(kāi)的話題，這是技術(shù)從實(shí)驗(yàn)室到真實(shí)場(chǎng)景之間最難跨越的一段距離。Gartner的研究顯示，高達(dá)85%的AI項(xiàng)目無(wú)法從實(shí)驗(yàn)室走向規(guī)模化部署和業(yè)務(wù)價(jià)值轉(zhuǎn)化。

雖然已經(jīng)能寫代碼、做設(shè)計(jì)，甚至替代一部分程序員的工作，但在真實(shí)的工業(yè)生產(chǎn)中，它卻連一臺(tái)機(jī)器都指揮不好。

比如，某電子廠想通過(guò)AI降低質(zhì)檢成本提升準(zhǔn)確率，但僅應(yīng)用三個(gè)月，產(chǎn)品批次更換，系統(tǒng)誤報(bào)率從0.5%飆升到15%，生產(chǎn)不能停，工廠只好又換回人工質(zhì)檢。

這背后的沖突在于，AI是概率性的，而機(jī)器世界必須是確定性的。

過(guò)去100年，工業(yè)的每一次躍遷，從來(lái)不是某項(xiàng)技術(shù)的發(fā)布，而是生產(chǎn)方式的重寫。從電氣化讓機(jī)器替代人力，到自動(dòng)化讓流程變得可控，再到數(shù)字化讓工廠第一次被記錄與計(jì)算，工業(yè)世界始終圍繞一個(gè)命題演進(jìn)——把不確定性，變成可以被理解、被預(yù)測(cè)、被控制的系統(tǒng)。

但AI還沒(méi)有給出這個(gè)命題的解法，真正從理解世界，走向深度參與世界。

在西門子RXD大會(huì)上，西門子董事會(huì)主席、總裁兼首席執(zhí)行官博樂(lè)仁表示，當(dāng) AI融入物理系統(tǒng)，它就不再只是一項(xiàng)技術(shù)功能，而是一種變革力量，一種能切實(shí)影響現(xiàn)實(shí)、重塑世界運(yùn)行方式的力量。

這一步，并不會(huì)自然發(fā)生。

回顧歷次工業(yè)躍遷，西門子都占據(jù)了關(guān)鍵位置。這一次，它正在面對(duì)一個(gè)更難的問(wèn)題：如何讓AI真正融入到物理世界？

工業(yè)AI，為何遲遲未能爆發(fā)？

AI在真實(shí)物理世界中的落地，往往看起來(lái)很美好，但現(xiàn)實(shí)遠(yuǎn)比想象復(fù)雜。

某電解鋁工廠想要通過(guò)時(shí)序大模型為電壓設(shè)定、出鋁量、氟化鹽添加量等操作提供操作建議，讓生產(chǎn)更穩(wěn)定。實(shí)際應(yīng)用中卻遭到了工區(qū)長(zhǎng)的抵制，因?yàn)锳I無(wú)法解釋每一項(xiàng)建議，工區(qū)長(zhǎng)擔(dān)心出問(wèn)題背鍋，不敢采納執(zhí)行。

這是因?yàn)閱我患夹g(shù)模型無(wú)法適配全流程的復(fù)雜需求，根本不具備可解釋的能力。AI想要真正在電解鋁工廠落地，不僅要分析時(shí)序數(shù)據(jù)，還需結(jié)合電解槽操作的全工藝，梳理數(shù)據(jù)-特征-模型的因果關(guān)系。

在西門子中國(guó)董事長(zhǎng)、總裁兼首席執(zhí)行官肖松看來(lái)，「工業(yè)AI是座金礦，但要挖出金礦里的真金，也并非易事」。

西門子中國(guó)董事長(zhǎng)、總裁兼首席執(zhí)行官肖松

因?yàn)楣I(yè)場(chǎng)景并非單一環(huán)節(jié)，而是覆蓋產(chǎn)品設(shè)計(jì)、生產(chǎn)制造、質(zhì)量檢測(cè)、運(yùn)維全生命周期的復(fù)雜系統(tǒng)，技術(shù)研發(fā)也不像文本、圖片生成那么簡(jiǎn)單。

在西門子RXD大會(huì)的圓桌討論環(huán)節(jié)，國(guó)機(jī)數(shù)科董事長(zhǎng)王宇航總結(jié)了當(dāng)下AI在工業(yè)生產(chǎn)中落地慢的原因：「技術(shù)與場(chǎng)景脫節(jié)、業(yè)務(wù)與數(shù)據(jù)脫節(jié)、投入與產(chǎn)出脫節(jié)」。

大語(yǔ)言模型和工業(yè)生產(chǎn)并不是完全匹配，很多工業(yè)知識(shí)可能是圖紙、照片，現(xiàn)在的大語(yǔ)言模型還不能很好的理解這些知識(shí)。

企業(yè)每天在生產(chǎn)經(jīng)營(yíng)中產(chǎn)生大量數(shù)據(jù)，但這些數(shù)據(jù)就像尾礦一樣，雖然大家都知道它有價(jià)值卻不知道如何提煉出來(lái)。

國(guó)機(jī)數(shù)科董事長(zhǎng)王宇航

AI在工業(yè)領(lǐng)域的應(yīng)用是一個(gè)跨界融合的命題，部署成本高，無(wú)正向收益閉環(huán)。對(duì)于工廠來(lái)說(shuō)，無(wú)論工業(yè)AI的愿景有多美好，最終都要核算其所有的投入能否在生產(chǎn)當(dāng)中落地形成正向收益。

在排產(chǎn)、庫(kù)存、供應(yīng)鏈等各個(gè)場(chǎng)景的優(yōu)化問(wèn)題上，工業(yè)AI的真正難點(diǎn)不是實(shí)現(xiàn)路徑，而是能否解決復(fù)雜系統(tǒng)問(wèn)題。在數(shù)據(jù)、模型等多個(gè)層面，工業(yè)AI都需要面對(duì)復(fù)雜系統(tǒng)帶來(lái)的挑戰(zhàn)。

比如，排產(chǎn)、庫(kù)存、供應(yīng)鏈中，一個(gè)環(huán)節(jié)的調(diào)整，往往會(huì)在多個(gè)環(huán)節(jié)產(chǎn)生連鎖反應(yīng)，局部最優(yōu)往往意味著整體失衡，這屬于系統(tǒng)耦合的問(wèn)題。這種現(xiàn)實(shí)世界的復(fù)雜性同時(shí)也會(huì)映射到數(shù)據(jù)層面，形成數(shù)據(jù)的耦合性。

工業(yè)場(chǎng)景數(shù)據(jù)存在多元異構(gòu)、多模態(tài)、時(shí)空耦合的特征，且需保證同時(shí)間基點(diǎn)的關(guān)聯(lián)性，這是數(shù)據(jù)利用的核心難點(diǎn)。即使是頭部企業(yè)，工業(yè)數(shù)據(jù)的正確性和高質(zhì)量性尚未被系統(tǒng)性解決。

很多工廠了解自身的生產(chǎn)情況但缺乏技術(shù)能力，AI公司擁有足夠的技術(shù)能力卻很難深度了解工廠不同場(chǎng)景之間的關(guān)聯(lián)和需求痛點(diǎn)，雙方很難形成合力。

工業(yè)AI的勝負(fù)手不在模型，而是數(shù)據(jù)

西門子通過(guò)構(gòu)建一套貫通硬件、軟件與數(shù)據(jù)的技術(shù)棧，將AI帶入物理世界。

西門子RXD大會(huì)發(fā)布的26款新品中，絕大多數(shù)指向硬件，涉及自動(dòng)化與運(yùn)動(dòng)控制、AI 基礎(chǔ)設(shè)施與電氣等多個(gè)品類。

在肖松看來(lái)，「當(dāng)AI加速融入物理世界，硬件比過(guò)去更重要」。

軟件則構(gòu)建一個(gè)基于物理規(guī)律、可實(shí)時(shí)運(yùn)行的數(shù)字孿生系統(tǒng)，為排產(chǎn)、庫(kù)存等決策層優(yōu)化提供虛擬仿真環(huán)境，降低試錯(cuò)成本。其中，西門子在今年CES期間新推出的Digital Twin Composer作為高精度數(shù)字孿生構(gòu)建工具，支持產(chǎn)線全流程虛擬驗(yàn)證。

西門子的全棧能力，更關(guān)鍵在于其長(zhǎng)期沉淀的工業(yè)數(shù)據(jù)資產(chǎn)。在工業(yè)AI領(lǐng)域，數(shù)據(jù)不是附屬資源，而是決定模型能否落地的前提。

大模型落地需要三個(gè)關(guān)鍵條件：算力、模型和數(shù)據(jù)。算力和模型已經(jīng)平權(quán)，各個(gè)企業(yè)都具備獲得最領(lǐng)先算力和模型的能力，但如果工廠只依賴于通用模型和其衍生Agent，模型始終無(wú)法達(dá)到可用的精度。

企業(yè)擁有大量的生產(chǎn)數(shù)據(jù)，但這就如同地底下的石油和鐵礦一樣，并不能直接使用和交易。石油和鐵礦需要開(kāi)采提煉成同標(biāo)準(zhǔn)可交易的大宗商品，數(shù)據(jù)也需要標(biāo)注清洗加工變成高質(zhì)量的數(shù)據(jù)集，才能用于模型訓(xùn)練。

在西門子RXD大會(huì)的圓桌討論環(huán)節(jié)，西門子中國(guó)董事長(zhǎng)、總裁兼首席執(zhí)行官肖松和幾位嘉賓也深入討論了數(shù)據(jù)重要性以及獲取的難度。

一方面，工業(yè)數(shù)據(jù)具有易腐、離散等特征，獲取的難度非常高。

北京數(shù)據(jù)集團(tuán)的李振軍指出，「工業(yè)數(shù)據(jù)采集極難，而且存不下、邊采邊丟」。很多工廠為了節(jié)省成本，傳感器數(shù)據(jù)只存一個(gè)月，甚至邊采邊丟。當(dāng)你想訓(xùn)練一個(gè)“預(yù)測(cè)性維護(hù)”模型時(shí)，卻發(fā)現(xiàn)連去年的故障樣本都沒(méi)有。

此外，工業(yè)門類極其細(xì)分，每一家工廠都是一座孤島。互聯(lián)網(wǎng)可以大集中，但工廠是離散的。這種離散性決定了工業(yè)AI很難產(chǎn)生像GPT一樣規(guī)模效應(yīng)。

因此，數(shù)據(jù)是AI在制造業(yè)落地過(guò)程中最難、也是最有價(jià)值的領(lǐng)域。

北京數(shù)據(jù)集團(tuán)副總經(jīng)理 李振軍

另一方面，數(shù)據(jù)的使用必須看得懂、用得上、算得清，同樣存在非常高的門檻。

工業(yè)企業(yè)的內(nèi)部流程和場(chǎng)景非常復(fù)雜，不管是生產(chǎn)準(zhǔn)備、流程控制，還是庫(kù)存、供應(yīng)鏈，一個(gè)不具備20年經(jīng)驗(yàn)的人很難找得到、看得懂有用的數(shù)據(jù)，更不要說(shuō)把數(shù)據(jù)用好。

數(shù)據(jù)不僅要轉(zhuǎn)化為生產(chǎn)、運(yùn)營(yíng)、決策層面可理解的信息，并與實(shí)際工業(yè)場(chǎng)景深度綁定，還要確保企業(yè)投入能夠形成正向收益。

可以說(shuō)，誰(shuí)掌握了高質(zhì)量、可用的數(shù)據(jù)，誰(shuí)才能真正釋放AI價(jià)值。以高價(jià)值場(chǎng)景為牽引，推動(dòng)多模態(tài)模型與產(chǎn)業(yè)知識(shí)融合，才能真正把數(shù)據(jù)用好，實(shí)現(xiàn)工業(yè)AI的破局。

在西門子RXD大會(huì)期間，肖松邀請(qǐng)中國(guó)客戶和AI初創(chuàng)企業(yè)舉行了一場(chǎng)閉門會(huì)，專門討論工業(yè)AI的落地。關(guān)于數(shù)據(jù)的門檻怎么過(guò)，他的判斷是：「不能在所有領(lǐng)域同時(shí)展開(kāi)，要在聚焦的行業(yè)里找突破」。

預(yù)測(cè)性維護(hù)、質(zhì)量視覺(jué)檢測(cè)等成熟場(chǎng)景，數(shù)據(jù)相對(duì)充分，價(jià)值可以量化。西門子成都工廠部署了一百多項(xiàng)AI技術(shù)、南京工廠有50多項(xiàng)，都是一線工程師自己開(kāi)發(fā)的。總部沒(méi)有空降方案，車間里的人最清楚痛點(diǎn)在哪、哪些數(shù)據(jù)有價(jià)值。

具身智能等初級(jí)場(chǎng)景，還處在數(shù)據(jù)匱乏的階段，需要合成數(shù)據(jù)、仿真數(shù)據(jù)來(lái)補(bǔ)充，突破的時(shí)間軸更長(zhǎng)。

那為什么西門子可以沉淀足夠多的工業(yè)數(shù)據(jù)資產(chǎn)？

這背后是西門子近180年的持續(xù)積累。目前，西門子的工業(yè)軟件與硬件產(chǎn)品，已服務(wù)于全球40多個(gè)行業(yè)、40多萬(wàn)家客戶。

在軟件領(lǐng)域，西門子的版圖幾乎囊括了從設(shè)計(jì)、仿真到制造、運(yùn)維的完整生命周期，并深入汽車制造、食品加工、化工流程、生物制藥等對(duì)行業(yè)know-how要求極高的復(fù)雜系統(tǒng)。

在硬件領(lǐng)域，西門子更是構(gòu)筑起了從設(shè)備實(shí)時(shí)控制、全廠數(shù)據(jù)采集和監(jiān)控到數(shù)據(jù)處理與 AI 實(shí)時(shí)決策的完整硬件體系，把生產(chǎn)車間的每一個(gè)動(dòng)態(tài)都轉(zhuǎn)化成可被采集、推理的數(shù)據(jù)。

正是這些積累，讓西門子訓(xùn)練工業(yè)基礎(chǔ)模型IFM所依托的高質(zhì)量工業(yè)數(shù)據(jù)就達(dá)到了 150PB。可以說(shuō)，數(shù)據(jù)構(gòu)筑了西門子在工業(yè)AI的護(hù)城河，其能力并非只掌握技術(shù)能力的互聯(lián)網(wǎng)科技公司所能匹敵的。

西門子，點(diǎn)燃工業(yè)AI浪潮

已經(jīng)傳承700多年的瀘州老窖，基于西門子工廠仿真軟件Plant Simulation完成了整廠級(jí)的數(shù)字孿生建模與系統(tǒng)驗(yàn)證優(yōu)化，古老的白酒行業(yè)釀造生產(chǎn)向可預(yù)測(cè)、可控、可復(fù)現(xiàn)的數(shù)智化方向邁進(jìn)。

還有更多的中國(guó)制造企業(yè)在西門子的助力下，實(shí)現(xiàn)從單點(diǎn)提效到全局優(yōu)化的轉(zhuǎn)型升級(jí)。

在新能源、高端制造、數(shù)據(jù)中心、電池、機(jī)器人等高增長(zhǎng)領(lǐng)域，大量中國(guó)制造企業(yè)通過(guò)使用西門子中國(guó)研發(fā)、適配中國(guó)場(chǎng)景的智能硬件與軟件產(chǎn)品，大幅縮短工程周期、提升良品率、降低能耗與物料損耗。

可以說(shuō)，幾乎沒(méi)有哪一種工業(yè)AI解決方案，是西門子無(wú)法構(gòu)建的。這些領(lǐng)先的成果并非偶然，而是長(zhǎng)期在技術(shù)研發(fā)領(lǐng)域投入的結(jié)果。

1973年，西門子在人工智能發(fā)展尚未清晰的時(shí)候，就獲得了自己的第一項(xiàng)AI相關(guān)專利，并在AI領(lǐng)域開(kāi)啟了持續(xù)的投入。

即使在上世紀(jì)90年代科技互聯(lián)網(wǎng)泡沫破滅的時(shí)候，西門子仍然聚焦專家系統(tǒng)、模式識(shí)別、神經(jīng)網(wǎng)絡(luò)在工業(yè)場(chǎng)景的可行性研究，探索AI在質(zhì)量檢測(cè)、故障診斷等環(huán)節(jié)的應(yīng)用。

隨著AI能力的提升和在各行業(yè)更廣泛的應(yīng)用，西門子也升級(jí)了AI戰(zhàn)略。2022年，西門子面向工業(yè)、樓宇、電網(wǎng)、交通領(lǐng)域推出西門子X(jué)celerator平臺(tái)，讓企業(yè)數(shù)字化轉(zhuǎn)型更簡(jiǎn)單、更快速、更易規(guī)模化。

今年1月，西門子宣布將打造工業(yè)AI操作系統(tǒng)，讓AI能夠真正進(jìn)入工業(yè)生產(chǎn)系統(tǒng)，實(shí)現(xiàn)更安全、高效、規(guī)模化的落地。

目前，西門子在AI領(lǐng)域已擁有超過(guò)1500名專家，讓西門子AI領(lǐng)域的專利持有量居世界領(lǐng)先地位。

工業(yè)AI的使用門檻被不斷降低，才能向更廣泛的行業(yè)滲透。這個(gè)過(guò)程中，西門子所扮演的角色，正在從單純的技術(shù)提供者，轉(zhuǎn)向工業(yè)AI的啟蒙者和產(chǎn)業(yè)升級(jí)路徑的共建者。工業(yè)技術(shù)一直在變革，風(fēng)口也在不停變換，但西門子一直是不可或缺的存在。

小結(jié)

工業(yè)AI的突破，并不只是一次簡(jiǎn)單的技術(shù)升級(jí)，而是工業(yè)體系第一次被完整地重寫。西門子點(diǎn)燃了工業(yè)AI浪潮，也讓一條原本模糊的路徑開(kāi)始變得清晰。當(dāng)越來(lái)越多工廠真正在核心業(yè)務(wù)場(chǎng)景落地AI，新一輪生產(chǎn)力的革命才正式開(kāi)始。

本內(nèi)容由作者授權(quán)發(fā)布，觀點(diǎn)僅代表作者本人，不代表虎嗅立場(chǎng)。如對(duì)本稿件有異議或投訴，請(qǐng)聯(lián)系 tougao@huxiu.com。

本文來(lái)自虎嗅，原文鏈接：https://www.huxiu.com/article/4845878.html?f=wyxwapp