數字化轉型完成后，制造業如何走向“數智”時代？

　　科技云報道原創

　　隨著我國數字化轉型行動的深入推進和智能制造工程的大力實施，制造業正朝著“數智”時代邁進，生成式AI被視為推動制造

　　業智能化發展的關鍵驅動力。

　　據預測，到2027年，將有30%的制造業采用生成式AI來提升產品研發效率。在數字化轉型的基礎上，生成式AI為制造業帶來了更強大的潛力。

　　通過已有的計劃訓練模型，生成式AI能夠自動化生成新的設計，從而提高產品開發的效率;同時，它還有助于提升生產線的自動化水平。

　　數字化轉型完成后，企業如何借助生成式AI走向“數智”時代，并挖掘其中蘊藏的巨大機遇呢?

　　從數字化到數智化：制造業的轉型之路

　　隨著人工智能技術的迅猛發展，制造業正在經歷一場前所未有的變革。

　　過去幾十年，制造業企業通過數字化轉型實現了生產流程的自動化和信息化，然而，數字化只是轉型的第一步。

　　如今，隨著AI技術的成熟和應用，制造業正逐漸邁向“數智”時代，實現了從數字化到數智化的跨越。

　　數字化是指將物理實體和過程轉化為數字形式，使其能夠被計算機系統識別和處理。

　　數字化轉型讓制造業企業實現了生產過程的自動化、信息化和協同化，提高了生產效率和質量控制能力。然而，數字化僅僅是利用數字技術對傳統生產流程進行了優化，仍然依賴于人工的決策和操作。

　　而數智化則更進一步，它將數字化與人工智能相結合，通過機器學習、深度學習和生成式AI等技術實現智能化的生產和決策。

　　數智化不僅僅是對現有過程的優化，而是通過AI技術的應用，讓機器能夠自主學習和適應，實現智能決策和自主運作。

　　隨著AI技術的發展和突破，制造業企業已經開始將注意力從數字化轉型轉向數智化。

　　AI技術能夠從大數據中提取和分析有價值的信息，為制造業企業提供智能化的決策支持。

　　通過對海量的實時數據進行深度學習和模式識別，AI系統能夠準確預測生產狀況、質量問題和設備故障，并提供相應的優化方案和預警機制，幫助企業做出及時而準確的決策。

　　AI技術還能夠實現制造流程的自動化和智能化。通過機器學習和視覺識別技術，AI系統能夠自動監測和控制生產過程，實時調整參數和優化操作，提高生產效率和質量穩定性。

　　同時，AI技術還能夠與機器人技術相結合，實現智能化的物流和裝配，降低人力成本，提高生產線的靈活性和響應能力。

　　此外，AI技術賦予制造業企業更大的創新能力。生成式AI技術能夠通過學習大量的產品數據和設計規則，自動生成新的設計方案，幫助企業快速設計出具有競爭力的產品。

　　AI技術還能夠模擬和優化產品性能，快速預測和驗證產品的可行性和質量，加快產品研發周期，提高產品的市場競爭力。

　　隨著AI技術的廣泛應用，制造業正逐漸邁向“數智”時代。數智化轉型使制造業企業能夠實現智能決策、自動化生產和創新設計，進一步提高了生產效率和產品質量。

　　“數智化”第一步：做好云基礎設施

　　在制造業產業鏈的工業設計環節，海爾創新設計中心(以下簡稱為海爾設計)就緊跟時代洪流，從數字化走向數智化。

　　海爾創新設計中心成立于1994年，目前擁有500多名設計師，為海爾智家旗下全球七大品牌、多達+8000產品做設計創新和模式探索。

　　在海爾智家副總裁、海爾創新設計中心總經理吳劍看來，在工業設計領域，面對快速增長的業務需求和加速迭代的產品周期，工業設計也需要數字化轉型，在轉型過程中就遇到幾大問題：

　　高成本和時間消耗：傳統的工業設計過程通常需要耗費大量的時間和資源。

　　從概念設計到原型制作再到產品測試和驗證，整個過程可能需要數周甚至數月的時間。這使得設計周期變長，增加了開發成本和市場推出時間。

　　高度依賴人工經驗和直覺：許多工業設計過程仍然高度依賴設計師的經驗和直覺，這限制了設計的創新性和效率。

　　人工經驗的局限性可能導致創新受限，而且不同設計師之間的結果可能存在差異。

　　信息不對稱和協同困難：在工業設計過程中，設計師、工程師和制造商之間的信息流通往往不暢，存在信息不對稱的問題。

　　這可能導致設計需求和技術要求之間的不匹配，進而影響產品的質量和性能。此外，不同團隊之間的協同工作也面臨著挑戰，缺乏高效的合作平臺和工具。

　　而這直接導致了概念設計階段(也就是準備階段)人力成本耗費高、概念產出效率低、概念通過率低等問題。

　　解決上述痛點的第一步，就是實現全面數字化——上云。在上云階段，海爾設計將合作伙伴鎖定為亞馬遜云科技。

　　此前，海爾設計使用的是自建的私有云系統，部署在自有IDC內。

　　不過，這套私有云系統存在桌面系統存在資源搶占、文件存儲系統因容量受限無法長期保存歷史文檔、渲染系統由于資源受限渲染任務需要長時間的排隊等待，以及基礎系統維護復雜、無法彈性擴展、業務系統創新困難等諸多問題，對業務產生較大影響。

　　對此，亞馬遜云科技為海爾設計提供了四個完整的云上解決方案，全面替代自有機房，讓設計中心的工作流程實現了全面云化、自動化。

　　亞馬遜云科技為海爾設計提供的方案包括3D云桌面系統、渲染農場系統、文件共享系統以及自動化設計系統等四個部分：

　　云桌面：在海爾設計的青島辦公室，3D云桌面系統為300多位3D設計師、平面設計師提供便捷易用的桌面環境。

　　通過公有云上的資源隔離劃分，海爾設計在徹底解決原自建 IDC的VDI方案“資源擠兌造成卡頓、閃退或宕機”以及“多人使用時性能衰退”等問題的基礎上，還能有約30%性能提升，可以說是一舉多得。

　　共享存儲：基于Amazon S3特性構建的文件共享系統，讓公司、小組和個人之間得以共享存儲。

　　這種對冷熱數據進行自動分層的無限容量存儲系統讓數據安全性提高了3倍，而此前自建IDC每人最大分配500G容量、每天只允許一個備份且最多保留7天的設定，自此成為歷史。

　　渲染農場系統：渲染農場系統使用亞馬遜云科技自有渲染產品Amazon Thinkbox deadline軟件及HPC集群進行圖片渲染，具備高性能和彈性，讓設計師提交任務后就能拿到渲染效果圖，徹底解決渲染任務排隊問題。

　　而低負載時它會自動降低Amazon EC2 Spot數量且按實際使用時間(精確到秒)付費，從此不再浪費。

　　智能設計系統：自動化設計系統/智能設計渲染系統通過Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等運行自動化設計軟件，10分鐘就能自動生成人工需要數天才能完成的大批量渲染效果圖，徹底解決了原自建IDC存在算力瓶頸問題。

　　據悉，上線后，自動化設計系統應用讓原有項目周期縮短了30%。

　　“數智化”第二步:用AIGC實現降本增效

　　2022年年底，ChatGPT平地一聲驚雷掀起了生成式AI大模型的熱浪。在此前的合作基礎上，海爾設計和亞馬遜就“生成式AI+工業設計”展開探索。

　　至于為什么會選擇主動擁抱AI，海爾設計希望實現降本增效。生成式AI可以基于企業現有的流程、知識圖譜，通過訓練后避免重復、低效的流程和復用。

　　基于此，海爾設計聯合亞馬遜云科技還是合作部署生成式AI應用，打造了全國首個結合實際業務場景落地的AIGC工業設計方案。

　　據悉，在基礎設施架構層，該方案借助Amazon SageMaker快速的構建和訓練AIGC模型，通過應用Amazon SageMaker機器學習平臺，以Fine-tune as a Service(調優即服務)的方式提供服務，利用Amazon SageMaker在線的模型訓練和管理能力，為消費品、游戲等場景提供創意輔助、內容生產輔助和創作支持。

　　此外，亞馬遜云科技為海爾設計提供了彈性GPU算力—— Amazon EC2 G4dn實例，該實例是行業內成本效益最高的通用GPU實例，適合于部署機器學習模型，例如圖像分類、對象檢測和語音識別，以及圖形密集型應用程序，例如遠程圖形工作站、游戲串流和圖像渲染。

　　項目上線后，海爾設計將AIGC解決方案引入到產品設計、UI 設計、CMF 設計、品牌設計等環節，涵蓋了新品設計、改款升級、渠道定制化等工業設計的業務場景。

　　此外，海爾設計和亞馬遜科技還合作開發了首個集成式虛擬設計師AI助手“Co-designer”，通過與亞馬遜云科技的合作，海爾創新設計中心在基礎設施方面獲得了全面的支持，包括3D云桌面、文件共享系統和自動化設計等。

　　“Co-designer是合作的一個關鍵點，盡管目前仍不是非常完善，但作為一個重要的子場景，它為設計中心帶來了許多新的應用。

　　除了Co-designer之外，海爾還將進一步開發和應用其他的子場景，如設計師之前的部分以及制造、營銷、服務和安裝等領域。

　　他們計劃在整個價值鏈的不同環節中探索和應用AIGC技術，從而實現更多的工作優化和創新”，吳劍表示。

　　據悉，目前通過AIGC，海爾已實現了設計中心業務提效11.9%。

　　結語：生成式AI時代，智能制造的未來機遇

　　從數字化邁向數智化，傳統制造業正朝著智能制造的大方向走去。在生成式AI技術的引領下，智能制造正迎來前所未有的機遇。

　　生成式AI技術通過結合深度學習、自然語言處理和圖像識別等技術，使計算機能夠自動生成內容、設計方案和創意，為制造業帶來了革命性的變革。

　　在智能制造的未來，生成式AI將在多個方面帶來機遇，包括自動生成設計方案，優化生產過程，提高生產效效率，智能預測，故障預警，以及智能質量控制和檢測，甚至在供應鏈和物流管理上也能提出最優解，提高效率和準確性等等。

　　隨著生成式AI技術的不斷發展和創新，智能制造將進入一個全新的時代。

　　不過，要實現生成式AI的潛力，仍需克服一些挑戰。其中包括數據隱私和安全保護、技術人才培養和跨部門合作等。

　　只有通過全面推動技術創新、加強合作和培養人才，才能實現智能制造的未來機遇，并為制造業帶來更加繁榮和可持續發展的前景。