生成式AI，在中國工業找到新“活法”

 　　生成式AI，正在經歷一場關于落地前景的論戰。

　　在德國中北部城市希爾德斯海姆，世界工業巨頭博世已經把生成式AI技術用在了生產線上。他們以AI仿真繪制的方式合成出超過15000張關于產品缺陷的圖片，然后將其應用于電機定子生產線的質檢。借助生成式AI，博世采用自動化光學檢測模型可將項目對應工期縮短六個月，每年的產值得以提升六位數歐元。

　　而在大西洋對岸的美國，生成式AI概念的引爆者OpenAI剛剛在7月發布了一份飽受爭議的AGI路線圖。根據OpenAI的定義，現階段的聊天機器人只是AGI的第一階段，其后還有推理、智能體、創新、組織四個發展等級，且五級AGI最快將在2027年實現。然而，這份路線圖卻遭到了包括《財富》等媒體在內社會各界的廣泛質疑，因為OpenAI只給出了概念化的發展階段，卻沒有真正為AI在現實世界的應用前景做出背書。

　　不是所有人都贊同用純大語言模型去探索AGI的終局。在現實場景中，AI理應具備更多可能性，就像博世在工業領域所做的嘗試那樣。

　　工業、制造業的生產線上，存在許許多多固定的工作任務和場景，讓生成式AI可以真正創造出產值，而不只是話題。這恰恰是現實產業真正的需求。貝恩咨詢在《2024年全球機械設備報告》中提到，75%的先進制造企業在工程研發戰略中優先采用AI技術，超過90%的機械設備企業早已開始收集和儲存生產數據，為AI的應用落地提供了“養料”。

　　更進一步地，如果一種AI技術試圖在工業和制造業場景中生根發芽，那它自然需要有相應的產業環境。而在工業版圖龐大的中國，掌握這些AI技術的公司正在為新興應用提供支撐。

　　麥肯錫在研究中提及，在2023年12月公布的21家新燈塔工廠名單中，有近60%的頂級用例采用了人工智能技術。燈塔工廠代表著全球制造業領域智能制造和數字化最高水平，這21家燈塔工廠有11家來自中國，其中中信泰富特鋼中國江陰工廠、隆基綠能中國嘉興工廠、亨通光纖科技中國蘇州工廠等，均引入了AI技術。

　　在人類擔憂AI和大模型將人類社會生活導向不可預測的未來時，工業場景為之提供了確定性，也為參與這個生態的玩家提供了寬廣的未來。

　　AI的智能釋放需要承載場景

　　理解場景之于AI的重要性，可以從兩則關于人類智能的信息出發。

　　人類世界有許多個流傳甚廣的關于“狼孩”的故事，它們描述了一種現象：一個擁有智慧大腦的人類在長期處于獸類(比如狼)的生存場景時，相關的語言、行為等功能將不會被激活，從而保持在較低的智能表現水平。

　　美國心理學家溫斯羅普和盧埃拉-凱洛格在九十多前利用猿猴和兒童展開了反向實驗，測試其他物種學習人類智能的能力，并將結論寫進了《猿與孩子：環境對早期行為影響的比較研究》一書：“無論如何進行社會化和人性化訓練，非人物種所能達到的人性化程度都存在明確的限制。”

　　兩個不同的故事折射出有相通之處的哲理：高智能個體缺乏訓練，將不會釋放認知和學習的潛能;而相對低智能的個體雖然上限較低，卻能通過模仿和訓練掌握處理現實問題的能力，達到一定的“人性化程度”，只是要再往前一步會遇到困難。

　　所以，當AI也開始學習人類的工作邏輯并滲透進現實生活，當我們發現AI的學習能力和應用水平都暫時有限，無法通向深度的AGI，選擇合適的賽道與場景讓AI先創造可見的價值，就變成了一條值得嘗試的道路�，F階段的AI具備了一定的智能，經過貼合現實場景需求的訓練后，可以參與生產作業。

　　工業是天然的高優先級場景，在制造業和工業環境中已部署4000多個AI模型的韓國AI工程公司MakinaRocks認為，基于工業場景的多元性，工業大語言模型得以覆蓋制造工廠的所有層面，將能夠管理和優化整個運營流程。而麥肯錫則通過評點全球燈塔工廠的AI用例指出，AI能夠全面參與到工業價值鏈的優化升級中去，并帶來顯著的生產力提升。

　　正是因為AI技術具有普適性，可以做到“吃什么行業的數據，就提供什么行業的知識”，AI技術正在成為工業界新的明珠。美國國家標準與技術研究院(NIST)在7月下旬宣布，發起資金總額達到7000萬美元的支持計劃，幫扶專注利用AI技術提高美國制造商應變能力的美國制造研究所。

　　而在中國，我們看到了工業企業廣泛擁抱AI大模型趨勢。在顯示面板領域，京東方在去年12月推出了顯示工業大模型;在新能源領域，金風科技在今年3月推出了風電行業大語言模型，隆基綠能在今年5月推出了基于多模態大模型的生產合規視頻檢測技術。

　　即便如此，工信部賽迪研究院發布的數據顯示，截至2023年，中國生成式人工智能的企業采用率還只有15%，存在巨大的增長潛力。在中國公司的實踐中，工業企業受益了，擁有深厚技術底蘊的AI技術企業也隨之成長。

　　中國AI創新公司得天獨厚的發展之路

　　談到關于生產制造的場景，繞不開中國。在龐大的工業和制造業背景下，這里存在無限可能。

　　《福布斯》雜志在年初的一篇報道中探討了五個與AI契合度極高的行業。例如，汽車行業將是制造業采用AI技術的領先行業之一。而在新能源汽車發展如火如荼的中國，AI驅動的智能化、數字化幾乎和汽車行業同氣連枝、共同成長。這也就使得中國汽車行業涌現了不少先進技術用例。

　　去年末，《財富》雜志公布2023年《財富》最具影響力物聯創新榜單，中國企業AI全棧解決方案提供商創新奇智憑借“理想汽車廠智能自動化產線”案例，在近200個申報項目中脫穎而出，成功上榜。通過把AI技術融入新能源汽車工廠自動化產線，工廠提升了對潛在問題的檢測能力，故障率與停產損失得到控制，有效技術工時縮短了70%。

　　這不是唯一的成果。創新奇智自2018年創立以來，在計算機視覺、機器學習等AI領域儲備了深厚的技術能力，掌握“MMOC人工智能技術平臺”和“AInnoGC工業大模型技術平臺”，并建立了覆蓋鋼鐵冶金、面板半導體、3C高科技、工程建筑、汽車裝備、能源電力、食品飲料&新材料、智造實訓等八大領域的行業方案。

　　這一點恰恰驗證了，中國擁有的多元化的工業場景，是AI技術落地的溫床。貝恩咨詢認為，制造業對AI的利用集中于三個方向：減少裝配缺陷和改進質量控制、提高生產率、簡化倉儲庫存管理。通過利用工業場景下豐富的數據集和工業經驗積累，“AI+制造”的集成效果超越了傳統自動化技術，提升了控制優化等方面的能力，因而實現了優化制造流程、改進質量控制的目的。

　　硅谷華人投資人、清源創投(Foothill Ventures)創始合伙人王金林曾在接受騰訊科技采訪時指出，AI應用層的關鍵就是數據壁壘。以此類推，工業大模型與行業生成式AI的應用，關鍵就是基于擁有可靠數據基底的AI模型，輸出貼合工業企業實際需求的能力或內容，以及為工業生產流程保駕護航。

　　從數據量級方面看，代表性用例均體現了對行業的深度鏈接。如海爾卡奧斯工業大模型COSMO-GPT擁有300多萬條高質量工業數據、3900多個機理模型和200多個專家模型，注入了562個工業數據集;創新奇智在上半年發布的奇智孔明工業大模型2.0版本(AInno-75B)，參數量達到750億，規模和性能進步的同時還引入了多模態大模型能力，甚至能輸出CAD或者actions。

　　而從落地應用場景的能力看，博世根據定子的不同故障類型，以每種類型兩位數的真實圖像生成了上萬張樣本圖像。生成式AI大大擴展了缺陷樣本數據潛力，進而為產線上的檢測提供了依據。

　　這種“在不實際生產有缺陷的零件的情況下，獲得所有缺陷類型的足夠圖像”的方法，同樣出現在創新奇智的用例中�；�于奇智孔明AInnoGC工業大模型，創新奇智可幫助垂直行業生成特有的缺陷樣本數據，并進行分割標注等其他處理，突破工業瑕疵樣本不足的限制。

　　目前，在汽車、液晶面板、鋼鐵冶金等行業，創新奇智都建立了垂直的智能化檢測分析方案。憑借對相關技術方案的熟練應用，創新奇智在IDC近期發布的《中國AI賦能的工業質檢解決方案市場份額，2023》報告中榮登中國第1大AI工業質檢解決方案廠商之位。

　　由工業場景、工業數據、AI模型能力、垂直工業應用等要素共同支持，相應的To B業務已經形成了有內生增長性的商業模式。創新奇智在其年報中披露，2023年由AI賦能的制造業業務板塊收入已達到11.76億元，同比增長24.1%。在去年的業績溝通會上，其管理層還表示公司將向高質量成長轉型，在公司健康發展的基礎上盡快實現扭虧為盈。

　　見微知著，扎根中國工業市場的AI創新公司正在走入多點開花的時代。在這個有著豐富“養料”的生存環境中，生成式AI產業也找到了現階段的新“活法”。

　　來源：港股研究社