“世界工厂”拥抱AI，向左走还是向右走？

老牌解决方案厂商 稳中求胜让AI丝滑“内嵌”拥抱AI要打破数据孤岛记者观察 加速AI引擎背后的“减碳数学题”

AI+是制造业的“选择题”还是“必答题”？

作者／ IT时报记者 郝俊慧

编辑／ 郝俊慧 孙妍

在数字化转型浪潮中，AI技术正逐步渗透并重塑传统工业的血脉。

2024年5·17世界电信和信息社会日的主题为“数字创新促进可持续发展”，对于一直“负重”前行的制造业而言，可持续发展意味着要在优化资源利用、提升生产效率、减少环境污染、增强环境适应性以及促进社会公平等等多个维度实现跨越式创新，但动力和引擎在哪里？

作为近两年全球最热的高频词——人工智能被认为具有改变世界的潜力。然而，如何将AI从热词变为生产力是摆在制造业企业眼前的现实“选择题”，甚至选择的路径也有两条：All in AI或AI in All。

2024年，互联网大厂依然“内卷”，“大模型产业化”代替“产业互联网”成为新的黑话；一大波创业公司则看到了商机，从百模大战到万模大战，作为拥有全球最多行业的国家，中国有太多企业在未来10年内会将智能化做成“必答题”；而老牌企业软件应用厂商则气定神闲，深知再好的通用大模型，如果不懂产业，也无法落地……

面向可持续发展的未来，“世界工厂”在拥抱AI时，是向左走，还是向右走？答案或许并不唯一。

创业公司 小马过河为中小企业打造“AI助理”

最近一年，清醒异构创始人兼首席执行官余腾的行程单上，慈溪、昆山等中国百强县的名字频频出现。

大模型浪潮中，AI被认为是可“重塑”产业的新引擎，然而，通用大模型同时存在专业性、泛化性和经济性“不可能三角”问题，导致目前行业实际落地应用进程并不快。

近日，腾讯研究院正式发布的《向AI而行，共筑新质生产力——行业大模型调研报告》显示，行业大模型应用场景的快慢呈现“微笑曲线”特征。在产业链高附加价值的两端（研发、设计和营销、服务），大模型应用落地较快。而在低附加价值的中部（生产、组装等），大模型应用进程较慢。

“我和很多制造业企业老板沟通过，他们都想搭上人工智能的快车，但都不知道怎么做。”余腾告诉《IT时报》记者，对于利润率相对薄弱的制造业而言，AI的价值必须非常显性化，而拥有大量“专精特新”企业的长三角，无疑是AI赋能产业的最佳实践区。

这是一个非常典型的中国式样本。客户公司很“年轻”，没有像传统企业一样背负较重的“包袱”，是集技术创新、产品研发、高端制造于一体的高新技术企业，数字化程度较高，所属行业属于新兴领域，创始人对人工智能有非常浓厚的兴趣，愿意尝试新技术。而清醒异构是国内大模型“清华系”中的一员，一开始创业方向便是解决大模型技术和业务“两张皮”问题，为行业应用场景提供人工智能解决方案，建构企业专属模型，打造高可用性的智能服务，形成企业自己的AI Agent（人工智能代理）。

“一拍即合”之后，清醒异构将为客户训练四个“助理”：AI融资助理、AI代码助理、AI工人助理和AI市场助理，在市场分析、融资支持、生产线效率提升等方面先行尝试AI+。

“在前期测试中，效果已经十分明显。”余腾告诉记者，初步成型的“AI市场助理”已经可以帮助客户市场人员对企业产品有更加深刻认知，尤其市场分析和商机挖掘方面的效果，客户很是满意，接下来将重点训练“AI工人助理”，可以将“老”产线工人的经验数字化，让新工人迅速通过AI助理学会解决实际问题。

被多模态大模型 改变的数据采集方式

与传统企业信息化系统中的知识库相比，AI助理对于效率的提升不仅仅体现在自然语言的问答上，更多是输入输出时体现出更强的综合能力和多模态能力。

当前，制造业最头疼的问题莫过于劳动力紧缺，一方面是劳动人口的整体比例下降，另一方面则是新老工人的交替并不顺畅。

一位广东某地家具工厂的“厂二代”曾告诉《IT时报》记者，第一代中国工厂普遍存在的问题是，老板和工人都一起老了，但没有新鲜血液补入，即便有年轻人进厂，培训时间也很长，往往还没成为“熟练工”便离职了。

如今，随着多模态大模型的逐渐成熟，当企业进行数字化转型时，最基层且最重要的数据采集阶段，可用的手段不再仅仅是访谈和填表格，而是增加更加多元数据，比如图片、视频，甚至现场对熟练工人动作的无感拍摄，而这些多模态数据也可以通过大模型进行一定程度的描述和分解，从而快速完整地将成熟工人的经验数字化，并形成经验积淀下来，成为企业“小模型”的训练数据。

同时，这些数据被精准标注后，可用于对大模型进行微调和反馈训练，最终以多模态的方式对新员工输出，新员工只需根据自己的问题“提问”，便可以得到有针对性的精准答案。

当然，从目前大模型落地的实际情况看，这只是最理想状态，现有企业专属模型的能力尚无法完全实现。

“最主要原因当然还是作为底座的通用大模型能力有限。”余腾告诉记者，企业级大模型大多建构在开源大模型上，而开源大模型的参数级相对较小，清醒异构正在微调的开源大模型参数普遍在13B～30B之间，“幻觉”仍然不可避免。

此外，采集效率也很可能成为影响整个企业数字化升级的重要因素。正如前文所言，最终理想状态的数据采集是一种“无感体验”，产线工人无需任何动作，只需用摄像头自动拍摄其工作流程即可形成有效数据，但如果达不到这种规范和流水线、标准化方式，容易出现经验已经升级而大模型能力还未升级的现象。目前清醒异构大约每隔两个月左右会为客户做一次微调和升级，以避免出现“倒挂”现象。

“AI会带来很多生产和沟通方式的变化。”余腾认为，大模型出现对制造业最大的意义在于，可以创造出很多新需求，解决了很多曾经以为是无解的问题，而随着通用大模型的能力提升、更多具有普适性的AI应用工具出现，人工智能对于工业的引擎拉动性将加速跃迁。

与“小步快跑”的清醒异构不同，全球最大企业应用软件厂商SAP选择了另一条AI赋能产业的路径——商业AI，将AI嵌入企业解决方案。

5月10日举行的SAP中国峰会上，SAP全球执行副总裁、大中华区总裁黄陈宏详细阐释了一个愿景——“成为全球第一的企业应用和商业AI公司”，这是自去年推出商业AI之后，SAP首次明确的新未来。

对于服务全球94%五百强企业的老牌IT厂商而言，当AI浪潮席卷而来时，将这种新能力与企业已有的业务流程、运营管理深度融合，在企业已有的系统内释放AI的能力，是SAP自然而然的选择。

全球已有25000个AI客户

目前，SAP在全球有25000个客户已经进入AI场景。

以全球知名的半导体厂商AMD为例，商业AI将其订单交付查询的效率提升了十倍。当订单出现延迟时，以往要倒查14个环节，才能真正找到不能准时交付的原因，至少需要20分钟，如今通过AI打通各个环节，不到1分钟就能完成整个过程。对于有着海量物流和分发任务的制造业企业而言，AI提升了整个供应链的效率。

“再强调一遍，我们不做大模型。”黄陈宏告诉记者，通过BTP业务技术云平台，SAP搭建了AI的Foundation（基础），大模型可以在这一层做适配、训练、协同，“我们对所有AI合作伙伴完全开放，形成一个AI生态底座。”

在此之上，SAP在所有业务流程当中都加入AI功能，从云端ERP到供应链管理、人力资源管理、支持管理、商业网络、客户关系管理、业务平台，都有AI嵌入式功能，并通过商业AI的 “智能副驾”Joule打通所有业务，统一调度。从客户层面来看，Joule已经丝滑内嵌入原有的核心业务流程，出现在企业数字化管理的各个环节中，只需对Joule提出需求，便会由系统自动给出结果，真正有效实现业务价值。

一家美国吉他厂商已经是Joule的忠实“粉丝”。在SAP展示的案例视频中，当这家吉他公司准备进军瑞士市场时，老板可以直接询问Joule关于该市场的平均收入和消费洞察情况，并由系统自动推荐最适合的产品类型，进而挑选适合的供应商。等到了实际开店环节，只要对Joule说，“帮我雇佣一个吉他店铺经理”，就能在列表上自动完成符合这一岗位员工的筛选……通过简单的自然语言描述，一个智能副驾打通了六个场景，贯穿了所有SAP业务流程，对于以稳健为主的大型企业而言，这种内嵌式AI显然是变动最小的“人工智能+”。

不过，目前已落地SAP商业AI的客户都是国外企业，中国暂时还没有企业正式应用。

“一家企业想让AI真正成为驱动引擎是有门槛的，第一，要有完备的数字化核心体系；第二，要能打通所有数据孤岛，将一个企业的所有数据用起来；三是上云。”黄陈宏坦承，中国企业普遍在第二个环节有“短板”。

数据、算力、算法被公认为是影响大模型能力的三大要素，而经过1年半的极速狂奔，数据的重要性在三者间越来越凸显，尤其是当大模型进入产业化周期，在满足企业对于“幻觉率”的低容忍度时，真实数据比算力更加有效。

困扰于很多互联网大厂的数据难题，反而是SAP的最大优势。目前，全球有27000家客户授权SAP用自己的数据进行AI训练，由于这些数据是真实、实时、准确的业务数据，其微调之后的行业大模型或企业大模型具备了更加专业的洞察和智能，同时作为一家欧洲企业，SAP对用于AI大模型训练的数据安全性和私密性治理，执行最高标准。

不过，黄陈宏认为中国第一家落地商业AI的制造业企业已“呼之欲出”，“它是全球最大的制造业公司之一，我们从去年开始已经在一起全面打造AI能力，帮助企业找到正确策略，降本增效，先做企业的AI智慧大脑，再做智慧工厂，最后AI Everything。”

《向AI而行，共筑新质生产力——行业大模型调研报告》中指出，大模型处理特定领域问题或任务的准确性与效率、大模型处理训练数据集之外新样本的能力和大模型训练和应用的投入产出比，很难同时得兼。

如何解开这个“不可能三角”，是一个需要CEO引导的企业战略级工程。

通过AI实现制造业的可持续发展，并不是一个可直观的结果。但当生产效率与员工技能传承的效率都被AI提升后，制造业的可持续发展路径被暗中激发出来。

事实上，“减碳”并不仅仅是减少因产品而产生的碳，更多是通过多维度措施，降低整体的资源消耗。

联合国可持续发展目标(SDGs)中，SDG 9（产业、创新和基础设施）、SDG 8（体面工作和经济增长）以及SDG 12（负责任消费和生产）都能够通过AI赋能，共同指向一个更加高效、包容和环境友好的制造业未来。

比如，AI助理通过快速学习和模拟熟练工人的经验，可以减少了新员工培训周期，间接降低了因长时间培训产生的资源消耗，包括能源、材料和人力成本；或者，面对劳动力老龄化和技能传承难题，AI助理可以确保关键技能和经验不随人员流动而流失，保障了产业知识的连续性和创新能力，为制造业的长期发展和人力资源的可持续管理打下基础；再或者，通过供应链的管理，加速了物料全球周转的周期，也能间接减少你的“碳成本”。

国际电信联盟表示，在过去艰难的一年里，人工智能等颠覆式的数字化解决方案带来一线希望，为联合国可持续发展目标（SDG）的进展提速70%。