巨头争先布局！工业GenAI的“军备竞赛”悄然打响

长期以来，制造业一直是人类进步的支柱。从200多年前的第一次工业革命到近十年来的工业4.0，制造业从没停下过创新的步伐，如今，爆火的生成式人工智能 (GenAI)又让制造业面临着前所未有的冲击和变革。

将人工智能应用于制造业并非什么“新鲜事”，但我们可以将诸如预测性维护、瑕疵检测、能源分析、机器人自动化之类的应用称为“传统工业AI解决方案”；与之相比，“工业GenAI解决方案”的精髓则在于“生成”和其背后延伸的“理解”二字。

去年上半年，业内人士对GenAI和制造业的结合还存在不少疑虑。智次方发布的《2023年中国工业互联网产业洞察暨生态图谱报告》显示，大家的疑虑通常来自于：①大多数生成式AI模型主要关注文本和图像，只有非常少量的模型关注将传感器数据作为输入，同时，工业场景中的很多数据是不可读取的；②在数据之外，工业领域对安全、稳定、可靠等指标极其严苛的追求，这是生成式AI不能满足的地方；③工业制造细分领域众多，各领域在生产流程、工艺、生产线配置、原材料及产品类型上均具有较大差异，强调的是细分行业的机理融合和行业知识。因此，彼时有许多制造企业都对这项技术呈观望态度。

但细究这些疑虑，会发现许多人或许把“工业GenAI”当成了“传统工业AI”的替代品或竞品。然而，随着越来越多的工业/制造企业进行深入实践，事实证明，两者应该是互相辅助的关系，各自在擅长的领域发挥价值。传统工业AI可以提供更准确的分析结果，那么工业GenAI则能在一些可以被“生成”或者需要进行语义/图像理解的环节大显身手，比如编码、数字孪生场景构建、生成式设计、图像检测、视觉数据等……

来自知名调研机构的咨询师发布洞察预测——工业和制造领域的供应商正在竞相开发基于 GenAI 的解决方案，有关工业GenAI的“军备竞赛”已经悄然打响。

利用GenAI 生成工程软件代码

传统上工程师需要手动对机器和逻辑控制器进行编程，而GenAI解决方案可自动生成代码，减少工程量和时间成本，工程师只需审查和调整代码。

在2023年的Automate展会上，Beckhoff（倍福自动化）展示了TwinCAT聊天客户端，旨在自动执行诸如创建或添加功能块代码之类的任务。它还可以用于代码优化、文档编制和重组。

这个客户端将在TwinCAT XAE（扩展自动化工程）中实现，通过连接到LLM（大型语言模型）的主机云来工作。例如，如果用户使用的是Microsoft Azure，它将连接到OpenAI的ChatGPT。Beckhoff的TwinCAT聊天客户端通过Visual Studio中的相应聊天窗口为PLC开发环境提供了用户界面。据Beckhoff介绍，LLM功能已经通过TwinCAT特定内容进行了优化。

在Automate展会上的一次演示中，Beckhoff的产品管理总监Daymon Thompson展示了如何使用这项技术逐步指导编写传送带系统的程序。他解释了软件如何逐步引导用户完成LLM开发代码所需的每个必要变量输入。输入这些变量后，在客户端中选择“自动完成”将把变量数据发送到ChatGPT引擎，并在几秒钟内返回完成的代码。尽管LLM在开发代码时可以非常精确，但Thompson也强调了用户在实施之前彻底审查代码的必要性。

当然，如果用户对ChatGPT返回的内容满意，就可以把程序图标拖放到自己的TwinCAT程序中，以创建一个用于运行传送带的整个程序。显然，TwinCAT聊天客户端使编写代码变得更快速、更高效。

无独有偶，在今年的CES上，老牌工业巨头西门子将把用于构建生成式人工智能应用程序的服务 Amazon Bedrock 集成到其开发平台 Mendix 中，从而使用户能够访问生成式人工智能功能来创建新软件和升级现有软件。

通过与AWS联手，西门子Xcelerator生态的应用开发者们能够便捷访问生成式AI的强大能力。Bedrock提供稳定可靠的大规模语言模型，开发者只需数次点击，利用Mendix简单的图形界面与拖放组件，即可快速构建AI应用原型或最小可行性产品。

西门子表示：“通过将亚马逊Bedrock集成到我们的低代码平台中，我们正在赋予每个人创造客户所需的应用程序的能力，使他们更具竞争力、弹性和可持续性，在没有编程专业知识的情况下制作更智能的应用程序可以加速创新，帮助公司解决技能劳动力短缺问题。”

利用GenAI生成数字孪生场景

除了生成代码，生成图像是GenAI 的另一项拿手好戏，而视频生成类的软件也在以一日千里的速度迅猛发展。犹记得龙年春节刚过之际，OpenAI发布的文生视频大模型Sora便火爆了朋友圈。它仅仅根据提示词，就能生成60秒的连贯视频，几条生动逼真、画面精美的短视频，给相关行业带来的震撼至今余温未散。如果能将相关技术用于工业元宇宙的创建，那无疑将为工业未来带来更多可能。

将元宇宙技术融入制造业能够改变公司的生产、运营和管理方式。比如，公司可以使用VR和AR等沉浸式技术来增强员工培训、仓库流程、质量控制甚至产品设计；比如，借助数字孪生技术，企业可以模拟产品、机器甚至整个工厂，让新的生产技术和系统在现实世界实施之前，就能在虚拟世界中模拟测试和验证它们，从而降低出现代价高昂错误的风险。

然而，要实现工业元宇宙这样一个庞大而复杂的虚拟世界，需要多种前沿技术的支持，还需要有无限多的虚拟场景，这正是GenAI 发挥用武之地的地方。

关于GenAI +工业元宇宙的实践，西门子和英伟达迈出了关键一步。早在 2022 年，西门子就宣布与图形增强和人工智能技术先行者英伟达拓展合作伙伴关系，共同打造工业元宇宙，探索人工智能驱动数字孪生技术的应用场景。今年3月19日，西门子宣布将进一步深化与英伟达的合作，此次合作将英伟达 Omniverse Cloud APIs 的沉浸式可视化功能引入西门子 Xcelerator，推动以人工智能（AI）驱动的数字孪生技术的应用，持续构建工业元宇宙。

据介绍，生成式 AI 将大幅加快对真实感渲染细节进行设置和调整的速度，如物料定义、照明环境以及其它辅助性情景资产等。通过对工程数据进行真实的情境化处理，以往需要花费数天的任务现在可在短短数小时内完成。除工程团队之外，销售团队、营销团队、决策者和客户等相关方也可以通过对现实世界产品外观的洞察和理解获得裨益，进而更明智、更快速地制定决策。

可持续船舶制造市场的领导者 HD 现代即采用这一新解决方案创建了实时、逼真的可视化技术。HD 现代致力于研发氨动力和氢动力船舶，其过程极其复杂，所需管理的船舶可能包含超过 700 万个离散零部件。西门子与英伟达的全新解决方案帮助 HD 现代采用交互方式，实现海量工程数据集的统一和可视化管理。

利用GenAI理解非结构化数据

在工业知识及经验领域，生成式AI的应用也在不断拓展。

传统的制造业应用范式主要依赖于结构化数据和精确的算法模型，而现在，随着生成式AI的崛起，制造业开始更加注重对高质量文本、图片、文档等非结构化数据的应用。这不仅提高了数据处理效率，也为制造业提供了更多的应用场景和可能性。

2023年11月，加拿大工业人工智能软件公司Canvass AI（该公司被CB Insights认可为推动制造业发展的顶尖技术公司之一）宣布了其工业人工智能软件的下一次进化，即Hyper Data Analysis™。通过创新地利用生成式人工智能，Canvass AI软件能够将文本和基于视觉的数据的学习融入到生产数据流中，以推进传统的基于时间序列的人工智能洞察。

“Canvass AI使人类和机器生成的数据都能进行全面分析，Canvass AI解决方案与工业用例中的Hyper Data Analysis能力相结合，为制造商提供了优化资产、流程以及工作流的新机会。结构化和非结构化数据的这种组合为基于人工智能的工业解决方案开启了新的维度。”

Hyper Data Analysis对于涵盖制造过程的大量非结构化文本和视觉数据具有很多应用，例如：

• 通过视觉检查异常来识别成品的质量或相关属性；

• 可以使用AI将视觉检查纳入，以确定缺陷的可能原因；

• 可以将基于文本的维护日志转化为有意义的数据，与过程数据结合，提前改善对非计划维护事件的预测；

• 可以将实验室笔记和“批次数据”与过程和设备数据集成，以提供更有意义的产品质量见解，提供模拟实验室测量或实时质量预测。

Canvass AI首席执行官Humera Malik表示：“我们正在利用通用人工智能的潜力不断创新我们的工业问题解决方法。我们的战略不仅仅是将聊天机器人界面添加到我们的产品中。这一尖端能力是对数据分析领域的深入挖掘，产生了深刻的见解，推动了卓越的成果。这不仅仅是一小步；它是一次巨大的飞跃，扩展了我们的客户在解决复杂挑战方面所能实现的边界，推动了工业领域可能性的边界。”

写在最后

2023年上半年，在接受智次方研究院调研的30余家工业互联网企业中，超过70%是生成式AI技术的“观望者”，在他们看来，该类技术在工业领域的应用落地还很遥远，甚至可能是个“伪命题”；有接近30%是生成式AI技术的坚定“支持者”，他们认为虽然生成式AI在工业制造领域的应用还不成熟，但其改变传统生产方式、推动制造业未来数字化转型的趋势已经势不可挡。如果今年再进行类似的调研，恐怕数据会发生极大的变化，可以预见相当一部分“观望者”将变成“支持者”，因为越来越多的实践和探索已经证明了工业GenAI的潜力。

在未来，工业GenAI将继续为工业领域带来巨大的变革和创新，进一步推动工业智能化水平的提升，加速数字化转型的步伐。随着技术的不断进步和应用场景的不断拓展，我们可以期待看到GenAI在工业生产中发挥更广泛、更深远的作用，它将成为企业实现生产效率提升、质量优化和资源利用最大化的重要工具，为工业领域的可持续发展和智能化转型注入新的活力和动力。

参考资料：