人工智能如何赋能工业发展？北电数字与全栈产品打破行业桎梏

近日，“人工智能赋能新型工业化供需对接深度行”在广州盛大举行。本次活动由中国工业互联网研究院举办，各领域嘉宾应邀出席，共同探索人工智能赋能工业化发展的新路径、新模式。期间，北京电⼦数智科技有限责任公司（以下简称“北电数智”）战略与市场负责人杨震发表了《为AI工厂构筑AI全栈产线》的主题演讲，引发广泛关注。

现阶段，应用范围窄、应用程度浅、大模型有效场景尚未被挖掘、应用的智能化程度低等一系列问题制约着制造业的人工智能应用，单一生产场景的智能化升级很难提高整条生产线的生产效率。针对这一问题，杨震表示：“制造业亟需全面的人工智能革新。大模型落地制造业，要打破‘木桶效应’，不能仅依靠大模型提供动力升级，还需要智能化升级生产设备、生产系统，完成整个AI生产线的搭建。”

我国制造业占全球制造业市场份额的35%，是AI大规模应用当之无愧的“主战场”。AI大模型存在大量潜在应用场景，贯穿制造业的设计、制造、销售等企业生产、运营环节。以制造阶段为例，从物料采购的物流需求预测、物料供应风险预测、成本和采购优化，再到生产作业环节的新品导入管理、工业机器人辅助制造等，都可以借助专业AI小模型和大模型赋能和改造。而当前人工智能仅在物流、质检等方面进行了浅层应用，在生产、控制环节尚未被充分运用。此外，AI大模型在制造业的应用程度也不高，大多数制造企业仅将AI作为知识库应用，远达不到预测判断、自主决策的应用水准。北电数智杨震认为导致这一问题的根源在于制造业对AI大模型的准确性、稳定性要求较高，但人工智能行业存在数据断点多、数据基础差、专业壁垒高等问题，无法全面满足制造业对于AI大模型的高阶需求。

制造业对算力的需求正从以云端为主向云边端结合的方向发展，端侧/边缘侧推理大模型成为未来新趋势。为实现规模化扩展，AI处理的重心正在转向端云协同或云边结合。在数据侧，海量高质量工业数据要素、语料库将成为制造业大模型落地部署的关键要素。制造业专业知识复杂，且对精度要求高，高质量工业数据要素能有效提高AI大模型的智能化程度，减少幻觉发生。在工具端，低门槛开发和轻量化部署成为工业AI大模型探索重点。工业领域的底层基础设施较多，轻量化部署能大幅减少企业试错成本，加速大模型在制造业落地。在模型端，通用AI大模型快速迭代的同时，垂类AI大模型的能力也要不断升级。这是因为制造业行业细分，工种复杂，通用AI大模型虽然在泛化智能有优势但在理解专业行业知识、行业“know-how”上，不及AI垂类大模型精度高。想要有效应对制造业各类应用场景的需求，推动通用AI大模型和垂类AI大模型结合势在必行。

北电数智杨震认为，人工智能时代大模型想要真正落地，需要构建一个完整产线，单纯的动力替换不能解决根本问题，还需要替换生产设备、生产系统，搭建一个完整的生产线，最终推动新动力进入生产环节。北电数智拥有涵盖算力、算法、数据的全栈产品，能为用户提供整个AI工厂的生产线建设。

在算力层面，北电数智能够为用户提供混元异构的算力平台，让国产算力和进口算力协同作战，形成一个巨大的虚拟GPU算力池，并根据不同用户的算力任务灵活适配合适的算力。在模型层面，北电数智宝塔·模型适配平台能够适配各类主流算法框架和套件。目前北电数智已适配多款基础通用AI大模型，还在诸多垂直行业推出白标模型，可根据用户需求提供相应模型产品。在数据层面，北电数智红湖·可信数据空间能够构建安全可信的数据运行环境以帮助数据要素在可信前提下自由地汇聚、流通和使用，以充分激活和释放数据要素价值。

针对当前人工智能赋能工业化发展过程中的诸多难题，北电数智凭借技术及产品层面的优势给出了解决方案。本次相关负责人出席行业盛会，也为北电数智提供了更大的“舞台”，让全行业深入了解了企业的全栈产品和解决⽅案布局。未来，北电数智将通过技术创新与模式创新，不断提升全栈AI服务水平与质量，与行业伙伴一起共绘AI智能行业发展蓝图。