从工业中来，到工业中去
从人工智能这一概念诞生以来，其技术应用经历了起步期、反思期、应用发展期、低迷期、稳步期等漫长的演变。
2016年，人工智能AlphaGo以4:1的比分战胜了与世界围棋冠军李世石。AlphaGo就像那只在南美洲扇动了一下翅膀的蝴蝶，引发了全球人工智能的"龙卷风"。
此后几年间，大数据、云计算、互联网、物联网等信息技术的发展推动了以深度神经网络为代表的人工智能技术飞速发展，实现了多项技术突破，人工智能迎来爆发式增长的新高潮。
2023年，预训练大模型跨越技术奇点。2024年，人工智能牵动着以AIGC、数字人、多模态、AI大模型、智能决策为代表的技术浪潮。人工智能在产业的应用也达到前所未有的深度和广度。
在工业制造领域，"AI驱动工业，软件定义制造"，这已经成为全行业的普遍共识。工业AI作为智能制造的"大脑"，不仅推动了制造业生产范式迁移，改变了制造业生产方式，让IT和OT深度融合自成一体，重塑了制造业的商业模式和产业生态。针对AI在工业制造中的新动向、新挑战、新趋势，AI驱动的工业智能解决方案提供商格创东智工业运营解决方案事业部总经理朱金童和亿欧网进行了一场行业对话。
三层跃迁，AI脱胎换骨
朱金童认为，"整体来看，在过去数十年间，AI在制造业中的应用，经历了三大阶段的角色演变。这三大阶段分别是：辅助阶段、集成阶段、主导阶段，AI也从辅助工具完成到核心驱动力的跃迁。"
1、辅助阶段：在初期，AI主要是通过分类、归纳的推理方式对现实世界问题去做分析、判断、简易决策。在这一阶段，AI的主要作用一般是数据分析、质量控制、生产计划与调度辅助等，核心价值在于提高生产效率和产品质量，同时优化资源配置和降低人工成本。
2、集成阶段：随着AI技术的进步，AI开始具备自我感知、自我决策以及协作能力，此时AI与制造流程、工艺、节拍更深度地集成，成为生产制造过程不可或缺的"关键"。集成阶段，AI主要作用在智能生产系统、质量控制系统、供应链管理系统等方面，最大化的发挥出自动化、智能化的优势，实现生产制造过程的高效性、稳定性、可靠性。
3、主导阶段：大模型的出现是AI领域的一个重要里程碑，拉开了AI时代新的序幕。通过NLP优化、简化模型开发、多任务学习、预训练与微调、推理、迁移学习能力等"技能"叠加，AI自主意识越来越强，能够自主地进行决策、控制和优化生产流程，完成高度自动化、定制化、智能化的生产制造，实现"人"的部分"解放"。AI主导下的生产制造，不仅仅在流程等方面实现跨越式升级，更核心的价值是对离散型制造本身的创新和变革，使得产品设计优化、柔性生产、敏捷制造达到稳态和敏态的高度统一，满足消费者个性化需求的同时，让企业的核心竞争力与护城河愈发坚固。
朱金童表示，"客观上讲，当下的工业AI应用依然存在不确定性，但工业制造本身追求的是确定性结果，其对精度的要求很高。尤其在先进制造和高端制造领域，试错成本太大，这直接导致了AI快速落地与制造业审慎决策之间的矛盾不可调和。"
以当前应用最广泛的机器视觉为例，在工厂缺陷检测中，依然会存在误判、漏判的可能。这就衍生出另一个问题，AI的工程化问题。
AI的工程化指的是将人工智能的理论、模型和技术转化为可在实际环境中稳定运行、可维护、可扩展的产品和服务的过程。
而真实的场景环境往往是，开发工业软件的人、研发AI算法模型的人、业务落地使用的人，各不相同。这就需要大家在作业过程中实现高度的配合与协作。通过团队协作，来弥合研究到生产的差距、技术栈的复杂性、模型的泛化能力等挑战。
当然，缺陷检测中误判、漏判问题，有时候可能并不是技术本身造成的，而是来自于场景的特殊属性，比如光线、位置等等。
要解决光线、位置等问题，就需要一线资深工程师Know-How构成的专家知识库来克服，因此具有制造业背景的工业智能服务商才具备市场核心竞争力。
采访中朱金童认为，"格创东智一直坚信，'做好工业软件，需要工业基因'。而这也是格创东智坚守工业AI最大的底气是，'从工业中来，到工业中去'。"
AI是制造业转型升级的强大引擎
从事物发展角度看，不管是工厂、城市、园区等，都符合熵增规律。即随着时间的推移，这个体系会增加各种各样的功能、模块，后续慢慢成长为一个复杂的系统，随之出现越来越多的管理对象。
此时对"集中管理"能力的要求"水涨船高"，一旦临界值出现，就需要打破现有体系，进行专业化分工管理，有人管生产、有人管设备、有人管工艺，但与专业化分工同时出现的问题是体系的"割裂感"。
以此，周而复始，不断循环的后果是越来越复杂，越来越割裂。这时候就需要新的解决方案，例如标准化SOP的出现，大家都在同样的SOP逻辑里按规则行事，做一些熵减的工作，来平衡这个体系。
AI的出现，最大的作用是这个"超级大脑"会将集中管理的临界阀值的指数级拉高，对管理的半径和能力也都是极大的扩容。其次，AI处处都会以"优化师"的身份，让熵增变慢，让熵减变快，一增一减将极大改善现有困境。
朱金童透露，"从工厂的角度看，工厂里最重要的投入之一就是设备，其次是原料、能耗、工艺等，以上所有都需要软件来管理。如出一辙的是，当越来越多的软件管理不过来的是时候，就需要AI来赋能。
"这也是格创东智一直坚持"AI+工业软件+智能装备"战略三支柱布局，围绕制造业生产、设备、品质、能碳、物流、供应链等场景化开展AI赋能的意义所在。
格创东智有两个非常核心的抓手：一是自研工业软件，二是深耕智能装备。软件+装备是两个轮子，AI是强大引擎，驱动两个轮子跑得更快。这样的战略布局，核心就是为了解决AI的工程化问题和熵增困境。
简单理解，一家纯AI公司，要服务某个工业客户去做产品研发或场景落地，这一切都得从0-1重新开发。这时候，AI更多的是一种"外挂"，无法融合其中。与之形成鲜明对比的是，格创东智在整个体系中，以智能装备为基础，直接将AI和工业软件嵌入其中，完成和周边系统的高度一体化集成。这时，围绕良率、能耗、供应链等项目的优化，在数据采集的丰富性、精准性，指令执行的响应速度、并发能力、兼容性、稳定性、可拓展性方面，都具有不可比拟的领先优势。
朱金童总结，"格创东智依靠自主研发的东智工业应用智能平台，构建从底层算法模型，到中间层核心产品，再到上层应用场景的一站式解决方案，不断夯实'设备连接+数据建模+应用赋能'核心能力，持续推进'AI+工业软件+智能装备'战略三支柱布局，是当下切入工业制造场景的最优解。"
工业AI发展的六大趋势判断
朱金童在采访中向亿欧网表示，在全面质量管理理论中，"人机料法环"是影响产品质量的五大主要因素。从工业AI对五大因素的影响分析，对人的影响无疑是最大的。
根据格创东智过去6年多的一线实践来看，目前AI产品在落地层面效果最为突出的主要表现在四个方面：
1、围绕能碳的优化和管理。格创东智推出针对能碳管理的Multi agent多智能体AI能碳大脑，基于大模型、AI算法、大数据、云计算等前沿技术，实现对企业能源输入、能源消耗、碳排放三大环节的数字化管理。
2、围绕品质管理。通过机器视觉技术，围绕玻璃或面板的缺陷检测提供软硬融合服务。
3、围绕半导体领域的设备recipe控制。格创东智把历史批次数据反控优参交给AI来做，联动RPA去模拟工程师操作设备，实现自感知自驱动的闭环，帮助半导体生产实现良率提升。
4、围绕物流自动化。基于AI算法与自动物流搬运硬件软件做协同，可以实现OHT天车搬运顺序最优、路径最快、效率最高。
以上四个方面，表面看是围绕业务和生产现场，通过数据分析，让生产计划、排产、调度效率以及工艺、流程、节拍、工况等情况"跃然脑海"，但背后最终都是服务于"人"。
举例来看，在半导体厂商中，大多数的设备都是日本、韩国、欧洲进口的，这些设备不会给国内开放API接口。当生产过程中的关键参数（温度、时间、压强、角度偏离等）出现预警时，就只能依赖工厂"老师傅"的经验去微调，很多工厂里老师傅即是关键，也隐含风险。
格创东智创造性的通过AI去联动RPA，通过RPA模拟人去操作控制电脑。此时，AI完成了从察觉、预警、决策、优化、自动调整全链路操作。当AI经验积累越多，就会成为新的老师傅，它会更稳定、也更具传承性。格创东智通过AI+RPA创新实现了感、知、动的AI全闭环，彻底的解放"人"。朱金童分析称，除了对人的影响外，工业AI在制造业还呈现出以下五大趋势：
1、未来AI Agent有可能从本质上改变制造业。制造业的不确定性永远需要人和AI去解决，因此AI Agent会以顾问的方式与人共存，未来是一种人机共存的生产模式。
现实的生产场景里，其实有很多类似于Agent的形态存在。
以MES（制造执行系统）为例，当下的MES只是触发式的，也就是出现问题会亮灯，但还需要人完成最后的问题处理。如果MES能结合大模型，它是可以实现无人干预的工厂生产方式。人从执行者变成了监督者，完成角色的转换。
2、只有把AI作为变革动力，才能真正发挥最大价值。
AI在制造业的应用成功与否，并不完全取决于技术本身。事实上，企业管理和态度是非常重要的影响因素。
今天，很多企业对于AI的态度是尝鲜，是工具，很少有企业把AI直接定位为"变革驱动力"并付诸行动的。企业变革涉及到组织（做事的人）、流程（做事的方法）和IT技术（做事的工具），AI能在一定程度上解决组织的问题，但更多的是解决流程和IT技术的问题。
如果不把AI作为直接变革动力，或者说不围绕AI来做转型升级，是很难真正用好AI，很难最大化的发挥AI价值。
3、短期来看，小模型比大模型更有效。
一个确定性的结论是，从行业目前的应用统计，小模型占主流。为什么生成式AI没法成为主流呢？
大模型出现的时候，格创东智内部激烈讨论过，大模型最后会以一种什么样的产品形态出现？最有可能的是Chatbot形态，这跟大模型承担的角色是息息相关的。但是工厂里大多数场景并不是人的对话场景，而是机器和机器的"对话"。
除了场景属性外，小模型在高可靠性、低延迟性、成本优势、快速部署、高效集成、灵活性和可扩展性、数据需求低且泛化能力强、降低能耗等方面都更契合生产制造业。
4、安全、自主、可控的工业AI是软实力的体现。
不管是大型央国企还是大型民营企业，成立数科公司已成"标配"。这对于全行业来讲，是一个共同繁荣。
打造安全、自主、可控的工业AI体系一定是大方向，只有这样才能将核心软实力掌握在自己手中。与之协同的是，算力平台建设，专业模型建设，数据治理建设都会成为配套。
这背后，AI对于产业的价值从场景驱动向数据、模型驱动演变，为企业带来巨大财富和资产的同时，也为AI培育出更加肥沃的土壤。
5、工业软件出海大势所趋，AI能力至关重要。
在全民出海"摧枯拉朽"阵势下，软件业出海成绩单亦非常亮眼。
今年前10个月，我国软件业务出口463.4亿美元，同比增长5.2%，达到过去一年来的峰值。为什么软件业出海，AI能力至关重要呢？
其一，对于软件行业本身来讲，"出海造船"是主流路径选择，沉淀在AI能力体系中的经验和智慧，成为出海的"压舱石"。
其二，相比国内人力成本优势，国外高昂的劳动力成本亟需AI来提质增效降本，从而减少对人工的依赖。
除此之外，搭载工业AI能力出海，适应全球化市场需求的同时，也是增强中国AI在全球的竞争力，抢占工业AI话事权的必然选择。