人工智能正憑借其強大的信息處理、數(shù)據(jù)分析、預測和決策能力等，推動制造業(yè)的轉型升級。然而，當前制造業(yè)的人工智能應用落地仍面臨諸多挑戰(zhàn)，面向未來的新一代智能制造生產(chǎn)流程亟需基于之前的既有方案進行全面革新。

制造業(yè)AI應用現(xiàn)狀與痛點

中國制造業(yè)占全球制造業(yè)35%的市場份額，是AI大模型應用的主戰(zhàn)場。但目前AI在制造業(yè)的應用主要集中于物流、質(zhì)檢等環(huán)節(jié)，較少進入生產(chǎn)、控制環(huán)節(jié)。且大模型對應用的賦能程度低，多數(shù)制造企業(yè)僅將AI作為知識庫，遠未達到預測判斷、自主決策的應用水準。

北京電子數(shù)智科技有限責任公司（以下簡稱“北電數(shù)智”）戰(zhàn)略與市場負責人楊震指出：制造業(yè)對大模型的準確性、穩(wěn)定性要求高，而行業(yè)存在數(shù)據(jù)斷點多、數(shù)據(jù)基礎差、專業(yè)壁壘高等問題。此外，中國制造企業(yè)數(shù)字化基礎薄弱，工業(yè)軟件、算力設施等基礎較差，數(shù)據(jù)積累有限。不同制造環(huán)節(jié)和場景的業(yè)務數(shù)據(jù)相互割裂，難以有效串聯(lián)。同時，制造業(yè)工藝生產(chǎn)流程復雜，業(yè)務知識難以高效沉淀。

大模型落地制造業(yè)的關鍵要素

工業(yè)生產(chǎn)的特性決定了其對大模型有獨特需求。：

算力端：制造業(yè)對算力需求從以云為主向云端結合發(fā)展，端側/邊緣側推理大模型成未來趨勢，AI處理重心轉向端云協(xié)同或云邊結合。

數(shù)據(jù)側：海量高質(zhì)量工業(yè)數(shù)據(jù)、語料庫是制造業(yè)大模型落地的關鍵，能提高大模型智能化程度，減少幻覺。

工具端：低門檻開發(fā)和輕量化部署是工業(yè)大模型探索重點，可減少企業(yè)試錯成本，加速大模型落地。

模型端：通用大模型快速迭代的同時，專用大模型能力也要升級，兩者結合才能滿足制造業(yè)應用場景需求。

北電數(shù)智解決方案

北電數(shù)智戰(zhàn)略與市場負責人楊震認為：大模型落地制造業(yè)，想打破“木桶效應”不能僅依靠大模型提供動力升級，還需要智能化升級生產(chǎn)設備、生產(chǎn)系統(tǒng)，完成整個AI生產(chǎn)線的搭建。北電數(shù)智擁有從算力、算法到數(shù)據(jù)全棧產(chǎn)品，可提供整個AI工廠的生產(chǎn)線建設。

算力層：提供混元異構的算力集群，讓國產(chǎn)和進口算力協(xié)同作戰(zhàn)，形成虛擬GPU算力池，并能根據(jù)用戶需求靈活調(diào)配。通過結合工業(yè)大模型的訓推渲染能力和GPU智算云的一體化架構，北電數(shù)智將大模型技術與工業(yè)場景業(yè)務相結合，提供配套的多元異構GPU智算中心資源作為算力支撐，為工業(yè)制造企業(yè)提供從硬件資源層到應用層的全鏈路的系統(tǒng)解決方案。

模型層：寶塔?模型適配平臺能適配各類主流算法框架和套件，已適配多款基礎通用大模型并深化打造垂類行業(yè)大模型。

數(shù)據(jù)層：紅湖?可信數(shù)據(jù)空間，支持央國企數(shù)據(jù)本地運行，保護用戶隱私，通過大模型與本地數(shù)據(jù)結合，為用戶提供多種應用服務。依托紅湖·可信數(shù)據(jù)空間，工業(yè)產(chǎn)業(yè)數(shù)據(jù)要素能夠在可信環(huán)境中實現(xiàn)匯聚、流通和使用，實現(xiàn)數(shù)據(jù)可信、可用、可控、可審計和隱私保護。一體化“可信”解決方案提供AI時代高質(zhì)量數(shù)據(jù)服務，繁榮生態(tài)、賦能產(chǎn)業(yè)。

北電數(shù)智在算力、數(shù)據(jù)、工具、模型等關鍵要素上發(fā)力，提出了全面且極具針對性的解決方案，有望與各方一起推動制造業(yè)實現(xiàn)智能化轉型升級，加速第四次工業(yè)革命在中國的到來。

更多資訊，可移步“北電數(shù)智AI江湖”小程序查看。