如何應用生成式AI打造制造業增長新引擎

作為“第四次工業革命的蒸汽機”——生成式AI的應用探索在當今已覆蓋制造行業的全生命周期，在產品研發設計、制造運營、供應鏈、營銷和銷售、智能客服及知識庫等方面帶來巨大業務價值。與此同時，隨著生成式人工智能浪潮興起，“人工智能+”也首次出現在今年兩會的政府工作報告中，并強調促進人工智能及大模型與實體經濟重點領域的深層次融合，打造數字產業集群，進一步推動制造業數字化轉型步伐。

　　根據波士頓咨詢公司最新報告顯示，制造業高管普遍將人工智能(包括生成式AI)列為可能對其運營產生積極影響的技術之首，并相信可以實現潛在的投資回報率。同時，根據MarketResearch預測，到 2032年，全球生成式AI技術在制造業的市場規模將從2022年的2.23億美元增長到2032年的63.99億美元左右，復合年增長率為41.06%。

　　用好生成式AI 以高質量數據為基石

　　制造業的生產、質檢、管理等各個環節都在持續、大量、快速地產生著數據。據估算，制造業每年大概可產生1,812PB的數據量，超過通訊、金融、零售等行業。然而，雖然制造行業擁有豐富的行業應用場景，卻經常面臨互不關聯、彼此孤立的數據源，導致基礎模型難以獲取經濟、安全、結構化且易于訪問的高質量數據集，從而面臨著海量數據陷入“孤島”的困境。

　　生成式AI需要大量數據來創建基礎模型，因此建立高質量、端到端的數據基礎是快速實現生成式AI技術在制造業應用落地的強大助推力。亞馬遜云科技通過提供端到端的數據戰略和服務，覆蓋從數據的攝入、存儲和查詢、數據庫、數據湖、到數據分析、商業智能(BI)及數據治理，再到人工智能與機器學習創新的各個環節，幫助企業充分挖掘數據價值與潛力，賦能企業下一階段人工智能技術的場景化應用。此外，將數據作為業務決策的核心還有一個關鍵環節，就是企業需要能夠連接所有數據，無論它們存儲在何處。亞馬遜云科技正在推動一個“Zero-ETL”的未來，讓客戶可以輕松集成來自整個系統的數據，而無需在不同服務之間提取、轉換和加載(ETL)數據，從而做出更高效、更明智的數據驅動決策。

　　西門子在亞馬遜云科技的助力下借助云原生的服務，聚焦以微服務化、事件驅動架構為核心的設計框架，通過整合多種分散的數據源，實現數據的集成化管理，打造了“大禹”數據平臺。而隨著生成式AI技術大熱，西門子基于大禹團隊前期已經建立的完善數據基礎，僅用三個月就完成了基于自有模型的智能知識庫暨智能會話機器人——“小禹” 的靈活構建。“小禹” 具備自然語言處理、知識庫檢索等核心關鍵能力，極大地提升了內部員工信息的獲取效率。用西門子集團 IT 數據分析與人工智能負責人的話來說“沒有‘大禹’，就沒有‘小禹’”，可見好的數據基礎可以為構建生成式AI的場景落地起到事半功倍的作用。

　　應用為王 找準核心應用場景

　　有了高質量的數據基礎，企業下一步就需要從實際應用與解決方案出發，將數字技術與核心業務有機融合，盡快部署生成式AI并從中發掘價值。對于To B端的制造業客戶來說，構建應用解決方案需要推理，其中不可避免的一個重要問題就是高企的推理成本。因此，制造企業亟需注重投入產出比，以 “應用為王” 為標準，找到模型精準度和推理成本之間的平衡點，在解決業務難題的同時實現理想的投入產出比。

　　亞馬遜云科技致力于推動生成式AI重塑制造業的增長路徑，通過降低構建生成式AI應用關鍵路徑的門檻，充分滲透制造業價值鏈場景。在與客戶緊密合作，深刻了解客戶痛點和需求的前提下，亞馬遜云科技與合作伙伴一道，針對制造業嚴重依賴人工參與的工業產品設計和營銷材料生成、企業內外部資料繁雜等具體業務場景，開發定制化解決方案，讓制造企業充分發揮生成式AI的潛力。

　　在工業產品設計領域，傳統工業的概念設計一般由人工手繪，需要應對設計周期較長，設計師的業務承載能力與快速增長的業務需求之間的挑戰，以及設計質量波動，產出質量因人員水準有差異、設計品質受人員流動影響等。上述因素綜合導致了概念設計階段人力成本耗費高、概念產出效率低、概念通過率低等問題。 亞馬遜云科技與合作伙伴共同開發生成式AI解決方案，通過文生圖，圖生圖等方案進行快速概念原型設計，可以一次性生成多張改良方案圖，方便客戶從中挑選最優方案。此外，客戶還可后續對所選素材進行針對性調整與優化，并一鍵提交集成渲染圖，有效簡化流程、降低概念設計成本，并加速整體的工業設計效率。

　　亞馬遜云科技合作伙伴計算美學Nolibox，基于亞馬遜云科技的服務，通過文生圖，圖生圖，幫助海爾創新設計中心打造了全國首個生成式AI工業設計解決方案。借助此方案，海爾創新設計中心的整體概念設計提速了83%。

　　在企業知識庫領域，據凱捷提供的數據顯示，當前有80%的企業數據是非結構化數據(文檔、幫助網站支持文檔等)。由于數據不斷激增，且通常較為分散，企業員工在查詢關鍵信息時，常面臨內容不準確，關鍵信息難以查詢等難點。亞馬遜云科技與合作伙伴一道利用生成式AI技術為客戶構建企業級智能知識庫，集合搜索引擎和大語言模型，從智能知識庫的架構設計、大語言模型預訓練、人工智能與機器學習技術等方面幫助客戶快速搭建知識庫對話應用，助力企業員工在知識庫中快速找到精準和高實效性的內容，將原始企業資料轉化為可利用的數字資產，可大幅提升生產與辦公效率，并提升客戶體驗。

　　某全球頭部家電客戶售后服務團隊壓力大、全球多語種知識庫欠缺、智能問答生成能力有限。亞馬遜云科技合作伙伴鴻翼科技借助亞馬遜云科技提供的知識庫、搜索引擎和大語言模型結合的方案指南，助力客戶快速構建起了可進行精準檢索和問答的企業知識庫，使得客戶在提升全球化售后客戶服務體驗的同時，將原始企業資料轉換成了可利用的數字資產。

　　大小模型協同發展　助力客戶應用落地“最后三公里”

　　制造業領域場景高度碎片化，同時擁有較高的行業知識壁壘。因此，對于制造業細分領域來說，很難有足夠多的核心工藝公開數據用來預訓練大模型，而通用大模型又無法滿足垂直場景的定制化需求。由此可見，制造企業無需一味追求模型越大越好，在特定任務與垂直場景下，小模型可以幫助企業在有限資源內實現高效的計算與推理。目前來看，在一定時間內，大模型與小模型共存仍是一個大趨勢。

　　此外，生成式AI應用落地的“最后三公里”十分關鍵，需要大量的工程化資源與投入，包括云計算基礎設施、數據工程、模型調優、用戶界面開發等。在生成式AI的應用的早期階段，亞馬遜云科技團隊秉承“扶上馬、送一程”的理念和實踐，基于豐富的專業技術支持資源，包括原型開發團隊、數據科學家、行業架構師、專業服務團隊等一系列工程化資源，與眾多合作伙伴一道幫助客戶真正解決應用落地的“最后三公里”。