热点:
    ZOL首页 > 云计算 > 正文

    加速数字化转型的制造行业 如何在生成式AI的浪潮中淘金?

      [  中关村在线 原创  ]   作者:徐鹏

    从制造大国到制造强国,从中国制造到中国智造,中国在工业制造领域的数字化之路从未停歇。可以说,制造业的整体水平与国家现代化的发展质量密切相关,在物联网、5G、边缘计算、云计算、AI等技术的创新浪潮之下,制造行业的数智化进程正在加速。无论是工业互联网还是数字孪生,企业纷纷在探索数实融合的全新可能性。“传统制造行业已进入了数字化转型的‘深化’阶段,更多的企业不再满足于简单的‘互联网+基础信息化’,而是希望将数字技术与核心业务有机融合,运用数据分析和人工智能提升企业运营,实现持续商业变革,深化数字化转型。”亚马逊云科技大中华区战略业务发展部总经理顾凡说。

    加速数字化转型的制造行业 如何在生成式AI的浪潮中淘金?
    亚马逊云科技大中华区战略业务发展部总经理 顾凡

    的确,很多制造型企业已经跨过机械化、进入了自动化的阶段,构建了相对完善的基础设施和工业体系。面对时下火热的生成式AI,不少企业纷纷将目光投向了人工智能和机器学习,IDC发布的《制造业现状及制造业企业对生成式AI的应用》研究报告显示,来自制造业的受访者认为,未来18个月内生成式AI可产生最大影响的前三大领域分别是制造(生产)、产品开发与设计、销售和供应链。根据德勤的调查:93%的公司认为,AI将改变制造行业驱动增长和创新的规则,也无疑会对制造业带来颠覆。

    不过,明确了方向不等于掌握了方法,相对传统的产业要想充分发挥生成式AI的技术红利并不容易,需要进行定义应用范围、模型选择,以及基础模型的调优和评估等工作。制造业场景碎片化程度高,供应链弹性较低,核心数据的保密程度很高,导致了有效数据较少,使得大模型预训练的质量较低。同时,制造企业需要基于大模型,把不同的工具应用在相应的场景中进行组合,协同起来实现降本增效,有时候也会有大模型和小模型共存的情况,要找到模型准确度和推理成本之间的平衡点。

    在顾凡看来,生成式AI在制造行业的应用主要有三个方面:

    一是工业设计,传统工业的概念设计一般由人工手绘,可能遇到的挑战包括:设计周期较长,设计师的业务承载能力与快速增长的业务需求之间的挑战;设计质量波动,产出质量因人员水准有差异、设计品质受人员流动影响等。上述因素综合导致了概念设计阶段人力成本耗费高、概念产出效率低、概念通过率低等问题。为此,亚马逊云科技与合作伙伴共同开发了生成式AI解决方案,例如,与合作伙伴计算美学(Nolibox)联合打造文生图、图生图等方案,进行快速概念原型和营销素材设计,可以一次性生成多张改良方案图,方便客户从中挑选最优方案;与合作伙伴神舟泰岳共同推出集群渲染方案,可弹性启动GPU资源,消除作业排队瓶颈;还可通过生成式AI图生文反向输入场景tag,通过文字描述,自动匹配场景tag后,批量渲染出图,此外,此方案还可进行批量设计评审,融合生成式AI的能力进行数字资产管理,集成设计流程优化、采集、搜索、入库、审阅、多人协作等,提升资产管理效率。

    海尔创新设计中心与计算美学Nolibox合作,基于亚马逊云科技的服务,打造了全国首个AIGC工业设计解决方案,大幅缩短设计周期,并降低概念设计成本。整体概念设计提速了83%,集成渲染效率提升了约90%。海尔创新设计中心使用了开源大模型Stable Diffusion,由计算美学设计了文生图、图生图的应用界面,在亚马逊云科技的平台上将概念图与渲染平台进行连接,再把成图之后的版权资产纳入数字化管理系统。

    二是市场营销,利用文生图、图生图等方案做市场营销材料,通过描述产品卖点,根据图库自动生成针对此产品并适用于不同传播渠道、线上线下的一整套市场营销材料。

    三是职能支持,当前有80%的企业数据是非结构化数据(文档、帮助网站支持文档等)。由于数据不断激增,且通常较为分散,企业员工利用关键词进行内部文档的搜寻时,常面临内容不准确、关键信息难以查询等难点。亚马逊云科技利用生成式AI技术构建企业级智能知识库,集合搜索引擎和大语言模型,能够助力企业员工在知识库中快速找到最为精准和实效性的内容,有效提升生产与办公效率。在亚马逊云科技的帮助下,西门子中国3个月即完成了基于自有模型的智能知识库暨智能会话机器人小禹的灵活构建,其具备自然语言处理、知识库检索、通过数据训练大语言模型等核心关键能力,大幅提升了内部员工信息的获取效率,上线首周有超过4000名员工使用,超过12000个问题被解答,此方案有效减少了人工成本,超过90%的问题可以由聊天机器人直接提供答案。

    事实上,作为全球最大的在线零售商,亚马逊公司以及亚马逊云科技自身也是制造“大家”。亚马逊公司的智能硬件产品如Kindle、Fire TV以及echo智能音箱、机器人等涉及庞大复杂的生产制造过程。亚马逊公司以及亚马逊云科技自研的IC芯片,更制造业的核心技术和工艺密切相关。在服务亚马逊的过程中,亚马逊云科技积累了丰富的制造业自动化和工厂运营的经验。因此,亚马逊云科技可以多年来通过数字化赋能制造业客户的经验,助力客户将数字技术与核心业务(产品研发设计,工厂运营,供应链管理和设备服务)有机融合,帮助客户运用数据分析和洞察提升企业运营,深化数字化转型。

    此外,亚马逊云科技拥有一个完备和强大的智能制造生态系统,其致力于与合作伙伴一起,为客户打造智能制造细分赛道“最后一公里”的解决方案。亚马逊云科技的合作伙伴既有像Advantech、Adlink、联想、埃森哲、德勤、达索、Infosys等著名国际公司,也有像中科云谷、树根互联,速石科技、中科创达、淄云科技以及众壹云等国内知名厂商。

    与生态伙伴合作的过程中,亚马逊云科技推出了一系列制造行业解决方案。在工程与设计领域,麦肯锡的研究表明,如果新产品的研发延迟6个月上市,将导致未来五年内利润减少33%。如何用数字化的工具和手段提升研发效率,对公司来说至关重要。亚马逊云科技会聚焦三个关键场景:计算辅助工程CAE、电子设计自动化EDA,以及设计和工程桌面和环境eVDI。NXP(恩智浦)自2017年起就与亚马逊云科技合作尝试云上EDA设计,借助高弹性算力,恩智浦可以同时推进多个项目的规模算力和敏捷性,并发运行数十个性能模拟,缩短获得结果的时间。2021年10月14日,恩智浦开始逐步将所有本地EDA设计迁移到亚马逊云端,实现“All in 亚马逊云科技”。

    在智能制造领域,85%的 OEE被认为是世界级标准的制造企业,但制造业目前众多企业还远远达不到这个标准。亚马逊云科技关注的关键场景包括工业数据平台、设备预测维护、工业视觉检测、以及生产和质量优化。通过使用亚马逊云科技的服务访问和分析不同的工厂数据,最大限度地提高生产力、资产可用性和产品质量。在数据底座上,数据平台的挑战来自于IT数据和OT数据的融合,融合后的工业数据平台,从数据的注入、存储、输入、分析再到支持人工智能的应用,有了这个底座可以在工业数据平台的基础上去构建一些OEE的关键应用场景。

    西门子成都工厂在亚马逊云科技的协助下,构建了一套云端训练本地推理的工业废料分拣系统,使得废料分类的准确率> 95%,危险废料达到100%,模型训练时间从10多个小时缩短至2小时,提高了5倍,节省人工成本,3名专职人员可以做其他工作。英威达(INVISTA)希望从商业智能转向人工智能来转变其运营方式,选择了亚马逊云科技作为首选云供应商,使用AWS Lake Formation实施基于Amazon S3的企业数据湖,利用Amazon Redshift(尤其是Amazon Redshift Spectrum)使数据分析师能够对TB级的数据执行复杂的查询。对于数据科学工作流程,英威达使用Amazon SageMaker以构建、训练和部署内部开发的第三方机器学习模型,系统实施后,英威达将600台本地服务器迁移到云上,包括多个制造应用程序和全球INVISTA SAP足迹,每年节省超过200万美元的成本,从全公司数据中创造了3亿美元的价值。

    在供应链管理领域,亚马逊云科技希望助力客户以数据来打通供应链各环节,使其可见、可控和优化,关注的场景包括需求预测,供应链可视追踪,库存优化和动态调度。其中,在供应链可视追踪场景,亚马逊云科技联合合作伙伴共同打造供应链可视追踪(控制塔)解决方案,覆盖供应链的端到端的业务领域。某高科技电子客户利用控制塔解决方案提升库存周转率,平均物料库存周转率缩短1天,降低物料运输成本,减少意外紧急叫料发运单数20%。

    在智能设备与服务领域,如何创造新的收入模式也是制造设备企业关心的问题。对于制造设备OEM企业来说,通过将硬件、软件和服务组合成一个紧密集成的定制解决方案,满足更广泛的客户需求,企业可以利用更快增长的利润池,实现更高的利润,并推动销售。在该领域,亚马逊云科技聚焦包括设备互联、设备监控和设备即服务等场景,可以帮助客户运用云技术构建智能的互联设备和增值服务,提供IoT、AI/ML和数据湖,帮助制造商收集、存储、分析设备数据并采取相应的行动。

    英格索兰(Ingersoll Rand)品牌专为全球不同行业提供专业压缩空气产品和解决方案。在亚马逊云科技的协助下,客户使用Amazon IoT核心服务搭建了Helix智联云产品,负责管理海量设备并安全地收集数据,并利用数据分析和洞察为用户提供增值服务,例如设备性能报告、故障诊断、远程操作和维修、备件服务等。搭载智能设备和服务的Helix智联云的产品上线,获得的收益包括:连接2000+台机器用于集中监控和报警;开启了新的“设备即服务”(Machine as a Service)模式;利用采集到的数据为用户提供新的增值服务,用户购买这些增值服务可以大幅改善空压机的运行效率和节省能源,这些用户付费的服务为英格索兰带来了两位数的新服务收入。

    通过EcoStruxure AI引擎,施耐德电气践行着“AI For all”的理念,旨在让企业内部所有人无需具备专业技术和编程知识都能获得与使用AI技术,帮助他们更好地解决业务问题,提升效率和创新能力。对此,亚马逊云科技可以为施耐德电气在AI领域的探索提供坚实的技术底座,利用亚马逊云科技的数据库、计算服务,以及Amazon SageMaker,施耐德电气打造了开放的AI平台,帮助开发人员和数据科学家快速构建、训练和部署机器学习模型,在云端实现数据存储和标注及模型训练、推理、部署、监控以及迭代更新等全流程,并把云端模型下发到产线边缘侧,执行边缘推理,有效帮助施耐德电气降低模型管理训练的复杂度。

    施耐德电气开放的AI平台还应用了Amazon Relational Database Service(Amazon RDS)服务,可以帮助客户在云中设置、操作和扩展关系型数据库;Amazon Elastic Container Service(Amazon ECS)是一种高度安全、可靠且可扩展的容器运行方式,施耐德电气使用Amazon ECS轻松部署、管理和扩展容器化应用程序,实现机器学习模型在生产线边缘设备的容器中的轻松部署和管理。

    施耐德电气全球供应链中国数字化转型总监冒飞飞称:“亚马逊云科技是施耐德电气在全球范围内的主要云服务提供商之一,我们双方的合作不仅在人工智能方面,在数据平台、数据中台,甚至是企业内部的业务系统,以及ESG的中央化平台领域,施耐德电气都在基于亚马逊云科技的服务打造相关解决方案,可以说,我们与亚马逊云科技的合作是全面且深入的。”

    施耐德电气的全球供应链拥有187家工厂,在中国拥有二十多家工厂。亚马逊云科技支持了施耐德电气在中国构建智能工业视觉质量检测解决方案——“云-边协同AI工业视觉检测平台”。该平台在云端实现数据存储和标注及模型训练,并把云端模型下发到产线边缘侧,执行边缘推理。该方案率先在施耐德电气武汉工厂上线,显著提高了生产线的检测效率,将误检率降低0.5%以内,实现了零漏检率。

    作为知名的智能操作系统产品和技术提供商,中科创达深入了解传统制造业发展需求和趋势。基于亚马逊云科技广泛而深入的云服务,中科创达打造技术底座,贯穿端、边、云,在生产连续性、业务全球化拓展、技术创新和安全合规等方面,持续赋能制造企业。双方自2017年就开展合作,共同开发人工智能方面的行业解决方案。2020年,中科创达成为首批在亚马逊云科技中国区域使用Amazon SageMaker的合作伙伴,并将Amazon SageMaker集成到中科创达智慧工业ADC(Automatic Defect Classification)系统中,让制造业客户可以在工业生产中轻松获得AI质检能力。在2022 re:Invent 全球大会上,中科创达成为全球首批获得Amazon SageMaker服务就绪计划的合作伙伴,使其TurboX Inspection工业视觉平台更好地为众多亚马逊云科技全球客户提供智能化升级服务。

    中科创达利用亚马逊云科技的技术与服务开发大语言模型“魔方大模型”,通过对大规模的训练数据和复杂的神经网络结构,此语言模型能够更准确地理解和生成人类语言,具备广泛的自然语言处理能力。同年5月,亚马逊云科技与中科创达宣布成立人工智能联合创新实验室。依托亚马逊云科技与中科创达的专业资源,双方将在生成式AI,企业知识库,数字化转型助手和大语言模型,赋能智能设备等领域进行深度合作与探索。联合创新实验室涵盖从创意、设计、演化、落地到优化的完整用户体验流程,双方将共同发掘创新体验场景,梳理用户体验旅程;通过引入最新AI技术构建行业通用的模型设计开发和应用方法,并在创新的业务场景中开发AI模型原型,快速迭代成数字化工具,以打造全新的行业方案,助力更多行业客户加速云上的数字化转型和业务创新。未来,中科创达将与亚马逊云科技深化合作,在AI赋能数字化转型、AI赋能智能制造、AI赋能智能汽车等领域开发定制化的解决方案。

    除此之外,亚马逊云科技还在企业出海和绿色发展方面为制造业提供了很大的帮助。出海方面,亚马逊云科技拥有高效的全球化运营基础设施,可以帮助企业实现在当地的本土化创新(如深圳天和荣借助Amazon Rekognition快速上线了人脸识别和人形侦测功能,借助亚马逊云科技AI能力,新功能开发时间平均降低40%,部分业务的开发周期甚至由一周缩短为一天),并且可以赋能企业打造智能的售后服务,提升消费者体验。(如美的全球智能客服中心项目在全球20多个国家采用Amazon Connect部署,实现了美的客户联络中心代际升级,以及快速部署与迁移,实现从用户触达、到服务完成的所有服务环节的闭环监控,不仅为终端客户交付更优质的客户体验,而且帮助分公司节约30%的成本。)值得一提的是,亚马逊自身的全球业务体系也可以很好地帮助构建渠道和生态,亚马逊的全球业务板块包括云服务、电商平台、广告业务、零售、支付、智能硬件、消费电子、物流等等,像是亚马逊电商、智能语音助手Alexa,都可以为客户提供支持全球业务扩展的更多资源和附加值。

    可持续性方面,亚马逊云科技提供了一整套从数据采集、能耗、到碳排放预测的端到端的绿色制造解决方案,方便企业查看自身的能耗和温室气体数据,可以发现异常情况进行及时修正,还可以生成碳排放报告供第三方核查,全方位助力制造业客户实现绿色转型。具体来说,亚马逊云科技在绿色制造里关注两个关键场景,一是如何进行工业设备的能耗管理和节能优化,二是怎样更准确地进行碳排放的计量,生成碳足迹的报告。

    对此,亚马逊云科技与合作伙伴的工业节能方案,能够使用物联网技术监控工业设备运行的状态和碳排放量,再基于大数据、人工智能技术对能耗设备进行智能调度和控制,碳排放计量解决方案主要是优先满足碳排放的计算跨行业、跨国内外的标准差异化问题,再帮助客户实现真正的精准统计和计算,才有机会从数据中得到洞察,再下一步指导行动。

    某医疗科技企业将亚马逊云科技和合作伙伴共同合作的节能方案应用于中央空调设备,预测性维护能保障中央空调系统和设备始终处于健康状态,节能10-20%,智控节能提高设备启停控制和参数调节两项控制水平,可再节能20-30%。系统上线后,经过测算,空调系统节能降耗19%,年节省电?110万度/年,节省电费100万元/年。汽车生产过程中碳排放的10%以内来自整车制造商,剩下90%的碳排放主要来源于供应链,收集供应商的碳排放迫在眉睫。某汽车供应商利用亚马逊云科技的解放方案基于碳数据湖,收集企业的能耗数据,计算碳排放,并实现仪表板的可视化, 帮助该企业更好地管理碳排放。

    顾凡表示:“生成式AI正在加速制造业的创新与变革。生成式AI将为中国制造企业进一步赋能,提供‘颠覆性’创新与变革。亚马逊云科技致力于推动生成式AI重塑制造业的增长路径,通过降低构建生成式AI应用关键路径中的门槛,充分渗透进制造业价值链场景,与合作伙伴一道提供行业领先的端到端技术解决方案,在工业设计、营销创意、知识库等场景开发定制化解决方案,让制造企业充分发挥生成式AI的潜力。”

    本文属于原创文章,如若转载,请注明来源:加速数字化转型的制造行业 如何在生成式AI的浪潮中淘金?https://cloud.zol.com.cn/846/8467722.html

    cloud.zol.com.cn true https://cloud.zol.com.cn/846/8467722.html report 13033 从制造大国到制造强国,从中国制造到中国智造,中国在工业制造领域的数字化之路从未停歇。可以说,制造业的整体水平与国家现代化的发展质量密切相关,在物联网、5G、边缘计算、云计算、AI等技术的创新浪潮之下,制造行业的数智化进程正在加速。无论是工业互联网还是数字...
    • 猜你喜欢
    • 最新
    • 精选
    • 相关
    0

    下载ZOL APP
    秒看最新热品

    内容纠错