近一年來,以ChatGPT為代表的大模型技術引發通用人工智能新一輪發展熱潮,成為改變世界競爭格局的重要力量。圍繞人工智能治理的議題探討顯著增多,全球人工智能治理體系加速構建。與此同時,人工智能加速向各產業滲透,已成為促進新興產業與傳統產業、技術與社會跨界融合發展不可忽視的動力。
伴隨第四次工業革命以及工業數字化、網絡化、智能化發展的大浪潮,工業制造業持續深化探索人工智能融合創新及應用:深度學習、大模型等技術創新、組合賦能和工程化落地不斷加速;產業爆發期臨近,老玩家不斷推陳出新、新玩家入局積極活躍;一批新應用場景涌現,并不斷向研發、生產等核心環節滲透賦能,在更大范圍內發揮更核心的作用。
工業互聯網產業聯盟組織產業界系統梳理了相關內容,展開工業智能系列科普活動。
問:從技術視角來看,工業智能體系框架由幾個層級組成?
工業AI的技術體系由基礎支撐、算法技術、應用技術和工業適配技術四個層級組成,可劃分為算法技術+應用技術的核心賦能技術,以及基礎支撐+工業適配的工程化技術兩大類別。
核心賦能技術通過兩類方式賦能工業。主要包括以機器學習、深度學習和其他學習方式為主的數據科學;以專家系統、知識圖譜為代表的知識工程;以人機、類腦為代表的探索技術;以機器視覺、NLP和語音識別為代表的應用技術。一是基于算法技術針對工業具體環節和問題進行賦能,通過數據建模分析、大模型或知識圖譜構建等方式,解決工業領域的個性化場景問題,如生產制造過程參數優化、設備預測性維護、工業供應鏈優化等;二是通用應用技術的工業遷移,將視覺、語音等相對成熟應用技術直接遷移到工業領域,解決相似的工業問題,如表單識別、產品表面檢測、安全巡檢等。
工程化技術主要解決核心賦能技術落地推廣的關鍵問題:一是基礎支撐層,主要包括數據、芯片與計算模塊、開源計算框架等,涵蓋人工智能算法、算力、數據三大要素的后兩個,為工業算法模型提供軟硬件支持。二是工業適配技術,具體指為了適應工業領域特殊需求、解決前文所述融合技術問題、實現產業化相關的技術,如數據可用性、可解釋性、實時性與自動訓練等,工業適配層面的技術是驅動AI實際落地工業的關鍵。
問:從產業視角來看,工業智能體系框架由幾個層級組成?
AI與工業供給產業融合形成的核心產品、方案與服務,是AI賦能工業的主要載體。主要包括四個方面,按層級關系可分為基礎軟硬件、智能工業裝備、自動化與邊緣系統、平臺/工業軟件與方案。其中,基礎軟硬件是指各類芯片/計算模塊、AI框架、工業相機等相對通用的軟硬產品;智能工業裝備是融合智能算法能力的機器人、AGV、機床等通用/專用的工業生產制造裝備;自動化與邊緣系統主要指融合了智能算法的工業控制系統;平臺/工業軟件與方案既包括傳統單機軟件與AI融合升級,也包含各類具有AI能力的工業互聯網平臺及其衍生的解決方案、智能應用服務。
工業智能形成三類核心應用模式。工業智能已經在研發、生產、管理與服務等全環節形成各類智能化場景。一是識別類應用,與工業智能的應用技術相對應,包括工業視覺檢測、表單識別和工業語音信號識別等;二是數據建模優化類應用,與通用算法技術中的數據科學相對應,如基于機器學習、深度學習技術的智能排產、設備運維、工藝參數優化等;三是知識推理決策類應用,與通用算法技術中的知識工程相對應,如冶煉專家系統、設備故障診斷專家系統、供應鏈知識圖譜等。
圖:工業智能應用場景分布