近日，创新奇智接受虎嗅智库关于“生成式AI如何助力制造企业优化生产制造流程？”的访谈。如下内容转载自虎嗅智库，在不改变原意的基础上略作删减。
在智能制造的大背景下，生成式AI不仅能够在生产计划、设备维护、质量控制等多个环节发挥关键作用，还能通过大模型算法显著提升生产效益、降低故障率、提高检测效率。
通过详细的案例调研和分析，虎嗅智库总结出当下生成式AI在工业生产中的落地应用的趋势：
核心观点：
1、在生产经营管理环节，基于大语言模型新增智能问答、数据分析等能力成为主流。
2、在生产工艺优化环节，基于大模型形成的智能工艺推荐算法、数据治理和分析、知识问答等能力成为主流。
3、 在生产过程管控环节，构建行业级生产线优化模型成为智能化能力提升的探索焦点。
生成式AI大模型在工业领域正在逐渐形成新的应用范式
生成式AI能够通过分析大量数据集来“学习”并生成新的内容，这一能力也使得它在提高企业智能制造效率方面有着巨大潜力。在制造流程中，生成式AI可以应用于生产计划制定、设备维护、质量控制等多个环节和场景，通过大模型算法大幅提升生产效益。
目前，生成式AI在智能生产制造领域已有一些成熟的应用场景。
例如，在预测性维护方面，通过对设备运行数据的实时监控和分析，生成式AI能够预测设备的故障趋势，提前进行维护，降低设备故障率；在智能质量检测方面，生成式AI可以自动识别和分类产品缺陷，提高检测效率和准确性；此外，还有知识问答类应用，比如员工培训、知识检索和智能营销/客服场景。
未来，生成式AI在智能制造领域将有更多落地应用的可能性。
例如，在供应链协同方面优化物料采购、库存管理和物流配送等环节的响应速度和效率；在人机交互方面通过RPA+agent替代人类去执行一些繁琐或者是流程化的任务；在企业私域视觉洞察应用方面通过自然语言交互的方式实时分析监控画面进一步发现潜在的不合规行为；在工业设计方面迅速理解设计师的创意意图并自动生成符合要求的工业设计图；在工艺优化方面通过模拟和分析生产过程找到最优的生产工艺参数，提高生产效率和产品质量等。
图1：生成式AI大模型在智能制造各个领域的应用
总的来说，短期内，生成式AI大模型已经在研发设计规划、生产过程管控、经营管理优化、产品服务优化等环节展现出其潜力，降本增效的同时为制造业带来了价值创新。长期来看，大模型的应用会渗透到工业机理，从设计研发到生产制造再到运营管理，打通制造全链条。数据驱动，软件定义，从本质上改变制造业的底层逻辑。
生成式AI在智能生产制造领域的成熟应用案例
生成式AI的探索覆盖了制造业的研发设计与规划、生产过程管控、经营管理优化、产品服务优化等全生命周期。生成式AI大模型能力覆盖结构化数据、文本、图像、音视频等多个领域生成，目前已经有了基于数据分析的生产经营管理优化、基于数据治理的生产工艺优化、基于数据管理的生产产线优化等相关的工业制造等多场景应用案例。
案例1：大模型支持的ChatBI生成式企业私域数据分析 在生产经营管理环节，基于大语言模型新增智能问答、数据分析等能力成为主流。例如创新奇智大模型支持的ChatBI生成式企业私域数据分析，就能够帮助客户以对话的形式了解产线设备的运营状态。 以某新材料企业工厂的私域数据分析项目为例，该项目面临的主要挑战是在实现了数字化和信息化后，客户面对海量的生产数据，对数据洞察的需求更加迫切。传统的生产场景中，需要专人制造上百张动态报表来分析生产情况，但仍然很难涵盖管理者的全部需求。针对这一问题，创新奇智基于AInnoGC工业大模型的ChatBI产品结合工业软件为客户打造智能生产制造数据分析方案，帮助用户实时获得海量生产数据的深度洞察。 比如：客户希望了解产线设备的开机率变化，只需通过对话来询问：“2023年10月份101产线103炉位的开机率”，ChatBI就可以自动查询并以图表的方式反馈10月份该炉位每天的开机率及变化趋势，在这个基础上可以继续追问，实现多轮对话。 当ChatBI生成了各种各样客户想要的报表后，只需要通过简单的点击、拖拽的操作，就快速制作出车间的生成数据看板，为企业的各级管理人员提供深度数据分析和洞察。ChatBI支持多种格式的数据源、支持SQL代码的展示、利用主动召回技术给出更专业和精确的答案、以及高级别的数据安全保障, 可以让用户操作起来更加方便和安全。 图2：创新奇智基于AInnoGC工业大模型的ChatDoc产品 另外，在工厂的设备维修过程中，维修人员进行设备故障诊断及设备参数调整时，对于各种复杂的现场情况，需要花费大量时间进行专业资料查询。通过ChatDoc，维修人员仅需语言描述现场情况，即可获得所需信息，从而显著减少故障排查时间，提升设备维修效率。
生成式AI大模型在制造业领域深入发展仍面临一些挑战
依托大模型的工业智能体、具身智能机器人等有可能改变工业大生产的底层逻辑，存在的市场空间和机会是巨大的，但挑战也很明显，比如是否有端到端的全栈技术，不被卡脖子、具备自我迭代和发展能力都是关键。另外，还有大模型对行业know-how的理解、安全保密等一系列因素的考量。
结语
对于制造业企业而言，引进生成式AI技术改善生产制造流程是一个值得尝试的方向。制造业企业在引进生成式AI技术时，应综合考虑应用场景、技术适配、成本效益以及人才和技术合作等多个方面。
在引进过程中，企业应首先明确自身的需求和目标，选择适合的生成式AI技术和应用场景。同时，生成式AI技术的有效应用依赖于大量高质量的数据，加强数据管理和技术团队建设，构建规模化的大模型工业数据资源池，确保AI技术的顺利应用。此外，最重要的一点是不要观望，要积极拥抱新的技术和新的发展趋势，有时候需要果断一点，如果拿不准，可以先从边缘的业务的领域尝试。先做起来，就成功了一半。