我們距離真正的智能制造還有多遠？

　   當前，AI大模型在自然語言處理、圖像識別、語音識別等領域取得了不俗成就，市場規模也在快速增長。根據Precedence Research測算，預計到2032年，全球大模型市場規模將超過1100億美元。接下來，大模型向B端，尤其是向工業領域部署正成關注焦點。

　　工業領域嘗試大模型技術

　　2023年11月，工業巨頭西門子和全球最大軟件公司微軟宣布將為工業應用合作開展生成式人工智能。作為合作的第一步，雙方將推出一款聯合開發的人工智能輔助工具——西門子Industrial Copilot，以提升制造業中的人機協作能力。Industrial Copilot從西門子Xcelerator開放式數字商業平臺中獲取自動化和流程仿真信息，并利用微軟的Azure OpenAI服務增強用戶的數據能力。

　　借助該工具與西門子TIA博途系統的深度整合，可實現為可編程邏輯控制器(PLC)自動生成基礎虛擬任務和代碼，以處理大量重復性工作。

　　作為最早在工程設計階段采用生成式人工智能的企業之一，汽車零部件供應商舍弗勒(Schaeffler AG)計劃應用西門子Industrial Copilot，以期減少停機時間，并在后期為客戶提供服務。

　　不僅如此，按照在西門子的愿景設想，其人工智能輔助工具將被應用于制造業、基礎設施、交通運輸以及醫療等行業。

　　同時，為了提升團隊間虛擬寫作水平，西門子擬推出深度兼容微軟Teams的Teamcenter應用。該應用將西門子Teamcenter產品生命周期管理(PLM)軟件與微軟Teams協作平臺進行融合，以便于工廠一線工人和工程團隊獲取數據。

　　人工智能之路還很遠

　　盡管像ChatGPT等這類生成式人工智能技術正在備受推崇，但是它們距離真正的人工智能還很遠。“諸如ChatGPT、DALL-E等其他新一代人工智能技術，一直受到很大關注，但它們本質上是預測機器。”全球知名的管理咨詢公司麥肯錫在報告中如是描述。

　　換而言之，生成式人工智能可以高度準確地預測特定提示的答案，因為它們已經接受了大量數據的訓練。雖然效果令人印象深刻，但是它們在創造力、邏輯推理、感官感知和其他能力方面，還遠沒有達到人類的表現水平。相比之下，AGI(通用人工智能)工具可以具有與人類無法區分的認知和情感能力(如同理心)。

　　另外，根據IBM特約撰稿人Tim Mucci、作家Cole Stryker聯合的撰文指出，微軟和 OpenAI聲稱GPT-4 的能力非常接近人類水平，但大多數專家將其歸類為強大但狹隘的人工智能模型。IBM Watson等超級計算機可以分析大量數據，但是無論如何，這些都是狹義人工智能的例子。這些系統在其特定領域表現出色，但缺乏通用人工智能所設想的一般問題解決技能。

　　雖然 AGI 承諾的機器自主性遠遠超出了人工智能，但即使是最先進的系統仍然需要人類專業知識才能有效運行。建立一支擁有人工智能、深度學習、 機器學習(ML) 和數據科學技能的內部團隊是一項戰略舉措。最重要的是，無論人工智能的強度如何(弱或強)，數據科學家、人工智能工程師、計算機科學家和機器學習專家對于開發和部署這些系統都至關重要。

　　人工智能仍值得期待

　　盡管領導者對當前人工智能的優勢持保留態度，但組織正在積極投資新一代人工智能部署，大幅增加預算，擴大用例，并將項目從實驗過渡到生產。

　　Andreessen Horowitz數據顯示，2023年，被調查公司在基礎模型應用程序編程接口(api)、自托管和微調模型上的平均支出達到700萬美元。幾乎所有的受訪者都報告了人工智能實驗的早期成果，并計劃在2024年增加支出，以支持生產工作量。

　　另外，根據麥肯錫統計，目前全球大約有350 萬臺機器人在服役，且每年還會部署 55 萬臺機器人。盡管可編程機器人的比例越來越高，但它們要想超過人類，還有很長的路要走。

　　不過，隨著硬件和軟件的限制被克服，機器人供應商開始用新的人工智能工具和技術對單元進行編程。這些顯著提高了機器人執行通常由人類處理的任務的能力，包括行走、感知、通信和操縱物體。而隨著AGI技術的不斷成熟，我們可以期待越來越復雜的人工智能工具和技術被編程到各種機器人中，比如獨立的自主工業機器人(Stand-alone autonomous industrial robots:)、人類-混合機器人(Human–hybrid robots)等。