工業(yè)智能體落地仍有三道坎

ROBOT INDUSTRY

今年的政府工作報告提出，持續(xù)推進“人工智能+”行動，將數(shù)字技術(shù)與制造優(yōu)勢、市場優(yōu)勢更好結(jié)合起來，支持大規(guī)模廣泛應(yīng)用。這是“人工智能+”第二次被寫入政府工作報告，與去年側(cè)重于技術(shù)研發(fā)和產(chǎn)業(yè)集群建設(shè)不同，今年的提法更側(cè)重于技術(shù)的落地應(yīng)用，將人工智能的應(yīng)用重點指向了制造業(yè)。

振華重工利用基于書生·浦語自研的多任務(wù)AI智能體將圖紙設(shè)計、物資采購、生產(chǎn)進度、船期信息、船運計劃整合，實現(xiàn)跨平臺跟蹤，作業(yè)效率大大提升；上汽乘用車通過豆包大模型及AI智能體讓用戶心聲直達研發(fā)端，驅(qū)動車企快速迭代和優(yōu)化產(chǎn)品；在寶武鋼鐵，華為工業(yè)智能體通過高爐爐況優(yōu)化，每年可以為寶鋼降本超過10億元……

作為新型工業(yè)化發(fā)展的核心驅(qū)動力，工業(yè)智能體正加速向我們走來。然而，值得關(guān)注的是，受限于技術(shù)成熟度、場景復(fù)雜度以及市場供需情況等多方面因素的影響，現(xiàn)階段工業(yè)智能體的落地仍面臨諸多挑戰(zhàn)。

1

技術(shù)成熟度尚不及預(yù)期

伴隨智能體概念大火，市面上涌現(xiàn)出了各種各樣的“工業(yè)智能體”產(chǎn)品和解決方案。從市場反饋來看，業(yè)界普遍對AI智能體的發(fā)展前景持樂觀態(tài)度。然而，阿里巴巴達摩院決策智能實驗室研究員王孟昌表示：“工業(yè)系統(tǒng)是受物理約束和資源約束的經(jīng)濟工程系統(tǒng)，并且處于持續(xù)變動的外部環(huán)境之中，單純基于昨天經(jīng)驗的‘?dāng)?shù)據(jù)驅(qū)動’方案通常無法很好地適應(yīng)今天的問題。”

他認為，不深入系統(tǒng)機理、單純指望“堆”數(shù)據(jù)和硬件的方案，并不能算作真正的工業(yè)智能體。

只有能夠準(zhǔn)確地感知和預(yù)測工業(yè)系統(tǒng)的狀態(tài)、并在自主決策中嚴格遵守數(shù)量關(guān)系和安全邊界約束的產(chǎn)品，才能夠被稱之為“工業(yè)智能體”。

鼎捷數(shù)智執(zhí)行副總裁劉波指出，“要衡量一個產(chǎn)品是不是真正的工業(yè)智能體，首先要看它是否具備工業(yè)智能體的核心‘標(biāo)簽’，如是否能實現(xiàn)基于數(shù)據(jù)感知‘自主決策’，是否是‘智能生成驅(qū)動’等；其次，還要從核心技術(shù)、可視化展現(xiàn)、研發(fā)投入、應(yīng)用案例等進行多維度的綜合評估。”

鼎捷數(shù)智積極打造“工業(yè)智能體”

工業(yè)智能體并非單一技術(shù)，而是一個融合了多領(lǐng)域前沿技術(shù)的綜合智能系統(tǒng)。“客觀來講，多數(shù)智能體的發(fā)展還處于初級階段，局限在為大語言模型添加基礎(chǔ)的規(guī)劃能力和工具調(diào)用（或者說函數(shù)調(diào)用）功能，在簡單場景中可以選擇正確的工具完成任務(wù)，但面對更復(fù)雜、更個性化的場景時，技術(shù)成熟度仍顯不足，尤其缺乏原創(chuàng)性、顛覆性的技術(shù)突破。”劉波表示。

國家工業(yè)信息安全發(fā)展研究中心劉勁松等專家近期發(fā)布的研究報告顯示，工業(yè)智能體技術(shù)鏈仍存在硬件、軟件、算法等核心環(huán)節(jié)自主化程度低、生態(tài)體系薄弱等瓶頸，導(dǎo)致產(chǎn)業(yè)發(fā)展受制于外部技術(shù)壁壘。比如，硬件技術(shù)方面，高端工業(yè)傳感器、邊緣計算芯片、高精度伺服系統(tǒng)等核心器件國產(chǎn)化率不足30%，供應(yīng)鏈穩(wěn)定性受地緣政治影響較大。而在軟件技術(shù)方面，研發(fā)設(shè)計類（CAD、CAE等）、生產(chǎn)控制類（PLC、DCS等）、運營管理類（ERP、MES等）等工業(yè)軟件市場長期被國外品牌壟斷，國產(chǎn)軟件在復(fù)雜場景適配、多系統(tǒng)兼容性等方面存在明顯短板。算法方面，自主創(chuàng)新的工業(yè)級深度學(xué)習(xí)模型、強化學(xué)習(xí)策略及數(shù)字孿生推演算法儲備不足，底層架構(gòu)對工業(yè)機理模型的融合能力較弱。

這些技術(shù)瓶頸使工業(yè)智能體從概念走進真實應(yīng)用場景面臨挑戰(zhàn)。“制造業(yè)通常涉及化學(xué)、機械、材料等多學(xué)科工藝疊加（如半導(dǎo)體光刻與蝕刻需嚴格溫度、壓力協(xié)同），導(dǎo)致智能體往往需處理超大規(guī)模非線性變量，這類場景通常需要更專業(yè)的數(shù)值方法，通用的‘?dāng)?shù)據(jù)驅(qū)動’等方法并不適用；同時，制造業(yè)中大量關(guān)鍵環(huán)節(jié)依賴專家經(jīng)驗，可獲取的數(shù)據(jù)量小，數(shù)據(jù)標(biāo)注成本極高；此外，制造系統(tǒng)中的高安全性要求，對智能體的性能和可靠性要求極高；另外，制造業(yè)的數(shù)據(jù)條件（如數(shù)據(jù)協(xié)議、數(shù)據(jù)質(zhì)量等）通常較差，數(shù)據(jù)整理和清洗成本高，智能體部署難度大。”王孟昌分析稱。

2

工業(yè)場景適配性參差不齊

不同于其他行業(yè)，制造業(yè)場景中，生產(chǎn)設(shè)備、物料流動、環(huán)境變量都是實體的、動態(tài)的，要求智能體必須具備實時、精準(zhǔn)的狀態(tài)感知與場景理解能力，對工業(yè)智能體的決策邏輯和決策的可靠性提出了很高的要求。比如，在高速生產(chǎn)線上，工業(yè)智能體需要在極短時間內(nèi)做出決策，但一些復(fù)雜算法運算時間長，很難滿足實時控制需求。

黑湖科技創(chuàng)始人周宇翔表示，“智能體實際上應(yīng)該是一個‘永不掉線’的實時決策引擎，其內(nèi)部狀態(tài)與物理世界緊密同步，需要保障智能決策與產(chǎn)線運行的高一致性。同時制造業(yè)訂單、工藝、設(shè)備狀況瞬息萬變，智能體需在復(fù)雜多變中持續(xù)保持最優(yōu)或可行決策。”

工業(yè)智能體可實時跟蹤訂單執(zhí)行情況

業(yè)內(nèi)普遍認為，工業(yè)智能體的部署和實施是一個系統(tǒng)性工程，不能一蹴而就。TCL格創(chuàng)東智工業(yè)智能事業(yè)部總經(jīng)理朱金童指出，要從場景出發(fā)，通過需求和目標(biāo)的分析，找到可以充當(dāng)整個體系中智能體的關(guān)鍵單元，可以是硬件或者軟件，并且要明確企業(yè)期望智能體解決的問題，如提高生產(chǎn)效率、優(yōu)化供應(yīng)鏈管理等，然后根據(jù)需求選擇合適的技術(shù)框架和算法，搭建智能體模型。

其中，數(shù)據(jù)是智能體的“燃料”，需收集和整合企業(yè)內(nèi)部的生產(chǎn)數(shù)據(jù)、設(shè)備數(shù)據(jù)以及外部的市場數(shù)據(jù)等，并進行清洗和預(yù)處理，確保數(shù)據(jù)質(zhì)量。在部署階段，要考慮工業(yè)智能體與現(xiàn)有工業(yè)系統(tǒng)的兼容性，應(yīng)采用云邊協(xié)同的方式，將部分智能體部署在邊緣設(shè)備以實現(xiàn)實時響應(yīng)，部分復(fù)雜處理在云端完成。最后，持續(xù)對智能體進行訓(xùn)練和優(yōu)化，根據(jù)實際運行反饋調(diào)整模型參數(shù)。

不過，并非所有工業(yè)場景都適合立即部署工業(yè)智能體。優(yōu)先部署的場景應(yīng)具備痛點明確且數(shù)據(jù)可獲取的特點。“基于機器視覺的輔助質(zhì)量檢測場景有望率先落地，原因在于場景封閉，受環(huán)境影響小，數(shù)據(jù)采集效率高。另外，一些數(shù)據(jù)條件良好，可以建立優(yōu)化決策模型的場景也有望順利落地，在智能體中嵌入相應(yīng)的優(yōu)化模型和求解器，可實現(xiàn)自主、安全、高效的決策。”王孟昌表示。

數(shù)據(jù)可獲取性、標(biāo)準(zhǔn)化程度以及業(yè)務(wù)場景的迫切度等因素將直接影響到工業(yè)智能體的落地進展。“像研發(fā)設(shè)計、生產(chǎn)制造、供應(yīng)鏈管理、質(zhì)量控制等環(huán)節(jié)，往往能夠產(chǎn)生大量可用于分析的數(shù)據(jù)，且這些環(huán)節(jié)的業(yè)務(wù)流程更加標(biāo)準(zhǔn)化，便于工業(yè)智能體的實施和集成。”劉波表示。

3

商業(yè)化路徑有待探索

盡管工業(yè)智能體的應(yīng)用前景被業(yè)界看好，但制造業(yè)企業(yè)的AI投入意愿和能力存在差異，尤其是很多中小企業(yè)面臨“不會用、用不起”的雙重困境。劉波舉例說道：“工業(yè)數(shù)據(jù)來源廣，噪聲多，標(biāo)注成本高，構(gòu)建數(shù)據(jù)標(biāo)準(zhǔn)化及清洗，是一個復(fù)雜的過程，需要大量人工介入，成本非常高。與此同時，算力構(gòu)建成本高，企業(yè)前期投資和運營成本是阻礙工業(yè)智能體落地的一個因素。此外，企業(yè)技術(shù)人才和技能缺口明顯，缺乏足夠的AI技術(shù)人才和技能來開發(fā)、部署和維護工業(yè)智能體。”

周宇翔指出，許多人對工業(yè)智能體的理解仍舊是將它作為一種輔助工具，但工業(yè)智能體應(yīng)該是打通制造業(yè)全流程的“如影隨形”的存在，這就需要轉(zhuǎn)變對于工業(yè)智能體的認知。不應(yīng)僅將智能體視為一個簡單的工具，而是要將其視為工業(yè)體系的原生中樞而非輔助工具。在技術(shù)層面，構(gòu)建以其為內(nèi)核的工業(yè)操作系統(tǒng)；在組織形態(tài)層面，構(gòu)建動態(tài)的新型的交互關(guān)系，在產(chǎn)業(yè)協(xié)作上去打通各流程，真正去釋放工業(yè)智能體的潛力。

從技術(shù)提供方來看，目前主要有三類參與者有望快速走通工業(yè)智能體的商業(yè)化路徑：一是大型科技公司，如華為、阿里等，這些公司通常擁有先進的算法、大數(shù)據(jù)處理能力和云計算資源，能夠提供從底層模型到上層應(yīng)用的全棧解決方案，它們依托強大的技術(shù)實力和豐富的行業(yè)經(jīng)驗，已經(jīng)在多個工業(yè)領(lǐng)域?qū)崿F(xiàn)了相關(guān)技術(shù)落地；二是專注于垂直行業(yè)的解決方案提供商，如鼎捷，此類公司對行業(yè)有深入的理解，能夠提供定制化的工業(yè)智能體解決方案；三是與行業(yè)領(lǐng)導(dǎo)者合作的企業(yè)，此類企業(yè)具有較強的合作能力和資源整合能力，能夠快速獲得市場認可和信任，加速產(chǎn)品的商業(yè)化進程。

“制造業(yè)供應(yīng)鏈通常涉及多個供應(yīng)商、制造商、分銷商和客戶等，工業(yè)智能體需要打通這些環(huán)節(jié)，則依賴生態(tài)鏈伙伴的大力配合。”劉波表示。他建議，一方面，應(yīng)加強技術(shù)研發(fā)與創(chuàng)新的投入，投入更多資源進行人工智能、機器學(xué)習(xí)、大數(shù)據(jù)分析等關(guān)鍵技術(shù)的研發(fā)，以提高工業(yè)智能體的性能和適應(yīng)性；另一方面，應(yīng)制定工業(yè)智能體的技術(shù)標(biāo)準(zhǔn)和應(yīng)用規(guī)范，促進工業(yè)智能體的快速推進。同時，還要加強企業(yè)、高校和研究機構(gòu)之間的合作，共同進行技術(shù)研發(fā)和應(yīng)用推廣，并在重點行業(yè)和關(guān)鍵領(lǐng)域建立示范項目案例，展示工業(yè)智能體的應(yīng)用效果，引導(dǎo)更多企業(yè)跟進。

作者：《中國電子報》記者宋婧

閱讀更多內(nèi)容，歡迎訂購《機器人產(chǎn)業(yè)》雜志。

點擊跳轉(zhuǎn)！圈內(nèi)人都在看的專家觀點