近一年来,以ChatGPT为代表的大模型技术引发通用人工智能新一轮发展热潮,成为改变世界竞争格局的重要力量。围绕人工智能治理的议题探讨显著增多,全球人工智能治理体系加速构建。与此同时,人工智能加速向各产业渗透,已成为促进新兴产业与传统产业、技术与社会跨界融合发展不可忽视的动力。
伴随第四次工业革命以及工业数字化、网络化、智能化发展的大浪潮,工业制造业持续深化探索人工智能融合创新及应用:深度学习、大模型等技术创新、组合赋能和工程化落地不断加速;产业爆发期临近,老玩家不断推陈出新、新玩家入局积极活跃;一批新应用场景涌现,并不断向研发、生产等核心环节渗透赋能,在更大范围内发挥更核心的作用。
工业互联网产业联盟组织产业界系统梳理了相关内容,展开工业智能系列科普活动。
问:从技术视角来看,工业智能体系框架由几个层级组成?
工业AI的技术体系由基础支撑、算法技术、应用技术和工业适配技术四个层级组成,可划分为算法技术+应用技术的核心赋能技术,以及基础支撑+工业适配的工程化技术两大类别。
核心赋能技术通过两类方式赋能工业。主要包括以机器学习、深度学习和其他学习方式为主的数据科学;以专家系统、知识图谱为代表的知识工程;以人机、类脑为代表的探索技术;以机器视觉、NLP和语音识别为代表的应用技术。一是基于算法技术针对工业具体环节和问题进行赋能,通过数据建模分析、大模型或知识图谱构建等方式,解决工业领域的个性化场景问题,如生产制造过程参数优化、设备预测性维护、工业供应链优化等;二是通用应用技术的工业迁移,将视觉、语音等相对成熟应用技术直接迁移到工业领域,解决相似的工业问题,如表单识别、产品表面检测、安全巡检等。
工程化技术主要解决核心赋能技术落地推广的关键问题:一是基础支撑层,主要包括数据、芯片与计算模块、开源计算框架等,涵盖人工智能算法、算力、数据三大要素的后两个,为工业算法模型提供软硬件支持。二是工业适配技术,具体指为了适应工业领域特殊需求、解决前文所述融合技术问题、实现产业化相关的技术,如数据可用性、可解释性、实时性与自动训练等,工业适配层面的技术是驱动AI实际落地工业的关键。
问:从产业视角来看,工业智能体系框架由几个层级组成?
AI与工业供给产业融合形成的核心产品、方案与服务,是AI赋能工业的主要载体。主要包括四个方面,按层级关系可分为基础软硬件、智能工业装备、自动化与边缘系统、平台/工业软件与方案。其中,基础软硬件是指各类芯片/计算模块、AI框架、工业相机等相对通用的软硬产品;智能工业装备是融合智能算法能力的机器人、AGV、机床等通用/专用的工业生产制造装备;自动化与边缘系统主要指融合了智能算法的工业控制系统;平台/工业软件与方案既包括传统单机软件与AI融合升级,也包含各类具有AI能力的工业互联网平台及其衍生的解决方案、智能应用服务。
工业智能形成三类核心应用模式。工业智能已经在研发、生产、管理与服务等全环节形成各类智能化场景。一是识别类应用,与工业智能的应用技术相对应,包括工业视觉检测、表单识别和工业语音信号识别等;二是数据建模优化类应用,与通用算法技术中的数据科学相对应,如基于机器学习、深度学习技术的智能排产、设备运维、工艺参数优化等;三是知识推理决策类应用,与通用算法技术中的知识工程相对应,如冶炼专家系统、设备故障诊断专家系统、供应链知识图谱等。
图:工业智能应用场景分布