浅谈AI应用的三大趋势

AI应(yīng)用(yòng)

让(ràng)AI跑在边缘侧和端侧基本上已经是当下AI应用的主旋律。这一趋势从去年在上海举办的两大展会WAIC（世界人工智能大会）和Electronica（慕尼黑电子展，下称“慕展”）上再次得到了印证。

在WAIC大会论坛上，AI的应用落地前景成为热议的一大重点。硬核科技风投机构云启资本合伙人陈昱在“AI创新应用与投融资趋势”论坛表示，过去一年投资界在AI领域的重心集中在基础模型，未来两三年则会把重点放在AI应用上而生产力提升、AI for Science、具身智能、娱乐式大模型应用的几个重点方向。紧接着的慕(mù)展(zhǎn)上(shàng)，笔(bǐ)者(zhě)也(yě)看(kàn)到(dào)了(le)大(dà)量(liàng)将(jiāng)AI嵌(qiàn)入(rù)到(dào)端(duān)侧(cè)应(yīng)用(yòng)中(zhōng)的(de)各(gè)种(zhǒng)解(jiě)决(jué)方(fāng)案(àn)。

新(xīn)工(gōng)业(yè)革(gé)命(mìng)加(jiā)速(sù)进(jìn)行(xíng)中(zhōng)，而(ér)在(zài)工(gōng)业(yè)自(zì)动(dòng)化(huà)领(lǐng)域AI应(yīng)用(yòng)有(yǒu)着(zhe)极(jí)为(wèi)广(guǎng)阔(kuò)的(de)空(kōng)间(jiān)。以(yǐ)数(shù)据(jù)为(wèi)基(jī)础(chǔ)，AI因(yīn)此(cǐ)能(néng)够(gòu)发(fā)现(xiàn)隐(yǐn)藏(cáng)在(zài)海(hǎi)量(liàng)数(shù)据(jù)集中(zhōng)的(de)模(mó)式(shì)，并(bìng)揭(jiē)示(shì)人(rén)类(lèi)无(wú)法(fǎ)直(zhí)接(jiē)获(huò)取(qǔ)的(de)数(shù)据(jù)洞(dòng)察(chá)和(hé)可(kě)能(néng)的(de)趋(qū)势(shì)。比(bǐ)如(rú)，帮(bāng)助(zhù)工(gōng)厂(chǎng)在(zài)潜(qián)在(zài)缺(quē)陷发生故障前就识别出该缺陷，并在缺陷影响生产质量前就采取纠正措施。还可以利用AI来优化流程，识别生产线中的低效环节和生产瓶颈，从而提升生产力。

那么新阶段的AI将如何赋能智造？AI如何嵌入到工业底层，在生产现场的边缘侧和端侧发挥能量？如何构想生成式AI赋能的未来工厂？如何解锁新一轮的工业智能以及生产力提升？

01应用趋势一

AI+机器人，具身智能机器人能为生产线带来哪些惊喜？

值得关注的是，WAIC开设了机器人专区。据官方披露，2024年WAIC共有56款具身智能产品首次亮相，其中除特斯拉Optimus 2以外，均为国产机器人。在形态各异的机器人产品中，极引人注目的当属人形机器人。官方数据显示，在亮相大会的42款智能机器人，有22款是人形机器人。

用人形机器人补上高级别自动化工厂“最后一公里”，是马斯克当年着手投入这一领域的主要出发点。在2024年4月的特斯拉一季度财报会上，马斯克就向股东们表示，他们将少量生产Optimus供特斯拉工厂内部使用，并表示可能在2025年年底开始提高量产并对外供货。

稚晖君曾撰文指出，具身智能即将为通用机器人补全最后一块拼图。（注：稚晖君本名彭志辉，先后任职OPPO、华为，现为智元机器人CTO、首席架构师。）

具身智能（Embodied AI）是既ChatGPT之后有一个在产业界逐渐火起来的大模型概念，并作为人工智能发展的一个重要分支，在产业界迅速崭露头角。微软、谷歌、英伟达等大厂均开展了相关研究，比如谷歌RT-2、英伟达VIMA等。英伟达创始人兼CEO黄仁勋在ITF World 2023半导体大会上表示，AI下一个浪潮将是“具身智能”。而近期在一些公开场合，黄仁勋也再一次表达了在AI的应用场景层面，下一波浪潮是机器人，“其中令人兴(xìng)奋(fèn)的(de)发(fā)展(zhǎn)之(zhī)一(yī)是(shì)人(rén)形(xíng)机(jī)器(qì)人(rén)。

具(jù)身(shēn)智(zhì)能通过在物理世界和数字世界的学习和进化，达到理解世界、互动交互并完成任务的目标，它是一个由“本体”和“智能体”耦合而成且能够在复杂环境中执行任务的智能系统。

本体通常是具有物理实体的机器人，可以有多种形态。本体具备环境感知能力、运动能力和(hé)操(cāo)作(zuò)执(zhí)行(xíng)能力，是连接数字世界和物理世界的载体。智能体（Embodied Agents）是具身于本体之上的智能核心，负责感知、理解、决策、控制等的核心工作。稚晖君指出，智能体设计是具身智能的核心，而具有通用能力的LLM和VLM等模型，赋予了通用本体强大的泛化能力，使得机器人从程序执行导向转向任务目标导向，向通用机器人迈出了坚实的步伐。

但具身智能作为迈向通用人工智能（AGI）的重要一步，面临着算法、工程技术、数据、场景和复杂软硬件等的诸多挑战，尤其是高质量的行业数据更将是巨大挑战。稚晖君指出，“数据是泛化的关键，但涉及机器人的数据稀缺且昂贵。”针对行业场景的高质量数据，将是未来具身智能成功应用落地的关键支撑。但现实场景的复杂多变，使得现阶段缺乏足够的场(chǎng)景(jǐng)数(shù)据(jù)来(lái)训(xun)练一个完全通用的大模型，进而让智能体自我进化。

需要注意的是，和非具身智能的一个显著的不同之处是，耦合的本体需要实际部署到真实环境中，才能够采集数据。比如，在工厂作业中，如果机器人(rén)本(běn)体(tǐ)并(bìng)未(wèi)参(cān)与(yǔ)到实际业务，则很多实际运行数据就无法采集，而大量的人类操作数据虽然可以弥补部分不足，但仍然需要实际业务的数据。通过虚拟和真实的交互，持续学习和进化的能力，则是具身智能演进的重要技术途径。

尽管颇具挑战，但机器人在WAIC2024的火爆反映出行业内外对具身智能的期待。让更多的具身智能机器人进入工厂的生产线工作，获得真实的高质量场景数据，并利用其通用性、泛化性的技术优势，自主学习物理世界的经验，从而拓展能力边界，从“一机专用”到“一机多用”，是“机器人+AI”进入具身智能时代的重要发展方向。

02应(yīng)用(yòng)趋(qū)势(shì)二(èr)

边缘AI嵌入越来越广泛的工业生产场景

生(shēng)成(chéng)式(shì)人(rén)工(gōng)智(zhì)能(néng)打(dǎ)开(kāi)了(le)世(shì)界(jiè)对(duì)AI应(yīng)用(yòng)的(de)想(xiǎng)象(xiàng)力(lì)，也(yě)让(ràng)更(gèng)多(duō)企(qǐ)业(yè)开(kāi)始(shǐ)意(yì)识(shi)到(dào)智(zhì)能(néng)技(jì)术(shù)对(duì)企(qǐ)业(yè)商(shāng)业(yè)决(jué)策(cè)与(yǔ)工(gōng)作(zuò)流(liú)程(chéng)自(zì)动(dòng)化(huà)的(de)深(shēn)远(yuǎn)影(yǐng)响(xiǎng)。边(biān)缘(yuán)AI嵌(qiàn)入(rù)工(gōng)业(yè)自(zì)动(dòng)化(huà)的(de)各(gè)个(gè)应(yīng)用(yòng)环(huán)节(jié)，成(chéng)为(wèi)重(zhòng)新(xīn)构(gòu)想(xiǎng)生(shēng)产(chǎn)、产(chǎn)品(pǐn)和(hé)过(guò)程(chéng)的(de)重(zhòng)要(yào)推(tuī)手(shǒu)。

在(zài)近(jìn)期(qī)的(de)多(duō)个(gè)展(zhǎn)会(huì)上(shàng)，笔(bǐ)者(zhě)看(kàn)到(dào)了(le)越(yuè)来(lái)越(yuè)多(duō)的(de)边(biān)缘(yuán)AI解(jiě)决(jué)方(fāng)案(àn)正(zhèng)在(zài)通(tōng)过(guò)实(shí)时(shí)监(jiān)控(kòng)和(hé)控(kòng)制(zhì)以(yǐ)及(jí)数据分析引领工业领域的新变革，实现更为高效、主动和以数据为导向的运营模式，这将大大提高工业生产的安全性，优化生产流程，提升质量控制，以及减少停机时间或预防停机。

而通过实时分析智能传感器传回的数据，如振动、声音或温度，边缘AI解决方案能够实现预测性维护。这样就能帮助预测设备可能发生故障的时间，从而在故障发生前进行主动维护。

意法半导体（ST）就有面向工业设备的预测性维护AI解决方案Oxytronic，是一个利用意法半导体生态系统开发出基于AI的解决方案，为所有工业设备增添了预测性维护特性。预(yù)测(cè)性(xìng)维(wéi)护(hù)解(jiě)决(jué)方(fāng)案(àn)可(kě)缩(suō)短(duǎn)设(shè)备(bèi)停(tíng)机(jī)时(shí)间(jiān)，提(tí)高(gāo)生(shēng)产(chǎn)率(lǜ)，并(bìng)减(jiǎn)少(shǎo)人(rén)为(wèi)干(gàn)预(yù)。通(tōng)过(guò)在(zài)ST超(chāo)低(dī)功(gōng)耗(hào)STM32微(wēi)控(kòng)制(zhì)器(qì)上(shàng)运(yùn)行(xíng)的(de)机(jī)器(qì)学(xué)习(xí)算(suàn)法(fǎ)，再(zài)借(jiè)助(zhù)NanoEdge AI库(kù)在(zài)终(zhōng)端(duān)设(shè)备(bèi)上(shàng)的(de)学(xué)习(xí)能(néng)力(lì)，该(gāi)模(mó)型(xíng)能(néng)够(gòu)进(jìn)行(xíng)渐(jiàn)进(jìn)式(shì)学(xué)习(xí)，从(cóng)而(ér)适(shì)用(yòng)于(yú)各(gè)种(zhǒng)环(huán)境(jìng)中(zhōng)的(de)特(tè)定(dìng)设(shè)备(bèi)。该(gāi)解(jiě)决(jué)方(fāng)案(àn)还(hái)能(néng)以(yǐ)高(gāo)精(jīng)准(zhǔn)度(dù)实(shí)时(shí)检(jiǎn)测(cè)设(shè)备(bèi)的(de)任(rèn)何(hé)偏(piān)移(yí)或(huò)者(zhě)异(yì)常(cháng)。

另(lìng)外(wài)，零(líng)缺(quē)陷(xiàn)制(zhì)造(zào)、产(chǎn)品(pǐn)质(zhì)量(liàng)控(kòng)制(zhì)是(shì)制(zhì)造(zào)领(lǐng)域的(de)更(gèng)为(wèi)普(pǔ)遍(biàn)的(de)诉(su)求(qiú)。主动识别潜在缺陷是重要的一步。建立基于AI及数字孪生等技术的预测(cè)性维护实践，通过分析生产设备上传感器的数据，利用AI算法模型来识别表示存在异常或潜在缺陷的模式，就可以在缺陷发生之前通过自动警报触发纠正措施，进而大大提升产品良率。

在慕展上，笔者就看到各大原厂都展示了基于自家核心芯片产品而做的预测性维护和缺陷检测方案。比如，TI展示了使用其AM62A 视觉 SOC 进行缺陷检测的方案。使用AM62A视觉 SoC运行基于视觉的人工智能模型，可以应用在制造生产线上，可以实现在生产出的器件随传送带移动时即可以对其进行测试，以识别可接受的器件和有缺陷的器件。

流程优化也是利用AI来识别生产线中的低效环节和生产瓶颈，以便制造商能够做出调整来(lái)提(tí)高产能。此外，AI还可还可用于实时监控，识别产品退役后的改进。可以说，AI的应用贯穿着整个产品生命周期，并重新构想生产、产品以及过程。

03应用趋势三

如何构想生成式AI赋能的(de)未(wèi)来(lái)智(zhì)能(néng)工(gōng)厂(chǎng)

在(zài)麦(mài)肯(kěn)锡(xī)DCC Talk“生(shēng)成(chéng)式(shì)AI：引(yǐn)领(lǐng)中(zhōng)国(guó)智(zhì)造(zào)变(biàn)革(gé)，解(jiě)锁(suǒ)企(qǐ)业(yè)永(yǒng)续(xù)价(jià)值(zhí)”线(xiàn)上(shàng)峰会，5位麦肯锡全球董事合伙人及全球资深专家深度解读了生成式AI为制造企业带来的变革与趋势观察，以及制造企业释放价值并打造韧性的成功案例。

对于如何构想生成式AI赋能的未来工厂？麦肯锡对此的解读是，就整体的影响来讲，生成式AI的应用，尤其是在运营层面，可以分为三个大的方面。第一就是加速，即提升提取和索引知识速度，缩短业务研发创新周期，实现持续创新；第二是自动化，包括从软件开发到机器替代人工的自动化；之后是增强辅助的功能，主要是帮助大幅度改善人工生产力，可以更有效地完成工作。

而对于未来工厂的想象，也不仅限于一个个碎片化的(de)应(yīng)用功能，而是需要一种非常全面的系统性改变。因为从整个工厂来看，所有这些不同的功能和应用，互相之间都有着相互辅助的作用。而这多种生成式AI的共同作用力，有着巨大的潜能(néng)彻(chè)底(dǐ)改(gǎi)变(biàn)未(wèi)来(lái)工(gōng)厂(chǎng)的(de)运(yùn)营(yíng)、生(shēng)产(chǎn)和(hé)流(liú)程(chéng)，甚(shén)至(zhì)产(chǎn)品(pǐn)本(běn)身(shēn)。

据麦肯锡披露，在全球153家灯塔工厂中，差不多有60%以上的灯塔用例都采用了AI技术，而2023年获选的灯塔企业都是采用AI这项技术。麦肯锡指出，生成式AI（AIGC）在供应链和制造中的应用，带来的价值可能只占总体改善的2%~3%，但即便是这么小的比重，基于一个巨大的全球生产体量上，其所带来的价值也是很大的。

另外很重要的一点是，面对越来越快的技术和应用演进，以及全球供应链的诸多不确定性，未来的智能工厂必须要有更高的灵活性和更强的抗风险能力。

一方面，生产需要跟随不断变化的消费(fèi)和(hé)应用趋势，更频繁地按照市场反馈进行新产品的制造，随时跟进扩充高需求的产品制造或者减产低需求的产品制造，同时还要满足越来越多的小批量、个性化制造需求。另一方面，工厂需要紧密跟随技术演进，不断将创新制造技术与传统产线融合，从而实现不间断的效率提升。

在预测应对风险变动上，未来工厂还要对于不可预测的国际事件和供应链变化，做好突发关停或产线迁移的准备，尽可能降低损失。

“软件可配置硬件”成为未来工厂智能化、数字化转型中日益重要的概念。软件可配置硬件，也称为可重构硬件，是指通常应用于工业制造领域，可以通过编程来更改其功能和结构的硬件设备。也就是说，硬件参数可配置，也就意味着可以打造出更灵活的制造产线。在AI和机器学习，以及工业物联网、边缘计算等应用中，软件可(kě)配(pèi)置(zhì)硬(yìng)件(jiàn)已(yǐ)经(jīng)逐(zhú)渐(jiàn)这(zhè)些(xiē)应(yīng)用(yòng)的(de)技(jì)术(shù)核(hé)心(xīn)。常(cháng)见(jiàn)的(de)软(ruǎn)件(jiàn)可(kě)配(pèi)置(zhì)硬(yìng)件(jiàn)类(lèi)型(xíng)包(bāo)括(kuò)：现(xiàn)场(chǎng)可(kě)编(biān)程(chéng)门(mén)阵(zhèn)列(liè)（FPGA）、可(kě)编(biān)程(chéng)自(zì)动(dòng)化(huà)控(kòng)制(zhì)器(qì)（PAC）、可(kě)编(biān)程(chéng)I/O口(kǒu)、可(kě)编(biān)程(chéng)ADC/DAC、可(kě)重(zhòng)构(gòu)AFE和(hé)多(duō)通(tōng)道(dào)PMU等(děng)多(duō)种(zhǒng)不(bù)同(tóng)的(de)类(lèi)型(xíng)。

04结语

AI，特别是生成式AI 正在以惊人的速度为制造企业创造巨大价值，带来前所未有的变革。根据麦肯锡全球研究院的新预测，50%左右的工作内容将在2030年前实现自动化。充分释放生成式AI的潜力已成为制造企业重塑运营模式、解锁永续价值的重中之重。

工业自动化进入了生成式AI的新时代，进阶版的工业智能也随着AI及其一系列相关技术的迭代突破而不断演进。进入了工业应用层面的AI正在深入工业技术的底座，成为一股润物细无声的力量。而如何利用好这股力量，是人类的重要课题。