导读：

工业制造领域常被认为具有较高的进入壁垒，前沿的互联网技术要渗透其中并非易事。回顾过往，IT服务商在制造业的投入往往需要在方案成熟度达到一定水平后，才能有效对接实际应用场景。

图像来源：视觉中国

在深入探索工业制造领域的挑战与机遇时，我们可以发现：

• 场景优先级与数据基础：在实际应用中，需首先与一线业务人员共同挖掘高价值场景，并依据投入产品的特性进行优先级排序。同时，鉴于现场设备可能缺乏大规模数据收集能力，还需进行设备升级，如增加传感器、提升性能指标。

• 大模型与小模型的互补：施耐德电气的全球供应链中国数字化转型总监冒飞飞认为，大模型与小模型并非互相取代，而是相辅相成。小模型在特定的碎片化场景中依然具备独特价值，而大模型则能通过辅助提升小模型的训练精度与效果，尤其是在工业质量检测中，通过生成负样本加速模型训练。

制造业的革新路径：

• 智能应用落地：施耐德电气与亚马逊云科技合作，通过数据库、容器计算等服务，构建了从存储、标注到模型训练、推理、部署、监控、迭代直至边缘端的全面机器学习平台，简化了模型管理与训练过程。

• 案例分享：在武汉工厂，施耐德电气实施了AI质检项目，显著提升了检测效率，降低了误检率，实现了零漏检，展现了小模型的有效应用。

• 未来方向：施耐德电气正积极拓展大模型的应用范围，如工业能源降碳、财务、人力资源、维修等场景，计划从内部知识管理、智能问答等低门槛领域着手，逐步推进大模型的落地。

制造业的挑战与机遇：

• 转型与深化：企业不再满足于简单的信息化，而是寻求数据分析与AI技术来驱动运营效率提升。

• 生成式AI的兴起：IDC调研预测，未来18个月内，生成式AI将在制造生产、产品开发与设计、销售与供应链等领域产生最大影响。

• 全球化与本地化：制造业面临全球化运营与本土化需求的双重挑战，数字技术成为关键驱动力。

• 绿色制造：在双碳目标背景下，节能减排与精准碳排放管理成为推动工业高质量发展的核心议题。

亚马逊云科技的角色与机会：

• 经验与赋能：亚马逊云科技凭借自身在制造领域的深厚积累，如Kindle、Echo等智能硬件产品，以及自研AI芯片的研发流程，为客户提供全方位的数字化解决方案。

• 生态合作：通过与合作伙伴的紧密协作，亚马逊云科技能够针对中国制造业的特定场景与行业知识，共同开发定制化解决方案。

• 解决方案地图：亚马逊云科技展示了涵盖供应链管理、智能产品与服务、智能制造、工业数据湖、工程设计、可持续发展、生成式AI等多方面的丰富解决方案，旨在助力制造业转型升级。

生成式AI在制造业的应用：

• 设计与创新：生成式AI在产品研发阶段的应用，如设计模型训练与产线自动化控制，展现出其在制造业的潜力与价值。

• 企业知识库：西门子已上线基于自有模型的智能知识库，智能会话机器人“小禹”体现了生成式AI在企业知识管理领域的应用。

• 挑战与未来：尽管生成式AI在制造业中的应用前景广阔，但其在安全、精确度与成本控制等方面仍面临挑战。找到模型准确度与推理成本之间的平衡点，是制造业客户应用大模型的关键。

本文由钛媒体撰写，旨在探讨工业制造领域的最新趋势、挑战与机遇，以及亚马逊云科技在推动制造业数字化转型中的角色与贡献。