AI for GREEN以場(chǎng)景驅(qū)動(dòng)AI應(yīng)用實(shí)現(xiàn)企業(yè)價(jià)值跨越 2025 -施耐德電氣商業(yè)價(jià)值研究院 與IBM

EctruuMInnovationAtEveryLevelAlforGREEN以場(chǎng)景驅(qū)動(dòng)AI應(yīng)用，實(shí)現(xiàn)企業(yè)價(jià)值跨越施耐德電氣商業(yè)價(jià)值研究院成立于2021年5月。遵循嚴(yán)格的方法和為社會(huì)做貢獻(xiàn)的使命，我們通過(guò)對(duì)中國(guó)經(jīng)濟(jì)、產(chǎn)業(yè)和商業(yè)進(jìn)行嚴(yán)謹(jǐn)、實(shí)用和創(chuàng)造性的研究，為公眾和商界提供融合全球智慧的專業(yè)洞見(jiàn)，致力于成為推動(dòng)中國(guó)經(jīng)濟(jì)、社會(huì)和企業(yè)可持續(xù)發(fā)展的領(lǐng)先智庫(kù)。我們的研究團(tuán)隊(duì)匯集了綠色智能制造、綠色能源管理領(lǐng)域的一線專家、深耕前沿技術(shù)的研發(fā)工程師、參與行業(yè)政策和標(biāo)準(zhǔn)制定的專家學(xué)者，也聚集了來(lái)自業(yè)界各科研院所的學(xué)術(shù)界領(lǐng)管理咨詢、市場(chǎng)研究等領(lǐng)域的生態(tài)伙伴專家。我們的研究?jī)?nèi)容涵蓋行業(yè)、技術(shù)、宏觀等方面，同時(shí)基于自身發(fā)展以及所提供的企業(yè)咨詢服務(wù)中的積累，將深入探討企推廣等話題，并與社會(huì)積極分享研究成果。我們的研究方法結(jié)合定性和定量分析，通過(guò)一線調(diào)研，以數(shù)據(jù)驅(qū)動(dòng)分析，實(shí)現(xiàn)深層價(jià)值提煉，進(jìn)而幫助企業(yè)中高管理層把脈宏觀，見(jiàn)微知著，助力企業(yè)探索可持續(xù)發(fā)展之道，把握時(shí)代機(jī)遇，加速變革轉(zhuǎn)型。第三章：從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值18展望：成為AI驅(qū)動(dòng)型企業(yè)38Lifelson施耐德電氣。核心發(fā)現(xiàn)與洞察在當(dāng)前全球數(shù)字化轉(zhuǎn)型的浪潮中，人工智能（AI）已成為推動(dòng)各行各業(yè)變革的核心力量。作為21世紀(jì)最具革命性的技術(shù)之一，AI不僅在互聯(lián)網(wǎng)、金融、醫(yī)療等領(lǐng)域展現(xiàn)了巨大的潛力，在工業(yè)和能源領(lǐng)域的應(yīng)用也日益廣泛和深入。近年來(lái)，隨著深度學(xué)習(xí)和大模型技術(shù)的突破，AI的能力和影響力不斷提升，為工業(yè)和能源行業(yè)帶來(lái)了前所未有的變革機(jī)會(huì)。施耐德電氣作為工業(yè)與能源領(lǐng)域AI技術(shù)的實(shí)踐者和賦能者，在本洞察報(bào)告中，將與讀者分享AI轉(zhuǎn)型中的核心發(fā)現(xiàn)與洞察：大小模型深度融合，驅(qū)動(dòng)AI生產(chǎn)力爆發(fā)新范式?，F(xiàn)階段大小模型各有所長(zhǎng)。目前企業(yè)主要運(yùn)用大模型作為內(nèi)容生成，如代碼、文本、圖片、音視頻的工具，以及串聯(lián)知識(shí)與數(shù)據(jù)的自然語(yǔ)言接口；小模型則在精確的專業(yè)識(shí)別與分類、預(yù)測(cè)優(yōu)化領(lǐng)域更能發(fā)揮優(yōu)勢(shì)。企業(yè)也在積極探索在同一個(gè)場(chǎng)景中大小模型融合使用來(lái)提升生產(chǎn)力。我們需要從業(yè)務(wù)場(chǎng)景和價(jià)值出發(fā)，以需求拉動(dòng)AI生產(chǎn)力的發(fā)展。如何全面思考AI帶給企業(yè)的價(jià)值是關(guān)鍵的第一步。從點(diǎn)到線，AI正在重塑新型的商業(yè)模式施耐德電氣商業(yè)價(jià)值研究院在近年的跟蹤調(diào)研中發(fā)現(xiàn)，企業(yè)對(duì)于AI價(jià)值的期待隨著AI技術(shù)及實(shí)際應(yīng)用的進(jìn)展變得愈加立體。本報(bào)告提出了“AIforGREEN”的綠色智能價(jià)值主張，從增長(zhǎng)（Growth）、可靠性（Reliability）、效率（Efficiency）、環(huán)境友好（Environment）和新商業(yè)模式（NewHorizon）五個(gè)維度，系統(tǒng)性地展現(xiàn)了AI在工業(yè)和能源領(lǐng)域的全面應(yīng)用和巨大潛力。我們認(rèn)為應(yīng)該以實(shí)際業(yè)務(wù)場(chǎng)景驅(qū)動(dòng)AI應(yīng)用，才能實(shí)現(xiàn)企業(yè)在新時(shí)代的價(jià)值跨越。以場(chǎng)景為中心，繪制企業(yè)AI轉(zhuǎn)型全景圖企業(yè)AI轉(zhuǎn)型是一項(xiàng)系統(tǒng)化的長(zhǎng)期建設(shè)。企業(yè)從0到1，再到規(guī)?；瘧?yīng)用AI可以概括為以下四個(gè)階段：從統(tǒng)一共識(shí)、規(guī)劃全圖，到聚焦場(chǎng)景、小步快跑，再到數(shù)據(jù)沉淀、構(gòu)建壁壘，最終實(shí)現(xiàn)民主賦能、全民創(chuàng)新。以場(chǎng)景為中心軸，并逐步完善技術(shù)基礎(chǔ)建設(shè)、數(shù)據(jù)與知識(shí)建設(shè)、組織文化建設(shè)是成為AI驅(qū)動(dòng)型企業(yè)的必經(jīng)之路。1oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型AI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型1.1不斷進(jìn)化，生成式AI開(kāi)啟人工智能4.0時(shí)代人工智能（ArtificialIntelligence,AI）作為21世紀(jì)最具革命性的技術(shù)之一，已經(jīng)在各個(gè)領(lǐng)域展示了其巨大潛力。從早期的理論研究到今天的廣泛應(yīng)用，AI的發(fā)展經(jīng)歷了多個(gè)階段，每一個(gè)階段都標(biāo)志著技術(shù)的重大突破和應(yīng)用的不斷拓展:?AI的發(fā)展起源于20世紀(jì)50年代，以達(dá)特茅斯會(huì)議為標(biāo)志，AI作為一個(gè)獨(dú)立學(xué)科正式誕生。這個(gè)時(shí)期的研究集中在邏輯推理、定理證明和簡(jiǎn)單游戲等方面，嘗試模擬人類的智能行為。艾倫·圖靈提出了著名的圖靈測(cè)試，用以判斷機(jī)器是否具備智能。然而，由于計(jì)算能力和數(shù)據(jù)資源的限制，這一階段的AI研究主要停留在理論層面，實(shí)際應(yīng)用相對(duì)有限。?進(jìn)入80年代，AI研究的重心轉(zhuǎn)向知識(shí)表示和專家系統(tǒng)。專家系統(tǒng)通過(guò)編碼專家知識(shí)來(lái)進(jìn)行推理和決策，廣泛應(yīng)用于醫(yī)學(xué)診斷、地質(zhì)勘探等領(lǐng)域。盡管專家系統(tǒng)在特定領(lǐng)域展示了巨大的潛力，但其知識(shí)獲取和更新的困難限制了其進(jìn)一步發(fā)展。此外，這一階段的AI系統(tǒng)缺乏自我學(xué)習(xí)和適應(yīng)能力，無(wú)法應(yīng)對(duì)動(dòng)態(tài)變化的環(huán)境。?隨著計(jì)算能力的提升和互聯(lián)網(wǎng)的發(fā)展，AI在20世紀(jì)90年代到21世紀(jì)初進(jìn)入了以統(tǒng)計(jì)學(xué)習(xí)為核心的階段。機(jī)器學(xué)習(xí)算法，如支持向量機(jī)（SVM）、決策樹(shù)和貝葉斯網(wǎng)絡(luò)，在數(shù)據(jù)驅(qū)動(dòng)的應(yīng)用中取得了顯著成效。大數(shù)據(jù)的興起為AI模型提供了豐富的數(shù)據(jù)資源，推動(dòng)了AI在模式識(shí)別、數(shù)據(jù)挖掘和自然語(yǔ)言處理等領(lǐng)域的應(yīng)用。這個(gè)時(shí)期的AI開(kāi)始在商業(yè)領(lǐng)域展現(xiàn)出實(shí)際價(jià)值，如推薦系統(tǒng)、欺詐檢測(cè)和客戶關(guān)系管理等。?2010年代，深度學(xué)習(xí)的崛起標(biāo)志著AI進(jìn)入了一個(gè)全新的發(fā)展階段。深度神經(jīng)網(wǎng)絡(luò)（DNN）,尤其是卷積神經(jīng)網(wǎng)絡(luò)（CNN）和循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），在圖像識(shí)別、語(yǔ)音識(shí)別和自然語(yǔ)言處理等領(lǐng)域取得了突破性進(jìn)展。2016年，AlphaGo擊敗圍棋世界冠軍李世石，展示了深度學(xué)習(xí)在復(fù)雜決策和博弈問(wèn)題上的強(qiáng)大能力。2017年，Vaswani等人發(fā)表的論文《AttentionisAllYouNeed》引入了Transformer模型，這種模型不依賴于傳統(tǒng)的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）結(jié)構(gòu)，極大地提升了自然語(yǔ)言處理任務(wù)的性能。Transformers為大規(guī)模預(yù)訓(xùn)練語(yǔ)言模型（如BERT和GPT）奠定了基礎(chǔ)。自從生成式AI技術(shù)進(jìn)入公眾視野以來(lái)，由OpenAI開(kāi)發(fā)的ChatGPT無(wú)疑成為了這一領(lǐng)域的代表性成果。其不僅展示了強(qiáng)大的自然語(yǔ)言生成能力，還在智能對(duì)話、內(nèi)容創(chuàng)作、翻譯服務(wù)等多個(gè)應(yīng)用場(chǎng)景中發(fā)揮了重要作用。隨著多模態(tài)生成、模型可控性和透明性的進(jìn)一步提升，生成式AI將繼續(xù)引領(lǐng)人工智能技術(shù)的發(fā)展，為各行各業(yè)帶來(lái)更多創(chuàng)新和變革。4oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型縱觀歷史，AI技術(shù)的演進(jìn)不僅僅體現(xiàn)在算法的優(yōu)化和模型的復(fù)雜化，還包括計(jì)算能力的提升、數(shù)據(jù)資源的豐富以及跨學(xué)科的融合與應(yīng)用創(chuàng)新。從早期的單核處理器到今天的多核GPU和專用AI加速器（如TPU），計(jì)算能力的飛速提升為復(fù)雜AI模型的訓(xùn)練和推理提供了堅(jiān)實(shí)基礎(chǔ)。分布式計(jì)算和云計(jì)算的發(fā)展，大大降低了AI應(yīng)用的成本，提高了其可擴(kuò)展性。未來(lái)，量子計(jì)算有望進(jìn)一步突破計(jì)算瓶頸，為AI算法的優(yōu)化和應(yīng)用拓展提供新的可能。AlphaGo也是基于人類設(shè)計(jì)的圍棋規(guī)則運(yùn)作。真正的革命將是AI具備自我意識(shí)，能夠自主創(chuàng)造新規(guī)則?！薄┠偷码姎飧呒?jí)副總裁，智能家居業(yè)務(wù)中國(guó)區(qū)負(fù)責(zé)人““AI已經(jīng)作為新質(zhì)生產(chǎn)力在企業(yè)發(fā)揮著積極作用，構(gòu)建企業(yè)級(jí)AI平臺(tái)、落地高優(yōu)先級(jí)業(yè)務(wù)場(chǎng)景，AI已來(lái)，未來(lái)無(wú)限。”——IBM咨詢合伙人，大中華區(qū)大數(shù)據(jù)與人工智能事業(yè)部總經(jīng)理林嵐oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型1.2大小模型深度融合，是AI在產(chǎn)業(yè)應(yīng)用的必然趨勢(shì)1.2.1定義：生成式與決策式，大模型與小模型以ChatGPT、StableDiffusion等為代表的生成式AI是一種通過(guò)學(xué)習(xí)和模仿大量現(xiàn)有數(shù)據(jù)來(lái)創(chuàng)造新內(nèi)容的人工智能技術(shù)。它通過(guò)復(fù)雜的算法和神經(jīng)網(wǎng)絡(luò)模型，如生成對(duì)抗網(wǎng)絡(luò)、大型預(yù)訓(xùn)練模型等，生成文本、圖像、音頻、視頻等多種形式的新數(shù)據(jù)。隨著新算法架構(gòu)的更新迭代和算力資源的日益強(qiáng)大，以及業(yè)界提出“規(guī)模定律”(ScalingLaw)，即模型性能隨著模型大小、訓(xùn)練數(shù)據(jù)集大小和計(jì)算量大小的增加而增加，模型本身的參數(shù)量在近年成倍上升，如OpenAI2018年中發(fā)布的GPT-1模型約有1.2億個(gè)參數(shù)，2022年發(fā)布的GPT-3達(dá)到1750億個(gè)參數(shù)，2023年發(fā)布的GPT-4官方雖未公布參數(shù)量大小，據(jù)外界推測(cè)其參數(shù)量約達(dá)到1.8萬(wàn)億。與生成式AI對(duì)應(yīng)，決策式AI，也被稱為判別式AI，通常專注于分類和預(yù)測(cè)，通過(guò)分析和處理大量標(biāo)注數(shù)據(jù)、學(xué)習(xí)特征和模式以區(qū)分不同類別。決策式AI模型，如邏輯回歸、支持向量機(jī)和神經(jīng)網(wǎng)絡(luò)等，旨在從輸入數(shù)據(jù)中學(xué)習(xí)決策邊界，以便在面對(duì)新數(shù)據(jù)時(shí)進(jìn)行準(zhǔn)確分類和預(yù)測(cè)。例如，圖像識(shí)別、預(yù)測(cè)性維護(hù)、個(gè)性化推薦等都是決策式AI的常見(jiàn)應(yīng)用。與目前主流的生成式大模型相比，決策式AI的參數(shù)量相對(duì)較小，在工業(yè)與能源領(lǐng)域的主流應(yīng)用中，決策式小模型的參數(shù)通常在幾千到幾萬(wàn)之間，具有更簡(jiǎn)單的結(jié)構(gòu)，存儲(chǔ)和計(jì)算資源的需求較低，能夠快速訓(xùn)練和推理。目前，業(yè)界對(duì)“大模型”和“小模型”的區(qū)分沒(méi)有明確的定義。從字面上理解，大與小主要指的是模型的參數(shù)量和訓(xùn)練數(shù)據(jù)的規(guī)模。所謂“大”，尚未有絕對(duì)的標(biāo)準(zhǔn)，而是一個(gè)相對(duì)的概念，通常大模型的參數(shù)量往往在億級(jí)以上。嚴(yán)格意義上講，大模型不能等同于生成式AI，小模型也不能等同于決策式AI，如前文所述的BERT及其衍生模型就屬于決策式的大語(yǔ)言模型，其-large版本參數(shù)量達(dá)到3.4億。它的優(yōu)勢(shì)在于為問(wèn)答系統(tǒng)和分類任務(wù)提供支持，而非開(kāi)放式的文本生成。在目前工業(yè)與能源領(lǐng)域的應(yīng)用語(yǔ)境里，通常小模型是決策式AI，大模型一般是生成式AI，為了方便理解，后文中我們用大、小模型來(lái)作為區(qū)分。1.2.2效率提升明顯，大模型在工業(yè)與能源領(lǐng)域的應(yīng)用飛速增長(zhǎng)1近年來(lái)，大模型，尤其是大語(yǔ)言模型在工業(yè)與能源領(lǐng)域的應(yīng)用范圍不斷擴(kuò)大。比如大模型能理解并生成人類語(yǔ)言，進(jìn)而幫助大幅提升工業(yè)流程效率，保守估計(jì)，大模型可以幫助原始設(shè)備制造商（OEM）在構(gòu)建機(jī)器PLC應(yīng)用程序時(shí)節(jié)省20%的工作量。大模型最重要的能力之一在于基于自然語(yǔ)言的推理和生成能力。在工業(yè)與能源領(lǐng)域中，這些能力可以用來(lái)處理兩種重要的任務(wù)：1)代碼生成、文檔編寫、重構(gòu)和測(cè)試；2)自然語(yǔ)言接口。注[1]:內(nèi)容摘自施耐德電氣文章《大語(yǔ)言模型將如何賦能工業(yè)自動(dòng)化？》oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型1）代碼生成、文檔編寫、重構(gòu)和測(cè)試大語(yǔ)言模型可以為PLC等工業(yè)控制系統(tǒng)生成代碼，或者允許人類使用自然語(yǔ)言輸入內(nèi)容生成人機(jī)交互（HMI）頁(yè)面，進(jìn)而簡(jiǎn)化應(yīng)用程序的工程設(shè)計(jì)過(guò)程，減少開(kāi)發(fā)控制應(yīng)用程序所需的時(shí)間和工作量。此外，大語(yǔ)言模型還有望提高生成代碼的質(zhì)量和一致性，從而減少錯(cuò)誤并縮短調(diào)試時(shí)間。保守估計(jì)，大語(yǔ)言模型生成的代碼，對(duì)于編寫機(jī)器類PLC程序而言，大約70%是可用的，編程效率大幅提升。大語(yǔ)言模型的另一個(gè)應(yīng)用是自動(dòng)生成配方代碼，在更改參數(shù)、更換供應(yīng)商或更改配料時(shí)，能夠節(jié)省時(shí)間。創(chuàng)建配方并觸發(fā)生產(chǎn)線變更所花的時(shí)間會(huì)直接影響生產(chǎn)時(shí)間，因此任何可能的時(shí)間節(jié)省都有助于提高效率。更進(jìn)一步，大語(yǔ)言模型還可用于自動(dòng)生成與其生成的代碼相關(guān)的文檔，如自動(dòng)測(cè)試腳本，而測(cè)試腳本對(duì)于自動(dòng)化工程師來(lái)說(shuō)一直是一項(xiàng)非常耗時(shí)的任務(wù)。2）自然語(yǔ)言接口?大語(yǔ)言模型還可為工業(yè)自動(dòng)化系統(tǒng)創(chuàng)建自然語(yǔ)言接口，由此操作員只需要使用人類語(yǔ)言，而無(wú)需專門的編程語(yǔ)言，就可以與這些系統(tǒng)進(jìn)行交互。自然語(yǔ)言接口的關(guān)鍵應(yīng)用之一就是使用自然語(yǔ)言命令訪問(wèn)現(xiàn)有文檔，如技術(shù)產(chǎn)品信息。在許多行業(yè)中，操作人員和維護(hù)人員必須手動(dòng)搜索產(chǎn)品文檔中的信息。有些甚至還是紙質(zhì)文件！然而，隨著文檔逐步數(shù)字化，并傳輸至安全的特定大語(yǔ)言模型中，這些工具可用來(lái)快捷地提出問(wèn)題，并迅速找到答案。例如，“錯(cuò)誤代碼8975的含義是什么？該如何解決？”這種問(wèn)題可以輕松得到解答。其關(guān)鍵是使用安全的特定大語(yǔ)言模型。這些模型應(yīng)該僅從經(jīng)審核以及官方提供的手冊(cè)、技術(shù)說(shuō)明和源代碼中提取答案。?用于技術(shù)支持的虛擬助手是另一個(gè)應(yīng)用場(chǎng)景，其中帶有大語(yǔ)言模型的自然語(yǔ)言接口，可以為工業(yè)帶來(lái)價(jià)值。通過(guò)電話為客戶提供高度專業(yè)化和定制支持的工業(yè)公司（例如與工業(yè)最終用戶合作的機(jī)器制造商），可以掌握這些隱形的知識(shí)，并將知識(shí)和信息提供給特定的大語(yǔ)言模型，虛擬助手就可以利用這些模型從而提升客戶體驗(yàn)并有效縮短解決問(wèn)題的時(shí)間。同樣，這也適用于機(jī)器、自動(dòng)化產(chǎn)品和系統(tǒng)的用戶手冊(cè)與文檔的創(chuàng)建。使用大語(yǔ)言模型創(chuàng)建這些重要文檔可以為應(yīng)用工程師節(jié)省時(shí)間，讓他們可以將知識(shí)和技能用于開(kāi)發(fā)更好的機(jī)器、產(chǎn)品和系統(tǒng)，從而提升質(zhì)量并縮短上市時(shí)間。另一個(gè)例子是通過(guò)大語(yǔ)言模型加速自動(dòng)化系統(tǒng)設(shè)計(jì)與開(kāi)發(fā)，在過(guò)程工業(yè)的大型項(xiàng)目中，自動(dòng)化系統(tǒng)的設(shè)計(jì)和開(kāi)發(fā)都需要眾多供應(yīng)商、用戶、合作伙伴以及監(jiān)管機(jī)構(gòu)等第三方伙伴進(jìn)行通力協(xié)作。從項(xiàng)目發(fā)起到項(xiàng)目實(shí)施，再到項(xiàng)目運(yùn)營(yíng)階段，都可以用大語(yǔ)言模型對(duì)來(lái)自各方的需求和參數(shù)等進(jìn)行標(biāo)準(zhǔn)化處理，從而顯著節(jié)省時(shí)間，幫助所有參與方提升競(jìng)爭(zhēng)力。這是因?yàn)?，從客戶和合作伙伴的需求出發(fā)進(jìn)行系統(tǒng)開(kāi)發(fā)之初，就會(huì)面臨關(guān)于解決方案架構(gòu)、物料清單、安全計(jì)劃、風(fēng)險(xiǎn)管理計(jì)劃等各方面的多種要求。基于目前的技術(shù)，這需要耗費(fèi)數(shù)月、甚至數(shù)年的嚴(yán)謹(jǐn)工作、整理澄清以及來(lái)自多個(gè)職能部門的專家的協(xié)作，才能確保最終質(zhì)量和可行性。如果借助大語(yǔ)言模型對(duì)各方需求和資料進(jìn)行快速梳理，則可以加快整個(gè)過(guò)程，同時(shí)滿足各層級(jí)的合規(guī)要求。oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型大語(yǔ)言模型的道德考慮和限制因素不可忽視我們也需要考慮到大語(yǔ)言模型中可能普遍存在的局限性與風(fēng)險(xiǎn)，以及在大語(yǔ)言模型產(chǎn)業(yè)化之前如何應(yīng)對(duì)由這些局限因素帶來(lái)的影響。在工業(yè)自動(dòng)化中使用大語(yǔ)言模型可能會(huì)帶來(lái)一些道德考慮和風(fēng)險(xiǎn)，必須要認(rèn)真對(duì)待，以確保這項(xiàng)技術(shù)的使用是負(fù)責(zé)任的，并且符合道德規(guī)范。?系統(tǒng)安全:當(dāng)討論AI模型執(zhí)行工業(yè)自動(dòng)化操作的可能性時(shí)，首先必須制定明確的安全措施。?數(shù)據(jù)安全:大語(yǔ)言模型需要大量的訓(xùn)練數(shù)據(jù)。這些數(shù)據(jù)可能包括個(gè)人敏感信息或有關(guān)特定流程的保密信息，因此確保數(shù)據(jù)安全，遵守保密原則、尊重個(gè)人隱私權(quán)至關(guān)重要。?偏見(jiàn):大語(yǔ)言模型可能會(huì)將訓(xùn)練數(shù)據(jù)中存在的社會(huì)偏見(jiàn)一直延續(xù)下去，并持續(xù)放大這些偏見(jiàn)的影響。這可能導(dǎo)致不公平和歧視性后果。因此，識(shí)別偏見(jiàn)并減輕偏見(jiàn)的影響很重要，它有助于確保結(jié)果的公平公正。?信息安全:大語(yǔ)言模型容易遭到模型竊取或?qū)剐怨舻葠阂夤?。必須確保這些模型的安全，幫助其抵御威脅。?解讀:大語(yǔ)言模型很難解釋和理解，因此對(duì)于它做出的響應(yīng)也可能會(huì)難以解釋。在決策過(guò)程中使用這些模型時(shí)，這可能會(huì)成為問(wèn)題，因?yàn)楹茈y理解這些決策的基礎(chǔ)是什么，也就很難確保其公平性和合理性。?以人為本:通過(guò)前文，我們已經(jīng)看到了大語(yǔ)言模型在工業(yè)自動(dòng)化領(lǐng)域的一些積極的應(yīng)用前景。然而，任何輸出仍需要人類的審查。這些模型只能用作人類能力的補(bǔ)充。例如，機(jī)器可以執(zhí)行任務(wù)，但任務(wù)完成后必須有人來(lái)進(jìn)行檢查；或者機(jī)器可以改進(jìn)或挑戰(zhàn)人類的創(chuàng)造性?可靠性:由于大模型特有的“幻覺(jué)”（Hallucination）現(xiàn)象，大語(yǔ)言模型的結(jié)果可能并不一定真實(shí)，即使模型微調(diào)、RAG等技術(shù)可以大量減少“幻覺(jué)”現(xiàn)象的出現(xiàn)，其輸出結(jié)果用于重要場(chǎng)景時(shí)始終應(yīng)該由人類專家來(lái)進(jìn)行審查?！啊癆I技術(shù)的發(fā)展是一個(gè)漸進(jìn)的過(guò)程，既需要數(shù)據(jù)分析、建模和安全技術(shù)的不也依賴于政策和社會(huì)準(zhǔn)則的匹配與協(xié)調(diào)。政策規(guī)則可以根據(jù)需要進(jìn)行調(diào)整，而社會(huì)準(zhǔn)則往往需要更長(zhǎng)的時(shí)間來(lái)改變?！卑l(fā)揮大語(yǔ)言模型的潛在優(yōu)勢(shì)，重在產(chǎn)業(yè)化部署如上所述，要想利用大語(yǔ)言模型的優(yōu)勢(shì)，就必須對(duì)其進(jìn)行恰當(dāng)部署，并充分考慮其限制因素。此外，還需要重點(diǎn)考慮的是，大語(yǔ)言模型的潛在規(guī)模，以及哪些地方可以或者需要部署這些大語(yǔ)言模型。特定領(lǐng)域的數(shù)據(jù)對(duì)大語(yǔ)言模型進(jìn)行預(yù)訓(xùn)練可以提高其性能并簡(jiǎn)化其部署。不同行業(yè)應(yīng)評(píng)估如何創(chuàng)建這些基礎(chǔ)模型，以及何時(shí)需要大模型，何時(shí)需要更小的、更具體的解決方案。例如，特定領(lǐng)域的大語(yǔ)言模型——如制造行業(yè)GPT、醫(yī)療行業(yè)GPT、旅游行業(yè)GPT等——意味著可以創(chuàng)建更小且更聚焦特定領(lǐng)域的模型，然后在此基礎(chǔ)上進(jìn)行構(gòu)建。這也有助于解決因非相關(guān)背景疊加而產(chǎn)生的錯(cuò)誤輸出。也可以由同一行業(yè)中的各個(gè)組織來(lái)協(xié)作，共同創(chuàng)建適用于其領(lǐng)域中普適性用途的GPT。oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型1.2.3更精準(zhǔn)可靠，小模型在工業(yè)與能源領(lǐng)域的應(yīng)用仍具優(yōu)勢(shì)我們觀察到在一些使用場(chǎng)景，如精確度要求不高的預(yù)測(cè)與推理任務(wù)中，大模型已經(jīng)有取代小模型之勢(shì)，但與大模型相比，小模型在工業(yè)與能源領(lǐng)域的應(yīng)用仍有其獨(dú)特的優(yōu)勢(shì)。第一，小模型在數(shù)據(jù)量受限的環(huán)境中表現(xiàn)更出色，比如企業(yè)生產(chǎn)環(huán)節(jié)里的數(shù)據(jù)量有限時(shí)，通過(guò)小樣本學(xué)習(xí)技術(shù)大量減少訓(xùn)練樣本所需數(shù)量。第二，小模型通常沒(méi)有“大模型”中常見(jiàn)的“幻覺(jué)”現(xiàn)象，具備更高的精準(zhǔn)度和可靠性，這使得小模型在工業(yè)場(chǎng)景中能夠提供更為可信和穩(wěn)定的結(jié)果，進(jìn)一步提升了其應(yīng)用價(jià)值。第三，小模型在定制化投入的時(shí)間與財(cái)務(wù)成本都較低，面對(duì)工業(yè)能源領(lǐng)域碎片化、精專的使用場(chǎng)景，大模型技術(shù)尚未成熟和廣泛應(yīng)用時(shí)，小模型能夠更快速地進(jìn)行迭代和部署，適應(yīng)不斷變化的工業(yè)需求。在工業(yè)與能源領(lǐng)域，小模型通常應(yīng)用于以下三種任務(wù):識(shí)別分類、預(yù)測(cè)優(yōu)化、知識(shí)推理2?識(shí)別分類:小模型在識(shí)別與分類任務(wù)中表現(xiàn)出色，特別是在圖像和聲音識(shí)別方面。盡管其規(guī)模較小，但通過(guò)精細(xì)的訓(xùn)練和優(yōu)化，小模型能夠在許多工業(yè)應(yīng)用中實(shí)現(xiàn)高精度的識(shí)別。在該類任務(wù)中，視覺(jué)識(shí)別是最為主要的使用場(chǎng)景。例如，在質(zhì)量檢測(cè)過(guò)程中，小模型可以快速識(shí)別產(chǎn)品缺陷，確保生產(chǎn)線上的產(chǎn)品符合質(zhì)量標(biāo)準(zhǔn)。此外，在安全監(jiān)控系統(tǒng)中，小模型可以實(shí)時(shí)分析監(jiān)控視頻，識(shí)別潛在的安全威脅，提高現(xiàn)場(chǎng)安全性。?預(yù)測(cè)優(yōu)化:小模型在預(yù)測(cè)優(yōu)化方面同樣具備強(qiáng)大的能力。它們可以通過(guò)分析大量的生產(chǎn)數(shù)據(jù)和歷史數(shù)據(jù)，建立高效的數(shù)據(jù)模型，優(yōu)化生產(chǎn)流程和資源配置以及針對(duì)設(shè)備預(yù)測(cè)性維護(hù)等。例如，在能源管理中，通過(guò)建立決策式小模型，根據(jù)用電數(shù)據(jù)和生產(chǎn)需求，優(yōu)化能源分配，減少能源消耗和成本。通過(guò)結(jié)合實(shí)際生產(chǎn)在線數(shù)據(jù)和歷史離線產(chǎn)品質(zhì)量評(píng)價(jià)數(shù)據(jù)建模，決策式小模型還可以實(shí)現(xiàn)工藝控制算法的高精度優(yōu)化，提升產(chǎn)品質(zhì)量的同時(shí)降低生產(chǎn)成本。?知識(shí)推理:通過(guò)專家系統(tǒng)或知識(shí)圖譜，小模型能夠在知識(shí)推理和決策支持方面提供有力的輔助。通過(guò)集成各種數(shù)據(jù)源和知識(shí)庫(kù)，小模型可以在復(fù)雜的決策過(guò)程中提供實(shí)時(shí)的分析和建議。例如，在設(shè)備維護(hù)中，通過(guò)專家系統(tǒng)技術(shù)，小模型可以根據(jù)設(shè)備的運(yùn)行數(shù)據(jù)和歷史故障記錄，推理出潛在的故障原因，并提供維護(hù)建議。盡管隨著大語(yǔ)言模型的快速發(fā)展，通過(guò)檢索但兩者的結(jié)合在對(duì)知識(shí)可信度和可解釋性要求高的場(chǎng)景下仍有其獨(dú)特的優(yōu)勢(shì)。例如，大模型可以處理和理解大規(guī)模的非結(jié)構(gòu)化數(shù)據(jù)，而小模型可以提供高精度和高可靠性的推理結(jié)果。規(guī)模部署受限，小模型對(duì)投入產(chǎn)出要求更高小模型的專業(yè)性和精準(zhǔn)可靠對(duì)于它在工業(yè)能源領(lǐng)域推廣是一把雙刃劍。盡管訓(xùn)練與調(diào)優(yōu)成本遠(yuǎn)低于大模型，但由于缺乏通用性，使得其應(yīng)用范圍十分局限，如工藝的流程優(yōu)化往往需要針對(duì)一個(gè)產(chǎn)線、甚至一個(gè)環(huán)節(jié)來(lái)進(jìn)行訓(xùn)練。因此在技術(shù)想要大規(guī)模推廣時(shí)，邊際成本仍然較高，這一點(diǎn)導(dǎo)致了企業(yè)做投資決策時(shí)，小模型的導(dǎo)入對(duì)價(jià)值回報(bào)有著較高要求。注[2]:中國(guó)信息通信研究院《工業(yè)智能白皮書(shū)（2022）》oAI大小模型融合互補(bǔ)，加速推動(dòng)產(chǎn)業(yè)全面轉(zhuǎn)型1.2.4大小模型融合互補(bǔ)，推動(dòng)工業(yè)與能源領(lǐng)域全面轉(zhuǎn)型在AI應(yīng)用的發(fā)展中，生成式大模型與決策式小模型的融合應(yīng)用正逐漸成為一種新的嘗試。這種融合不僅能夠發(fā)揮大模型和小模型各自的優(yōu)勢(shì)，還能克服單一模型應(yīng)用中的局限性。以下是一些典型的融合應(yīng)用方式：?大模型生成負(fù)樣本幫助小模型訓(xùn)練。比如說(shuō)在工業(yè)質(zhì)量檢測(cè)場(chǎng)景中，大模型可以通過(guò)圖生圖，快速生成大量負(fù)樣本，增強(qiáng)模型訓(xùn)練中的圖片驗(yàn)證過(guò)程。?大模型作為AI智能體的大腦，調(diào)用小模型執(zhí)行特定任務(wù)。例如發(fā)現(xiàn)質(zhì)量缺陷和產(chǎn)量異常時(shí)，需要及時(shí)知道是否是工藝問(wèn)題引起，避免進(jìn)一步損失。此時(shí)大模型可以作為人機(jī)交互的調(diào)度中樞，通過(guò)分析總結(jié)能力告知管理者出現(xiàn)了何種異常，并且調(diào)用根因分析的小模型進(jìn)行專業(yè)的根因分析，并根據(jù)小模型的分析結(jié)果進(jìn)行自然語(yǔ)言輸出。綜上所述，如今人工智能技術(shù)的迭代日新月異，然而無(wú)論是生成式大模型還是決策式小模型，要想大規(guī)模落地仍有其各自的限制。正如同電力、互聯(lián)網(wǎng)技術(shù)等通用技術(shù)的發(fā)展，需要不斷完善基礎(chǔ)設(shè)施以及創(chuàng)造價(jià)值落地的使用場(chǎng)景。關(guān)于AI大規(guī)模應(yīng)用，我們?nèi)蕴幱趫?chǎng)景和價(jià)值探索的早期，因此需要從業(yè)務(wù)場(chǎng)景和價(jià)值出發(fā)，以需求拉動(dòng)AI生產(chǎn)力的發(fā)展，而不能只站在技術(shù)的角度來(lái)進(jìn)行推動(dòng)。在本報(bào)告的第二到第四章，我們將分別與讀者探討新時(shí)代AI在工業(yè)與能源領(lǐng)域的價(jià)值主張、AI場(chǎng)景落地實(shí)踐、以及以場(chǎng)景為中心的企業(yè)AI轉(zhuǎn)型實(shí)施路徑?！啊癆I為企業(yè)帶來(lái)降本增效的巨大機(jī)會(huì)，但同時(shí)，各企業(yè)也逐步認(rèn)識(shí)到AI落地的困難性。這是因?yàn)锳I為企業(yè)創(chuàng)造價(jià)值依賴管理、業(yè)務(wù)、技術(shù)的合力。也就是說(shuō)，企業(yè)的AI轉(zhuǎn)型不只是技術(shù)的轉(zhuǎn)型，而是基于AI的企業(yè)全面轉(zhuǎn)型生成式。”——IBM咨詢大中華區(qū)人工智能業(yè)務(wù)負(fù)責(zé)人黃震豪oAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式2AI2AIforGREEN2.1AIforGREEN：發(fā)掘AI五大核心價(jià)值，打造新型商業(yè)模式施耐德電氣商業(yè)價(jià)值研究院自成立以來(lái)，以低碳可持續(xù)和智能制造為主軸，跟蹤調(diào)研了工業(yè)與能源領(lǐng)域的眾多企業(yè)高管。我們發(fā)現(xiàn)，隨著科技的進(jìn)展，企業(yè)對(duì)AI價(jià)值的期待愈發(fā)立體，主要體現(xiàn)在以下三個(gè)趨勢(shì)：首先，從僅重視AI的商業(yè)收益，拓展到越來(lái)越注重社會(huì)環(huán)境價(jià)值；其次，價(jià)值取向從宏觀決策到微觀個(gè)體，更加關(guān)注AI如何影響并優(yōu)化每一個(gè)用戶的體驗(yàn)；最后，從追求AI帶來(lái)短期的快速增長(zhǎng)，到更重視長(zhǎng)期的價(jià)值跨越。在AI飛速發(fā)展的新時(shí)代，大小模型的技術(shù)更迭賦予了AI更強(qiáng)大的價(jià)值潛力。在工業(yè)與能源領(lǐng)域，我們認(rèn)為應(yīng)該以實(shí)際業(yè)務(wù)場(chǎng)景驅(qū)動(dòng)AI應(yīng)用，才能實(shí)現(xiàn)企業(yè)在新時(shí)代的價(jià)值跨越。因此，我們提出“AIforGREEN”的綠色智能價(jià)值主張，其中“GREEN”每個(gè)字母分別代表應(yīng)用AI五個(gè)維度的核心價(jià)值，本章將以此價(jià)值主張為起點(diǎn)，與讀者共同探討AI在工業(yè)與能源領(lǐng)域全價(jià)值鏈的場(chǎng)景地圖。?Growth代表業(yè)務(wù)價(jià)值增長(zhǎng):AI技術(shù)推動(dòng)業(yè)務(wù)價(jià)值的飛速增長(zhǎng)，為企業(yè)創(chuàng)造前所未有的機(jī)會(huì)和回報(bào)；?Reliability代表可靠性和韌性:AI技術(shù)提升工業(yè)制造及能源管理的可靠性和韌性，把穩(wěn)定的自動(dòng)化達(dá)到全新的高度；?Efficiency代表高效和滿意度:AI凝練行業(yè)經(jīng)驗(yàn)，卓越運(yùn)營(yíng)，帶來(lái)前所未有的高效和滿意度；?Environment代表環(huán)境友好和可持續(xù)發(fā)展:AI技術(shù)提升能源和資源的利用效率，減少浪費(fèi)和排放，幫助企業(yè)實(shí)現(xiàn)可持續(xù)發(fā)展；?NewHorizon代表全新商業(yè)模式:AI不僅能夠簡(jiǎn)化現(xiàn)有產(chǎn)品研發(fā)過(guò)程，并可顛覆傳統(tǒng)商業(yè)模式，開(kāi)創(chuàng)全新的商業(yè)運(yùn)作方式。GGREEN以場(chǎng)景驅(qū)動(dòng)AI應(yīng)用,實(shí)現(xiàn)企業(yè)價(jià)值跨越簡(jiǎn)化研發(fā)顛覆商業(yè)模式可靠性和韌性業(yè)務(wù)價(jià)值增長(zhǎng)可持續(xù)發(fā)展高效滿意oAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式oAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式2.2應(yīng)用場(chǎng)景是AI的“演習(xí)場(chǎng)”、“數(shù)據(jù)源”和“創(chuàng)新地”3要實(shí)現(xiàn)AI價(jià)值的全面落地，應(yīng)用場(chǎng)景是爆發(fā)的關(guān)鍵。我們不應(yīng)該從科技本身入手，而是要明確適合的應(yīng)用場(chǎng)景。正確的應(yīng)用場(chǎng)景能夠最大化AI的潛力，助力企業(yè)實(shí)現(xiàn)智能化轉(zhuǎn)型和長(zhǎng)期戰(zhàn)略目標(biāo)。場(chǎng)景對(duì)于人工智能爆發(fā)的意義可以從三個(gè)方面來(lái)看：?首先，場(chǎng)景是人工智能技術(shù)的“演習(xí)場(chǎng)”。機(jī)器學(xué)習(xí)算法和大語(yǔ)言模型只有在實(shí)際場(chǎng)景中接受“檢驗(yàn)”，才能發(fā)現(xiàn)技術(shù)落地的價(jià)值與發(fā)展空間，比如可靠性、成熟度、成本等。同時(shí)，場(chǎng)景應(yīng)用也為技術(shù)優(yōu)化和迭代指引了方向。?第二，場(chǎng)景是反哺人工智能技術(shù)不斷迭代的“數(shù)據(jù)源”。千行百業(yè)的應(yīng)用場(chǎng)景中蘊(yùn)藏著AI技術(shù)進(jìn)化所需要的數(shù)據(jù)“營(yíng)養(yǎng)”。工廠里的每條產(chǎn)線，樓宇中的每臺(tái)空調(diào)，曠野中的每座風(fēng)機(jī)，以及企業(yè)多年來(lái)生產(chǎn)經(jīng)營(yíng)活動(dòng)的日志文件等……都是珍貴的數(shù)據(jù)“原礦”，需要進(jìn)一步挖掘、清洗、標(biāo)注、預(yù)處理、推理和驗(yàn)證。從場(chǎng)景中來(lái)，到場(chǎng)景中去，這一過(guò)程“哺育”了正在茁壯成長(zhǎng)的人工智能技術(shù)。GREEN?第三，場(chǎng)景是人工智能再次發(fā)展和飛躍的“創(chuàng)新地”。現(xiàn)今火爆的通用大模型雖然能夠應(yīng)對(duì)廣泛、多樣化的任務(wù)，但一旦深入具體產(chǎn)業(yè)，就需要與行業(yè)經(jīng)驗(yàn)相融合，獲取場(chǎng)景中蘊(yùn)藏的專精知識(shí)。而構(gòu)建垂直行業(yè)大模型，則為解決復(fù)雜的專業(yè)問(wèn)題提供了新解法。GREEN“實(shí)現(xiàn)大規(guī)模“實(shí)現(xiàn)大規(guī)模AI的應(yīng)用，首先要從業(yè)務(wù)場(chǎng)景出發(fā)，從業(yè)務(wù)價(jià)值出發(fā)，而不能只從技術(shù)出發(fā)?！薄狿hilippeRambach,施耐德電氣CAIO2.3以GREEN重構(gòu)全價(jià)值鏈AI場(chǎng)景地圖因此施耐德電氣商業(yè)價(jià)值研究院認(rèn)為，企業(yè)應(yīng)以場(chǎng)景驅(qū)動(dòng)AI應(yīng)用，實(shí)現(xiàn)企業(yè)價(jià)值跨越。并在此以場(chǎng)景地圖的形式列舉了AI在工業(yè)與能源領(lǐng)域的企業(yè)全價(jià)值鏈（研發(fā)設(shè)計(jì)、供應(yīng)鏈、生產(chǎn)與運(yùn)營(yíng)，營(yíng)銷及售后）部分應(yīng)用場(chǎng)景，并針對(duì)重點(diǎn)應(yīng)用場(chǎng)景在第三章中展開(kāi)具體案例介紹，與讀者共同探討。注[3]:內(nèi)容摘自21世紀(jì)經(jīng)濟(jì)報(bào)道《施耐德電氣尹正：讓技術(shù)深入場(chǎng)景，人工智能價(jià)值迸發(fā)“關(guān)鍵一躍”》由GREEN重新構(gòu)筑的企業(yè)Al全價(jià)值鏈場(chǎng)景地圖-研發(fā)與設(shè)計(jì)GrowthReliabilityEffciencyEnvironmentNewHorizonGREEN知識(shí)問(wèn)答機(jī)器人西基于大模型語(yǔ)意理解和生成能力,使得知識(shí)查詢更加精準(zhǔn)和高效。GREEN專家知識(shí)服務(wù)GREEN基于領(lǐng)域知識(shí),開(kāi)放對(duì)外?；陬I(lǐng)域知識(shí),開(kāi)放對(duì)外專家機(jī)器人,開(kāi)啟第二賽道。通過(guò)大模型分析用戶與市場(chǎng)需求,通過(guò)大模型分析用戶與市場(chǎng)需求,提升產(chǎn)品上市速度代碼COPILOT基于大模型輔助生產(chǎn)代碼,代碼COPILOT基于大模型輔助生產(chǎn)代碼,加速開(kāi)發(fā)進(jìn)度。GREEN專利助手基于大模型快速總結(jié)對(duì)比專利信息、降低專利違規(guī)風(fēng)險(xiǎn)。GREEN專利助手基于大模型快速總結(jié)對(duì)比專利信息、降低專利違規(guī)風(fēng)險(xiǎn)。繪圖助手使用AI驅(qū)動(dòng)的CAD工具,幫助設(shè)計(jì)師快速生成草圖,并提供及時(shí)的設(shè)計(jì)反物理仿真建模GREEN基于AI模型降階,加速少實(shí)際實(shí)驗(yàn)材料使用。打造企業(yè)A中臺(tái),賦能全員加速GREENGREENA繪圖助手使用AI驅(qū)動(dòng)的CAD工具,幫助設(shè)計(jì)師快速生成草圖,并提供及時(shí)的設(shè)計(jì)反物理仿真建模GREEN基于AI模型降階,加速少實(shí)際實(shí)驗(yàn)材料使用。打造企業(yè)A中臺(tái),賦能全員加速GREENGREENADAl場(chǎng)景應(yīng)用開(kāi)發(fā)DAl禽GREEN圖紙合規(guī)助手禽GREENGREEN可持續(xù)材料決策A在價(jià)值鏈前端支持可持續(xù)材料的決策與推薦,從而最大限度地減少生產(chǎn)材料與創(chuàng)意過(guò)程的浪費(fèi)?；诖竽Ｐ涂焖僮R(shí)別圖紙是否符合國(guó)家GREEN可持續(xù)材料決策A在價(jià)值鏈前端支持可持續(xù)材料的決策與推薦,從而最大限度地減少生產(chǎn)材料與創(chuàng)意過(guò)程的浪費(fèi)。oAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式oAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式由GREEN重新構(gòu)筑的企業(yè)Ai全價(jià)值鏈場(chǎng)景地圖-供應(yīng)鏈GrowthReliabilityEffciencyEnvironmentNewHorizonGREEN智能來(lái)料檢驗(yàn)庫(kù)存優(yōu)化庫(kù)存優(yōu)化管理以及成品跨區(qū)域調(diào)貨合理分配庫(kù)存,減少庫(kù)存水平,優(yōu)化供應(yīng)鏈網(wǎng)絡(luò)。GREEN利用圖像識(shí)別、模式匹配等算法庫(kù)存優(yōu)化庫(kù)存優(yōu)化管理以及成品跨區(qū)域調(diào)貨合理分配庫(kù)存,減少庫(kù)存水平,優(yōu)化供應(yīng)鏈網(wǎng)絡(luò)。GREENGREEN需求預(yù)測(cè)GREEN智能預(yù)測(cè)需求Al并且減少過(guò)量生產(chǎn)帶來(lái)的浪費(fèi)。智能預(yù)測(cè)需求Al并且減少過(guò)量生產(chǎn)帶來(lái)的浪費(fèi)。應(yīng)敏捷性與韌性、GREEN基于大模型審核采購(gòu)合同/質(zhì)保書(shū),減少人為錯(cuò)誤、加快審核速度、加強(qiáng)溯源性。GREEN路徑優(yōu)化GREEN優(yōu)化物流路徑、減少物流風(fēng)優(yōu)化物流路徑、減少物流風(fēng)GREEN基于生產(chǎn)計(jì)劃、基礎(chǔ)能耗、天氣等因素輸出最優(yōu)排產(chǎn)計(jì)劃,實(shí)現(xiàn)節(jié)能減排。GREEN供應(yīng)商管理助手GREEN基于大模型審核與管理供應(yīng)商資質(zhì)文檔,加快審核速度、增強(qiáng)溯源性。由GREEN重新構(gòu)筑的企業(yè)AIl全價(jià)值鏈場(chǎng)景地圖-生產(chǎn)與運(yùn)營(yíng)GrowthReliabilityEffciencyEnvironmentNewHorizonGREENESG智能助手GREEN利用A技術(shù)自動(dòng)收集、整理和分析ESG相關(guān)數(shù)據(jù),幫助企業(yè)發(fā)現(xiàn)ESG改進(jìn)的機(jī)會(huì),提出優(yōu)化建議。GREEN視覺(jué)檢測(cè)GREEN基于視覺(jué)模型進(jìn)行表面缺陷檢測(cè),GREEN工藝優(yōu)化GREEN設(shè)備預(yù)測(cè)性維護(hù)GREEN基于生產(chǎn)工藝數(shù)據(jù)通過(guò)Al實(shí)時(shí)控制添加物流量,實(shí)現(xiàn)質(zhì)量與效率同時(shí)提升。設(shè)備預(yù)測(cè)性維護(hù)GREEN基于智能感知技術(shù),以設(shè)備機(jī)理+數(shù)理模型為驅(qū)動(dòng),對(duì)設(shè)備進(jìn)行故障預(yù)測(cè)判斷。GREENFMEA智能助手GREEN通過(guò)基于大語(yǔ)言模型的報(bào)告生成器,FMEA報(bào)告編寫時(shí)間可以大幅縮短,包括失效模式、潛在原因、預(yù)防措施、嚴(yán)重度打分等。GREEN智慧能源管理GREEN智慧工廠安全通過(guò)AI視覺(jué)保障生產(chǎn)安全,智慧工廠安全通過(guò)AI視覺(jué)保障生產(chǎn)安全,如叉車防撞檢測(cè)、防護(hù)設(shè)備穿戴檢測(cè)等。GREENoAIforGREEN–由點(diǎn)到線，重構(gòu)新型商業(yè)模式由GREEN重新構(gòu)筑的企業(yè)AIl全價(jià)值鏈場(chǎng)景地圖-營(yíng)銷及售后GrowthReliabilityEffciencyEnvironmentNewHorizon3從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值GREEN輿情分析GREEN檢測(cè)社交媒體上對(duì)品牌的輿情,通過(guò)大模型快速總結(jié),及時(shí)洞察市場(chǎng)需求和情緒。洞察GREEN客戶數(shù)據(jù)治理和洞察GREENGREEN銷售線索評(píng)分基于生成式Al,分析客戶個(gè)性化數(shù)據(jù),得出用戶洞察,輔助市場(chǎng)與研發(fā)決策。通過(guò)AI分析客戶數(shù)據(jù)GREEN銷售線索評(píng)分基于生成式Al,分析客戶個(gè)性化數(shù)據(jù),得出用戶洞察,輔助市場(chǎng)與研發(fā)決策。GREEN營(yíng)銷內(nèi)容生產(chǎn)GREEN營(yíng)銷內(nèi)容生產(chǎn)基于生成式Al,輔助生成個(gè)性化營(yíng)銷文案、海報(bào)等,大幅增加營(yíng)銷效率。N售后助手通過(guò)基于大語(yǔ)言模型的維修知識(shí)庫(kù),設(shè)備維修人員可以通過(guò)與Al維修知識(shí)專家詢問(wèn),迅速獲取解決方案建議。GREE基于生成式Al,輔助生成個(gè)性化營(yíng)銷文案、海報(bào)等,大幅增加營(yíng)銷效率。N售后助手通過(guò)基于大語(yǔ)言模型的維修知識(shí)庫(kù),設(shè)備維修人員可以通過(guò)與Al維修知識(shí)專家詢問(wèn),迅速獲取解決方案建議。GREEGREEN數(shù)字人虛擬主播GREEN通過(guò)A通過(guò)A數(shù)字人技術(shù),提供個(gè)性化主播、培訓(xùn)等服務(wù)。GREEN基于大模型提供實(shí)時(shí)客戶服務(wù)解答,自動(dòng)處理常見(jiàn)問(wèn)題和投訴,提高響應(yīng)速度和客戶滿意度,減輕人工客服壓力。。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值本節(jié)精選了施耐德電氣與合作伙伴IBM作為AI賦能者與踐行者的6大具體案例，以展示不同的AI技術(shù)在實(shí)際場(chǎng)景中GREEN價(jià)值的體現(xiàn)。3.1案例1:智能便捷、降本增效——工業(yè)設(shè)備預(yù)測(cè)性維護(hù)中的AI應(yīng)用43.1.1企業(yè)痛點(diǎn)設(shè)備管理是工業(yè)生產(chǎn)中最重要的組成部分之一。針對(duì)設(shè)備智能運(yùn)維，企業(yè)往往面臨幾大痛點(diǎn)問(wèn)題：1.如何改善傳統(tǒng)運(yùn)維方式導(dǎo)致的效率低、成本高問(wèn)題？2.如何提前預(yù)測(cè)并準(zhǔn)確定位設(shè)備故障？3.如何減少設(shè)備意外停機(jī)的損失？4.如何通過(guò)智能運(yùn)維實(shí)現(xiàn)設(shè)備全生命周期管理？5.如何減少欠維修、過(guò)維修次數(shù)，延長(zhǎng)設(shè)備的壽命周期？為了幫助企業(yè)解決痛點(diǎn)問(wèn)題，切實(shí)提高設(shè)備管理、運(yùn)營(yíng)效率、產(chǎn)品質(zhì)量和安全環(huán)保水平，施耐德電氣推出預(yù)測(cè)性維護(hù)顧問(wèn)PredictiveMaintenanceAdvisor（簡(jiǎn)稱PMA）。相比較傳統(tǒng)的響應(yīng)式維護(hù)、預(yù)防性維護(hù)和基于狀態(tài)監(jiān)測(cè)的維修，預(yù)測(cè)性維護(hù)改變了傳統(tǒng)的被動(dòng)式維護(hù)、更加主動(dòng)和精準(zhǔn)，能夠在設(shè)備出現(xiàn)故障前進(jìn)行干預(yù)，從而提高設(shè)備的可靠性和延長(zhǎng)使用壽命。其核心是基于智能感知技術(shù)（包括大數(shù)據(jù)和AI技術(shù)），利用設(shè)備機(jī)理+數(shù)理模型驅(qū)動(dòng)的一種智能故障預(yù)測(cè)診斷方案，對(duì)設(shè)備進(jìn)行保養(yǎng)維護(hù)。注[4]:內(nèi)容摘選自《施耐德電氣PMA設(shè)備預(yù)測(cè)性維護(hù)解決方案》。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值>PMA>>> > >3.1.2解決方案：AI在預(yù)測(cè)性維護(hù)中的應(yīng)用Link150RS485公Modbus-TCPPIMS系統(tǒng)DCS系統(tǒng)SE-IOTLink150RS485公Modbus-TCPPIMS系統(tǒng)DCS系統(tǒng)SE-IOTCloudE大屏數(shù)據(jù)展示手機(jī)APP運(yùn)維web平臺(tái)診斷分析故障預(yù)測(cè)模型機(jī)器學(xué)習(xí)算法故障預(yù)測(cè)模型風(fēng)機(jī)、泵機(jī)、減速箱、風(fēng)機(jī)、泵機(jī)、減速箱、空壓機(jī)等各類旋轉(zhuǎn)設(shè)備從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值3.1.4應(yīng)用案例3.1.4應(yīng)用案例（一）水泥行業(yè)設(shè)備預(yù)測(cè)性維護(hù)案例水泥行業(yè)某世界五百?gòu)?qiáng)企業(yè)工廠的3條產(chǎn)線都部署了施耐德電氣的預(yù)測(cè)性維護(hù)系統(tǒng)，用于監(jiān)測(cè)其關(guān)鍵設(shè)備(球磨機(jī)、風(fēng)機(jī)、輥壓機(jī)等)的運(yùn)行狀態(tài)和故障診斷，預(yù)測(cè)故障，降本增效，實(shí)現(xiàn)設(shè)備統(tǒng)一管理和智能運(yùn)維。?基于振動(dòng)機(jī)理+數(shù)理模型的設(shè)備故障預(yù)測(cè)與診斷:通過(guò)智能傳感器和邊緣計(jì)算網(wǎng)關(guān)獲取振動(dòng)數(shù)據(jù)，利用設(shè)備的振動(dòng)機(jī)理和數(shù)理模型（數(shù)據(jù)積累并學(xué)習(xí)優(yōu)化模型），結(jié)合工藝數(shù)據(jù)，通過(guò)AI技術(shù)對(duì)設(shè)備運(yùn)行數(shù)據(jù)進(jìn)行頻譜分析和相關(guān)性分析，從中提取關(guān)鍵特征值。通過(guò)這些特征值，PMA系統(tǒng)可以智能地定位設(shè)備故障的位置和類型，幫助運(yùn)維人員提前采取維護(hù)措施。?利用AI相關(guān)性分析技術(shù)，得出故障原因貢獻(xiàn)度，定位故障產(chǎn)生的原因:AI技術(shù)能夠通過(guò)分析找到設(shè)備發(fā)生故障時(shí)與故障最相關(guān)的特征值或工況參數(shù)，從而確定設(shè)備具體部件產(chǎn)生故障的原因及其貢獻(xiàn)度。通過(guò)這種方法，AI系統(tǒng)能夠積累故障原因庫(kù)，從源頭上避免同樣故障的再次發(fā)生。?利用AI技術(shù)提取設(shè)備壽命顯著特征值，實(shí)現(xiàn)剩余壽命預(yù)測(cè):AI系統(tǒng)通過(guò)提取和分析設(shè)備的關(guān)鍵特征值，能夠?qū)υO(shè)備的剩余壽命進(jìn)行預(yù)測(cè)。這種預(yù)測(cè)基于設(shè)備的歷史運(yùn)行數(shù)據(jù)和當(dāng)前狀態(tài)，結(jié)合機(jī)器學(xué)習(xí)模型，提供精確的壽命預(yù)測(cè)結(jié)果，幫助企業(yè)進(jìn)行更有效的設(shè)備管理和維護(hù)計(jì)劃，最大化設(shè)備的使用壽命。3.1.3方案價(jià)值對(duì)對(duì)象：水泥磨球磨機(jī)2311客戶收到系統(tǒng)客戶收到系統(tǒng)AI告警推送，去到現(xiàn)場(chǎng)發(fā)現(xiàn)聯(lián)軸器橡膠墊片存在磨損，隨即更換了橡膠墊片。AIAI驅(qū)動(dòng)的預(yù)測(cè)性維護(hù)解決方案能夠?yàn)椴煌愋偷挠脩魩?lái)顯著的價(jià)值：一天后，又得到施耐一天后，又得到施耐德電氣團(tuán)隊(duì)的反饋和報(bào)告。需對(duì)電機(jī)不對(duì)中問(wèn)題進(jìn)行排查。設(shè)備處于健康運(yùn)行。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值（二）食品飲料行業(yè)設(shè)備預(yù)測(cè)性維護(hù)案例某世界知名的啤酒品牌針對(duì)其工廠的關(guān)鍵設(shè)備如均質(zhì)機(jī)、粉碎機(jī)、離心機(jī)等，部署了施耐德電氣預(yù)測(cè)性維護(hù)系統(tǒng)，從而實(shí)現(xiàn)設(shè)備故障預(yù)測(cè)和健康運(yùn)維管理，并推動(dòng)工廠及集團(tuán)的數(shù)字化轉(zhuǎn)型。對(duì)象：均質(zhì)機(jī)1系統(tǒng)識(shí)別出設(shè)備震動(dòng)異常并第一時(shí)間發(fā)出對(duì)象：均質(zhì)機(jī)1系統(tǒng)識(shí)別出設(shè)備震動(dòng)異常并第一時(shí)間發(fā)出告警。>>>>>>>4檢修復(fù)位后，設(shè)備振動(dòng)及峰值因素明顯下降。成功地幫助客戶提前發(fā)現(xiàn)一次故障，防止因油封變形移位導(dǎo)致的活塞桿表面拉傷?？蛻敉C(jī)檢查，調(diào)查結(jié)果證實(shí)：異物墜入均質(zhì)機(jī)的活塞箱，與活塞桿發(fā)生碰撞，磁撞后活塞桿油封移位。AI診斷給出維修建議：異常能量主要來(lái)源于活塞曲柄側(cè)。2>>>>>33.2案例2:節(jié)能降耗，減少碳排——大數(shù)據(jù)模型實(shí)現(xiàn)車間能源預(yù)測(cè)，助力能源管理系統(tǒng)優(yōu)化3.2.1企業(yè)痛點(diǎn)能源消耗是企業(yè)運(yùn)營(yíng)成本的重要組成部分。對(duì)能源管理系統(tǒng)進(jìn)行整體規(guī)劃、部署能源管理系統(tǒng)實(shí)現(xiàn)能源的測(cè)量、分析、計(jì)算、監(jiān)控和控制，通過(guò)優(yōu)化能源使用，減少能源浪費(fèi)，提高能源利用效率，實(shí)現(xiàn)節(jié)能環(huán)保已成為眾多企業(yè)的共識(shí)。本項(xiàng)目中，能源管理系統(tǒng)將貫穿全車間相關(guān)操作員、工程師和各級(jí)管理者，實(shí)現(xiàn)車間生產(chǎn)過(guò)程的能源供給和使用的信息透明化、加強(qiáng)能源信息可視化和可追溯能力，降低各非正常工作工況能耗，并提供基于WEB的監(jiān)視、配置、查詢、分析等功能，供各相關(guān)部門查詢分析能源相關(guān)信息。為進(jìn)一步對(duì)生產(chǎn)能源利用開(kāi)展持續(xù)改善，提升管理水平創(chuàng)造必要條件。具體來(lái)講，需要實(shí)現(xiàn)以下兩個(gè)目標(biāo)：?實(shí)現(xiàn)兩個(gè)層次的服務(wù)，即一方面為車間管理人員提供直觀、簡(jiǎn)明、快捷的能源數(shù)據(jù)查詢、數(shù)據(jù)分析和相關(guān)決策支持服務(wù)；另一方面是為相關(guān)操作人員提供操作指導(dǎo)，降低生產(chǎn)準(zhǔn)備時(shí)間、生產(chǎn)間歇時(shí)間以及停產(chǎn)時(shí)間的能耗。?利用數(shù)學(xué)模型、預(yù)測(cè)和數(shù)據(jù)挖掘等理論方法和技術(shù)手段對(duì)有關(guān)數(shù)據(jù)進(jìn)行深入的加工處理及分析?；谙嚓P(guān)AI模塊對(duì)本項(xiàng)目相關(guān)功能提供決策支持，并為集團(tuán)其他類似項(xiàng)目提供相關(guān)數(shù)據(jù)基礎(chǔ)。3.2.2解決方案：包含大數(shù)據(jù)模型的能源管理系統(tǒng)結(jié)合施耐德電氣跨行業(yè)的能源管理系統(tǒng)成功經(jīng)驗(yàn)以及企業(yè)現(xiàn)實(shí)情況，并充分考慮未來(lái)的可擴(kuò)展性，相關(guān)車間的能源管理系統(tǒng)規(guī)劃包含能源數(shù)據(jù)采集和監(jiān)控、生產(chǎn)狀態(tài)感知、大數(shù)據(jù)模型、節(jié)能運(yùn)行指導(dǎo)和推送、以及能源數(shù)據(jù)展示和分析五大模塊，其中大數(shù)據(jù)模型模塊涉及以下三大算法場(chǎng)景：。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值?算法場(chǎng)景一:排產(chǎn)及能耗預(yù)測(cè)排產(chǎn)是影響工廠生產(chǎn)成本、運(yùn)營(yíng)效率、履約水平和營(yíng)銷效益的關(guān)鍵環(huán)節(jié)之一。系統(tǒng)根據(jù)用戶輸入的基礎(chǔ)能耗、生產(chǎn)計(jì)劃（產(chǎn)量、生產(chǎn)時(shí)間）、天氣等因素，輸出未來(lái)不同介質(zhì)的能耗情況并給出最佳的排產(chǎn)計(jì)劃。?算法場(chǎng)景二:關(guān)鍵設(shè)備精準(zhǔn)開(kāi)關(guān)機(jī)針對(duì)烘房和工藝空調(diào)等關(guān)鍵用能場(chǎng)景，計(jì)算各工藝段首個(gè)產(chǎn)品到來(lái)的時(shí)間和末個(gè)產(chǎn)品離開(kāi)各工藝段的時(shí)間，并基于AI/ML模型算法開(kāi)發(fā)，輸出各工藝段最優(yōu)、節(jié)能的設(shè)備啟停時(shí)間。?算法場(chǎng)景三:關(guān)鍵用能場(chǎng)景工藝參數(shù)優(yōu)化通過(guò)企業(yè)產(chǎn)能計(jì)劃與歷史的設(shè)備運(yùn)行情況，對(duì)于高能耗的重點(diǎn)區(qū)域，建立AI模型，給出在正常生產(chǎn)、計(jì)劃內(nèi)停線、計(jì)劃外停線、停產(chǎn)等生產(chǎn)模式下設(shè)備參數(shù)調(diào)優(yōu)的建議，在保證節(jié)能的境況下進(jìn)行正產(chǎn)生產(chǎn)。3.2.3方案價(jià)值項(xiàng)目預(yù)計(jì)為企業(yè)實(shí)現(xiàn)以下收益:?實(shí)現(xiàn)對(duì)供配電、壓縮空氣，天然氣，冷水，熱水消耗等相關(guān)子系統(tǒng)的自動(dòng)數(shù)據(jù)采集，自動(dòng)監(jiān)控相關(guān)重點(diǎn)參數(shù)狀態(tài)，實(shí)時(shí)報(bào)警；?能源可視化管理：以圖表、棒圖、曲線圖進(jìn)行分析，并實(shí)現(xiàn)可視化管理；?實(shí)現(xiàn)了對(duì)能耗指標(biāo)的評(píng)估、能源消耗結(jié)構(gòu)分析及能源消耗成本分?jǐn)偅?實(shí)現(xiàn)預(yù)設(shè)各場(chǎng)景下的節(jié)能控制；?提供定制化能源數(shù)據(jù)分析，為車間進(jìn)一步發(fā)現(xiàn)節(jié)能機(jī)會(huì)提供可能。。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值3.3案例3:提升效率、降低成本——AI優(yōu)化食品飲料工藝3.3.1企業(yè)痛點(diǎn)食品飲料的生產(chǎn)包括如混合、過(guò)濾、罐裝和包裝等多個(gè)關(guān)鍵工藝步驟，其中硅藻土廣泛應(yīng)用于酒、果汁、植物油等產(chǎn)品生產(chǎn)環(huán)節(jié)的過(guò)濾環(huán)節(jié)，通過(guò)去除細(xì)微顆粒和懸浮物，提升產(chǎn)品的澄清度和穩(wěn)定性。以某食品飲料工廠的過(guò)濾工藝為例，目前的自動(dòng)化控制依賴預(yù)設(shè)規(guī)則、固定程序和人工經(jīng)驗(yàn)，存在效率低、耗時(shí)長(zhǎng)、成本高、缺乏自動(dòng)調(diào)整和預(yù)測(cè)維護(hù)能力等問(wèn)題?？蛻粝Ｍㄟ^(guò)AI技術(shù)，實(shí)現(xiàn)從自動(dòng)化到智能化的控制，在保證質(zhì)量的同時(shí)，提高生產(chǎn)效率和降低成本。3.3.2解決方案根據(jù)客戶需求，施耐德電氣提供了一個(gè)集成數(shù)據(jù)分析、算法配置等功能的AI控制系統(tǒng)，系統(tǒng)共有三層網(wǎng)絡(luò)架構(gòu)（從底層往上分別為OT層、基礎(chǔ)網(wǎng)絡(luò)層和IT層）。該解決方案在自動(dòng)化理論優(yōu)化過(guò)濾工藝：?數(shù)據(jù)驅(qū)動(dòng)與個(gè)性化建模:AI系統(tǒng)從歷史數(shù)據(jù)中分析生產(chǎn)中多變量、非線性關(guān)系以及難以預(yù)測(cè)的因素，超越人工經(jīng)驗(yàn)以應(yīng)對(duì)復(fù)雜的過(guò)濾工藝，同時(shí)針對(duì)不同產(chǎn)品和步驟單獨(dú)建模，確保每種產(chǎn)品都能獲得最佳過(guò)濾效果，適應(yīng)復(fù)雜的工況變化；?智能的添加泵開(kāi)度策略:硅藻土添加流量與添加泵的開(kāi)度線性相關(guān)，AI系統(tǒng)通過(guò)實(shí)時(shí)數(shù)據(jù)分析動(dòng)態(tài)調(diào)整泵的開(kāi)度，確保添加量準(zhǔn)確，減少操作誤差，提升過(guò)濾效率；?自適應(yīng)學(xué)習(xí)與優(yōu)化:通過(guò)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)算法，從數(shù)據(jù)中學(xué)習(xí)和優(yōu)化控制策略，自主適應(yīng)不同工況和環(huán)境變化，提升生產(chǎn)效率和產(chǎn)品質(zhì)量；?實(shí)時(shí)監(jiān)測(cè)與智能決策:通過(guò)實(shí)時(shí)監(jiān)測(cè)分析與優(yōu)化算法，識(shí)別優(yōu)化空間、提供最佳策略并智能調(diào)整，以降低能耗，減少資源浪費(fèi)。3.3.3方案價(jià)值通過(guò)構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的AI控制模型，企業(yè)在硅藻土過(guò)濾工藝中實(shí)現(xiàn)了顯著優(yōu)化，提升過(guò)濾質(zhì)量、生產(chǎn)效率，并顯著降低成本，為企業(yè)帶來(lái)實(shí)際經(jīng)濟(jì)效益，為食品飲料行業(yè)的智能化升級(jí)提供了有力支持。主要指標(biāo)改善如下：1)質(zhì)量提升~25%：有效提升產(chǎn)品的澄清度和純凈度；2)效率提升~20%：減少過(guò)濾時(shí)間，縮短生產(chǎn)周期；3)成本節(jié)省~25%：有效減少硅藻土浪費(fèi)，顯著降低生產(chǎn)成本。。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值3.4案例4:改進(jìn)質(zhì)量、節(jié)約成本——基于AI技術(shù)的視覺(jué)質(zhì)量檢測(cè)3.4.1企業(yè)痛點(diǎn)在工業(yè)企業(yè)的供應(yīng)鏈當(dāng)中，質(zhì)量檢測(cè)是至關(guān)重要的步驟，其需要在產(chǎn)品生產(chǎn)過(guò)程中，對(duì)產(chǎn)品的生產(chǎn)過(guò)程、外觀、特征以及生產(chǎn)最后的結(jié)果進(jìn)行檢測(cè)，確保產(chǎn)品的質(zhì)量和結(jié)果符合產(chǎn)品質(zhì)量要求。施耐德電氣母線工廠于1997年在廣州經(jīng)濟(jì)技術(shù)開(kāi)發(fā)區(qū)成立，主要業(yè)務(wù)是生產(chǎn)面向中國(guó)和東南亞市場(chǎng)的I-LINE配電母線系統(tǒng)及Canalis配電/照明母線，承擔(dān)著較多的生產(chǎn)任務(wù)。從母線生產(chǎn)的流程看，粘防水膠條至關(guān)重要，該步驟如出現(xiàn)遺漏，將直接影響后續(xù)產(chǎn)品質(zhì)量?；贔MEA5RPN分析，防水膠條工序從失效后果的嚴(yán)重度（S）、發(fā)生的頻度（O）和失效原因的可探測(cè)度（D）來(lái)看，被列為了重點(diǎn)改進(jìn)環(huán)節(jié)。同時(shí)，傳統(tǒng)的粘防水膠條基本手動(dòng)完成，并進(jìn)行人工檢測(cè)，容易出現(xiàn)效率低下以及漏檢等情況。因此，工廠希望以自動(dòng)化、智能化的技術(shù)與手段來(lái)有效把控質(zhì)量。3.4.2解決方案為了更好地提高質(zhì)量檢測(cè)的準(zhǔn)確度，在項(xiàng)目初期，工廠實(shí)施團(tuán)隊(duì)基于項(xiàng)目痛點(diǎn)，提出了多種不同的解決方案，然而由于廣州母線工廠歷史較長(zhǎng)，自動(dòng)化設(shè)備老舊，PLC的點(diǎn)位較少，改造難度及成本較大，因此，最終決定采用基于視頻流的AI解決方案。該方案將母線蓋板動(dòng)作完成作為視頻拍攝觸發(fā)點(diǎn)，每隔6秒自動(dòng)進(jìn)行拍攝，最終選取最后5張照片發(fā)送至IoT平臺(tái)進(jìn)行推理。該方式對(duì)于服務(wù)器的性能要求較高，同時(shí)需要高精度工業(yè)相機(jī)。在確定解決方案后，通過(guò)AI引擎的一站式應(yīng)用搭建，快速形成了方案落地。具體來(lái)說(shuō)，在施耐德電氣自研的AI引擎平臺(tái)上標(biāo)記出30-50個(gè)樣本，以拖拉拽的方式將樣本圖片放入畫布式建模，通過(guò)模型訓(xùn)練后，將模型發(fā)布至模型倉(cāng)庫(kù)，開(kāi)發(fā)完成的模型上傳至施耐德電氣IoT平臺(tái)的推理模塊，初步的模型一周即可上線。上線后，通過(guò)現(xiàn)場(chǎng)真實(shí)環(huán)境的驗(yàn)證，檢查圖像并進(jìn)行AI再訓(xùn)練，利用KAPPA系數(shù)6比較模型預(yù)測(cè)的正負(fù)例與實(shí)際分類的正負(fù)例，歷時(shí)3個(gè)月的優(yōu)化，更新了10+AI模型后，最終KAPPA系數(shù)從初期的70%提升至99.5%，完成模型迭代及精度的提升，滿足了工廠的質(zhì)量要求。3.4.3方案價(jià)值通過(guò)AI視頻流解決方案，最直觀的結(jié)果是對(duì)于質(zhì)量的改進(jìn)，漏檢率為0，過(guò)檢率能夠控制在0.5%以下，工廠只需要隨機(jī)巡檢。從經(jīng)濟(jì)效益看，僅防水膠檢測(cè)這一環(huán)節(jié)就為工廠每年節(jié)省了上百萬(wàn)的成本。更值得一提的是，基于施耐德電氣AI引擎和IoT平臺(tái)的配合，為業(yè)務(wù)負(fù)責(zé)人、運(yùn)營(yíng)經(jīng)理、數(shù)據(jù)分析師等用戶提供低代碼乃至零代碼的AI應(yīng)用，幫助工廠快速進(jìn)行場(chǎng)景的復(fù)制推廣。AI技術(shù)可以與視覺(jué)識(shí)別系統(tǒng)等技術(shù)相結(jié)合實(shí)現(xiàn)對(duì)產(chǎn)品的智能檢測(cè)和質(zhì)量控制。目前，施耐德電氣在中國(guó)構(gòu)建的基于AI技術(shù)的工業(yè)視覺(jué)質(zhì)量檢測(cè)解決方案，已經(jīng)在施耐德電氣中國(guó)15家工廠上線，能夠針對(duì)產(chǎn)品表面的缺陷進(jìn)行檢測(cè)，實(shí)現(xiàn)了零漏檢率，大大提高產(chǎn)品質(zhì)量，有效減少因產(chǎn)品瑕疵而浪費(fèi)的資源和時(shí)間。注[5]:全稱為FailureModeandEffectsAnalysis，即失效模式及后果分析。注[6]:KAPPA系數(shù)是一種統(tǒng)計(jì)測(cè)量方法，用于評(píng)估兩個(gè)分類者（比如兩個(gè)人）在對(duì)一組項(xiàng)目進(jìn)行分類時(shí)的一致性程度。例如，你和一個(gè)朋友一起給一些圖片分類（比如判斷是貓還是狗KAPPA系數(shù)就是衡量你們的分類是否“同步”，如果值接近1，表示你們的分類基本一致，如果有分歧，值會(huì)接近0或者負(fù)數(shù)。簡(jiǎn)單來(lái)說(shuō)，它就像一個(gè)度量你們分類默契度的指標(biāo)。。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值3.5案例5:以AI會(huì)友，共創(chuàng)制造業(yè)智能化未來(lái)3.5.1企業(yè)痛點(diǎn)源卓微納科技（蘇州）股份有限公司是一家在業(yè)界處于領(lǐng)先地位的高科技公司，專注為高端電子電路、IC載板、先進(jìn)封裝、微機(jī)電系統(tǒng)（MEMS）、泛半導(dǎo)體、太陽(yáng)能和微納器件制造提供生產(chǎn)設(shè)備和工藝解決方案。艾科斯冪信息科技有限公司（X-POWER）是一家科技創(chuàng)新公司，為客戶定制化提供智能化數(shù)字化整體集成系統(tǒng)解決方案,2023年成為IBM金牌合作伙伴。在產(chǎn)品研發(fā)過(guò)程中，源卓微納面臨著做市場(chǎng)調(diào)研和市場(chǎng)評(píng)估，人力投入高、檢索效率低的挑戰(zhàn)，也不能保證技術(shù)調(diào)研的準(zhǔn)確性、及時(shí)性和全面性。希望找到一種方式來(lái)幫助研發(fā)團(tuán)隊(duì)提高工作效率。另外，為了贏得客戶的滿意度，源卓微納對(duì)客戶的承諾是7*24小時(shí)的技術(shù)支持和售后服務(wù)，遠(yuǎn)程服務(wù)15分鐘內(nèi)響應(yīng)，駐點(diǎn)區(qū)域4小時(shí)內(nèi)到達(dá)。源卓微納一直在尋找合適的智能手段來(lái)提升售后服務(wù)效率。3.5.2解決方案艾科斯冪與IBM合作根據(jù)源卓微納的業(yè)務(wù)需求，選擇了watsonxAssistant做為智能助手提供前端入口和語(yǔ)義理解的能力，WatsonDiscovery做為文檔存儲(chǔ)和檢索工具，并集成了IBM最新的AI開(kāi)發(fā)平臺(tái)watsonx.ai，為源卓打造了企業(yè)級(jí)智能問(wèn)答知識(shí)庫(kù)。這個(gè)體系還利用IBMAI驅(qū)動(dòng)的應(yīng)用集成方案CloudPakforIntegration(CP4I）進(jìn)行應(yīng)用集成。watsonx.ai為IBM企業(yè)級(jí)AI開(kāi)發(fā)平臺(tái)，基于最新生成式AI功能，使數(shù)據(jù)科學(xué)家、開(kāi)發(fā)人員和數(shù)據(jù)分析師能夠利用開(kāi)放直觀的用戶界面來(lái)訓(xùn)練、測(cè)試、調(diào)整和部署AI。watsonxAssistant提供面向業(yè)務(wù)的更智能的對(duì)話式AI平臺(tái)。WatsonDiscovery為AI支持的智能搜索和文本分析平臺(tái)。CP4I具備提升應(yīng)用程序速度與質(zhì)量的卓越優(yōu)勢(shì)。3.5.3方案價(jià)值項(xiàng)目實(shí)施之后，全面提高了源卓微納的研發(fā)效率和售后滿意度：?研發(fā)售后人員登陸OA系統(tǒng)，根據(jù)登陸ID，系統(tǒng)會(huì)判斷登錄者有哪些權(quán)限。之后到達(dá)基于IBMwatsonxAssistant搭建的“智能問(wèn)答界面”；?根據(jù)用戶的問(wèn)題進(jìn)行語(yǔ)義分析、同時(shí)基于關(guān)鍵字在WatsonDiscovery知識(shí)庫(kù)中進(jìn)行檢索返回到watsonxAssistant；?透過(guò)watsonx.ai大語(yǔ)言模型進(jìn)行深加工，使得答案更加準(zhǔn)確和人性化，并將答案返回到watsonxAssistant智能問(wèn)答界面上。從降本增效到可持續(xù)發(fā)展，扎根場(chǎng)景全面引爆AI價(jià)值3.6案例6:推動(dòng)更智能的可持續(xù)運(yùn)營(yíng)，引領(lǐng)時(shí)尚風(fēng)潮3.6.1企業(yè)痛點(diǎn)BestsellerIndia是Bestseller的子公司。Bestseller是總部位于丹麥的全球“快時(shí)尚”零售商。作為一種動(dòng)態(tài)的商業(yè)模式，“快時(shí)尚”注重在數(shù)天或數(shù)周內(nèi)快速上架新潮服裝款式。但這個(gè)過(guò)程會(huì)消耗大量的原材料、水和能源。如果新款設(shè)計(jì)未獲得消費(fèi)者青睞，則會(huì)打折出售庫(kù)存，其中一部分服裝最終會(huì)進(jìn)入垃圾填埋場(chǎng)。因此，Bestseller希望和IBM合作，通過(guò)AI來(lái)幫助設(shè)計(jì)師和采購(gòu)部門做出更準(zhǔn)確的預(yù)測(cè)，打造更緊密貼合消費(fèi)者需求的設(shè)計(jì)和生產(chǎn)流程，從而提高利潤(rùn)，同時(shí)支持環(huán)境可持續(xù)性戰(zhàn)略。3.6.2解決方案BestsellerIndia制定了一個(gè)宏大的目標(biāo)：開(kāi)發(fā)一個(gè)支持AI功能的全新定制化平臺(tái)，用于全方位支持季前設(shè)計(jì)、規(guī)劃、生產(chǎn)和預(yù)測(cè)。該項(xiàng)目側(cè)重于為關(guān)鍵業(yè)務(wù)流程建立智能工作流，讓員工能夠利用迭代，BestsellerIndia與IBM車庫(kù)創(chuàng)新團(tuán)隊(duì)為這個(gè)名為Fabric.ai的平臺(tái)引入了61個(gè)獨(dú)有概念。該平臺(tái)最終成為印度服裝行業(yè)的第一款A(yù)I工具。借助專為設(shè)計(jì)師量身打造的Fabric.ai數(shù)字平臺(tái)，BestsellerIndia可以助力在價(jià)值鏈中及時(shí)做出更加可持續(xù)的材料決策。此外，F(xiàn)abric.ai還可以為產(chǎn)品規(guī)劃人員提供數(shù)據(jù)驅(qū)動(dòng)的見(jiàn)解，從而降低服裝制造環(huán)節(jié)的環(huán)境足跡。利用IBMWatsonAI工具預(yù)測(cè)最佳產(chǎn)品、為每家門店確定最優(yōu)的產(chǎn)品組合，有效提升了供應(yīng)鏈的效率。3.6.3方案價(jià)值?更精準(zhǔn)的預(yù)測(cè)分析:AI保證更加準(zhǔn)確的消費(fèi)者需求預(yù)測(cè)與產(chǎn)品銷量預(yù)測(cè)，為產(chǎn)品規(guī)劃提供數(shù)據(jù)驅(qū)動(dòng)的見(jiàn)解?更實(shí)時(shí)的數(shù)據(jù)洞察:AI支持在零售店層面具體產(chǎn)品的銷售業(yè)績(jī)分析?更智能的門店運(yùn)營(yíng):AI幫助門店找到最合適的產(chǎn)品組合，從而為采購(gòu)和銷售團(tuán)隊(duì)提供幫助?更綠色的材料應(yīng)用:AI在價(jià)值鏈前端支持可持續(xù)材料的決策與推薦，從而最大限度地減少生產(chǎn)材料與創(chuàng)意過(guò)程的浪費(fèi)?可擴(kuò)展的AI功能:Fabric.ai的一系列功能最初聚焦ONLY服裝系列，目前已擴(kuò)展到Jack&Jones、VeroModa等其他品牌以場(chǎng)景為中心4四大步驟，以場(chǎng)景為中心實(shí)施AI轉(zhuǎn)型。四大步驟，以場(chǎng)景為中心實(shí)施AI轉(zhuǎn)型以大規(guī)模實(shí)現(xiàn)AI應(yīng)用為目標(biāo)，我們結(jié)合自身實(shí)踐以及賦能客戶的經(jīng)驗(yàn)，將企業(yè)AI轉(zhuǎn)型從0到1，以及從1到N（全民實(shí)踐）過(guò)程的實(shí)施路徑，總結(jié)為以下四個(gè)階段：01.統(tǒng)一共識(shí)、規(guī)劃全圖；02.聚焦場(chǎng)景、小步快跑；03.數(shù)據(jù)沉淀、構(gòu)建壁壘；04.民主賦能、全民創(chuàng)新。在各個(gè)階段中，我們將以場(chǎng)景為中心出發(fā)，同時(shí)充分考慮企業(yè)價(jià)值與投入、數(shù)據(jù)與知識(shí)治理、以及組織和工具的變革。統(tǒng)一共識(shí)、規(guī)劃全圖通過(guò)跨團(tuán)隊(duì)交流統(tǒng)一AI戰(zhàn)略共識(shí),采用"GREEN"價(jià)值框架全面梳理業(yè)務(wù)流程,繪制企業(yè)AI場(chǎng)景全圖。明確AI賦能方向,降低試錯(cuò)成本,提高成功概率。04·民主賦能、全民創(chuàng)新彌補(bǔ)業(yè)務(wù)與科技知識(shí)差距,持續(xù)提升業(yè)務(wù)團(tuán)隊(duì)Al認(rèn)知;引進(jìn)高效開(kāi)發(fā)工具,降低技術(shù)門檻,激發(fā)全員參與和創(chuàng)造力,實(shí)現(xiàn)AI規(guī)模化賦能。02.聚焦場(chǎng)景、小步快跑03.數(shù)據(jù)沉淀、構(gòu)建壁壘通過(guò)技術(shù)可行性、資源投入和風(fēng)險(xiǎn)評(píng)估篩選落地場(chǎng)景,組建跨部門項(xiàng)目團(tuán)隊(duì),敏捷迭代,03.數(shù)據(jù)沉淀、構(gòu)建壁壘建立高效數(shù)據(jù)處理管道和嚴(yán)格數(shù)據(jù)治理機(jī)制,沉淀高質(zhì)量數(shù)據(jù);團(tuán)隊(duì)協(xié)作共同挖掘企業(yè)內(nèi)部獨(dú)特知識(shí),逐步建立企業(yè)知識(shí)。四大步驟，以場(chǎng)景為中心實(shí)施AI轉(zhuǎn)型4.1統(tǒng)一共識(shí)、規(guī)劃全圖在AI轉(zhuǎn)型的落地實(shí)踐中，企業(yè)“一鼓作氣、再而衰、三而竭”的情況經(jīng)常發(fā)生。我們?cè)趯?shí)踐中發(fā)現(xiàn)，這往往是AI轉(zhuǎn)型開(kāi)始之初企業(yè)急于尋求速贏，一方面沒(méi)有統(tǒng)一團(tuán)隊(duì)間共識(shí)，另一方面缺乏對(duì)應(yīng)用場(chǎng)景的全面規(guī)劃。4.1.1統(tǒng)一戰(zhàn)略共識(shí)在AI轉(zhuǎn)型實(shí)施之前，我們建議企業(yè)組織全面的跨團(tuán)隊(duì)和跨層級(jí)交流活動(dòng)。這些活動(dòng)可以通過(guò)分享會(huì)、培訓(xùn)課程或工作坊的形式進(jìn)行，邀請(qǐng)業(yè)務(wù)部門、科技團(tuán)隊(duì)以及法務(wù)、財(cái)務(wù)等相關(guān)支持部門的成員參與?？萍紙F(tuán)隊(duì)在分享時(shí)，需要使用通俗易懂的語(yǔ)言，以確保非專業(yè)人員也能清楚理解AI技術(shù)的基本概念及其對(duì)企業(yè)業(yè)務(wù)的潛在影響。我們的目標(biāo)應(yīng)該是讓各部門對(duì)于AI能夠做什么，無(wú)法做什么，以及實(shí)現(xiàn)某項(xiàng)技術(shù)大致需要何種量級(jí)的投入有一致的共識(shí)。4.1.2規(guī)劃場(chǎng)景全圖在統(tǒng)一共識(shí)之后，企業(yè)需要對(duì)現(xiàn)有的所有業(yè)務(wù)流程進(jìn)行全面梳理，包括研發(fā)、供應(yīng)鏈、生產(chǎn)與運(yùn)營(yíng)、營(yíng)銷與售后等多個(gè)方面，并以價(jià)值為導(dǎo)向發(fā)散思維，如使用“GREEN”價(jià)值框架來(lái)全面思考機(jī)會(huì)點(diǎn)所在：?Growth（增長(zhǎng)）:評(píng)估各業(yè)務(wù)流程在提升產(chǎn)能、增加收入和市場(chǎng)份額方面的潛力。優(yōu)先選擇那些能夠顯著推動(dòng)企業(yè)增長(zhǎng)的場(chǎng)景。?Reliability（可靠）:選擇那些可以通過(guò)AI增強(qiáng)穩(wěn)定性和可靠性的流程。確定哪些流程可以通過(guò)AI技術(shù)有效緩解風(fēng)險(xiǎn)，提高業(yè)務(wù)的持續(xù)性和可靠