在人工(gōng)智能(néng)這輪科(kē)技(jì )競賽中(zhōng)，美國(guó)一直在領先，标志(zhì)性事件有(yǒu)：2022年11 月30日，OpenAI通過GPT-3.5系列大型語音模型微調而成的全新(xīn)對話式AI模型ChatGPT正式發布，展現出了優秀的語言生成能(néng)力；2023年3月15 日，OpenAI推出了大型多(duō)模态模型GPT-4，不僅能(néng)夠閱讀文(wén)字，還能(néng)識别圖像，并生成文(wén)本結果，GPT-4已經跨越了單領域、多(duō)模型的限制，能(néng)夠實現多(duō)模态任務(wù)的執行，使得AI的生成效率再一次實現了跨越；2024年2月16日，OpenAI發布人工(gōng)智能(néng)文(wén)生視頻大模型；2024年3月29日，根據知名(míng)科(kē)創媒體(tǐ)The Information報道，微軟和OpenAI正在進行一項分(fēn)為(wèi)五個階段的超級計算機建設項目，拟動用(yòng)的投資将超過1150億美元，解決大模型背後的算力問題，這個項目建成後，OpenAI大模型的未來值得期待。

       人工(gōng)智能(néng)發展有(yǒu)四大要素，分(fēn)别是模型、算力、能(néng)源和樣本數據，前三大要素美國(guó)已經領先也不會有(yǒu)大的瓶頸，唯獨在樣本數據方面未來可(kě)能(néng)會（或者已經）遇到瓶頸。據說互聯網幾十年積累的數據（包括文(wén)本和視頻）都被ChatGPT大模型學(xué)習過了，還有(yǒu) 一個“數據金礦”就是制造企業大量的工(gōng)業KNOW HOW及實際運行數據，但是美國(guó)自上世紀90年代開始去工(gōng)業化以來，其制造業“空心化”很(hěn)嚴重，雖然近幾年在地緣政治背景下制造企業有(yǒu)所回流，但是未有(yǒu)根本性改變。

       我國(guó)人工(gōng)智能(néng)發展從四要素分(fēn)析，與美國(guó)恰恰相反：大模型研發仍處于跟随狀态；美國(guó)限制英偉達高端芯片（GPU）對我國(guó)的出口，甚至“閹割版”的芯片也限制，導緻我們在大模型所依賴的算力方面短期内很(hěn)難跟上大模型的發展速度；算力中(zhōng)心所需的電(diàn)力能(néng)源，兩國(guó)基本持平；唯獨在樣本數據方面我們占有(yǒu)相當優勢，因為(wèi)我國(guó)擁有(yǒu)41個工(gōng)業大類、207個工(gōng)業中(zhōng)類、666個工(gōng)業小(xiǎo)類，是全世界唯一擁有(yǒu)聯合國(guó)産(chǎn)業分(fēn)類中(zhōng)全部工(gōng)業門類的國(guó)家，2023年我國(guó)制造業增加值占全球比重約30%，連續14年位居全球首位。前工(gōng)信部部長(cháng)苗圩近日在2024賽迪論壇開幕式主論壇上說我國(guó)大模型的發展機會在于差異化發展，具(jù)體(tǐ)就是如何賦能(néng)制造業，賦能(néng)各個具(jù)體(tǐ)的領域；360公(gōng)司周鴻祎也建議我國(guó)應該重點發展垂直大模型和場景大模型，将制造企業的“暗知識”和“隐知識”（“暗知識”和“隐知識”指制造企業大量的工(gōng)業KNOW HOW，且在實踐中(zhōng)産(chǎn)生的數據，而不是理(lǐ)論模型數據）顯性化，賦能(néng)企業數字化轉型，發展新(xīn)質(zhì)生産(chǎn)力，深度降本提質(zhì)增效，實現高質(zhì)量發展。

       目前通用(yòng)大模型參數都在千億級别，對算力要求非常高，而垂直場景大模型參數在幾億、幾十億或上百億就基本夠用(yòng)，對算力要求不算高，我國(guó)有(yǒu)數量龐大的工(gōng)業業務(wù)場景，場景大模型應用(yòng)空間非常大。那麽場景大模型如何構建？模型固然重要，但更為(wèi)基礎的是數據，而且是“因果鏈”數據。這是因為(wèi)制造企業生産(chǎn)運營嚴格遵循控制論體(tǐ)系，無論是單輸入單輸出，還是多(duō)輸入多(duō)輸出，中(zhōng)間的算法就是“因果”關系模型，因此輸入和輸出數據都是“因果鏈”數據，這些數據有(yǒu)機組合在一起，才能(néng)成為(wèi)有(yǒu)價值的信息，組織加工(gōng)後形成工(gōng)業知識，進而應用(yòng)知識預測未來，這就是場景小(xiǎo)模型的基本邏輯（見圖1）。

圖1 DIKW模型基本反應場景小(xiǎo)模型内在邏輯

       企業真實場景中(zhōng)，數據完整性、準确性和實時性通常得不到保證，“眼見不一定為(wèi)實”的情況時常發生，如：在倉庫管理(lǐ)中(zhōng)，員工(gōng)手動記錄貨物(wù)的出入庫數量，可(kě)能(néng)會因為(wèi)疏忽而寫錯數字；設備出現故障或不準确會導緻數據質(zhì)量問題；在不同的數據庫中(zhōng)存儲了相同的客戶信息，但更新(xīn)不同步等等情況。這與消費互聯網有(yǒu)很(hěn)大不同，消費互聯網的大數據， “相關關系”的數據也能(néng)找出其特殊規律，如啤酒和尿不濕的故事就是個經典案例。

       毋庸置疑，工(gōng)業企業建設場景小(xiǎo)模型的根本目标是高質(zhì)量降低運營成本、提高産(chǎn)品質(zhì)量和提高效率或增加效益，終極目标是跨越經濟周期和應對市場不确定性，實現韌性成長(cháng)。其核心内容是通過數字能(néng)力建設，構建企業差異化競争優勢，持續提升管理(lǐ)價值，這也是EBC成長(cháng)模型的核心要義。

       數字業務(wù)能(néng)力建設首先要以客戶價值創造為(wèi)目标，重構内外價值鏈，編織生态價值網絡，通過數字平台（包括雲計算、大數據、區(qū)塊鏈、場景大模型等新(xīn)興信息技(jì )術）促進資源共享、多(duō)方協同和知識複用(yòng)，持續加速單業務(wù)環節、具(jù)體(tǐ)業務(wù)場景、價值鏈乃至價值網絡的整體(tǐ)運行效率，持續降低價值鏈/網絡運營成本，快速滿足客戶需求。

      “報價要快”、“個性化研發要快”、“交付要快”等都已經成為(wèi)多(duō)數企業運營的常态，“快”是定制化時代企業賴以生存和發展的核心競争力，按照控制論的思想出發來理(lǐ)解“快”的内在邏輯（見圖2）。

圖2 以控制論思想解讀“快”的運行邏輯

01 快速感知

       在工(gōng)業場景中(zhōng)，快速感知具(jù)有(yǒu)至關重要的意義。它就像是企業的敏銳觸角，能(néng)夠迅速捕捉到各種關鍵信息，為(wèi)高效生産(chǎn)和精(jīng)準決策提供有(yǒu)力支持。物(wù)聯網平台提供的萬物(wù)互聯能(néng)力能(néng)提高感知效率、降低感知成本和提高感知質(zhì)量，一起來看幾個工(gōng)業場景。

·設備狀态監測：在工(gōng)業生産(chǎn)中(zhōng)，設備的正常運行是保證生産(chǎn)效率和質(zhì)量的關鍵。場景小(xiǎo)模型可(kě)以通過傳感器實時采集設備的運行數據，如溫度、壓力、振動等，快速感知設備的狀态。例如，當設備的溫度或振動超出正常範圍時，場景小(xiǎo)模型可(kě)以立即發出警報，提醒工(gōng)作(zuò)人員進行檢查和維修，避免設備故障導緻生産(chǎn)中(zhōng)斷。

        産(chǎn)品質(zhì)量檢測：工(gōng)業生産(chǎn)中(zhōng)的産(chǎn)品質(zhì)量檢測是一個重要環節。小(xiǎo)模型可(kě)以利用(yòng)圖像識别、傳感器等技(jì )術，快速感知産(chǎn)品的質(zhì)量問題。例如，在電(diàn)子産(chǎn)品制造中(zhōng)，小(xiǎo)模型可(kě)以通過對電(diàn)路闆的圖像進行分(fēn)析，檢測是否存在焊接不良、元件缺失等問題；在食品加工(gōng)行業，小(xiǎo)模型可(kě)以通過傳感器檢測食品的溫度、濕度、酸堿度等指标，判斷食品是否符合質(zhì)量标準。

       ·環境監測：工(gōng)業生産(chǎn)過程中(zhōng)會産(chǎn)生各種污染物(wù)，對環境造成影響。小(xiǎo)模型可(kě)以通過傳感器實時監測環境中(zhōng)的污染物(wù)濃度、空氣質(zhì)量、水質(zhì)等指标，快速感知環境變化。例如，在化工(gōng)企業中(zhōng)，小(xiǎo)模型可(kě)以監測廢氣排放中(zhōng)的有(yǒu)害物(wù)質(zhì)濃度，一旦超标立即發出警報，提醒企業采取措施進行治理(lǐ)；在污水處理(lǐ)廠，小(xiǎo)模型可(kě)以監測水質(zhì)指标，确保處理(lǐ)後的水符合排放标準。

·       安(ān)全監控：工(gōng)業生産(chǎn)中(zhōng)的安(ān)全問題至關重要。小(xiǎo)模型可(kě)以通過視頻監控、傳感器等技(jì )術，快速感知安(ān)全隐患。例如，在工(gōng)廠車(chē)間中(zhōng)，小(xiǎo)模型可(kě)以通過視頻監控識别工(gōng)人的不安(ān)全行為(wèi)，如未佩戴安(ān)全帽、違規操作(zuò)等，并及時發出警報；在倉庫中(zhōng)，小(xiǎo)模型可(kě)以通過傳感器監測火災隐患，如煙霧、溫度等，一旦發現異常立即啓動滅火系統。

·       物(wù)流管理(lǐ)：在工(gōng)業生産(chǎn)中(zhōng)，物(wù)流管理(lǐ)也是一個重要環節。小(xiǎo)模型可(kě)以通過 RFID、傳感器等技(jì )術，快速感知貨物(wù)的位置、狀态等信息。例如，在物(wù)流倉庫中(zhōng)，小(xiǎo)模型可(kě)以通過 RFID 技(jì )術實時跟蹤貨物(wù)的存儲位置和數量，提高倉庫管理(lǐ)的效率；在運輸過程中(zhōng)，小(xiǎo)模型可(kě)以通過傳感器監測貨物(wù)的溫度、濕度等環境參數，确保貨物(wù)在運輸過程中(zhōng)的質(zhì)量安(ān)全。

·       研産(chǎn)協同：圖紙版本錯誤造成産(chǎn)品質(zhì)量問題，過去是紙質(zhì)圖在企業内部流轉，經常出現因為(wèi)圖紙版本變化而造成的生産(chǎn)不良品，産(chǎn)生不必要的浪費，現在是通過PLM和ERP的一體(tǐ)化實現圖紙随生産(chǎn)訂單的自動更新(xīn)和工(gōng)序流轉，不僅提升了工(gōng)人獲取信息的準确性和及時性，而且減少了不必要的浪費，提高了質(zhì)量合格率。

02 快速決策

       在工(gōng)業場景中(zhōng)，快速決策如同企業高效運轉的關鍵引擎，起着至關重要的作(zuò)用(yòng)，場景模型在快速決策方面有(yǒu)着廣泛的應用(yòng)，以下是一些場景應用(yòng)示例。

       ·生産(chǎn)調度：工(gōng)業生産(chǎn)中(zhōng)，合理(lǐ)的生産(chǎn)調度對于提高生産(chǎn)效率和降低成本至關重要。通過建立生産(chǎn)調度模型，可(kě)以根據訂單需求、設備狀态、原材料供應等因素，快速制定最優的生産(chǎn)計劃。例如，在汽車(chē)制造企業中(zhōng)，生産(chǎn)調度模型可(kě)以根據不同車(chē)型的訂單量、生産(chǎn)線(xiàn)的産(chǎn)能(néng)以及零部件的庫存情況，快速确定各生産(chǎn)線(xiàn)的生産(chǎn)任務(wù)和生産(chǎn)順序，确保生産(chǎn)的高效進行。

·       設備維護：設備故障是影響工(gōng)業生産(chǎn)的重要因素之一。通過建立設備維護模型，可(kě)以實時監測設備的運行狀态，預測設備的故障發生時間，并提前制定維護計劃。例如，在化工(gōng)企業中(zhōng)，設備維護模型可(kě)以通過分(fēn)析設備的振動、溫度、壓力等參數，預測設備的故障風險，并在故障發生前安(ān)排維護人員進行檢修，避免設備故障對生産(chǎn)造成影響。

·       質(zhì)量控制：産(chǎn)品質(zhì)量是企業的生命線(xiàn)。通過建立質(zhì)量控制模型，可(kě)以快速檢測産(chǎn)品的質(zhì)量問題，并采取相應的措施進行改進。例如，在電(diàn)子産(chǎn)品制造企業中(zhōng)，質(zhì)量控制模型可(kě)以通過對生産(chǎn)過程中(zhōng)的數據進行實時分(fēn)析，檢測出産(chǎn)品的缺陷率和不良品率，并及時調整生産(chǎn)工(gōng)藝和參數，提高産(chǎn)品的質(zhì)量。

·       能(néng)源管理(lǐ)：工(gōng)業生産(chǎn)中(zhōng)，能(néng)源消耗是企業的重要成本之一。通過建立能(néng)源管理(lǐ)模型，可(kě)以實時監測能(néng)源的消耗情況，優化能(néng)源的使用(yòng)效率，降低能(néng)源成本。例如，在鋼鐵企業中(zhōng)，能(néng)源管理(lǐ)模型可(kě)以通過分(fēn)析生産(chǎn)過程中(zhōng)的能(néng)源消耗數據，優化煉鋼爐的加熱時間和溫度，降低能(néng)源消耗，提高生産(chǎn)效率。

·       供應鏈管理(lǐ)：供應鏈的高效運作(zuò)對于工(gōng)業企業的生産(chǎn)和銷售至關重要。通過建立供應鏈管理(lǐ)模型，可(kě)以快速響應市場需求的變化，優化供應鏈的各個環節，提高供應鏈的效率和可(kě)靠性。例如，在服裝(zhuāng)企業中(zhōng)，供應鏈管理(lǐ)模型可(kě)以根據市場的銷售數據和預測，快速調整原材料的采購(gòu)計劃、生産(chǎn)計劃和配送計劃，确保産(chǎn)品的及時供應和銷售。

03 快速執行

       在工(gōng)業場景中(zhōng)，快速執行是企業提高競争力，實現可(kě)持續發展的重要保障。通過建立高效的執行體(tǐ)系，企業可(kě)以在激烈的市場競争中(zhōng)脫穎而出，為(wèi)客戶提供優質(zhì)的産(chǎn)品和服務(wù)。工(gōng)業場景模型可(kě)以在快速執行方面發揮重要作(zuò)用(yòng)，以下是一些場景應用(yòng)示例。

       ·生産(chǎn)計劃優化模型：在制造業中(zhōng)，生産(chǎn)計劃的制定和執行至關重要。通過建立生産(chǎn)計劃優化模型，可(kě)以根據訂單需求、設備能(néng)力、原材料供應等因素，快速制定出最優的生産(chǎn)計劃。例如，在汽車(chē)制造企業中(zhōng)，該模型可(kě)以根據市場需求預測和生産(chǎn)線(xiàn)的實際情況，合理(lǐ)安(ān)排生産(chǎn)任務(wù)，确保生産(chǎn)線(xiàn)的高效運行。

       ·物(wù)流配送優化模型：在工(gōng)業生産(chǎn)中(zhōng)，高效的物(wù)流配送對于保證生産(chǎn)的連續性至關重要。物(wù)流配送優化模型可(kě)以根據訂單需求、倉庫庫存、運輸能(néng)力等因素，快速制定出最優的物(wù)流配送方案。例如，在電(diàn)商(shāng)物(wù)流企業中(zhōng)，該模型可(kě)以根據客戶訂單的分(fēn)布情況和配送車(chē)輛的實際情況，合理(lǐ)規劃配送路線(xiàn)，提高配送效率，降低物(wù)流成本。

       ·采購(gòu)優化模型：在小(xiǎo)批量、多(duō)品種、短交期訂單日期增多(duō)背景下，原料種類的需求會急劇增加，如果通過增加庫存來解決這個問題，成本會顯著增加。采用(yòng)人工(gōng)智能(néng)驅動的供應鏈管理(lǐ)系統，可(kě)以實時監控庫存水平、預測需求、優化物(wù)流配送，減少庫存積壓和缺貨風險，提高供應鏈的穩定性和靈活性。

       總之，工(gōng)業場景模型在快速感知、快速決策和快速執行方面都有(yǒu)廣泛的應用(yòng)前景，企業通過物(wù)聯網平台、信息系統平台、客戶體(tǐ)驗平台、生态協同平台和數據智能(néng)平台建設，搭建各工(gōng)業場景模型，不斷提升萬物(wù)互聯能(néng)力、員工(gōng)協作(zuò)能(néng)力和智慧決策能(néng)力，可(kě)以幫助企業快速響應市場變化和生産(chǎn)需求，提高生産(chǎn)效率和質(zhì)量，降低成本和風險，實現可(kě)持續發展。