工业AI最后一公里：数据和模型质量问题

工业4.0背景下，人工智能技术逐渐渗透至研产供销服各个环节，不断推动制造业的智能化转型，大模型的出现则为工业AI的应用创新带来更多的可能性。

今天，虎嗅2023工业AI大会在苏州工业园胜利召开。虎嗅智库遴选了40家先进制造企业和科技创新企业来分享他们的落地实践案例及工业AI创新解决方案。作为本次大会的指导单位，虎嗅智库得到苏州工业园区金融发展和风险防范局的鼎力支持，同时局长朱晓焱为大会开幕式致辞，预祝本次大会取得圆满成功。

9月7日上午论坛主题《大模型与工业机器视觉》，我们邀请了智源研究院副院长兼总工程师林咏华、羚羊工业互联网股份有限公司总裁徐甲甲、阿里云行业解决方案研发部产品总经理许呙兢、蘑菇物联联合创始人&UBU总经理谢波、IDEA研究院首席系统架构师刘伟、上海电气集团中央研究院人工智能及应用研究室主任杨家荣等企业一线专家，深入探讨工业AI大模型产业落地的挑战及工业不同的AI大模型在不同应用场景落地案例。

以下为嘉宾的部分观点摘要：

AI在制造业的落地现状

AI产业现在已经进入了一个良性循环期。虽然在各个行业的渗透率和成熟度还是有一定的差异，但是我们也欣喜的看到实际上在各个行业之中这种应用的差距在逐步的缩小。现在我们已经从比拼算法性能的阶段，进入到了一个和传统产业深度融合的阶段。但是工业相对通用AI的发展而言，实际发展的速度还是缓慢了一些。

随着AI应用人才的不断加入，后续AI的应用场景也在不断的创新加速、不断的被挖掘出来，后续这些应用也会不断的加速。所以AI应用的价值最终也会进一步的凸显，包括我们需求侧的企业实际上对于AI的认知也逐渐趋于理性，工业领域对于AI技术来实现赋能生产运行也是一直有比较迫切且明确的需求。

（上海电气集团中央研究院人工智能及应用研究室主任杨家荣）

我们可以根据一个主体对外界环境变化的反应，来判断它是否是“智能”的，这个主体可以是人，可以是机器，可以是组织，也可以是公司。

所以对于AI在制造业的落地，如果这个AI的能力不能够让工厂的产线或者是公司的运营能够对外界进行智能化的反、来帮助他调整优化，那他就不是一个智能体。所以我们在做AI落地的时候，并不是说单纯地把一项技术落地，而是会看它最终它的效果是什么，以及它有没有改变这个主体对外界反应的灵敏度。

（阿里云行业解决方案研发部产品总经理许呙兢）

工业AI加速企业数字化向数智化转型

工业AI的数智化应用已进入决策阶段。从运营模式来看，工业AI的数智化应用由点及面经历了三个阶段：

第一阶段专注于运营质量和效率，通过提高车间或办公室自动化的质量，降低成本，同时将人员从低价值劳动中解放出来；

第二阶段注重端到端业务绩效，通过业务透明＋部门协作，提高企业自身及上下游的协同效率，使人员成为流程的主人，实现一专多能的能力转型；

而进入第三阶段，智能制造是核心目标，企业希望通过深度挖掘数据价值，利用智能决策提高决策质量，助力员工成为决策者和管理的主人。

（蘑菇物联联合创始人&UBU总经理谢波）

4个A Few概括工业AI的发展潜力：第一个a few，在工业生产环节，提高1%的效率就是巨大成绩。2022年我国工业增加值总额突破40万亿元，那1%就是4000亿元，AI能够助力生产效率提高30%。在充满价值潜力的AI应用到产线上，还存在第二个a few。

即使只考虑使用1%的数据来训练AI模型，仅中国2023年数据量的1%就是30亿TB。第三个a few叫小于10，AI视觉领域的人自嘲说视觉模型有多少场景就得有多少模型，开发一个全新模型无法摆脱人工调参、周期慢。

针对这些问题，IDEA在视觉模型方面提出了小于10的方案。最后一个a few是1个通用模型，视觉模型通用化是一个重要发展方向，也就是旨在用1个通用视觉模型，尽量解决大部分包括目标检测在内的视觉相关问题。

（IDEA研究院首席系统架构师刘伟）

大模型为AI落地带来了更多可能性

我访问了上千家的客户，发现一个特点，就是用户对于新技术的认知不足。首先，大部分用户原来很多是搞OT的，对IT的理解差异度很大，讲AI的话，用户听不懂，要翻译成行话去交流。

第二就是落地的过程中每个用户的设备工况、场景是标准化是不统一的，过程中想要让客户的场景适配自己的系统是很难的，要做一套能够适配客户的系统。

第三就是数据，数据质量的问题不仅仅是采集数据的问题，有的数据根本就没有相应的传感器来采集。

一个非常典型的模型在部署这方面都是从数据开始的，包含数据采集、数据标注、模型训练、模型部署四大环节。在过去十年，人工智能最重要的转变是深度智能。

近十年，包括现在在内这个最重要的转变是以数据为中心这种转变。所以对如何获取数据、如何优化数据、如何使用数据、如何提高数据质量，将成为人工智能发展最重要的一个一个环节。所以，数据采集、数据标注就成为在这个四个环节里比较重要的前两个环节。

大模型落地产业的”最后一公里“必须要面对大模型的质量问题。首先，需要系统性地确定大模型的能力边界，以数字刻画大模型的“能做”和“不能做“；其次，需要系统性地确定大模型的质量边界，以数字来刻画大模型在某一能力上的质量；最后，需要系统性地去寻找大模型问题的根因，防止隐藏的”雷点“可能在产业落地中爆发。

（智源研究院副院长兼总工程师林咏华 ）

大模型可以很好地赋能工业企业研产供销服这些方面的基础性能力。在浅层次，当前的大模型可以依靠经验、知识，助力企业提高工业生产的效率；随着工业场景应用的持续深入，大模型还可以助力生产流程的设计、工艺参数的优化、供应链、采购、销售、产品介绍、客服等等。

一些传统的技术（经典AI）基本上都是割裂的，行业落地都需要大量深度的定制，而大模型的出现有望为制造业提供一些普适性的技术。

（羚羊工业互联网股份有限公司总裁徐甲甲 ）

在圆桌研讨环节，谛声科技 合伙人/COO常炜熙、深度智控首席战略官张雨馨、梅卡曼德机器人总经理魏立龙、微亿智造创新系统部负责人马元巍共同探讨国内工业AI产业发展的曲折道路与美好前景。

同时，在本次大会正式发布《虎嗅大鲸榜：2023工业AI高成长科技公司TOP30》，作为大鲸榜工业AI高成长企业的代表，他们的创业密码以及披荆斩棘之后凝结的生存力量值得被更多人发现与听见。创业是一条艰难曲折的孤独之路，中国本土企业对工业AI领域的探索更是刚刚起步，道阻且长。

随着工业AI应用人才的不断涌入和技术的不断创新，我们有信心未来工业AI的应用将会加速，为企业带来更大的价值。工业AI的落地不仅是技术的实际应用，更是对企业运营、决策和生产方式的深刻改变，助力企业实现数字化向数智化的转型。

虎嗅2023工业AI大会是一个积极的开始，我们期待在未来看到更多的工业AI创新和成功案例，共同推动工业智能化的进程。

关于虎嗅智库：

虎嗅智库致力于推动产业数字化以及以“双碳”转型为代表的可持续发展，为参与这个进程的中国企业高管、政府相关决策服务。我们主要的服务手段主要为：研究型内容（报告、分析文章、调研评选）、数据库、线上线下活动与社群、定制型项目等。

我们提供的核心价值：

及时与优质的洞察，了解技术、了解行业、了解同行与对手；

为决策者技术与产品战略决策、产业规划、解决方案选型提供重要参考；

帮助市场全面了解前沿科技及所影响产业的发展状况，还有未来趋势。

相关推荐

工业AI最后一公里：数据和模型质量问题
制造强国的“最后一公里”
全球自动驾驶最后一公里物流生态报告
AI大模型赋能工业，从研发到售后能做多少事儿？
百度、阿里决战智能音箱最后一公里
国产工业机器人突围之战：AI大模型加速装“脑”上机
用亚马逊式的平台解决最后一公里配送问题，「Onerail」获580万美元融资
“盗”数据，AI大模型的黑暗面
为解决智能家居“最后一公里”，「艾拉物联」推出Ayla Home
安全的“最后一公里”是什么？「嘉韦思」认为是网络安全保险

网址: 工业AI最后一公里：数据和模型质量问题 http://www.xishuta.com/newsview89939.html