每經(jīng)記者 王紫薇    每經(jīng)編輯 劉雪梅    

在數(shù)字化浪潮蓬勃發(fā)展和新技術(shù)引領(lǐng)的產(chǎn)業(yè)變革環(huán)境下，數(shù)字化與智能化正在為企業(yè)轉(zhuǎn)型升級(jí)提供新的機(jī)遇。

11月9日，亞馬遜云科技發(fā)布了生成式AI三個(gè)已經(jīng)驗(yàn)證有效的在制造業(yè)落地的場(chǎng)景，即工業(yè)產(chǎn)品設(shè)計(jì)概念圖生成、營(yíng)銷(xiāo)圖庫(kù)方案生成和企業(yè)內(nèi)部知識(shí)庫(kù)協(xié)同三大場(chǎng)景，幫助企業(yè)從流程、人力上著手，提升效率。

亞馬遜生成式AI驗(yàn)證有效的在制造業(yè)落地的場(chǎng)景 圖片來(lái)源：每經(jīng)記者 王紫薇 攝

用數(shù)字化為企業(yè)賦能是國(guó)內(nèi)制造一直以來(lái)希望的發(fā)展方向，其核心則是“如何進(jìn)行數(shù)字化轉(zhuǎn)型”以及“轉(zhuǎn)型之后到底能不能降本增效”。

在中國(guó)制造業(yè)從“量”到“質(zhì)”的數(shù)字化轉(zhuǎn)型實(shí)踐中，傳統(tǒng)制造業(yè)面臨技術(shù)產(chǎn)品創(chuàng)新歷時(shí)久、工廠整體設(shè)備效能OEE（Overall Equipment Effectiveness，設(shè)備綜合效率）激活不暢、供應(yīng)鏈效率及彈性低，以及缺乏創(chuàng)造新的收入來(lái)源等集中性挑戰(zhàn)。

技術(shù)的蓬勃發(fā)展為制造業(yè)帶來(lái)了降本增效的機(jī)會(huì)窗口。對(duì)于企業(yè)來(lái)說(shuō)，上云，使用云上工具已經(jīng)成為企業(yè)解決此類(lèi)問(wèn)題的主要方式。此外，隨著生成式AI的到來(lái)，制造業(yè)企業(yè)在具體3大場(chǎng)景中，迎來(lái)新的效率革命。

生成式AI帶來(lái)的新機(jī)遇

亞馬遜云科技強(qiáng)調(diào)，生成式AI在制造業(yè)落地中的三大已被驗(yàn)證的場(chǎng)景，首先是在工業(yè)產(chǎn)品設(shè)計(jì)領(lǐng)域。具體來(lái)說(shuō)，傳統(tǒng)流程一般是先進(jìn)行概念設(shè)計(jì)，再對(duì)設(shè)計(jì)圖進(jìn)行渲染，最后是設(shè)計(jì)評(píng)審環(huán)節(jié)，此過(guò)程需要大量人工參與，同時(shí)還涉及多次返工等難題，工作效率相對(duì)低下。而大模型在“概念圖”生成中已被證實(shí)有很大的效率提升。

亞馬遜云科技大中華區(qū)戰(zhàn)略業(yè)務(wù)發(fā)展部總經(jīng)理顧凡表示：“我們強(qiáng)調(diào)‘概念圖’的意思，就是在說(shuō)替代原則，把概念圖這一塊交給大模型快速生成，然后再集成到整個(gè)工作流里面，所以很多客戶(hù)都在使用并從中受益。”

海爾與亞馬遜云科技及其他合作伙伴聯(lián)手打造了定制化的生成式AI解決方案，并應(yīng)用到新品設(shè)計(jì)、改款升級(jí)、渠道定制化等工業(yè)設(shè)計(jì)的業(yè)務(wù)場(chǎng)景中。根據(jù)亞馬遜云科技提供的數(shù)據(jù)，這個(gè)方案讓海爾創(chuàng)新設(shè)計(jì)中心的整體概念設(shè)計(jì)提速了83%，集成渲染效率提升了約90%。

第二是在營(yíng)銷(xiāo)領(lǐng)域。線上線下的推廣圖入庫(kù)之后，利用AI快速生成符合不同渠道的市場(chǎng)營(yíng)銷(xiāo)整合材料。

智能知識(shí)庫(kù)搜索是企業(yè)落地的第三大場(chǎng)景。國(guó)內(nèi)制造企業(yè)往往是人員密集型企業(yè)，員工數(shù)量眾多，內(nèi)部資料和數(shù)據(jù)也因多年積累數(shù)量龐大。亞馬遜云科技利用生成式AI技術(shù)助力客戶(hù)構(gòu)建企業(yè)級(jí)智能知識(shí)庫(kù)，集合搜索引擎和大語(yǔ)言模型，使企業(yè)員工在知識(shí)庫(kù)中快速找到精準(zhǔn)和具備實(shí)效性的內(nèi)容，有效提升生產(chǎn)與辦公效率。

此外，生成式AI的發(fā)展也給中小制造業(yè)企業(yè)帶來(lái)了“彎道超車(chē)”機(jī)會(huì)。

顧凡認(rèn)為，云計(jì)算與生成式AI的相同點(diǎn)在于，兩者都是基礎(chǔ)設(shè)施資源。面對(duì)今年生成式AI的迅速發(fā)展，原本掣肘小企業(yè)人力與資金的因素，可以通過(guò)API直接訪問(wèn)Amazon Bedrock大模型從而覆蓋需求，這在一定程度上將中小企業(yè)與大企業(yè)拉到了同一起跑線。

解決技術(shù)手段之后，顧凡認(rèn)為，中小企業(yè)和大企業(yè)真正的不同，在于業(yè)務(wù)端。

大模型+小模型仍是主流解決方案

自今年生成式AI橫空出世以來(lái)，這項(xiàng)技術(shù)正在加速嵌入制造行業(yè)的業(yè)務(wù)場(chǎng)景，在產(chǎn)品開(kāi)發(fā)和設(shè)計(jì)、制造運(yùn)營(yíng)、供應(yīng)鏈、營(yíng)銷(xiāo)和銷(xiāo)售、智能客服及知識(shí)庫(kù)等方面帶來(lái)巨大價(jià)值。

根據(jù)美國(guó)咨詢(xún)公司Gartner發(fā)布的《2022年人工智能技術(shù)成熟度曲線》預(yù)測(cè)報(bào)告，到2027年，30%的制造商將使用生成式AI提高產(chǎn)品研發(fā)的效率。

生成式AI給各行各業(yè)的發(fā)展帶來(lái)了更大的想象空間，但是目前的現(xiàn)實(shí)是，在應(yīng)用層面，大模型仍處于非常早期的階段。顧凡看好AI為制造業(yè)帶來(lái)的賦能提效，但他并不是大模型的狂熱推崇者。

“大模型是一個(gè)工具，覺(jué)得大模型厲害，是一種技術(shù)思維。大模型確實(shí)厲害，但可能不是解決實(shí)際問(wèn)題的最優(yōu)選。我們從實(shí)際應(yīng)用出發(fā)，如果小模型已經(jīng)可以解決業(yè)務(wù)問(wèn)題，并且劃算，那么為什么要著急上大模型？”顧凡說(shuō)。

顧凡認(rèn)為，企業(yè)應(yīng)該關(guān)注的不是技術(shù)層面的使用或者不使用大模型，而是更多從場(chǎng)景應(yīng)用層面出發(fā)，大模型本身其實(shí)只是一個(gè)工具，把不同工具應(yīng)用到最合適的場(chǎng)景里進(jìn)行組合，找到最優(yōu)解才是最佳的解決方案。從應(yīng)用層面出發(fā)，使用大模型需要綜合考慮是否精準(zhǔn)解決需求、是否成本可控等問(wèn)題。顧凡認(rèn)為，制造業(yè)行業(yè)內(nèi)，大模型與小模型“兩條腿走路”仍是目前的主流解決方案。

封面圖片來(lái)源：每經(jīng)記者 孔澤思 攝