當(dāng)前，AI大模型在自然語言處理、圖像識別、語音識別等領(lǐng)域取得了不俗成就，市場規(guī)模也在快速增長。根據(jù)Precedence Research測算，預(yù)計到2032年，全球大模型市場規(guī)模將超過1100億美元。接下來，大模型向B端，尤其是向工業(yè)領(lǐng)域部署正成關(guān)注焦點。

      工業(yè)領(lǐng)域嘗試大模型技術(shù)

      2023年11月，工業(yè)巨頭西門子和全球最大軟件公司微軟宣布將為工業(yè)應(yīng)用合作開展生成式人工智能。作為合作的第一步，雙方將推出一款聯(lián)合開發(fā)的人工智能輔助工具——西門子Industrial Copilot，以提升制造業(yè)中的人機協(xié)作能力。Industrial Copilot從西門子Xcelerator開放式數(shù)字商業(yè)平臺中獲取自動化和流程仿真信息，并利用微軟的Azure OpenAI服務(wù)增強用戶的數(shù)據(jù)能力。

      借助該工具與西門子TIA博途系統(tǒng)的深度整合，可實現(xiàn)為可編程邏輯控制器（PLC）自動生成基礎(chǔ)虛擬任務(wù)和代碼，以處理大量重復(fù)性工作。

       作為最早在工程設(shè)計階段采用生成式人工智能的企業(yè)之一，汽車零部件供應(yīng)商舍弗勒（Schaeffler AG）計劃應(yīng)用西門子Industrial Copilot，以期減少停機時間，并在后期為客戶提供服務(wù)。

       不僅如此，按照在西門子的愿景設(shè)想，其人工智能輔助工具將被應(yīng)用于制造業(yè)、基礎(chǔ)設(shè)施、交通運輸以及醫(yī)療等行業(yè)。

       同時，為了提升團隊間虛擬寫作水平，西門子擬推出深度兼容微軟Teams的Teamcenter應(yīng)用。該應(yīng)用將西門子Teamcenter產(chǎn)品生命周期管理（PLM）軟件與微軟Teams協(xié)作平臺進行融合，以便于工廠一線工人和工程團隊獲取數(shù)據(jù)。

       人工智能之路還很遠(yuǎn)

       盡管像ChatGPT等這類生成式人工智能技術(shù)正在備受推崇，但是它們距離真正的人工智能還很遠(yuǎn)。“諸如ChatGPT、DALL-E等其他新一代人工智能技術(shù)，一直受到很大關(guān)注，但它們本質(zhì)上是預(yù)測機器�！比�球知名的管理咨詢公司麥肯錫在報告中如是描述。

       換而言之，生成式人工智能可以高度準(zhǔn)確地預(yù)測特定提示的答案，因為它們已經(jīng)接受了大量數(shù)據(jù)的訓(xùn)練。雖然效果令人印象深刻，但是它們在創(chuàng)造力、邏輯推理、感官感知和其他能力方面，還遠(yuǎn)沒有達到人類的表現(xiàn)水平。相比之下，AGI（通用人工智能）工具可以具有與人類無法區(qū)分的認(rèn)知和情感能力（如同理心）。

       另外，根據(jù)IBM特約撰稿人Tim Mucci、作家Cole Stryker聯(lián)合的撰文指出，微軟和 OpenAI聲稱GPT-4 的能力非常接近人類水平，但大多數(shù)專家將其歸類為強大但狹隘的人工智能模型。IBM  Watson等超級計算機可以分析大量數(shù)據(jù)，但是無論如何，這些都是狹義人工智能的例子。這些系統(tǒng)在其特定領(lǐng)域表現(xiàn)出色，但缺乏通用人工智能所設(shè)想的一般問題解決技能。

       雖然 AGI 承諾的機器自主性遠(yuǎn)遠(yuǎn)超出了人工智能，但即使是最先進的系統(tǒng)仍然需要人類專業(yè)知識才能有效運行。建立一支擁有人工智能、深度學(xué)習(xí)、 機器學(xué)習(xí)(ML) 和數(shù)據(jù)科學(xué)技能的內(nèi)部團隊是一項戰(zhàn)略舉措。最重要的是，無論人工智能的強度如何（弱或強），數(shù)據(jù)科學(xué)家、人工智能工程師、計算機科學(xué)家和機器學(xué)習(xí)專家對于開發(fā)和部署這些系統(tǒng)都至關(guān)重要。

       人工智能仍值得期待

        盡管領(lǐng)導(dǎo)者對當(dāng)前人工智能的優(yōu)勢持保留態(tài)度，但組織正在積極投資新一代人工智能部署，大幅增加預(yù)算，擴大用例，并將項目從實驗過渡到生產(chǎn)。

      Andreessen Horowitz數(shù)據(jù)顯示，2023年，被調(diào)查公司在基礎(chǔ)模型應(yīng)用程序編程接口(api)、自托管和微調(diào)模型上的平均支出達到700萬美元。幾乎所有的受訪者都報告了人工智能實驗的早期成果，并計劃在2024年增加支出，以支持生產(chǎn)工作量。

       另外，根據(jù)麥肯錫統(tǒng)計，目前全球大約有350 萬臺機器人在服役，且每年還會部署 55 萬臺機器人。盡管可編程機器人的比例越來越高，但它們要想超過人類，還有很長的路要走。

       不過，隨著硬件和軟件的限制被克服，機器人供應(yīng)商開始用新的人工智能工具和技術(shù)對單元進行編程。這些顯著提高了機器人執(zhí)行通常由人類處理的任務(wù)的能力，包括行走、感知、通信和操縱物體。而隨著AGI技術(shù)的不斷成熟，我們可以期待越來越復(fù)雜的人工智能工具和技術(shù)被編程到各種機器人中，比如獨立的自主工業(yè)機器人（Stand-alone autonomous industrial robots:）、人類-混合機器人（Human–hybrid robots）等。