【儀表網 企業動態】6月24日，在天津夏季達沃斯論壇“AI+ 時代”分論壇中，西門子股份公司董事會成員、首席技術官兼首席戰略官 Peter Koerte 和行業領袖們就 AI 的普及和應用趨勢，AI 應用差異化對行業的影響等進行了探討。期間，Peter Koerte 首發工業 AI 署名文章，分享其對 AI 發展的更多洞察和思考。
 

　　當我們每一次呼吸時，數以萬計的病原體便會悄然潛入我們的肺部。但對于大多數人來說，人們往往并未感受到免疫系統正在默默戰斗，全力抵御這些“入侵者”。因為在大多數情景之下，這樣的“戰斗”在人們身體的每一個角落不斷上演 — 從捍衛我們的皮膚，到守護我們的骨骼，為健康消除隱患，為生命保駕護航。值得一提的是，人類的免疫系統也在不斷學習和進化，從而讓我們的身體愈發強壯。
 

　　而人工智能之于工業
 

　　正如免疫系統之于人體那么將畫面拉回我們所處的科技領域。如今我們也正在從零開始構建這樣一個免疫系統，可以說正確搭建并高效運作這樣的系統勢在必行且意義非凡。如此一來，我們所創造的先進技術不僅能長久留存，更能持續發展和演化。在當今的數字世界，我們需要一個快速、靈活且具備韌性的系統，而人工智能 (AI) 正是關鍵所在。只要目標明確穩步推進，AI 能為工業領域塑造強韌的“免疫系統”，就好比免疫系統造福人們的身體健康 — AI 將讓我們的行業更加強大、更有智慧、更具韌性。接下來，讓我們來看幾個案例。
 

　　01Industrial Copilots為人機交互構筑溝通橋梁
 

　　AI 已誕生超過半個世紀。然而直到生成式 AI 的出現，它才真正顛覆了發展軌跡，實現了人機之間的自然語言交互。人們可以向大型語言模型 (LLM) 詢問任何問題，并在短短幾秒內獲得答案。這樣的交流在工業領域將釋放出巨大潛力。從設計師、工程師到生產線專家，價值鏈上的每一個環節都將從中獲益，每個人都可以隨時調用 industrial copilots 來高效工作。
 

　　截止目前，已有 200 多家企業部署了西門子 industrial copilots ，用以輔助設備安裝、程序調試及故障排除。這些數字助手能夠通過深度分析數據精準定位問題根源，自動生成解決方案并編寫控制代碼，原本耗時數小時的任務如今在幾分鐘內就能完成，而操作人員僅需監督，無需過多干預。
 

　　這和我們人體免疫細胞的運作機制頗為相似：免疫細胞在體內持續巡邏，精準識別異常情況，一旦發現問題，便會迅速召喚支援部隊進行精準修復，這樣的團隊智慧高效、行動迅捷、決策精準，甚至可以通過自主學習積累經驗，持續強化機體自愈的能力。這也昭示著工業 AI 的未來發展方向 — 一個由 AI 智能體參與塑造的未來。
 

　　02AI 智能體發現問題、解決問題、記錄沉淀
 

　　實際上，使用 AI 智能體的意義絕非單純獲得輔助。它更像是把一項任務交給一支專業的專家團隊，而這樣的場景也已走進現實。西門子已經與德國公司 EPLAN 展開合作，共同開發一款 AI 智能體，助力工廠實現自我升級。
 

　　比如當一臺機器擁有約 20,000 個零部件的情況下，確保這些零部件的實時更新是一項繁瑣而艱巨的工作。而我們的這款 AI 智能體能夠在線上數字系統提醒相關負責人，及時替換老舊的零部件，從而確保我們能在現實世界的工廠車間高效完成這一過程。這不僅節省了時間，降低了人為錯誤的風險，還保障了機器的順暢運行。
 

　　我們相信，未來 AI 智能體將會成為數字市場上可供購買的商品。然而，僅靠訓練 AI 智能體還不足以滿足需求，就像特種部隊之所以能夠發揮強大效力并確保行動安全，其關鍵在于通過準確無誤的數據進行精準決策。
 

　　03工業基礎模型 (IFM)鑄就工業智策的脊梁
 

　　談及多發性硬化癥、1 型糖尿病、類風濕關節炎這類疾病時，我們知道一旦免疫系統失控，轉而攻擊其本應守護的身體組織，后果將不堪設想。受制于人體免疫系統的復雜性，這類病情帶來的挑戰也許很難預防。但在工業領域，我們擁有截然不同的掌控力。作為工業“免疫系統”的架構師，我們能夠決定如何對其進行訓練，以及選擇何種數據加以利用，而這些正是確保工業 AI 安全、可信且可靠的基石所在。
 

　　單靠生成式 AI 無法滿足工業需要，因為其主要擅長生成和理解人類的語言。然而，機器的語言通常是數值型的，更聚焦在溫度、電壓、時間序列等數值，這些模態往往很難用文字來準確描述。
 

　　正因如此，我們研發了工業基礎模型 (IFM)。該模型能夠處理從二維、三維圖紙到時間序列數據等各類信息，有望成為 AI 解決方案的核心架構。這一模型能否取得成功，關鍵在于我們工業界每一位從業者的積極參與和攜手共創。
 

　　04工業數據嚴選優用，共益共利
 

　　工業基礎模型(IFM)的質量與用于訓練的數據密切相關，僅依賴單一來源的數據遠遠不夠，它需要汲取和整合來自不同公司和行業的信息，匯聚整個工業界的豐富知識積淀。
 

　　這并不代表需要公開所有私域數據，而是有選擇性地共享工業領域的用例信息，特別是那些未來有望借助 AI 加以處理的用例。通過為復雜問題提供更多情境信息，從而撥開工業系統的認知迷霧。
 

　　如今，還有很多未知數據有待我們去挖掘。工業行業的數據利用率僅有 20%，剩余 80% 的數據被鎖在各自的孤島中，尚未被充分挖掘和重視。而工業行業的眾多伙伴，正是幫助這些數據資產撥云見日的關鍵力量。這些數據能夠助力不同系統實現更高效的協作，也能讓 industrial copilots 更具洞察力，并賦能 AI 智能體更快解決問題。通過共享這些數據，我們可以將那些從機器、工廠乃至行業層面獲得的寶貴經驗進行規?；瘡椭疲瑢崿F跨機器、跨工廠、跨行業的乘數效應。
 

　　人類的身體就好比一個“超級工廠”，沒有數據共享，將寸步難行。試想，如果大腦無法與心臟溝通、脊椎無法與雙腿協作、肺部無法與口鼻聯結，那么人們的心臟會停止跳動、身體機能會瓦解、呼吸也會受到阻礙。因此，無論是生物還是商業，協作都是最明智的選擇。
 

　　AI 之于工業，恰似免疫系統之于人體 — 它隱于血肉，卻護山河無恙。當我們在工業領域談論 AI 時，可以暢想它能：讓我們更強大、更智慧、更具韌性。AI 的到來，將幫助我們的工業行業在這劇變的時代游刃有余，行穩致遠。