生成式AI，正在经历一场关于落地前景的论战。
在德国中北部城市希尔德斯海姆，世界工业巨头博世已经把生成式AI技术用在了生产线上。他们以AI仿真绘制的方式合成出超过15000张关于产品缺陷的图片，然后将其应用于电机定子生产线的质检。借助生成式AI，博世采用自动化光学检测模型可将项目对应工期缩短六个月，每年的产值得以提升六位数欧元。
而在大西洋对岸的美国，生成式AI概念的引爆者OpenAI刚刚在7月发布了一份饱受争议的AGI路线图。根据OpenAI的定义，现阶段的聊天机器人只是AGI的第一阶段，其后还有推理、智能体、创新、组织四个发展等级，且五级AGI最快将在2027年实现。然而，这份路线图却遭到了包括《财富》等媒体在内社会各界的广泛质疑，因为OpenAI只给出了概念化的发展阶段，却没有真正为AI在现实世界的应用前景做出背书。
不是所有人都赞同用纯大语言模型去探索AGI的终局。在现实场景中，AI理应具备更多可能性，就像博世在工业领域所做的尝试那样。
工业、制造业的生产线上，存在许许多多固定的工作任务和场景，让生成式AI可以真正创造出产值，而不只是话题。这恰恰是现实产业真正的需求。贝恩咨询在《2024年全球机械设备报告》中提到，75%的先进制造企业在工程研发战略中优先采用AI技术，超过90%的机械设备企业早已开始收集和储存生产数据，为AI的应用落地提供了“养料”。
更进一步地，如果一种AI技术试图在工业和制造业场景中生根发芽，那它自然需要有相应的产业环境。而在工业版图庞大的中国，掌握这些AI技术的公司正在为新兴应用提供支撑。
麦肯锡在研究中提及，在2023年12月公布的21家新灯塔工厂名单中，有近60%的顶级用例采用了人工智能技术。灯塔工厂代表着全球制造业领域智能制造和数字化最高水平，这21家灯塔工厂有11家来自中国，其中中信泰富特钢中国江阴工厂、隆基绿能中国嘉兴工厂、亨通光纤科技中国苏州工厂等，均引入了AI技术。
在人类担忧AI和大模型将人类社会生活导向不可预测的未来时，工业场景为之提供了确定性，也为参与这个生态的玩家提供了宽广的未来。
AI的智能释放需要承载场景
理解场景之于AI的重要性，可以从两则关于人类智能的信息出发。
人类世界有许多个流传甚广的关于“狼孩”的故事，它们描述了一种现象：一个拥有智慧大脑的人类在长期处于兽类（比如狼）的生存场景时，相关的语言、行为等功能将不会被激活，从而保持在较低的智能表现水平。
美国心理学家温斯罗普和卢埃拉-凯洛格在九十多前利用猿猴和儿童展开了反向实验，测试其他物种学习人类智能的能力，并将结论写进了《猿与孩子：环境对早期行为影响的比较研究》一书：“无论如何进行社会化和人性化训练，非人物种所能达到的人性化程度都存在明确的限制。”
两个不同的故事折射出有相通之处的哲理：高智能个体缺乏训练，将不会释放认知和学习的潜能；而相对低智能的个体虽然上限较低，却能通过模仿和训练掌握处理现实问题的能力，达到一定的“人性化程度”，只是要再往前一步会遇到困难。
所以，当AI也开始学习人类的工作逻辑并渗透进现实生活，当我们发现AI的学习能力和应用水平都暂时有限，无法通向深度的AGI，选择合适的赛道与场景让AI先创造可见的价值，就变成了一条值得尝试的道路。现阶段的AI具备了一定的智能，经过贴合现实场景需求的训练后，可以参与生产作业。
工业是天然的高优先级场景，在制造业和工业环境中已部署4000多个AI模型的韩国AI工程公司MakinaRocks认为，基于工业场景的多元性，工业大语言模型得以覆盖制造工厂的所有层面，将能够管理和优化整个运营流程。而麦肯锡则通过评点全球灯塔工厂的AI用例指出，AI能够全面参与到工业价值链的优化升级中去，并带来显著的生产力提升。
正是因为AI技术具有普适性，可以做到“吃什么行业的数据，就提供什么行业的知识”，AI技术正在成为工业界新的明珠。美国国家标准与技术研究院（NIST）在7月下旬宣布，发起资金总额达到7000万美元的支持计划，帮扶专注利用AI技术提高美国制造商应变能力的美国制造研究所。
而在中国，我们看到了工业企业广泛拥抱AI大模型趋势。在显示面板领域，京东方在去年12月推出了显示工业大模型；在新能源领域，金风科技在今年3月推出了风电行业大语言模型，隆基绿能在今年5月推出了基于多模态大模型的生产合规视频检测技术。
即便如此，工信部赛迪研究院发布的数据显示，截至2023年，中国生成式人工智能的企业采用率还只有15%，存在巨大的增长潜力。在中国公司的实践中，工业企业受益了，拥有深厚技术底蕴的AI技术企业也随之成长。
中国AI创新公司得天独厚的发展之路
谈到关于生产制造的场景，绕不开中国。在庞大的工业和制造业背景下，这里存在无限可能。
《福布斯》杂志在年初的一篇报道中探讨了五个与AI契合度极高的行业。例如，汽车行业将是制造业采用AI技术的领先行业之一。而在新能源汽车发展如火如荼的中国，AI驱动的智能化、数字化几乎和汽车行业同气连枝、共同成长。这也就使得中国汽车行业涌现了不少先进技术用例。
去年末，《财富》杂志公布2023年《财富》最具影响力物联创新榜单，中国企业AI全栈解决方案提供商创新奇智凭借“理想汽车厂智能自动化产线”案例，在近200个申报项目中脱颖而出，成功上榜。通过把AI技术融入新能源汽车工厂自动化产线，工厂提升了对潜在问题的检测能力，故障率与停产损失得到控制，有效技术工时缩短了70%。
这不是唯一的成果。创新奇智自2018年创立以来，在计算机视觉、机器学习等AI领域储备了深厚的技术能力，掌握“MMOC人工智能技术平台”和“AInnoGC工业大模型技术平台”，并建立了覆盖钢铁冶金、面板半导体、3C高科技、工程建筑、汽车装备、能源电力、食品饮料&新材料、智造实训等八大领域的行业方案。
这一点恰恰验证了，中国拥有的多元化的工业场景，是AI技术落地的温床。贝恩咨询认为，制造业对AI的利用集中于三个方向：减少装配缺陷和改进质量控制、提高生产率、简化仓储库存管理。通过利用工业场景下丰富的数据集和工业经验积累，“AI+制造”的集成效果超越了传统自动化技术，提升了控制优化等方面的能力，因而实现了优化制造流程、改进质量控制的目的。
硅谷华人投资人、清源创投（Foothill Ventures）创始合伙人王金林曾在接受腾讯科技采访时指出，AI应用层的关键就是数据壁垒。以此类推，工业大模型与行业生成式AI的应用，关键就是基于拥有可靠数据基底的AI模型，输出贴合工业企业实际需求的能力或内容，以及为工业生产流程保驾护航。
从数据量级方面看，代表性用例均体现了对行业的深度链接。如海尔卡奥斯工业大模型COSMO-GPT拥有300多万条高质量工业数据、3900多个机理模型和200多个专家模型，注入了562个工业数据集；创新奇智在上半年发布的奇智孔明工业大模型2.0版本（AInno-75B），参数量达到750亿，规模和性能进步的同时还引入了多模态大模型能力，甚至能输出CAD或者actions。
而从落地应用场景的能力看，博世根据定子的不同故障类型，以每种类型两位数的真实图像生成了上万张样本图像。生成式AI大大扩展了缺陷样本数据潜力，进而为产线上的检测提供了依据。
这种“在不实际生产有缺陷的零件的情况下，获得所有缺陷类型的足够图像”的方法，同样出现在创新奇智的用例中。基于奇智孔明AInnoGC工业大模型，创新奇智可帮助垂直行业生成特有的缺陷样本数据，并进行分割标注等其他处理，突破工业瑕疵样本不足的限制。
目前，在汽车、液晶面板、钢铁冶金等行业，创新奇智都建立了垂直的智能化检测分析方案。凭借对相关技术方案的熟练应用，创新奇智在IDC近期发布的《中国AI赋能的工业质检解决方案市场份额，2023》报告中荣登中国第1大AI工业质检解决方案厂商之位。
由工业场景、工业数据、AI模型能力、垂直工业应用等要素共同支持，相应的To B业务已经形成了有内生增长性的商业模式。创新奇智在其年报中披露，2023年由AI赋能的制造业业务板块收入已达到11.76亿元，同比增长24.1%。在去年的业绩沟通会上，其管理层还表示公司将向高质量成长转型，在公司健康发展的基础上尽快实现扭亏为盈。
见微知著，扎根中国工业市场的AI创新公司正在走入多点开花的时代。在这个有着丰富“养料”的生存环境中，生成式AI产业也找到了现阶段的新“活法”。
来源：港股研究社
