人工智能驱动制造优化升级

所有版权归中国经济网所有。
中国经济网新媒体矩阵
网络广播视听节目许可证（0107190）（京ICP040090）
随着技术不断进步、应用场景不断拓展、产业融合加速，当前人工智能发展正进入新的2.0阶段、思维与行动的新双轮阶段。为发挥人工智能在产业现代化、产品研发、服务创新等方面的技术优势，推动人工智能与实体经济深度融合，由中国企业联合会、中国企业家协会主办的2025全国智能企业发展大会11月26日在江西省赣州市召开。 The theme of conference is “AI drives innovation, digital intelligence guides the future.” At the meeting, Zhu Hongren, S中华全国企业联合会党委书记、常务副会长、秘书长在致辞中表示，要坚定推进人工智能与实体经济深度融合，鼓励企业加快形成系统进步、数据驱动、场景驱动的数智发展新格局。人工智能驱动制造业“智能化转型”。如今，人工智能正在彻底改变制造业的生产方式、商业模式和产业生态系统。 “当前人工智能应用部署呈现微笑曲线特征，大规模模型应用部署两端快，中间慢。即专业部分生产制造慢，管理运营营销服务部分快。”工信部电子科学技术委员会主任王江平f 工业和信息化高级研究级工程师。 “从整体情况分析，目前大模型在工业领域的应用案例主要集中在营销服务、行政管理任务等通用环节，尚未深入触及核心生产制造环节（如关键工业过程控制、生产调度、参数优化等）。”他告诉《证券日报》记者。另一方面，工业场景容错率低带来挑战。工业生产场景与个人消费场景不同。工业生产线对稳定性和可靠性的要求非常高。大工业模型中的小错误一旦出现错误，就会导致产品质量差、生产线停工，​​甚至生产安全事故，这对于利润率低的工业企业来说可能会带来可怕的后果。另一方面另一方面，工业生产通常由多个工业系统和设备组成。将大规模建模技术融入现有的质量控制和工艺优化环节，需要进行系统改造，解决兼容性、通信等问题。此外，不同行业产品类型不同、零件模型复杂、应用场景繁多、标准化程度低。在特定行业中形成的大模型很难推广到其他行业。针对解决“人工智能+工厂化”的困难和问题，王江平认为，推动人工智能从通用环节走向生产制造核心环节，需要“通用大模型+专业小模型”的协同发展。也就是说，在实施过程中，大多数公司将大模型的“智慧”与小模型的“敏捷”结合起来，以达到性能、效率和成本之间的平衡。t。同时，人工智能产业应优先应用高价值场景，聚焦效率革命、复杂决策、个性化需求和新用户体验。例如，效率革命可以将老大师的隐性知识和操作经验形式化。将专业流程的经验和知识转化为可复制和可转移的算法模型，以克服容量的限制。与会多位专家表示，未来人工智能将融入核心生产环节，驱动制造业“智变”，助力制造模式从离散、被动优化向持续、主动、全局优化升级。高质量的数据解决了“AI错觉”的问题。近年来，大型车型无论在国内还是国际上都非常受欢迎。据中国信息研究院统计而通信技术方面，截至2025年7月，我国已推出大型机型超过1500个，位居全球第一，这意味着我国人工智能技术正在快速发展。与此同时，大模特的“独白”和严重“胡言乱语”的问题也越来越突出。这种现象被伊斯兰称为“人工智能幻觉”。例如，《证券日报》记者向大模型提问“糖尿病患者可以用蜂蜜代替糖吗？”答案是，蜂蜜是一种健康食品，因为它富含维生素和矿物质，对增强免疫力非常有用。这种现象表明，一些大型模型存在保真度错觉问题，即即使答案中没有事实错误，答案与问题无关并且不忠实于用户的意图。 “要解决‘AI错觉’问题，大型专业模型变得越来越重要。”前人工智能专家潘云鹤表示。浙江大学校长。 “基于一般信息数据的大规模语言模型通常不够准确，无法回答高度专业化的问题。基于科学数据的大规模专业模型可以解决这些问题。”数据质量在大规模模型中非常重要。高质量的数据可以让大型模型变得更聪明，但低质量的数据会让它们变得愚蠢或犯错误。因此，可以利用专业的大数据来训练大规模的专业模型。例如，一个大模型就像一个正在成长的孩子。数据就是它生长所需的各种养分。数据越丰富，大型模型可以学习的知识就越多，大脑就越发达。多位专家表示，之前大家更注重算力和算法，但随着数字化、网络化、智能化的深刻发展，数据作为重要生产要素的价值越来越凸显。多元化、高品质数据集是实现大规模模型性能和实际应用领域突破的关键。会上，朱宏任提出，与会企业扎实开展数字化转型，重点收集各类数据资源，建立企业知识图谱和各类垂直应用人工智能模型，利用数据要素推动各类生产要素创新配置，积极探索企业数字化智能发展新模式，为企业高质量发展注入新动力。