科技云報道原創(chuàng)。

隨著我國數字化轉型行動的深入推進和智能制造工程的大力實施，制造業(yè)正朝著“數智”時代邁進，生成式AI被視為推動制造業(yè)智能化發(fā)展的關鍵驅動力。

據預測，到2027年，將有30%的制造業(yè)采用生成式AI來提升產品研發(fā)效率。在數字化轉型的基礎上，生成式AI為制造業(yè)帶來了更強大的潛力。

通過已有的計劃訓練模型，生成式AI能夠自動化生成新的設計，從而提高產品開發(fā)的效率；同時，它還有助于提升生產線的自動化水平。

數字化轉型完成后，企業(yè)如何借助生成式AI走向“數智”時代，并挖掘其中蘊藏的巨大機遇呢？

從數字化到數智化：制造業(yè)的轉型之路

隨著人工智能技術的迅猛發(fā)展，制造業(yè)正在經歷一場前所未有的變革。

過去幾十年，制造業(yè)企業(yè)通過數字化轉型實現了生產流程的自動化和信息化，然而，數字化只是轉型的第一步。

如今，隨著AI技術的成熟和應用，制造業(yè)正逐漸邁向“數智”時代，實現了從數字化到數智化的跨越。

數字化是指將物理實體和過程轉化為數字形式，使其能夠被計算機系統(tǒng)識別和處理。

數字化轉型讓制造業(yè)企業(yè)實現了生產過程的自動化、信息化和協同化，提高了生產效率和質量控制能力。然而，數字化僅僅是利用數字技術對傳統(tǒng)生產流程進行了優(yōu)化，仍然依賴于人工的決策和操作。

而數智化則更進一步，它將數字化與人工智能相結合，通過機器學習、深度學習和生成式AI等技術實現智能化的生產和決策。

數智化不僅僅是對現有過程的優(yōu)化，而是通過AI技術的應用，讓機器能夠自主學習和適應，實現智能決策和自主運作。

隨著AI技術的發(fā)展和突破，制造業(yè)企業(yè)已經開始將注意力從數字化轉型轉向數智化。

AI技術能夠從大數據中提取和分析有價值的信息，為制造業(yè)企業(yè)提供智能化的決策支持。

通過對海量的實時數據進行深度學習和模式識別，AI系統(tǒng)能夠準確預測生產狀況、質量問題和設備故障，并提供相應的優(yōu)化方案和預警機制，幫助企業(yè)做出及時而準確的決策。

AI技術還能夠實現制造流程的自動化和智能化。通過機器學習和視覺識別技術，AI系統(tǒng)能夠自動監(jiān)測和控制生產過程，實時調整參數和優(yōu)化操作，提高生產效率和質量穩(wěn)定性。

同時，AI技術還能夠與機器人技術相結合，實現智能化的物流和裝配，降低人力成本，提高生產線的靈活性和響應能力。

此外，AI技術賦予制造業(yè)企業(yè)更大的創(chuàng)新能力。生成式AI技術能夠通過學習大量的產品數據和設計規(guī)則，自動生成新的設計方案，幫助企業(yè)快速設計出具有競爭力的產品。

AI技術還能夠模擬和優(yōu)化產品性能，快速預測和驗證產品的可行性和質量，加快產品研發(fā)周期，提高產品的市場競爭力。

隨著AI技術的廣泛應用，制造業(yè)正逐漸邁向“數智”時代。數智化轉型使制造業(yè)企業(yè)能夠實現智能決策、自動化生產和創(chuàng)新設計，進一步提高了生產效率和產品質量。

“數智化”第一步：做好云基礎設施

在制造業(yè)產業(yè)鏈的工業(yè)設計環(huán)節(jié)，海爾創(chuàng)新設計中心（以下簡稱為海爾設計）就緊跟時代洪流，從數字化走向數智化。

海爾創(chuàng)新設計中心成立于1994年，目前擁有500多名設計師，為海爾智家旗下全球七大品牌、多達+8000產品做設計創(chuàng)新和模式探索。

在海爾智家副總裁、海爾創(chuàng)新設計中心總經理吳劍看來，在工業(yè)設計領域，面對快速增長的業(yè)務需求和加速迭代的產品周期，工業(yè)設計也需要數字化轉型，在轉型過程中就遇到幾大問題：

海爾智家副總裁、海爾創(chuàng)新設計中心總經理 吳劍

高成本和時間消耗：傳統(tǒng)的工業(yè)設計過程通常需要耗費大量的時間和資源。

從概念設計到原型制作再到產品測試和驗證，整個過程可能需要數周甚至數月的時間。這使得設計周期變長，增加了開發(fā)成本和市場推出時間。

高度依賴人工經驗和直覺：許多工業(yè)設計過程仍然高度依賴設計師的經驗和直覺，這限制了設計的創(chuàng)新性和效率。

人工經驗的局限性可能導致創(chuàng)新受限，而且不同設計師之間的結果可能存在差異。

信息不對稱和協同困難：在工業(yè)設計過程中，設計師、工程師和制造商之間的信息流通往往不暢，存在信息不對稱的問題。

這可能導致設計需求和技術要求之間的不匹配，進而影響產品的質量和性能。此外，不同團隊之間的協同工作也面臨著挑戰(zhàn)，缺乏高效的合作平臺和工具。

而這直接導致了概念設計階段（也就是準備階段）人力成本耗費高、概念產出效率低、概念通過率低等問題。

解決上述痛點的第一步，就是實現全面數字化——上云。在上云階段，海爾設計將合作伙伴鎖定為亞馬遜云科技。

此前，海爾設計使用的是自建的私有云系統(tǒng)，部署在自有IDC內。

不過，這套私有云系統(tǒng)存在桌面系統(tǒng)存在資源搶占、文件存儲系統(tǒng)因容量受限無法長期保存歷史文檔、渲染系統(tǒng)由于資源受限渲染任務需要長時間的排隊等待，以及基礎系統(tǒng)維護復雜、無法彈性擴展、業(yè)務系統(tǒng)創(chuàng)新困難等諸多問題，對業(yè)務產生較大影響。

對此，亞馬遜云科技為海爾設計提供了四個完整的云上解決方案，全面替代自有機房，讓設計中心的工作流程實現了全面云化、自動化。

亞馬遜云科技為海爾設計提供的方案包括3D云桌面系統(tǒng)、渲染農場系統(tǒng)、文件共享系統(tǒng)以及自動化設計系統(tǒng)等四個部分：

云桌面：在海爾設計的青島辦公室，3D云桌面系統(tǒng)為300多位3D設計師、平面設計師提供便捷易用的桌面環(huán)境。

通過公有云上的資源隔離劃分，海爾設計在徹底解決原自建 IDC的VDI方案“資源擠兌造成卡頓、閃退或宕機”以及“多人使用時性能衰退”等問題的基礎上，還能有約30%性能提升，可以說是一舉多得。

共享存儲：基于Amazon S3特性構建的文件共享系統(tǒng)，讓公司、小組和個人之間得以共享存儲。

這種對冷熱數據進行自動分層的無限容量存儲系統(tǒng)讓數據安全性提高了3倍，而此前自建IDC每人最大分配500G容量、每天只允許一個備份且最多保留7天的設定，自此成為歷史。

渲染農場系統(tǒng)：渲染農場系統(tǒng)使用亞馬遜云科技自有渲染產品Amazon Thinkbox deadline軟件及HPC集群進行圖片渲染，具備高性能和彈性，讓設計師提交任務后就能拿到渲染效果圖，徹底解決渲染任務排隊問題。

而低負載時它會自動降低Amazon EC2 Spot數量且按實際使用時間（精確到秒）付費，從此不再浪費。

智能設計系統(tǒng)：自動化設計系統(tǒng)/智能設計渲染系統(tǒng)通過Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等運行自動化設計軟件，10分鐘就能自動生成人工需要數天才能完成的大批量渲染效果圖，徹底解決了原自建IDC存在算力瓶頸問題。

據悉，上線后，自動化設計系統(tǒng)應用讓原有項目周期縮短了30%。

“數智化”第二步:用AIGC實現降本增效

2022年年底，ChatGPT平地一聲驚雷掀起了生成式AI大模型的熱浪。在此前的合作基礎上，海爾設計和亞馬遜就“生成式AI+工業(yè)設計”展開探索。

至于為什么會選擇主動擁抱AI，海爾設計希望實現降本增效。生成式AI可以基于企業(yè)現有的流程、知識圖譜，通過訓練后避免重復、低效的流程和復用。

基于此，海爾設計聯合亞馬遜云科技還是合作部署生成式AI應用，打造了全國首個結合實際業(yè)務場景落地的AIGC工業(yè)設計方案。

據悉，在基礎設施架構層，該方案借助Amazon SageMaker快速的構建和訓練AIGC模型，通過應用Amazon SageMaker機器學習平臺，以Fine-tune as a Service（調優(yōu)即服務）的方式提供服務，利用Amazon SageMaker在線的模型訓練和管理能力，為消費品、游戲等場景提供創(chuàng)意輔助、內容生產輔助和創(chuàng)作支持。

此外，亞馬遜云科技為海爾設計提供了彈性GPU算力—— Amazon EC2 G4dn實例，該實例是行業(yè)內成本效益最高的通用GPU實例，適合于部署機器學習模型，例如圖像分類、對象檢測和語音識別，以及圖形密集型應用程序，例如遠程圖形工作站、游戲串流和圖像渲染。

項目上線后，海爾設計將AIGC解決方案引入到產品設計、UI 設計、CMF 設計、品牌設計等環(huán)節(jié)，涵蓋了新品設計、改款升級、渠道定制化等工業(yè)設計的業(yè)務場景。

此外，海爾設計和亞馬遜科技還合作開發(fā)了首個集成式虛擬設計師AI助手“Co-designer”，通過與亞馬遜云科技的合作，海爾創(chuàng)新設計中心在基礎設施方面獲得了全面的支持，包括3D云桌面、文件共享系統(tǒng)和自動化設計等。

“Co-designer是合作的一個關鍵點，盡管目前仍不是非常完善，但作為一個重要的子場景，它為設計中心帶來了許多新的應用。

除了Co-designer之外，海爾還將進一步開發(fā)和應用其他的子場景，如設計師之前的部分以及制造、營銷、服務和安裝等領域。

他們計劃在整個價值鏈的不同環(huán)節(jié)中探索和應用AIGC技術，從而實現更多的工作優(yōu)化和創(chuàng)新”，吳劍表示。

據悉，目前通過AIGC，海爾已實現了設計中心業(yè)務提效11.9%。

結語：生成式AI時代，智能制造的未來機遇

從數字化邁向數智化，傳統(tǒng)制造業(yè)正朝著智能制造的大方向走去。在生成式AI技術的引領下，智能制造正迎來前所未有的機遇。

生成式AI技術通過結合深度學習、自然語言處理和圖像識別等技術，使計算機能夠自動生成內容、設計方案和創(chuàng)意，為制造業(yè)帶來了革命性的變革。

在智能制造的未來，生成式AI將在多個方面帶來機遇，包括自動生成設計方案，優(yōu)化生產過程，提高生產效效率，智能預測，故障預警，以及智能質量控制和檢測，甚至在供應鏈和物流管理上也能提出最優(yōu)解，提高效率和準確性等等。

隨著生成式AI技術的不斷發(fā)展和創(chuàng)新，智能制造將進入一個全新的時代。

不過，要實現生成式AI的潛力，仍需克服一些挑戰(zhàn)。其中包括數據隱私和安全保護、技術人才培養(yǎng)和跨部門合作等。

只有通過全面推動技術創(chuàng)新、加強合作和培養(yǎng)人才，才能實現智能制造的未來機遇，并為制造業(yè)帶來更加繁榮和可持續(xù)發(fā)展的前景。

【關于科技云報道】

專注于原創(chuàng)的企業(yè)級內容行家——科技云報道。成立于2015年，是前沿企業(yè)級IT領域Top10媒體。獲工信部權威認可，可信云、全球云計算大會官方指定傳播媒體之一。深入原創(chuàng)報道云計算、大數據、人工智能、區(qū)塊鏈等領域。

審核編輯 黃宇