根据德勤的调查：93%的公司认为，AI将改变制造行业驱动增长和创新的规则。无独有偶，IDC发布的《制造业现状及制造业企业对生成式AI的应用》研究报告显示，来自制造业的受访者认为，未来18个月内生成式AI可产生最大影响的前三大领域分别是制造（生产）、产品开发与设计、销售和供应链。
“制造业是经济发展的重要基石，这是毋庸置疑的。随着传统制造行业已进入了数字化转型的深化阶段，更多的企业不再满足于简单的互联网+基础信息化，而是希望将数字技术与核心业务有机融合，运用数据分析和人工智能提升企业运营，实现持续商业变革，深化数字化转型。”亚马逊云科技大中华区战略业务发展部总经理顾凡在接受笔者的采访时表示，此时，云计算以及AI等数字技术构成了制造业深化转型的技术基础。尤其是在生成式AI的热潮下，制造业的创新与变革将进一步提速。
事实上，在中国制造业正处在“量”到“质”的数字化转型实践中，在工程与设计、智能制造、供应链管理、智能设备与服务四个关键价值领域中仍面临着技术产品创新历时久、工厂整体设备效能激活不畅、供应链效率及弹性低以及缺乏创造新的收入来源等集中性挑战。
在工程与设计领域，亚马逊云科技聚焦三个关键场景：计算辅助工程CAE、电子设计自动化EDA以及设计和工程桌面和环境eVDI，与合作伙伴一起，针对一些行业的业务场景推出相应的云上解决方案。
在智能制造领域，亚马逊云科技关注的关键场景包括工业数据平台，设备预测维护，工业视觉检测以及生产和质量优化。通过使用亚马逊云科技的服务访问和分析不同的工厂数据，最大限度地提高生产力、资产可用性和产品质量。在数据底座上，数据平台的挑战来自于IT数据和OT数据的融合，融合后的工业数据平台，从数据的注入、存储、输入、分析再到去支持人工智能的应用，有了这个底座可以在工业数据平台的基础上去构建一些OEE的关键应用场景。
在供应链管理领域，亚马逊云科技助力客户以数据来打通供应链各环节，使其可见、可控和优化。关注的关键场景有需求预测，供应链可视追踪，库存优化和动态调度。其中，在供应链可视追踪场景，亚马逊科技联合合作伙伴共同打造供应链可视追踪（控制塔）解决方案，覆盖供应链的端到端的业务领域。
在智能设备与服务领域，亚马逊云科技聚焦的关键场景包括设备互联，设备监控和设备即服务。亚马逊云科技可以帮助客户运用云技术构建智能的互联设备和增值服务，提供 IoT、机器学习、AI 和数据湖，帮助制造商收集、存储、分析设备数据并采取相应的行动。
另一方面，构建生成式AI具有许多的挑战和门槛，亚马逊原来经常说“最后一公里”，在生成式AI场景下或许“最后三公里”更为合适，因为生成式AI落地需要大量的工程化资源与投入。
“生成式AI的发展还在早期阶段，亚马逊云科技始终坚持‘扶上马、送一程’，基于原型开发团队、数据科学家、行业架构师等工程化资源，与众多合作伙伴一道帮助客户真正解决应用落地的‘最后三公里’。”顾凡认为，生成式AI想顺利在业务场景中落地需要一个清晰且关键的路径：包括定义应用范围、选择合适的模型以及基础模型和优化训练，和对基础模型的调优和评估，这个步骤通常会在整个生成式AI应用生命周期中持续进行。
对于亚马逊云科技而言，其一直在推动生成式AI重塑制造业的增长路径，通过降低构建生成式AI应用关键路径中的门槛，充分渗透进制造业价值链场景，针对严重依赖人工参与的工业产品设计、企业内部IT/HR等部门资料繁杂业务等具体业务场景，与合作伙伴一道提供行业领先的端到端技术解决方案，在工业设计、知识库等场景开发定制化解决方案，让制造企业充分发挥生成式AI的潜力。
例如，亚马逊云科技与施耐德的合作是全面且深入的。不仅在人工智能方面，在数据平台、企业业务系统，以及ESG的中央化平台领域，施耐德电气都有基于亚马逊云科技的服务打造的相关解决方案。
亚马逊云科技为施耐德电气在AI领域的探索提供坚实的技术底座。利用亚马逊云科技的数据库、计算服务，以及Amazon SageMaker机器学习服务，施耐德电气打造了开放的AI平台，可帮助开发人员和数据科学家快速构建、训练和部署机器学习模型，在云端实现数据存储和标注及模型训练、推理、部署、监控，以及迭代更新等全流程，并把云端模型下发到产线边缘侧，执行边缘推理，有效帮助施耐德电气降低模型管理训练的复杂度。
除此之外，施耐德电气开放的AI平台还应用了Amazon Relational Database Service（Amazon RDS）服务，帮助客户在云中设置、操作和扩展关系型数据库；Amazon Elastic Container Service（Amazon ECS）是一种高度安全、可靠且可扩展的容器运行方式，施耐德电气使用Amazon ECS轻松部署、管理和扩展容器化应用程序，实现机器学习模型在生产线边缘设备的容器中的轻松部署和管理。
值得一提的是，对于未来大模型与小模型的发展趋势，施耐德电气全球供应链中国数字化转型总监冒飞飞的回答是：大模型不会吞并小模型，而是相辅相成的概念，短期内，小模型会随着大模型推陈出新，并长期存在；大模型可以对小模型的训练与精度有辅助性的提升。
“大家普遍会觉得大模型很厉害，可以做任何事，这是一种技术思维，觉得一个技术能打天下，显然不太适用于当前的企业业务发展模式。”顾凡认为，不管是大模型还是生成式AI的应用，都还处在一个早期阶段，实用性非常重要。所以，在一定时间内，大模型与小模型共存仍是一个大趋势。
据了解，亚马逊云科技作为其云和机器学习服务提供商，助力施耐德电气在中国构建了智能工业视觉质量检测解决方案——“云-边协同AI工业视觉检测平台”。该平台在云端实现数据存储和标注及模型训练，并把云端模型下发到产线边缘侧，执行边缘推理。该解决方案率先在施耐德电气武汉工厂上线，显著提高了生产线的检测效率，将误检率降低0.5%以内，并实现了零漏检率。
写在最后
事实上，企业对生成式AI狂热的同时，也在积极布局出海赛道。中国出海企业想要在海外建立竞争优势，需要解决在出海不同阶段遇到的挑战：如何实现高效的全球化运营；业务在全球高速扩张，怎样保障本土的创新；以及产品先行之后，如何保障良好的售后服务，以提高当地消费者体验。
亚马逊云科技自从2006年起，就开始以云服务的方式向企业提供基础设施服务。17年的基础设施建设也是无论从规模还是从经验上，都是不可复制和压缩的。这与制造业的演进有异曲同工之妙，专注于产品，将产品稳定性和成熟度做的更好，从而服务于最终用户，降低总体成本。
“在制造企业出海的过程中，亚马逊自身的全球业务体系也可以很好地帮助构建渠道和生态。例如，云服务、电商平台、广告业务、零售、支付、智能硬件、消费电子、物流等，尤以亚马逊电商、智能语音助手Alexa为代表，为客户提供支持全球业务扩展的更多资源和附加值。”在顾凡看来，当下中国制造企业出海，已经形成一股新的浪潮。对外输出优质的产品和服务，成为越来越多中国制造企业的必选项，面对全球市场的洗礼，企业期待打开新的成长空间。从数字化出海向出海数字化，制造出海正进入“数字远航”新时代。
京公网安备 11010202008829号