训练的虚拟场景到一线应用的真实场景存在很难打通的“最后一公里”，需要在人才供给、算力成本、场景适配和数据开放等方面打破“藩篱”，构建数字化统一大市场。   破解碎片化难题   今年以来，伴随DeepSeek等大模型开源开放，AI眼镜、具身智能机器人等加速成熟，人工智能技术与制造业融合发展扎实推进，大模型在电子、原材料、消费品等行业加快落地，在研发设计、中试验证、生产制造、运营管理等多个环节都得到应用。   据北京智谱华章科技股份有限公司副总裁陈雪松观察，目前大型企业或者数字化程度比较高的公司，在AI大模型应用落地方面速度会快一些，模型发挥效能的可能性也更大。陈雪松表示：“这是因为，大型企业往往已经构建起了数字化的整体流程，各个环节产生的数据都能够对AI应用形成支撑，而这些往往是中小企业所欠缺的。”   差异化、个性化的制造能力通常是中小企业的核心竞争力甚至是生存之本，但这也意味着很难有现成的、通用的数据集来训练AI大模型，从而让AI更贴合中小企业生产制造的实际需求。   北京工业软件创新中心、北京领翼工软科技有限公司董事长兼CEO秦君坦言，实际上有很多个性化的场景问题，“大厂”往往是“看不见”也“深不下去”的，因为这些问题又小又碎又难，但都是中小企业的关键问题，是人工智能技术从实验室虚拟场景走进工厂作业一线真实场景的“最后一公里”。   陈雪松认为，这需要企业自己构建数字化能力、保留特性数据集，可以在人工智能大模型平台基础上训练自己的智能体，提升解决特性问题的能力。同时，企业很多日常业务办公等场景也不应该忽视，这些领域已经有很成熟的AI产品和应用，事实上智能化对提高整体生产力也有很大帮助。   阿里云智能副总裁、中国信息化百人会执委安筱鹏接受中国证券报记者采访时表示，制造业一定是AI大模型应用的主战场，AI大模型一定会首先在高价值场景发挥重要作用。不过他也指出，国内AI应用在B端（即需求侧还没有发挥出统一大市场的规模优势，目前仍是一个高度碎片化市场，这对AI供给侧来说是一个极大挑战，对整个AI产业发展也会带来瓶颈。   缓解成本压力   秦君认为，中小企业应用AI技术也面临成本问题，其中很重要的是人才成本。真正懂算法、懂人工智能的人才成本还是挺高的，这让很多中小企业在聘用时面临很大的压力。此外，算力等基础设施的成本也比较高。   中信证券全球投行委工业先进制造组执行
=*=*=*=*=*=
当前为第2/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页