人民網(wǎng)北京3月27日電 （記者李彤）“訓練大模型如‘烹小鮮’”“工業(yè)人工智能（AI）是座金礦，但真金不易挖。”一句形象比喻，一句直白感慨，道出了當前工業(yè)AI發(fā)展的現(xiàn)狀——正從“概念驗證”加速邁向“閉環(huán)價值交付”，既迎來了政策與市場的風口，也面臨場景適配、數(shù)據(jù)短缺、成效平衡等挑戰(zhàn)。
業(yè)界人士認為，工業(yè)AI正在經(jīng)歷從政策發(fā)力到產(chǎn)業(yè)定向、產(chǎn)品設計到場景應用、單點突破到生態(tài)共贏的階段，需要在破局中扎根、在協(xié)同中生長，通過構建強大生態(tài)釋放更多潛能。
向上生長，政策賦能與市場機遇的疊加，讓工業(yè)AI站上新風口。今年政府工作報告首次提出“打造智能經(jīng)濟新形態(tài)”，這有助于抓住AI發(fā)展的機遇，拓展AI賦能千行百業(yè)的廣度和深度，盡快打開經(jīng)濟增長的新空間，培育新模式、壯大新動能。
廣闊的市場空間與開放的創(chuàng)新生態(tài)，讓中國工業(yè)AI成為全球關注的焦點?！爸袊酆竦墓I(yè)基礎、開放的創(chuàng)新生態(tài)和廣闊的應用市場，為工業(yè)AI發(fā)展提供了良好條件?！痹诮谂e辦的西門子RXD大會上，西門子董事會主席、總裁兼首席執(zhí)行官博樂仁表示，工業(yè)領域對AI的需求更為嚴苛，“要讓AI真正走進現(xiàn)實，來到物理世界，絕非僅靠更優(yōu)的算法就能實現(xiàn)。在工業(yè)場景中，我們需要100%可靠的AI?！边@一觀點道出了工業(yè)AI與消費級AI的區(qū)別。
風口之下，業(yè)界對工業(yè)AI的認知不斷深化?！斑^去談工業(yè)AI，是想解決一個單點問題，例如對某一個場景進行優(yōu)化，從而降本增效。”銀河通用機器人聯(lián)合創(chuàng)始人張直政說，當前業(yè)界對工業(yè)AI的理解，是在整個生產(chǎn)關系和生產(chǎn)方式的變革層面。這種變革將通過人機交互、機機交互方式的升級，引發(fā)一系列生產(chǎn)關系的深度調(diào)整。
認知升級的同時，業(yè)界也清醒地認識到，工業(yè)AI的規(guī)?；l(fā)展需突破多重瓶頸，“破局”成為行業(yè)發(fā)展的關鍵詞。
國機數(shù)科董事長王宇航表示，工業(yè)AI首先要破“管理局”，這絕非簡單的技術革新，而是一次全方位的管理再造、流程再造，需要企業(yè)“一把手”牽頭、業(yè)務部門協(xié)同推進；其次要破“技術局”，工業(yè)領域的特殊性決定了AI落地需要適配工業(yè)場景的專用模型；還要破“成本局”，無法形成價值閉環(huán)、無法實現(xiàn)投入產(chǎn)出平衡的工業(yè)AI應用，難以具備長期生命力。
“算力、模型和數(shù)據(jù)，是工業(yè)AI落地的關鍵?！北本?shù)據(jù)集團副總經(jīng)理、北京國際大數(shù)據(jù)交易所董事長李振軍表示，當前算力與模型的普及讓技術門檻大幅降低，真正的短板在于數(shù)據(jù)。要喚醒工業(yè)企業(yè)的內(nèi)部數(shù)據(jù)、私域數(shù)據(jù)，聚焦生產(chǎn)制造、運營管理等核心環(huán)節(jié)；要堅持場景驅動，找到數(shù)據(jù)應用的結合點。這是基礎性工作，也是慢活，無法跳躍，卻能為后續(xù)發(fā)展筑牢根基。
數(shù)據(jù)與場景的深度適配，正是破解工業(yè)AI發(fā)展痛點的抓手。西門子中國董事長、總裁兼CEO肖松認為：“要找到數(shù)據(jù)可獲得、價值可量化、結果可泛化的場景切入口。場景也分為初級場景和成熟場景，區(qū)別就是數(shù)據(jù)。”
如果說破局是工業(yè)AI的發(fā)展路徑，那么扎根則是其實現(xiàn)規(guī)?；l(fā)展的必經(jīng)之路。
業(yè)界普遍認為，工業(yè)AI的規(guī)?；涞夭荒芗庇谇蟪桑仨氀驖u進。目前工業(yè)數(shù)據(jù)供給相對匱乏，這與工業(yè)門類繁多、垂類細分、廠房離散分布有關。不少工業(yè)企業(yè)存在“重生產(chǎn)、輕數(shù)據(jù)”的現(xiàn)象：有生產(chǎn)但沒有數(shù)據(jù)采集、有采集卻不存儲、有存儲但缺乏加工，很多關鍵數(shù)據(jù)邊采邊丟，難以形成完整的數(shù)據(jù)鏈條。更關鍵的是，未經(jīng)加工的工業(yè)數(shù)據(jù)多為非標準化、非結構化，無法直接用于模型訓練。
向外延伸，構建完善的產(chǎn)業(yè)生態(tài)、補齊數(shù)據(jù)供給短板，成為工業(yè)AI突破發(fā)展瓶頸的關鍵。
“當前數(shù)據(jù)市場的主要矛盾，還是供給不足。”李振軍說，工業(yè)AI的數(shù)據(jù)供給周期過長，從數(shù)據(jù)收集、加工，到交付驗收、模型訓練，需要耗費大量時間。他認為，需要建立規(guī)?；?、標準化的數(shù)據(jù)工廠，一方面讓數(shù)據(jù)提供方感受到安全可信，愿意主動共享數(shù)據(jù)；另一方面通過專業(yè)加工能力，推動工業(yè)數(shù)據(jù)向標準化數(shù)據(jù)產(chǎn)品轉化。
業(yè)內(nèi)人士表示，“成長的煩惱”是很多產(chǎn)業(yè)發(fā)展過程中的必然階段。但隨著政策支持的持續(xù)加碼、技術創(chuàng)新的不斷突破、產(chǎn)業(yè)生態(tài)的逐步完善，工業(yè)AI的價值釋放已進入加速期。未來，隨著更多企業(yè)參與其中，更多創(chuàng)新成果落地應用，工業(yè)AI將實現(xiàn)產(chǎn)業(yè)價值與社會價值的雙重提升。