谈到人工智能, 我们会立刻想到那些早已熟知的生成式的 AI 工具, 先说问问题这一情况, 紧接着是生成设计图这种情形, 再到如今常常会刷见到的。到 AI 短剧这一现象呢, AI 已现身在工作跟生活的好些场景当中, 而且正逐步变得愈发有趣, 同时愈发有用。在这背后, 是最近几年人工智能行业迅速发展所带来的变化。而一年一次的世界人工智能大会, 也就是 WAIC, 它正是观察这一行业的关键窗口。

今年于上海举办的WAIC, 其展览的面积超出了10万平方米, 有来自1100多家企业的3000多项产品汇聚一处进行展示。步入展区之时, 既能够瞧见大家所熟知的生成式大模型品牌, 又能够看见人形机器人、智能体、算力设备, 还能看到AI在汽车、能源、制造等行业里的具体运用情况。其中, 有一个最近相当热门的概念——“物理AI”, 展现得格外引人注意。

简单来讲, 物理人工智能就是赋予一些以往的机器以“大脑”, 汽车, 产线设备, 焊接机器, 工程机械等等, 不再仅仅是机械地去执行预先设定好的指令, 而是开始渐渐拥有一定的感知,分析以及判断的能力, 并且能够辅助人类更加高效, 更加准确地达成任务。

然而, 物理AI受到重视, 实际上仅仅是工业级AI加快迈向实际应用的一个小展示。对于制造型企业来讲, AI背后牵扯的是研发设计、生产制造、设备管理、经营决策等好多环节。企业每日都会生成大量设计文件、生产数据、设备信息以及业务经验, 这些内容散播在各异的系统与流程里。怎样使数据流动起来, 让AI切实领会工业场景并投身具体工作, 才是工业智能化落地的重点。

也就是说, 工业AI的价值, 并非仅仅在于致使某一台机器“更具智慧”, 更在于借助工业互联网的能力, 将设备、数据、模型以及业务流程予以联结, 使得AI从单个点的应用迈向研发、生产还有管理的全流程给予赋能。

AI+工业设计：让经验驱动的研发，走向智能辅助

于WAIC展馆现场当中, 大型传统企业的身影并非稀少, 中国移动乃是其中之一。它们所带来的并非仅仅是新产品、新平台, 亦是在回应一个更为现实的问题: 面对逐渐激烈的市场竞争情况之下, 大型传统企业怎样去促使自身业务进行创新? 制造业又应当凭借数字化、智能化持续地向前迈进?

以往, 企业有可能借助增添投入、扩充规模去换取增长。然而，当产品更新速率加快、顾客需求愈发精细、成本压力不断增添时, 仅仅依靠扩大投入已然很难开拓出新的增长空间。提升研发、验证以及经验传承等环节的效率, 正逐渐成为制造企业崭新的竞争力。

大家对于中国移动并不陌生, 在此次大会上, 其重点展示的工业互联网统一品牌是“移动天工”, 这是中国移动针对工业数智化转型的一套系统性思路, 从现场情况来看, 移动天工尝试将AI、大数据、数字孪生等能力引入制造业, 它并非是单一模型抑或一套软件, 而是环绕工业网络、数据、AI以及行业应用构建而成的一套工业互联网能力体系, 以此推动AI进入企业的研发与生产流程。

有一家以现场展示的园林工具企业为例, 这家企业长期以来, 面临着三个难题, 其一就是历史数据处于分散状态, 知识复用率达不到20% , 其二是工程师的经验难以进行标准化传承 , 其三是物理样机验证成本相对较高。

这些问题于制造企业里可不是单个的例子, 好多企业并非缺少资料, 而是资料数量过多、分布过于零散, 也并非缺少经验, 只是经验通常被少数工程师所掌握。一名新人着手项目时, 常常得先翻阅文件、寻觅旧方案、咨询老同事, 接着再度去做一遍已然有人做过的验证。产品数量越多、迭代进度越快, 传统研发方式所面临的压力就愈发显著。针对此类问题, 移动天工凭借中国移动九天大模型的相关能力, 为企业构建研发设计智能体, 将设计匹配、三维建模、仿真测试、工艺BOM生成等环节衔接起来。

就简要来讲, 当企业接到全新的设计任务之际, 以往工程师常常得在数目庞大的历史文件当中寻觅相似方案, 而后再度着手开展建模以及验证工作。在引入研发设计智能体之后, AI能够助力工程师从已有的资料里匹配接近的设计, 以此为方案制定给予参考；在建模以及测试的环节当中, 又能够借助三维建模与仿真工具, 针对部分产品参数以及性能实施虚拟验证, 进而使得重复建模得以减少, 以及将不必要的样机制作次数和测试频次降低。当设计方案被确定下来之后, 系统还能够辅助生成工艺BOM, 为后续的生产准备奠定基础。

这套解决方案带来了相应变化, 这些变化看起来不似机器人翻跟头那般“炫”, 然而它却直接回应了制造企业的实际需求。

虽然AI的能力日益增强了, 然而在当下这个阶段它没办法替代工程师。它的真正价值在于, 能让工程师减少花费时间去查找资料, 不用去进行重复建模, 也不用反复试错, 从而把更多的精力投入到创新以及判断方面。以往是人跟在资料后面跑, 如今却是知识主动来到工程师跟前。

AI+柔性制造：让生产线从“自动化”走向“智能化”

要是讲AI加上工业设计所处理的是这样一个问题, 即“怎样能够以更快的速度将产品设计出来”, 那么柔性制造所解决的呢, 就是另一个问题了, 可以表述为“怎样更具灵活性地把产品生产塑造得出”。

于WAIC中国移动展台的中央位置, 有一条以1:5比例进行微缩展示的AI与柔性制造岛式工作站, 引得人停下脚步。而所谓的“柔性”, 能够被认为是具备灵活性的、智能化的, 并且是能够去适应定制化需求的。在现场之中, 机械臂在那儿放置着, 夹具库也在那儿放置着, 视觉识别同样在那儿放置着, 生产看板也在那儿放置着, 它们被置于同一个场景里面, 使得“工业互联网究竟是怎样工作的”这一情况变得直观起来。

据介绍, 有一种AI加上柔性制造的岛式工作站, 它适用于新能源汽车这类需要灵活开展生产的制造场景。当下新能源汽车市场竞争越发激烈, 新车型进行试制, 小批量去生产, 个性化定制变得越来越常见。以往, 一条生产线常常服务于少数固定的产品, 要是换一个车型, 换一种工艺, 或许就要重新去调整设备以及夹具, 成本高昂, 周期漫长。如今, 市场对企业提出要求, 既要生产得迅速, 又要切换得快速, 还要在不同批量、不同工艺之间维持稳定的质量。

柔性能解决的制造是什么呢, 是“品种变得越来越多、批量变得越来越小、交付变得越来越快”相互之间的矛盾。

岛式工作站跟传统固定产线, 不是那种简单的替代关联。传统产线对于产品较为固定、生产规模大的情形, 更具适配性, 而岛式工作站的优势重点展现在多品种、小批量以及快速换型方面。现场所展示的工作站, 含有自动上下件、立体夹具库以及工艺生产这三大核心模块。3D相机能够识别零件的类型、尺寸还有位置, 接着将所需夹具信息传送给机械臂系统；夹具库承担着不同产品间的快速切换工作；工艺工位能够在点焊、铆接、螺接、涂胶等流程之间进行转换。依据现场所做讲解来看, 这类产线能够服务于新车型试制的场景, 能够服务于多品种小批量生产的之类场景, 并且有向其他离散制造行业拓展的可能性, 同时还拥有依据客户需求来配置岛式工作站的具体能力。

但真正让这条产线“聪明”起来的，并不只是机械臂。

在移动天工那里, 设备状态、生产节拍、工位产出、能耗、成本以及告警信息, 被汇聚到一个综合数据看板之上, 所解决的是生产状态“看得见”的问题之举。于传统工厂当中, 好多数据已然存在不少, 只不过是分别隐匿于设备、系统以及报表里而已。依据现场方案介绍来看, 平台能够持续不断地汇聚机器人、滚床、夹具等设备的运行数据, 并且借助AI去分析扭矩、温升以及生产节拍等指标的变化之情, 以此辅助识别潜藏的异常之况。这就为设备管理从“坏了再修”朝着提前识别风险方面提供了相应的可能之事。伴随着数字孪生系统, 管理人员能够于三维场景里定位有问题的设备, 进而查看关键的运行参数。以往那种必须到现场逐个进行排查的问题, 如今能够先在线上知晓相关情况, 而后再去决定怎样处理。

并且, 这些能力并非仅仅针对性地服务于唯一一个条产线。柔性制造所具备的真正价值的体现之处, 可以表明恰恰是在于成功地把原本的“固定生产”这种具体模式转化演变成为了“按需要进行调整”的全新模式。当市场环境出现需要更多不同的车型、生产更小的批量以及实现更快地交付这些情况的时候, 企业能够借助工艺方面进行切换、智能排产以及数据分析等一系列手段和操控, 从而以更加快速的速度去适应发生的变化。

AI真正的价值，是让制造业变得更聪明、更灵活

从开展研发设计的阶段一路进展到进行生产制造的过程, AI正朝着制造业里越来越纵深的环节不断迈进, 它早已不再单纯是一个用于撰写文案、制作图片的工具, 而是已然开始协助企业去调用过往积累的经验, 进而实现缩短研发周期的目标, 同时还能够监测设备当前所处的状态, 用来适时调整当下正在进行的生产节奏。

但这同样能表明, 工业AI并非接入一个大模型便可以达成的。其需要稳定的网络连接, 需要拥有高质量的数据, 需要具备能理解行业知识的模型, 再者需要把这类能力嵌入真实业务流程的平台。移动天工所展现出来的, 恰恰是这种工业互联网的连接能力: 面向下连接设备以及生产现场, 往向上承载数据以及AI, 然后把这些能力送至研发、生产、运维等具体环节。

原来的时候, 制造企业展开竞争更多是凭借设备投入、人工经验以及规模优势；当下呢, 面临快速变化的市场需求, 企业不但得拥有更为先进的设备, 还得让数据、知识以及生产流程切实连接起来。哪一个能够把沉淀于企业之中的经验转化成可以调用的能力, 哪一个能够把分散于产线上的数据变成实时决策, 那一个就更有机会在下一轮竞争里跑得更快。

世界人工智能大会上的大模型, 那机器人, 还有物理人工智能, 无疑是相当吸人眼球的, 然而对于制造业来讲, 真正关键的并非是技术在展台上呈现出的那种炫丽程度, 而是它离开展台之后, 是否能够进入研发中心, 是否能够进入生产车间, 是否能够进入设备现场, 进而持续创造出能够看得到的价值。

在未来, AI竞争之中的关键所在, 并非仅仅在于模型究竟有多强大, 而是在于谁能够使得AI对于产业有着更为深入的理解, 能够更加紧密地贴合场景, 并且切实地将结果呈现出来。

#移动天工##智赋新质 全域焕新#