近日GPT-4成功得出P≠NP，陶哲軒預(yù)言成真。你是否想過利用GPT-4推動解決自控領(lǐng)域的技術(shù)難題呢？在西門子的嘗試中，我們的同事通過多輪迭代，利用GPT-4生成分線性大時滯多因素PID整定控制算法，完成某行業(yè)具體工況下的模擬驗(yàn)證，同時實(shí)現(xiàn)了自動化工程師和算法工程師協(xié)同才能完成的工作，并降低了時間成本。

以ChatGPT為代表的通用大模型已經(jīng)展示出強(qiáng)大的AI能力。但在應(yīng)對垂直領(lǐng)域問題時稍顯外行。相比于通用大模型，垂直大模型能夠更精準(zhǔn)地滿足行業(yè)特定需求，提供相對細(xì)分且更高效和精確的解決方案。在西門子看來，這是兩條不同的技術(shù)路徑，一種是將通用大模型直接應(yīng)用于工業(yè)場景，起到“副駕駛”的作用，這是我們現(xiàn)階段已經(jīng)在探索的應(yīng)用方向。另一種是以通用大模型為基礎(chǔ)構(gòu)建垂直大模型，起到“領(lǐng)航員”的作用，這則是我們正在進(jìn)行積極探索的方向。從“輔助副駕駛”到“高階領(lǐng)航員”，兩種路徑的最終目的都是為廣大的制造企業(yè)破解難題提供新思路，賦能未來制造業(yè)發(fā)展。

AI賦能：讓更多制造業(yè)場景收獲科技紅利

相比電子商務(wù)和消費(fèi)領(lǐng)域而言，工業(yè)AI的起跑時間較晚，發(fā)展方向相對有限，目前質(zhì)檢成為AI與工業(yè)結(jié)合最為典型且相對容易被理解的應(yīng)用場景，但其實(shí)工業(yè)AI的應(yīng)用遠(yuǎn)不僅僅局限于視覺檢測。

隨著技術(shù)、算法、資源和人才的不斷充實(shí)，人工智能正在滲透至工業(yè)的各個方面，應(yīng)用領(lǐng)域不斷拓寬。從設(shè)備預(yù)測性維護(hù)、產(chǎn)品外觀檢測、排產(chǎn)調(diào)度優(yōu)化等方面，到更多的在人、機(jī)、料、法、環(huán)等工業(yè)原生需求領(lǐng)域拓展，工業(yè)AI的應(yīng)用場景正伴隨著客戶需求的多元化與技術(shù)的逐步成熟，呈現(xiàn)出更為立體和豐富的輪廓。

作為自動化和數(shù)字化的領(lǐng)導(dǎo)者和推動者，西門子深知，工業(yè)人工智能技術(shù)唯有與更廣闊的生產(chǎn)場景相結(jié)合，才能真正打開它的價值觸點(diǎn)，為工業(yè)企業(yè)創(chuàng)造更大價值。去年，西門子發(fā)布《未來自動化——工業(yè)人工智能白皮書2022》，以幫助制造企業(yè)了解和挖掘更為豐富的工業(yè)AI應(yīng)用場景，為企業(yè)-實(shí)現(xiàn)降本增效提供更多創(chuàng)新思路。無論是發(fā)現(xiàn)質(zhì)量問題（質(zhì)檢）、找出質(zhì)量根本原因（分析），還是提高產(chǎn)品質(zhì)量（優(yōu)化），AI都擁有巨大的發(fā)展?jié)摿?。比如在尋找影響產(chǎn)品質(zhì)量的根本原因時，借助于AI技術(shù)，能夠有效解決底層數(shù)據(jù)源對接的問題以及統(tǒng)計(jì)分析技術(shù)在處理大數(shù)據(jù)方面能力不足的問題，節(jié)省常規(guī)統(tǒng)計(jì)分析和人工經(jīng)驗(yàn)排查所需要的大量時間和成本。

AI賦智：讓控制更靈活高效

中國制造產(chǎn)業(yè)結(jié)構(gòu)正在加快從量大到質(zhì)強(qiáng)的轉(zhuǎn)變和升級。面對高度“內(nèi)卷”的市場環(huán)境，人口紅利的消失，如何實(shí)現(xiàn)提質(zhì)增效，提升工業(yè)生產(chǎn)的盈利能力，成為企業(yè)亟需解決的問題。

從西門子扎根行業(yè)的多年經(jīng)驗(yàn)來看，企業(yè)面臨的問題主要聚焦于工藝環(huán)節(jié)，關(guān)注如何提升產(chǎn)品的良品率和生產(chǎn)效率。要滿足這一需求，就要更精確地控制、優(yōu)化每道生產(chǎn)工藝。在大多數(shù)制造場景中，生產(chǎn)設(shè)備由經(jīng)典控制程序進(jìn)行控制，但在真實(shí)生產(chǎn)場景下往往存在很多變數(shù)甚至異常，一般來說需要根據(jù)專家的經(jīng)驗(yàn)或預(yù)先定義的機(jī)理規(guī)則進(jìn)行主動干預(yù)。

針對于此，西門子嘗試采用AI技術(shù)打造智能的“工藝操作大師”，實(shí)現(xiàn)對各種工況環(huán)境和加工對象的動態(tài)適應(yīng)，從而提高生產(chǎn)操作的精度?；贏I技術(shù)的增強(qiáng)型控制是在原有的控制邏輯基礎(chǔ)之上，增加了高精度的非線性動態(tài)預(yù)測，能夠有效解決經(jīng)典控制技術(shù)對人工調(diào)節(jié)和干預(yù)的依賴，幫助客戶提高資源利用率、產(chǎn)量以及品質(zhì)上限。

例如在光伏基材生長，金屬冶煉成型，食品粉末干燥/液體蒸脫等工藝環(huán)節(jié)中，西門子基于原有自動化機(jī)理模型編寫的控制邏輯基礎(chǔ)上，結(jié)合AI技術(shù)增加了質(zhì)量趨勢的動態(tài)預(yù)測，可以針對不同參數(shù)進(jìn)行動態(tài)尋優(yōu)，并回饋指令。通過優(yōu)化控制將成分控制精度提升到新臺階，能夠有效減少廢料產(chǎn)生，實(shí)現(xiàn)單位時間單位資源下的產(chǎn)能最大化。

AI賦值：化繁為簡，讓AI“人人可用”

在數(shù)字化浪潮快速發(fā)展的今天，AI 被人們賦予了無限的期待，但其與工業(yè)領(lǐng)域的雙向奔赴仍任重道遠(yuǎn)。工業(yè)AI的落地是跨學(xué)科、跨領(lǐng)域、跨產(chǎn)業(yè)的問題，涉及IT信息技術(shù)、OT運(yùn)營技術(shù)、DT數(shù)據(jù)技術(shù)以及PT工藝技術(shù)等多維度融合。從產(chǎn)品化思維來看，西門子將工業(yè)AI的服務(wù)對象聚焦在更廣泛的群眾基礎(chǔ)——自動化工程師，因此，西門子將AI的能力封裝，使用自動化的語言將其發(fā)展成非AI專業(yè)人員都能使用的工具，幫助工業(yè)用戶用現(xiàn)有的知識架構(gòu)適應(yīng)AI時代的到來，讓復(fù)雜的工業(yè)AI應(yīng)用化繁為簡，且高效地為客戶帶來收益。

當(dāng)更多的行業(yè)市場開始進(jìn)入存量經(jīng)濟(jì)的今天，質(zhì)量和效率決定著企業(yè)的競爭力，人工智能技術(shù)與工業(yè)場景的結(jié)合，將成為數(shù)字經(jīng)濟(jì)時代提升工業(yè)制造的重要助推力。作為未來自動化的開拓者，西門子也將繼續(xù)探索工業(yè)AI技術(shù)的發(fā)展，推動AI和工業(yè)場景的深度融合，為制造業(yè)的長期可持續(xù)發(fā)展賦能、賦智、賦值。