產業互聯網大視野消息   OpenAI引領的AIGC大模型迅速席卷全球，滾滾而來的技術浪潮給產業互聯網企業帶來了哪些機遇，又帶來哪些挑戰？AIGC與產業互聯網的充分融合，會產生怎樣的化學反應？

針對AI結合產業互聯網的痛點和難點，4月25日，由中國信息協會產業互聯網分會、新質云起、產業互聯網大視野、他山石智庫聯合發起的“解碼硅谷人工智能”主題沙龍正式舉辦。沙龍特別邀請硅谷人工智能研究院（SVAIRI）院長皮埃羅·斯加魯菲（Piero Scaruffi）先生和震坤行CTO劉陽先生擔任嘉賓，為現場觀眾帶來了一場關于AI的思想盛宴。

皮埃羅為現場觀眾帶來了以《硅谷AI前沿技術進展與智能工業物聯網》為主題的演講，分享主要內容包括硅谷的創新與趨勢、硅谷創新的秘密、硅谷前沿技術和趨勢和智能工業物聯網四大板塊。

硅谷生成式AI的起源與演變：從大語言到多模態

當前生成式人工智能都基于谷歌在2017年推出的大語言模型Transformer，旨在預測句子中的下一個單詞，誕生之初主要是用于兩種或多種語言之間的互譯，根據詞匯的之間序列推測和翻譯后面將要出現的單詞，然后按照序列去進行文本解讀。

后來研究者發現通過不同代際的演變和迭代，Transformer模型可以作為一個計算架構，有著巨大的算力和潛力，不僅僅可以用于去解讀和翻譯語言，同時它也可以識別并生成各種文本、圖形、程序語言和視頻。

基于Transformer模型，生成式AI發展的四個趨勢包括通用語言模型、定制語言模型、“低算量 ”模型和多模態模型。

其中定制語言模型與通用語言模型的區別在于，它基于具體領域的文本的信息進行訓練，比如化工類、金融、或醫藥等特定領域；“低算量 ”模型旨在用最少的資源進行訓練，以有限的硬件架構和最少的資源對算力進行降本增效的利用，降低訓練參數與成本；

多模態模型通過模擬人類除語言外的其他感官和感知來進行培訓，比如通過圖像和視頻的方式來進行培訓，比如谷歌的Gemini等新一代通過圖像進行訓練的AI。在多模態模型的不斷發展下，生成式AI正在向更高維度邁進。

硅谷創新的秘訣：開源、包容、小而精

硅谷成功的秘密是什么？它的精神內核是怎樣的？又為什么難以復制？針對現場觀眾對硅谷強大創新能力的疑惑，皮埃羅做出了詳細的解答。

皮埃羅表示，首先硅谷的創業氛圍鼓勵小而精的公司進行創新，很多新科技包括集成電路、人工智能等都來自小公司；其次就是開源，技術開源在中國并不被關注或流行，但其實開源會給世界帶來包羅萬象的各種技術，包括生成式人工智能在內；

第三，硅谷非常具有包容性，也吸引很多外國人長居，硅谷50%以上的初創公司都不是美國人創立的，90%的公司創始人并不在加州，多元的文化使各國科學家匯聚，共同開發和享受成果；最后，除了科技人士，硅谷也匯集了來自世界各地的藝術家，跨學科的思維能力鼓勵創新者跳出局限性，化不可能為可能。

除了當前炙手可熱的生成式AI技術，硅谷的先進技術還包括商業化芯片，新型材料，量子計算電池，綠色科技，核聚變，量子計算，生物技術等等，這些技術都是對硅谷創新模式的有效證明。

強化學習型AI與生成式AI共同賦能智能工業物聯網

關于人工智能和工業互聯網的融合，皮埃羅認為，在垂直領域AI的應用需要具體問題具體分析。比如在工業應用上，強化學習型AI比生成式AI更有優勢。無需編碼的技術非常適用，能夠幫助實現智能生成，可以和攝像頭、機器人、可編程邏輯控制器進行無縫集成，同時也會用到一些數據數字來進行集成。供應鏈當中的人工智能包括在協作機器人、ERP等企業資源分化中的應用。

而在戰略營銷領域，生成式人工智能的作用則舉足輕重。對于傳統技術而言，生成式人工智能在這一領域有很多的優勢，尤其是在分析社交媒體內容，尋找商機以及了解目標受眾，并且能夠自動檢索潛在客戶和銷售線索等。

在產品設計和定價策略等工作環節，生成式人工智能也能夠起到很多的幫助。其最大的作用在于改善個性化定制、幫助決策制定和產生新的收入渠道。包括亞馬遜等在內的美國電商巨頭也主要在將AI技術應用于銷售端，比如自動給買家提供購買建議，并推薦其他衍生產品。

其他更多的應用還是在于自身工廠的建設和倉庫的管理，包括機器人技術。最近亞馬遜投資了一個做類人機器人的公司，可能是類人機器人的第一個具體應用。皮埃羅認為，在電商領域，結合機器人技術的投入和生產成本，AI的具體應用可能還要觀望一兩年，要了解它的效率是不是能夠幫助行業提質增效。

AI+產業互聯網：數據、人才、KPI缺一不可

在圓桌對話環節，他山石智庫創始人李大巍邀請皮埃羅和震坤行CTO劉陽，針對人工智能研究的前沿成果、AI+產業互聯網應用以及企業團隊建設等話題，共同探討AI技術對產業互聯網行業的影響和價值。

針對AI在工業應用中的可行性，劉陽表示，數字化員工數量的增長對企業的賦能最為明顯，今年震坤行由數據驅動和AI驅動的數字化員工已經占了正式員工一半的人數，包括流程內的機器人、對話機器人、產業智能助理等。從產生線索到最后回款，中間的訂單、履約、交付、開票、對賬等環節，大量的數字化員工在滲透其中。

劉陽表示，一些企業在數字化轉型中和對AI技術的應用上存在誤區。“數字化轉型不能急于求成，要循序漸進，由點到線再到面”。他表示，常見的誤區第一來自于技術本身，大模型技術上具有兩面性的，正面是它的創造能力，負面的就是幻覺，即錯誤回答。針對這種現狀，首先要先從低精度到高精度的業務場景進行實現，讓AI先從簡單的任務層面接替人工；第二，要從輔助決策再到自動決策，逐步提升業務的自動化程度。

在垂直領域的應用上，皮埃羅認為AI的數據來源至關重要。當前網上有大量的數據產生和集成，但同時也會有很多垃圾。對于醫藥等具體的、敏感的行業，大語言模型訓練者需要將它放在一個具體領域的數據集當中，這樣生成的結果才會更加精準。

對此，劉陽也認為數據對企業而言至關重要，每家企業在這個時代的護城河就是各自的數據。過去幾年我們一直對數據應存盡存，數據量在過去三年增長了幾百倍，過去一年在隨著社會人工智能的發展，大家發現這些數據有非常多可以開采的價值，它好像一座金礦。建議大家對待企業內的數據，要從清洗到治理再到標準化。真正有價值的數據一定要經過人工判斷、標記和標注。所以，企業對數據的開發標準要建立起來。

除了數據，專精人才對企業來講更為重要。劉陽認為，首先企業要招對人，AI時代對人才的要求有所提升，不僅要懂技術，還要懂如何結合產業；第二則是工具，企業要創造工具，幫助員工降低生產數據的門檻；第三是企業文化和考核機制，KPI要以結果為導向，讓員工將經驗共享的過程體現在業績里。

關于AI對未來就業的影響，劉陽認為，AI對崗位的價值是幫助每個人提升生產效率，而不在于對崗位進行替代。同時，AI也會創造新崗位，就比如最近很火的提示工程師。另外，它也可以輔助員工提升就業能力。比如說現在流行的AI面試，虛擬面試的工具，輔助銷售提升銷售技能的AI工具等等。

對此皮埃羅也持相同意見，當計算機誕生時，打字員就消失了，但同時擅長運用計算機的人反而獲得了更高的收入。同理可證，當今時代能將AI運用得更好的人才能在職場上獲得更好的發展。對員工而言，找到適合自己的風口，用AI武裝自己，滿足新時代對人才的要求更為關鍵。

來源：產業互聯網大視野