“大模型可能不是最優選” 亞馬遜雲科技顧凡：製造業目前仍是“兩條腿走路”

每經記者：王紫薇 每經編輯：劉雪梅

在數字化浪潮蓬勃發展和新技術引領的產業變革環境下，數字化與智能化正在為企業轉型升級提供新的機遇。

11月9日，亞馬遜雲科技發布了生成式AI三個已經驗證有效的在製造業落地的場景，即工業產品設計概念圖生成、營銷圖庫方案生成和企業內部知識庫協同三大場景，幫助企業從流程、人力上着手，提升效率。

亞馬遜生成式AI驗證有效的在製造業落地的場景 圖片來源：每經記者 王紫薇 攝

用數字化為企業賦能是國內製造一直以來希望的發展方向，其核心則是“如何進行數字化轉型”以及“轉型之後到底能不能降本增效”。

在中國製造業從“量”到“質”的數字化轉型實踐中，傳統製造業面臨技術產品創新曆時久、工廠整體設備效能OEE（Overall Equipment Effectiveness，設備綜合效率）激活不暢、供應鏈效率及彈性低，以及缺乏創造新的收入來源等集中性挑戰。

技術的蓬勃發展為製造業帶來了降本增效的機會窗口。對於企業來說，上雲，使用雲上工具已經成為企業解決此類問題的主要方式。此外，隨着生成式AI的到來，製造業企業在具體3大場景中，迎來新的效率革命。

生成式AI帶來的新機遇

亞馬遜雲科技強調，生成式AI在製造業落地中的三大已被驗證的場景，首先是在工業產品設計領域。具體來說，傳統流程一般是先進行概念設計，再對設計圖進行渲染，最後是設計評審環節，此過程需要大量人工參與，同時還涉及多次返工等難題，工作效率相對低下。而大模型在“概念圖”生成中已被證實有很大的效率提升。

亞馬遜雲科技大中華區戰略業務發展部總經理顧凡表示：“我們強調‘概念圖’的意思，就是在說替代原則，把概念圖這一塊交給大模型快速生成，然後再集成到整個工作流裡面，所以很多客戶都在使用並從中受益。”

海爾與亞馬遜雲科技及其他合作夥伴聯手打造了定製化的生成式AI解決方案，並應用到新品設計、改款升級、渠道定製化等工業設計的業務場景中。根據亞馬遜雲科技提供的數據，這個方案讓海爾創新設計中心的整體概念設計提速了83%，集成渲染效率提升了約90%。

第二是在營銷領域。線上線下的推廣圖入庫之後，利用AI快速生成符合不同渠道的市場營銷整合材料。

智能知識庫搜索是企業落地的第三大場景。國內製造企業往往是人員密集型企業，員工數量眾多，內部資料和數據也因多年積累數量龐大。亞馬遜雲科技利用生成式AI技術助力客戶構建企業級智能知識庫，集合搜索引擎和大語言模型，使企業員工在知識庫中快速找到精準和具備實效性的內容，有效提升生產與辦公效率。

此外，生成式AI的發展也給中小製造業企業帶來了“彎道超車”機會。

顧凡認為，雲計算與生成式AI的相同點在於，兩者都是基礎設施資源。面對今年生成式AI的迅速發展，原本掣肘小企業人力與資金的因素，可以被雲計算的API等計算資源覆蓋，這在一定程度上將中小企業與大企業拉到了同一起跑線。

解決技術手段之後，顧凡認為，中小企業和大企業真正的不同，在於業務端。

大模型+小模型仍是主流解決方案

自今年生成式AI橫空出世以來，這項技術正在加速嵌入製造行業的業務場景，在產品開發和設計、製造運營、供應鏈、營銷和銷售、智能客服及知識庫等方面帶來巨大價值。

根據美國諮詢公司Gartner發布的《2022年人工智能技術成熟度曲線》預測報告，到2027年，30%的製造商將使用生成式AI提高產品研發的效率。

生成式AI給各行各業的發展帶來了更大的想象空間，但是目前的現實是，在應用層面，大模型仍處於非常早期的階段。顧凡看好AI為製造業帶來的賦能提效，但他並不是大模型的狂熱推崇者。

“大模型是一個工具，覺得大模型厲害，是一種技術思維。大模型確實厲害，但可能不是解決實際問題的最優選。我們從實際應用出發，如果小模型已經可以解決業務問題，並且划算，那麼為什麼要着急上大模型？”顧凡說。

顧凡認為，企業應該關注的不是技術層面的使用或者不使用大模型，而是更多從場景應用層面出發，大模型本身其實只是一個工具，把不同工具應用到最合適的場景里進行組合，找到最優解才是最佳的解決方案。從應用層面出發，使用大模型需要綜合考慮是否精準解決需求、是否成本可控等問題。顧凡認為，製造業行業內，大模型與小模型“兩條腿走路”仍是目前的主流解決方案。

每日經濟新聞