生成式人工智能于制造业的应用样例

　　本刊编辑整理

　　机器学习是人工智能的子领域，根据不同的建模方式，机器学习模型可以分为判别式模型和生成式模型；判别模型直接对数据和预测类别的条件概率进行建模，而生成模型对联合概率分布进行建模。基于生成模型构建的生成式人工智能（GAI）能够根据已经学习的内容，创造性地生成新的内容，因此很可能成为专用性人工智能走向通用式人工智能的关键转折点。

　　根据百度百科的解读：生成式人工智能是利用复杂的算法、模型和规则，从大规模数据集中学习，以创造新的原创内容的人工智能技术。这项技术能够创造文本、图片、声音、视频和代码等多种类型的内容，全面超越了传统软件的数据处理和分析能力。

　　GAI 的突破之年

　　2022年末，OpenAI推出ChatGPT，标志着生成式人工智能技术在文本生成领域取得了显著进展，引发了社会对这项技术的巨大关注，全球多家知名企业纷纷入局，2023年也被称为生成式人工智能的突破之年。随后，这项技术从单一的语言生成逐步向多模态、具身化快速发展。在图像生成方面，生成系统在解释提示和生成逼真输出方面取得了显著的进步；视频和音频的生成技术方面也迅速发展，为虚拟现实和元宇宙的实现提供了新的途径。

　　像所有人工智能一样，生成式人工智能的运作方式也是使用机器学习模型，传统的机器学习模型具有辨别性，或者侧重于对数据点进行分类。它们尝试确定已知因素和未知因素之间的关系。例如，这些模型查看图像，即像素排列、线条、颜色和形状等已知数据，然后将它们映射到字词，即未知因素。从数学上讲，这些模型的工作原理是识别可以用数值方式将未知和已知因素映射为x和y变量的方程。

　　生成式人工智能模型在此基础上更进一步。这些模型不是在给定某些特征的情况下预测标签，而是在给定具体标签的情况下尝试预测特征。从数学上讲，生成式建模计算x和y同时出现的概率。该模型学习不同数据特征的分布及其关系，以生成式模型分析动物图像以记录变量为例，不同的耳朵形状、眼睛形状、尾巴特征和皮肤图案，这些模型学习特征及其关系，以了解不同动物的总体外观，然后它们可以重新创建训练集中没有的新动物图像。

　　根据目前行业发展情况，生成式人工智能模型主要分为以下几类：

　　扩散模型：通过对初始数据样本进行迭代性的受控随机更改来创建新数据。这些模型以原始数据为起点，然后加入细微的变化（噪点），逐渐使其与原始数据不那么相似。这种噪点经过仔细控制，以确保生成的数据保持一致性和真实性。在多次迭代中添加噪点之后，扩散模型反转该过程。反向去噪会逐渐消除噪点，从而产生与原始数据样本相似的新数据样本。

　　生成对抗网络（GAN）：另一种基于扩散模型概念的生成式人工智能模型。GAN 的工作原理是以竞争方式训练两个神经网络：生成者，通过添加随机噪点来生成虚假的数据样本；辨别者，尝试区分真实数据和生成者产生的虚假数据。

　　在训练过程中，生成者不断提高其创建逼真数据的能力，而辨别者日益加强区分真假数据的能力。这种对抗过程一直持续到生成者产生的数据令人信服，以至于辨别者无法将其与真实数据区分。GAN 广泛用于生成逼真的图像、风格转换和数据增强任务。

　　变分自动编码器（VAE）：学习一种称为潜在空间的紧凑数据表示形式。潜在空间是数据的数学表示形式。可以将潜在空间视为唯一的代码，根据数据的所有属性来表示数据。例如，如果研究面部，则潜在空间包含代表眼睛形状、鼻子形状、颧骨和耳朵的数字。

　　VAE 使用两个神经网络——编码器和解码器。编码器神经网络将输入数据映射为潜在空间每个维度的均值和方差。该神经网络从高斯（正态）分布中生成随机样本。此样本是潜在空间中的一个点，表示输入数据的压缩简化版本。解码器神经网络从潜在空间中获取此取样点，然后将其重新构造回与原始输入相似的数据。使用数学函数衡量重新构造的数据与原始数据的匹配程度。

　　引发的科技热潮在ChatGPT之后，国内外多家企业进入生成式人工智能的赛道，相关法律也随之出台。

　　2023年5月，IBM发布新的人工智能和数据平台Watsonx，使其客户能够发布基础模型和生成式人工智能，并在任何云环境内存储和管理它们；同年9月，亚马逊推出一系列设备，并为其语音助手Alexa加入生成式人工智能功能。2024年4月，从中国网信办官网获悉，已有117个大模型完成生成式AI服务备案。备案企业包括中国移动九天、百度文心一言、阿里巴巴通义千问、华为云盘古、腾讯混元助手、OPPO安第斯、vivo蓝心等。

　　从2023年8月15日起，我国首个针对生成式人工智能产业的规范性政策《生成式人工智能服务管理暂行办法》正式施行。2024年4月，世界数字技术院发布《生成式人工智能应用安全测试标准》和《大语言模型安全测试方法》两项国际标准。该标准由OpenAI、蚂蚁集团、科大讯飞、谷歌、微软、英伟达、百度、腾讯等企业的多名专家学者共同编制而成。

　　生成式人工智能正在全球掀起新一轮的技术热潮。据IDC在近日发布的《全球人工智能和生成式人工智能支出指南》中预测，全球生成式人工智能市场年复合增长率已高达85.7%，预计到2027年全球生成式人工智能市场规模将接近1500亿美元。

　　对于人工智能的发展而言，制造行业一直是其重要的应用场景落地领域，随着工业4.0、智能制造的兴起，以大数据分析、视觉检测、预测性维护等为代表的人工智能应用已与制造业深度融合并达到一定的成熟度。生成式人工智能技术的突破，也让制造业从业者看到了更多可能。

　　生成式人工智能可以为制造业带来什么呢？

　　首先，在研发设计与规划阶段，利用GAI，设计师可以在云端快速创建和编辑概念设计，并对其进行自动渲染和评估。不仅能大幅缩短设计周期，还能降低概念设计的成本；其次，在生产制造环节，通过GAI可以实现工业机器人控制、企业私域数据分析、企业私域知识库等应用；再次，在经营管理环节，GAI可以支撑企业进行经营洞察、智能订单生成、供应商风控、动态库存优化等；最后，在产品服务优化环节，将大模型的能力集成到产品中，将可能成为消费电子、汽车、家电等行业产品智能化能力提升的重要探索方向之一。

　　从技术到场景落地

　　近日，西门子宣布进一步深化与英伟达的合作，将英伟达Omniverse Cloud APIs的沉浸式可视化功能引入西门子Xcelerator，推动以人工智能驱动的数字孪生技术的应用，持续构建工业元宇宙。“此次合作将帮助提高西门子Xcelerator产品的计算速度，以及对生成式AI和Omniverse的集成能力，双方将携手推进产品和体验在设计、制造和服务方式的变革。”西门子股份公司董事会主席、总裁兼首席执行官博乐仁（Roland Busch）如此表示。此外，在双方合作的第二阶段，西门子还将于今年发布Teamcenter®X新产品。该新品将由英伟达Omniverse技术提供支持，帮助工程团队创建直观逼真、基于物理世界的实时数字孪生，避免在工作流程中可能产生的浪费和错误。其中，生成式AI将大幅加快对真实感渲染细节进行设置和调整的速度，如物料定义、照明环境以及其它辅助性情景资产等。通过对工程数据进行真实的情境化处理，以往需要花费数天的任务以后可在数小时内完成。

　　据了解，可持续船舶制造商HD现代已采用这一新解决方案创建了实时、逼真的可视化技术。HD现代致力于研发氨动力和氢动力船舶，其过程极其复杂，所需管理的船舶可能包含超过700万个离散零部件。这一新的解决方案可帮助HD现代采用交互方式，实现海量工程数据集的统一和可视化管理。

　　HD现代首席信息官兼首席数字官Taejin Lee表示：“西门子和英伟达合作打造的解决方案能够帮助我们实现船舶数字孪生的可视化，并与之进行有效互动。同时，利用生成式AI创建对象和HDR背景，我们可以更好地在特定情境下理解项目，从而减少错误，提升客户体验，同时节约时间和成本，并从中持续受益。”

　　（本文综合整理自aws、西门子官网以及商道童言）