“智聚廣發·匯創未來”粵港澳大灣區電子信息產業上市公司論壇于6月26日在廣州舉行，此次論壇主題圍繞最新電子信息產業動態，聚焦今年以來火熱的人工智能產業發展，共謀經濟高質量發展。賽意信息（300687）（300687）董事長張成康受邀出席了此次論壇。作為國內企業數字化服務領域領跑企業之一，賽意致力于工業互聯網、智能制造、數字化轉型等領域的技術與商業模式應用，為企業提供高端軟件咨詢、實施、集成服務。論壇上，張成康以《AI新時代下制造業實踐創新探索》為主題發表演講，分享了人工智能在制造業領域的應用，在不同的場景下通過優化工作效率，加快市場響應速度，為制造業企業帶來實實在在的價值。

本次會議，張成康分享了在生成式AI加成后，企業數字化平臺的層次遞進的變化，以及多個AI賦能企業應用系統、加強研發效率效能的實際案例。

交互方式重大提升 進入人機“對話時代”

(相關資料圖)

過去企業的信息化實現經歷了紙筆時代到代碼+圖形時代，目前AI帶動下已然跨入“對話時代”。只具備基礎計算機使用經驗的操作員可以僅僅通過自然語言下達指令，內嵌到業務流程的AI工具會自動分析對話輸入中的非結構化需求信息，自動提供實時的、上下文相關的提示，簡化了用戶界面。在展示的電子制造領域的工藝流程優化案例中，AI插件能夠讀懂電子工藝工程的需求，并智能解決文件格式不統一、工作量大和效率低的問題。這些對非結構化需求信息的處理能力，能減少人工解讀文件的時間，大大解放工藝師的生產力。當前初步的測試測算結果顯示，參數提取的時間可以從目前的小時級優化到分鐘級，減少40%的人員需求。

從客戶個性化需求到標準化可量產訂單的生成一直是電子廠商在效率上需要突破的痛點，當前有望在AI的輔助下進入到拐點。從更廣闊的生產制造范圍可以看到，低門檻、高效率，不易出錯的未來“所說即所得”式定制化生產模式悄然而至。

“未來的企業數字化來自于人機自然交互”

張成康認為，一種典型的AI落地實現路徑的方法論應該是這樣的：從人向機器設定作業目標開始，經過大模型處理目標請求并生成反饋、AI生成任務列表、和其他AI控制的內外部業務服務協作到處理并存儲數據，AI自身會形成持續迭代任務的閉環能力。經過一系列的程序步驟，無論是開發聊天機器人等面向結果開放性的任務，或者處理結果確定性的任務（例如在供應鏈管理中，AI用于預測需求和庫存水平，以確保及時和準確的供應），都能以精確、可靠和安全的方式達成。

此外在復雜多樣化的場景中，AI技術與工業需求相互匹配解決點狀的復雜特異性問題，實現面向場景的建模與優化，如設備健康管理、生產參數優化、需求預測、質量綜合管控等場景。他同時介紹了工業視覺在制造業的應用。基于工業智能視覺的工業現場質量與安全管理系統，通過AI深度學習與多傳感器融合感知，進行合規性識別。這種系統可以判斷人的行為軌跡、目標狀態以及場景內的變量元素，是否符合規范要求，從而輸出告警結果，達到主動防御和違章預警的作用。此外，工業視覺智能還可以覆蓋質量管理的全過程，包括供料監測、過程質量、人員作業質量和成品質量。

未來隨著AI的能力日新月異的進步，以及人們對AI能力的掌控認知逐漸提升，面向相對復雜的工業問題，不同場景中的應用價值可能會因AI+工業場景處于不同發展階段，從而呈現較大差異性，但隨著與物理化學、科學計算等更深層次機理的融合，有望產生巨大的創新價值。

AI智能研發輔助助力研發端快速落地產品

賽意·谷神工業aPaaS平臺作為賽意信息自主研發的集設計、開發、集成、實施、應用、治理于一體的企業云平臺，是賽意自主產品的主力孵化器，目前已孵化出業財融合平臺、IT業務智能運維ITSM、集成供應鏈等業內頗有影響力的產品線。張成康表示，通過數據分析和模式識別，可實現基于業務需求快速生成技術實現方案和代碼生成等核心功能，谷神工業互聯網平臺研發效率在AI落地結合實施后，有望提高30%以上；在企業工業App構建方面則可望提速達50%。這一切的推動力核心就源自于AI對各項模型提取、研發設計、應用程序的加強賦能。

據介紹，賽意的谷神平臺近期會發布融合了AI大模型的最新版本。從工業APP加速，到低代碼平臺能力升級兩方面應用新的AI大模型技術。首先平臺上下游企業大量的垂直行業知識經驗，并基于此構建大量可復用的低代碼開發模塊和原理模型組件，能夠為工業AI模型的訓練奠定良好的基礎，從而支撐工業APP的開發推廣加速。其次基于AI能力提供代碼自動化的幫助，用自然語言描述工程師想要的應用、流程或機器人，從創建組件到提供改進建議都能在更短時間內完成，使得他們能夠更好使用低代碼平臺能力進行應用端開發。加強平臺上的應用創建創新能力，降低應用開發成本在未來會成為主流趨勢。

AI時代強者恒強 數據+場景洞察成壁壘

面對今年以來風起云涌的AI大潮，企業利用AI的強大能力討論已經從“要不要”轉變為“如何做”。以大語言模型為起點的顛覆性人工智能工具軟件帶來了更加智能化、自動化的交互模式變革，時代的進步點亮了人類科技樹上生成式人工智能的分支，成為社會發展上重要的里程碑事件。

張成康指出，隨著行業進入深度學習的時代，有大量的業務開始需要系統處理非結構化數據，并生成業務洞察。目前看到這次浪潮真正的變革來自于通用智能。通用智能是指機器具有面向目標的能力，能夠自主決策，并調動復雜的軟件系統。這意味著機器不僅能夠執行任務，還能夠理解和解決復雜的問題。但在實際生產環境中的一般規則的理解和調用還是需要結合工業現場的“人、機、料、法、環”等要素進行配置，工業生產要素的認知是業界核心護城河之一；另外海量的數據作為模型的原始訓練素材如何進行可量度、標準化、標簽化等價值輸出，目前的落地路徑還是掌握在多年持續服務制造業的技術服務商手中。頭部廠商在數十年服務下游行業客戶的過程中積累了海量工藝know-how數據，在AI大模型快速迭代發展的背景下有望率先挖掘過往數據價值為客戶提供最佳工藝優化方案。

發展路徑上，AI技術創新后，會按照技術創新-應用探索-工程化路徑演化。AI技術創新和工業領域融合應用之間的滯后周期有望不斷縮短。大模型的泛化能力經過行業專屬數據的微調，監督學習等方式收斂錘煉成行業模型和場景模型，未來有望在具體的細分領域開展應用，產生大批量工業領域探索實例的時間應該不會太遠。總體來說，對于行業內生態參與者、建設者，人工智能不僅是一種技術或工具，它更是一種推動制造業創新和變革的力量。