亚马逊云科技：掀起制造业数字化转型浪潮，生成式AI或提供全新方向

一分耕耘，一分收获！既然都打开这篇《亚马逊云科技：掀起制造业数字化转型浪潮，生成式AI或提供全新方向》，就坚持看下去，学下去吧！本文主要会给大家讲到等等知识点，如果大家对本文有好的建议或者看到有不足之处，非常欢迎大家积极提出！在后续文章我会继续更新科技周边相关的内容，希望对大家都有所帮助！

【环球网科技综合报道】在数字化浪潮蓬勃发展和新技术引领的产业变革环境下，数字化与智能化正在为企业转型升级提供新的机遇。工业4.0 促使信息技术、数字技术、人工智能等技术与制造业加速融合，数字化技术的融合应用已然成为制造企业实现规模增长的重要抓手。

一个值得注意的事实是，生成式人工智能的迅猛发展正在为传统制造业带来新的发展机遇。根据Gartner的数据，到2027年，将有30%的制造商使用生成式人工智能来提高产品研发效率

顾凡是亚马逊云科技大中华区战略业务发展部总经理，在最近的行业沟通会上指出，生成式人工智能正在迅速应用于制造行业的各个业务场景，并在产品开发和设计、制造运营、供应链、营销和销售、智能客服以及知识库等方面带来了巨大的商业价值

顾凡提出，在中国制造业从“量”到“质”的数字化转型实践中，传统制造业仍面临着技术产品创新历时久、工厂整体设备效能激活不畅、供应链效率及弹性低，以及缺乏创造新的收入来源等集中性挑战，而生成式AI技术的应用正重塑制造业、助力制造企业打造出海新格局。

在智能制造领域，提高工厂整体设备效能是工厂管理的首要挑战。事实上，传统工业的概念设计一般由人工手绘，需要应对如下挑战：设计周期较长，设计师的业务承载能力与快速增长的业务需求之间的挑战；设计质量波动，产出质量因人员水准有差异、设计品质受人员流动影响等。上述因素综合导致了概念设计阶段人力成本耗费高、概念产出效率低、概念通过率低等问题

生成式AI的介入有效地提高了相应的工作效率。举例来说，海尔创新设计中心与计算美学Nolibox合作，利用亚马逊云科技的服务，开发了全国首个AIGC工业设计解决方案，大幅缩短了设计周期，同时也降低了概念设计成本。整体概念设计的速度提高了83%，集成渲染的效率提升了约90%

顾凡介绍，亚马逊云科技聚焦工业数据平台、设备预测维护、工业视觉检测，以及生产和质量优化等关键场景，可以打通和分析工厂数据，大幅提高生产力、资产可用性和产品质量，帮助企业大幅提高产量，优化生产并实现预测性维护以延长机器正常运行时间。

在传统工业设备与服务领域，大型制造设备OEM企业非常关注如何创造新的收入模式。制造企业需要推动自身从“制造业”向“高科技”企业转型，通过智能化提升产品的性能和价值，从而打造增值服务，扩展盈利模式和空间。目前，亚马逊云科技提供强大的物联网（IoT）和数据处理与分析能力，帮助制造企业释放设备和机器数据的价值，以助其实现持续的营收，通过创造新的产品和服务模式

在亚马逊云科技的帮助下，西门子中国3个月即完成了基于自有模型的智能知识库暨智能会话机器人小禹的灵活构建。它具备自然语言处理、知识库检索、通过数据训练大语言模型等核心关键能力，极大地提升了内部员工信息的获取效率，上线首周有超过4000名员工使用，超过12000个问题被解答。且此方案有效减少了人工成本，超过90%的问题可以由聊天机器人直接提供答案。

“应用为王，”顾凡说道：“对于To B制造业来说，大模型领域最重要的是需要找准核心业务应用场景，解决业务难题，提升效率，降本增效。大模型本身其实只是一个工具，将不同工具应用到最合适的场景中进行组合，找到最优解才是最佳的解决方案。”

因此，在制造行业中，应用生成式AI技术需要基于实际应用和解决方案。顾凡认为，在一段时间内，大模型和小模型可以共存，这是一个大趋势。找到合适的应用场景和解决方案是平衡企业成本和效率的最佳方式。顾凡表示：“对于制造业客户来说，大模型的应用核心是要找到模型准确度和推理成本之间的平衡点。”

目前，亚马逊云科技致力于推动生成式AI重塑制造业的增长路径，通过降低构建生成式AI应用关键路径中的门槛，充分渗透进制造业价值链场景，与合作伙伴一起提供行业领先的端到端技术解决方案，在工业设计、知识库搜索等场景开发定制化解决方案，让制造企业充分发挥生成式AI的潜力。

亚马逊云科技的目标是降低构建生成式人工智能应用的关键路径门槛。但顾凡认为，中小企业面临的挑战不在技术方面，而是需要找到适合的业务场景和高质量的私有数据

以上就是本文的全部内容了，是否有顺利帮助你解决问题？若是能给你带来学习上的帮助，请大家多多支持golang学习网！更多关于科技周边的相关知识，也可关注golang学习网公众号。