编辑 | 宋慧

出品 | CSDN 云计算

作为实体经济的重要组成部分，制造业一直以来都是国家发展的根本和基础。近年制造业的数字化转型如火如荼，今年爆火的生成式 AI 也正在进入制造业的各类场景。全球的云巨头亚马逊云科技从收购芯片公司自研开始，其实本身也是一家制造企业，最近，亚马逊云科技分享了自身在制造业积累的数字化转型与生成式 AI 经验，以及众多的制造案例实践。

从工程与设计、智能制造、供应链管理、智能设备与服务，制造业全面数字化升级

互联网时代，制造业的信息化重点放在 ERP、MES 等流程，而现在，制造企业的核心业务、数据，都在面临全面的数字化转型升级。今年的生成式 AI 也正在加速重塑制造生产的环节，全球化的市场环境让企业从去海外产品营销，正在转向出海建厂以及更精细化的本地运营服务。另外工业制造是绿色双碳的重要领域，这一切，都是制造业正在面临的全新挑战。不过，制造业作为第二产业，数字化场景众多，具体拆解来看，亚马逊云科技将正在进行数字化转型的重点环节分为工程设计、智能制造、供应链、智能化设备与服务。

在工程与设计领域，麦肯锡的研究表明，如果新产品的研发延迟 6 个月产品上市，将导致未来五年内利润减少 33%。如何用数字化的工具和手段提升研发效率，对公司来说至关重要。亚马逊云科技将重点工作聚焦三个关键场景：计算辅助工程 CAE、电子设计自动化 EDA 以及设计和工程桌面和环境 eVDI，与合作伙伴一起，针对一些行业的业务场景推出相应的云上解决方案。

在智能制造领域，85%的 OEE被认为是世界级标准的制造企业，但制造业目前众多企业还远远达不到这个标准。亚马逊云科技关注的关键场景包括工业数据平台、设备预测维护、工业视觉检测以及生产和质量优化。通过使用亚马逊云科技的服务访问和分析不同的工厂数据，最大限度地提高生产力、资产可用性和产品质量。在数据底座上，数据平台的挑战来自于 IT 数据和 OT 数据的融合，融合后的工业数据平台，从数据的注入、存储、输入、分析再到去支持人工智能的应用，有了这个底座可以在工业数据平台的基础上去构建一些 OEE 的关键应用场景。例如西门子成都工厂在亚马逊云科技的协助下，构建了一套云端训练本地推理的工业废料分拣系统，使得废料分类的准确率 > 95%，危险废料达到了 100%，模型训练时间从 10 多个小时缩短至 2 小时，提高了 5 倍，节省人工成本，3 名专职人员可以做其他工作。

在供应链管理领域，亚马逊云科技希望助力客户以数据来打通供应链各环节，使其可见、可控和优化。其中关键场景有需求预测，供应链可视追踪，库存优化和动态调度。其中，在供应链可视追踪场景，亚马逊科技联合合作伙伴共同打造供应链可视追踪（控制塔）解决方案，覆盖供应链的端到端的业务领域。某高科技电子客户的例子，利用控制塔解决方案提升库存周转率，平均物料库存周转率缩短 1 天；降低物料运输成本，减少意外紧急叫料发运单数 20%。

在智能设备与服务领域，如何创造新的收入模式也是制造设备企业关心的问题。对于制造设备 OEM 企业来说，通过将硬件、软件和服务组合成一个紧密集成的定制解决方案，满足更广泛的客户需求，公司可以利用更快增长的利润池，实现更高的利润，并推动销售。亚马逊云科技在此领域聚焦的关键场景包括设备互联，设备监控和设备即服务。亚马逊云科技可以帮助客户运用云技术构建智能的互联设备和增值服务，提供 IoT、机器学习、AI 和数据湖，帮助制造商收集、存储、分析设备数据并采取相应的行动。

生成式 AI 落地行业关键：技术之外，应用为王

在数字化转型中，今年最火的技术方向莫过于生成式 AI。在制造行业，生成式 AI 已经用在工业设计、营销、企业内部知识库等场景。不过 AI 大模型效率优势另一端，则是成本的高昂，今年亚马逊云科技从基础模型服务例如 Amazon Bedrock，Amazon SageMaker 等，以及芯片、数据，构建了完整 AI 技术堆栈，目标就是为行业用户降低生成式 AI 的开发使用门槛。

就像前面提到的，制造业场景高度碎片化，相对于医疗和教育等其他行业来说，制造企业各自的核心工艺公开数据相对较少，所以很难预训练大模型。因此，如亚马逊云科技及其客户施耐德在实践中，都总结了生成式 AI 快速落地产生价值的重要观点，那就是在关注 AI 大模型的核心技术之外，行业生成式 AI 应以“应用为王”。制造业应用大模型最重要的是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，把不同工具应用到最合适的场景里进行组合，找到最优解才是最佳的解决方案。

亚马逊云科技大中华区战略业务发展部总经理顾凡表示，从实际应用与解决方案出发，目前大模型与小模型仍是共存趋势。在小模型解决方案方面，亚马逊云科技做的例如工业视觉检测、供应链 AI 到货时间预测等场景都是基于小模型构建。在大模型解决方案方面，西门子智能知识库、海尔创新设计中心案例，则是基于大模型构建。

亚马逊云科技也分享了相关的案例，例如西门子中国 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 4,000 名员工使用，超过 12,000 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。

还有全球化工巨头英威达（INVISTA）利用亚马逊云科技完成从商业智能 (BI) 转向人工智能 (AI) 来转变其运营方式。英威达使用 AWS Lake Formation 实施基于 Amazon S3 的企业数据湖，利用 Amazon Redshift（尤其是 Amazon Redshift Spectrum）使数据分析师能够对 TB 级的数据执行复杂的查询。对于数据科学工作流程，英威达使用 Amazon SageMaker 以构建、训练和部署内部开发的第三方机器学习模型。系统实施后英威达将 600 台本地服务器迁移到云上，其中包括多个制造应用程序和全球 INVISTA SAP 足迹，每年节省了超过 200 万美元的成本，从全公司数据中创造 3 亿美元的价值。