华为云EI工业智能体2.0，让工业“KnowHow”开口说话.pdfVIP

华为云EI⼯业智能体2.0，让⼯业“KnowHow”开⼝说话 毫⽆疑问，过去⼏年国内⼯业互联⽹迎来了跨越式发展的新周期。数据显⽰，⽬前国内⼯业互联⽹平台类产品数量已⾼达269个，超过了国 外⼯业互联⽹平台总和，在269个平台类产品中由制造企业构建的⼯业互联⽹平台占⽐更是⾼达46%。 但也要看到，由于国内⼯业数字化⽔平参差不齐，应⽤场景分布差异较⼤，以及企业分布结构的不同，使得部分⼯业互联⽹平台的应⽤价值 并没有完全发挥出来，特别是极为重要的“⼯业+AI”领域的落地也并不如⼈意。 究其根本原因，是因为传统的以机理为核⼼的⼯业知识及⼯业数据，不能很好地在⼯业互联⽹平台上转化为⽣产效率，⽽要让⼀向沉默的⼯ 业知识和数据逐渐学会 “开⼝说话”，就需要企业核⼼⽣产作业流和AI为代表的新技术深度融合与⽣态重构，由此才能帮助⼯业企业实现提 质降本增效与加速创新。 在此背景下，7⽉20⽇，在TechWace技术峰会上，正式发布了EI⼯业智能体2.0，它基于⼤量的实践经验总结，并⾸度将⼯业机理模型与 AI进⾏了深度融合，可⽀持企业便捷地开发、分享⼯业机理模型，同时也能很好的匹配企业现有的组织部署运⾏环境，⽆疑真正创新了“⼯ 业+AI”的落地新范式。 从这个⾓度来看，EI⼯业智能体的“重装升级”，不仅是与时俱进、响应⽤户需求的最新举措，也是它始终洞察整个⼯业制造⾏业需求的变 化，在技术创新、商业模式以及⽣态合作上保持⾼强度⾃我迭代和进化的重要印证。 ⼯业数字化到智能化三⼤挑战 今天，越来越多的⼯业企业已经开始意识到，智能化转型是⼀场关乎未来的重要竞争。 ⼈⼯智能领域总裁、华为⼯业互联⽹解决⽅案总裁贾永利就表⽰：“在⽣产制造流中，1%的模型优化、1%的效率提升，给企业带来的价值 也是⾮常巨⼤的。” 可见，在未来⼯业制造业全⾯优化成本、效率、质量和敏捷性的过程中，AI将会扮演更加关键的⾓⾊，它也成为继⾃动化和数字化技术之 后，推动企业智能制造转型的全新“杠杆”。 当然，尽管⽬前国内⼯业制造企业基于⼯业互联⽹平台的智能化⽣产取得了长⾜的进展，但受限于⼯业化历程短、⼯业基础薄弱，平台整体 竞争⼒在部分领域仍然差距明显，特别是机理模型与AI融合仍需要不断积累沉淀，这些挑战主要表现在以下⼏个维度： ⼀是，缺少适合⼯业的AI开发、运⾏管理平台。尤其是⼯业软件开发过去多是单机、软件套件为主，这些年IT、AI领域很多先进技术很难融 合使⽤。 可以看到，⼯业软件绝⾮⼀般的普通应⽤软件，⽽是⼯业机理模型数字化封装和复⽤，需要对⼯业⼯艺、技术和机理等长期积累。据统计， ⽬前主流常⽤的各领域⼯业软件有超过150余款，涵盖研发设计、⽣产控制、测试验证等环节，但这些⼯业软件⼏乎都是国外企业提供，且 软件封闭不开源、不开放，这种现状不但成为了国内⼯业企业部署⼯业互联⽹平台最⼤障碍，也让 “⼯业+AI”的落地变得相当困难。 ⼆是，⼯业领域知识很重要，但承载的机理模型开发、分享⽐较困难。⼯业领域⾏业Know-How （机理模型）是⼯业⽣产的核⼼，近代⼯业 ⽆论是信息技术的引⼊还是⾃动控制的⾰新都紧紧围绕⼯业机理模型 （Model Based）在进⾏。 但实际的情况是，由于⼯业机理模型开发专业性强，加上模型开发者 “各 ⾃为战”导致模型杂乱适应性差、⾏业知识和数据壁垒使得⼯业机 理模型存在着 “孤岛效应”，开发者或企业想找到⼀个符合要求的⼯业机理模型由此变得⾮常困难。 三是，AI如何进⼊⽣产系统？AI进⼊⽣产系统后，如何保障结果可靠？我们知道，⼯业机理模型可以分为由机器学习⽀持的⿊盒模型或由领 域专家定义的⽩盒模型，以及介于两者之间的灰盒模型，⽽不同模型的训练⽅法也并不相同。 因此，AI与企业已有的机理模型之间是什么关系，如何处理⼯业AI与机理模型之间的关系？同样也是⼯业企业引⼊AI之后需要迫切解决的重 要问题。 在贾永利看来：“AI进⼊企业核⼼⽣产系统，需要与⼯业界已有的机理模型、隐形⾏业知识深度融合，释放⽣产要素和⽣产资源的潜能，这 是⼯业互联⽹的本质和关键所在。随着AI技术进⼊企业⽣产系统，AI在关键⽣产环节将会带来⼤幅的质量提升与成本收益，相信未来5到10 年，⼯业互联⽹将重塑企业的⽣产模式。” 不难看出，AI技术在改善⼯业企业的⽣产⼒、效率、质量和成本等⽅⾯具备巨⼤潜⼒，⼀定会成为赋能未来制造业的全新引擎。但与此同 时，⽆数看到 “⼯业+AI”落地前景，却因当下潜在挑战⽽徘徊不前的企业，都渴望破译 “⼯业+AI”的通关密码。那么，如何才能更好的 释放 “⼯业+AI”的巨⼤价值呢？ 让⼯业“Know How”开⼝说话 正是洞察到 “⼯业+AI”落地中的巨