中国联通人工智能创新中心首席人工智能科学家廉士国：用“类人架构AI平台”构建工厂大脑

　　以大模型为代表的人工智能引发的新一轮科技革命和产业变革正向纵深发展，千行百业将面临巨大的机遇和颠覆性的挑战。在工业领域，人工智能是推进新型工业化的关键变量，工业大模型的落地生根将为制造企业探索新型工业化提供全新路径。中国电子报开设“人工智能赋能新型工业化”专栏，走进一线、走进工厂、走进企业，全方位报道以大模型为代表的人工智能技术在工业领域的生动实践。

　　应用中国联通AI解决方案的柴油机生产线质检工位走进一个个车间、一个个工厂，记者发现AI（人工智能）技术已经融入工业生产的各个环节——承担“大脑”角色的大模型、承担“眼睛”角色的机器视觉、承担“肢体”角色的智能机械臂和智能移动机器人、提供“形体”角色的智能数字人……中国联通人工智能创新中心首席人工智能科学家、技术总师廉士国在接受《中国电子报》记者采访时表示，以大模型为代表的AI技术要扎根工业等垂直行业，必须打造可以复制的行业范式，用“类人架构AI平台”构建工厂大脑。
　　图片
　　中国联通人工智能创新中心首席人工智能科学家、技术总师廉士国急需面向工业场景开发大模型应用范式
　　当下，不少传统制造产业正在“尝鲜”大模型，率先进行新型工业化探索与实践。用AI大模型设计出来的衣服长啥样？在杭州嘉溢制衣有限公司（以下简称“嘉溢制衣”），记者看到了一件时尚的“白色泡泡袖衬衣”从输入文字到生成图样的诞生过程。利用文生图大模型“加速”服装设计环节，嘉溢制衣成功迈出了降本增效的第一步。
　　嘉溢制衣总经理丁永国告诉《中国电子报》记者，除了产品设计，大模型还在设备故障诊断、人力政策咨询、财务报表分析、办公自动化、员工培训教育、行业资讯获取等方面发挥越来越多的作用。
　　嘉溢制衣所应用的文生图大模型是基于中国联通“元景”基础大模型训练出来的行业大模型。记者了解到，“1+1+M”元景大模型体系包含：1套支持10亿、70亿、130亿、 340亿、700亿等5个不同参数版本和3种模态的基础模型，1个具备选模型-改模型-用模型工具链的大模型平台，和M种具备“职业技能”的垂直行业模型。这套体系面向垂直行业场景应用提供了高效的大模型开发应用工具集。
　　廉士国向《中国电子报》记者表示，大模型在不同场景下具有一定的通用性，可降低再次定制开发成本，这是它的优势。但“大而全”在一定程度上意味着在单一垂直场景精度上的不足。即使大模型能够在1000多种功能上都达到90%的识别率，但距离某些实体经济中垂直场景应用要求的99%识别率仍有不小的差距。
　　“未来，大模型落地行业应用一方面要通过定制训练来加强某些方面的‘职业技能’，另一方面要提升其使用已有工业流程模块、小模型等工具的能力。就像再聪明的人，遇到生僻字也得查字典，把钉子钉到木板里也得用锤子。面向实体经济场景的大模型开发应用范式是当前业界急需的。”廉士国说道。
　　AI范式本质上是一套可定制、可复制的方法论
　　只有形成一套“行业AI范式”，并基于此构建工业“大脑”的内核，才能真正以相对较低的成本让AI走进千行百业。
　　“行业AI范式在本质上是一套可定制、可复制的方法论，通过大量的实践总结出行业间操作工序的共性和差异化，从而以少量的修改实现对多个相似工序的赋能，以一类功能服务多个行业。”廉士国表示。
　　当然，在许多已见雏形的行业AI范式中，“质检”是一个典型的例子。无论在何种行业中，质量检测都是生产制造过程中一道不可或缺的步骤。例如，检测皮革上的划痕、测量玻璃纤维的散度、检测铜米生产过程中的杂质含量、检测食用油装瓶过程中形成的沉淀物等。
　　经过多行业、多场景的AI落地实践，形成AI范式工具，针对新的同类场景需求，可以直接用AI范式工具实现快速定制，而不用再从AI原子能力开始从头定制。
　　廉士国举例说，通过食用油质检和液态药品质检落地实践，总结出的AI液体质检工具，可以快速用于解决液态化妆品质检问题；通过服装拆线工序合规监测和装卸油操作工序合规监测落地实践，总结出的AI操作工序合规监测工具，可以快速用于解决汽车制造车顶擦拭工序合规监测问题。
　　此外，大模型的快速发展提供了新的范式构建方式。“与以人工经验为主的构建方式不同，基于大模型以数据驱动为主形成的‘多才多艺’能力，构建泛化能力强、可适配多样化场景的行业AI范式。例如，产品设计AI工具可用于服装设计、车身设计、家具设计等，数据分析AI工具可用于生产数据处理、销售数据处理、财务数据处理等，政策咨询AI工具可用于人力政策咨询、财务政策咨询、培训教育咨询等。”廉士国说道。
　　记者了解到，中国联通已经在液体质检、物品精确测量、操作工序合规监测、生产安全合规检测、远程巡检、移动设备智能改造、产品外观设计、企业政策咨询等多种应用场景形成了行业AI范式，目前已实现行业复用、按需部署。
　　应以构建类人架构的工业AI平台为目标
　　走进一个个车间、一个个工厂，记者发现AI技术已经融入工业生产的各个环节。有承担“大脑”角色的大模型，也有承担“眼睛”角色的机器视觉、承担“肢体”角色的智能机械臂和智能移动机器人、提供“形体”角色的智能数字人……经过多年人工智能赋能制造业的实践，廉士国总结出了一套易于集约化赋能多行业的“类人架构工业AI平台”理论。
　　廉士国认为，应以构建类人架构的工业AI平台为目标，从感知、决策、执行等多个环节入手，从借鉴人类的各项基础能力到培养出能够持续成长的“职业技能”，从而逐步实现人工智能在制造行业场景中的全面应用。
　　目前，在“感知”环节，AI能力突出。在佛山美的洗碗机智能工厂中，一台台摄像头“目光如炬”，不放过产品线上的每一丝瑕疵。美的洗碗机智能工厂总经理刘玉龙告诉记者，在敏锐的“数字感知”下，该厂检验车间一次作业合格率由从前的约35%提升到近90%，洗碗机产量已连续多年位居亚洲产量第一。
　　在“决策”环节，行业对AI提出了更高的要求。在大模型的赋能下，枯燥晦涩的行业知识得以在一问一答间深入人心，网络彼端的智能客服随时随地为用户提出最合适的解决方案；在山东的高速公路上，AI“分析师”能够对路面病害情况进行智能判断，让一条条道路“重焕生机”；在江苏的大米生产线上，AI“指挥官”为不同品质的大米自动分类，实现大幅度降本增效……记者了解到，AI形成的“智慧大脑”已经迈出了行业落地的第一步。
　　在“执行”环节，AI已经“驾轻就熟”。在中国一拖集团有限公司，产线上已经鲜少见到工人的身影。装配工作由机械臂有序完成，物料运输的重任则由自动导向搬运车（AGV）一力承担……一拖（洛阳）柴油机有限公司工艺技术部部长唐海兵表示，目前，中国一拖生产车间的自动化率已经达到60%以上。
　　“从大量的客户赋能实践来看，传统制造业的数字化转型一般经历几个阶段。”廉士国告诉记者，“一是数字化和网络化阶段，应用5G网络与物联网等技术，实现整个车间或者工厂的人机料法环的全连接。二是局部智能化阶段，通过人工智能和边缘计算等技术实现对产品设计、原材料采购、生产加工、仓储物流、营销推广、售后服务等各局部环节的降本、提质、增效、绿色及安全合规等。三是全局智能化阶段，基于人工智能和数字孪生等技术，实现全局优化、综合决策及调度，构建‘工厂大脑’，赋能智慧运营——即建设整个厂区或者车间的智能大脑。”