藏身幕后的巨人，正将工业AI带入下一阶段

对于一个科技周边开发者来说，牢固扎实的基础是十分重要的，golang学习网就来带大家一点点的掌握基础知识点。今天本篇文章带大家了解《藏身幕后的巨人，正将工业AI带入下一阶段》，主要介绍了，希望对大家的知识积累有所帮助，快点收藏起来吧，否则需要时就找不到了！

工业 AI ，没有新王，光而无耀，静水深流。要说生成式 AI 是当下话题之王，没有人会反对。简单几句话，就能让兵马俑「复活」唱秦腔，特朗普说上脱口秀。 情绪价值拉满之余，你敢不敢想象更酷的事情，如动动嘴皮子就能造出想要的东西。 AI 不仅能够生成一段视频，更能构建一个沉浸式、高仿真、遵循物理规律的虚拟空间，只需自然语音输入指令，它就能将其转化为专业的工业语言，再交由现实工厂的智能化产线变成「实物」。 

                               敢不敢想象更酷的事情，动动嘴皮子就能造出想要的东西！

如此美妙未来或许看似遥远，但在西门子的描绘下，它早已不是空中楼阁，AI 在工业领域的应用正迈向一个崭新阶段。

今年 4 月，西门子展示了其全球第一款工业工程设计生成式 AI 产品 Industrial Copilot，这款工具已经在德国舍弗勒的产线上启用；在刚刚结束的阿赫玛展会上，西门子首次推出多款面向绿氢行业的全新软件工具，通过应用生成式 AI 提升氢气产量；西门子首个工业时序数据基础模型也在开发训练中，未来还会基于西门子万亿级数据集持续优化迭代……

工业人工智能「驾驭」工厂

想象一下，你走进了世界最大的汽车供应商之一德国舍弗勒的生产车间，环顾四周，各种自动化设备正在有条不紊地运作着。

「我想在 band 中添加一个新的图形块(graph block)，并将其命名为 210 sequence。」一位设备操作人员打开西门子 Industrial Copilot 对话框，用简单的自然语言输入要求。很快，虚拟助理回答，「我已经在 0210 (Band) 中添加了一个 S7-Graph 块。」

                 去年德国纽伦堡国际电气自动化系统及元器件展（SPS），西门子展示了Industrial Copilot 根据自然语言命令，自动生成复杂的工业代码。

此时，另一位操作员使用自然语言指导虚拟助手，要求产线的机械臂进行抓取，系统调用了机器人功能库中相应的模块，机械臂便抓起了流水线上的物品。

除了代码生成和优化，舍弗勒工厂的工程团队还能使用自然语言访问相关文档、指南和手册，在设备突然停止工作时快速识别潜在的错误原因并找到解决方案。

                              去年SPS，西门子展示和Industrial Copilot 简单对话就能找到设备故障原因。

相比体验感拉满的消费端产品，企业级软件的交互体验仍然极为复杂，由此也降低了产品开发效率。西门子率先利用生成式人工智能技术重构工业软件体验，大幅提升了工程师的工作效率。在刚结束的 2024 世界人工智能大会 WAIC 上，Industrial Copilot 还荣获「SAIL（Super AI Leader，卓越人工智能引领者奖）之星」奖项。

然而，西门子并不仅满足于提供 Industrial Copilot 这样的人工智能创新产品，它更是工业人工智能的使用者和践行者。在西门子自有工厂里，大量人工智能技术与场景的有机结合早已成为呼吸一般的存在。

在成都高新区，西门子建立了其在中国的首座数字化工厂。走进车间，全自动化生产线上，几乎看不到多少操作工，只有少数工人在生产线后，操作鼠标、键盘，发出指令。

这座「灯塔工厂」已经部署了近 100 个 AI 项目，应用在了质量检测、垃圾处理等多个场景中。

产线上配备了自动光学检测（AOI）设备检测电路板焊接点质量，但严格的标准设置带来大量「假阳性」，需要大量人工复检。在 AOI 设备之后添加一个 AI 系统进行二次检查，工厂成功过滤掉了 90% 以上的「质量有问题」图片，大大降低了工人的工作量。

                               在 AOI 设备之后添加一个 AI 系统进行二次检查，工厂成功过滤掉了 90% 以上的「质量有问题」图片。

对于工厂来说，工业垃圾的处理是一个不大不小的麻烦。前端生产线每天 24 小时不停，工厂每天就会产生数千箱的工业垃圾。现在，AI 分拣机器人的危废品识别率达到 100% ，制成品等其他物料识别率达 94% ，综合识别率超过 96% ，已经完全不需要人工处理垃圾。

走出「独步武林」

高质量工业数据让 AI 释放生产力

西门子掌门人博乐仁（ Roland Busch ）曾表示，人工智能这项技术单独存在是没有任何意义的，你只有把它放到各个行业中去，才会产生巨大效益。

然而，工业数据的质量和可得性一直制约着当前 AI 规模化应用。在中国大量的工业制造现场，数据种类纷繁复杂，质量参差不齐，只有大量且高品质的工业数据才能训练出可靠的工业模型，而这些合格的工业「养料」从采集到使用并不是一件易事。

凭借庞大市场份额沉淀下海量工业数据资源，成为其在数字化时代的核心竞争力。

正在开发和训练的西门子首个时序数据的基础模型 GTT 1.0 就是这一天然优势的集中体现。

而这些优势，都深植于西门子在工业硬件和软件领域的全面布局与深度融合。

西门子的硬件产品线极其广泛。其工控系统作为传统企业数字化的基石，控制器（ PLC ）在全球三分之一的工厂中得到使用。

例如，西门子 Industrial Edge 边缘计算平台可以部署在靠近数据源头的位置，实现数据的采集、处理和分析。

西门子深度参与了现场总线、工业以太网等通信协议的制定，使其能够以极高的颗粒度和准确性采集现场层数据。

同样，在软件领域，西门子也展现出强大实力。西门子逐渐构建起一个全面的工业软件生态系统，使得不同层级（如设备层、车间层、企业层）、不同系统（如MES、PLM）、不同部门（如设计、生产、服务）之间的不同类型数据的集成和协同成为可能，形成西门子独有的数据优势。 

这种「知行合一」的经验，加之「软硬兼施」的全面布局，最终构筑起西门子无以伦比的数据生态优势。 

打通任督二脉

行业知识的充分浇灌让 AI 学会工作

由于工业数据的复杂性远超一般认知，除了常见的图像和文本数据，工业领域还包含了诸如逻辑控制类、时序数据以及各种图像和 3D 模型等多种模态的数据。理解和利用这些数据需要丰富的工业背景和经验。

「 AI 要从消费走向工业，就必须深度结合工业场景，打通数字和机理的任督二脉，以安全、可靠、可信的工业级 AI，实现生产力的飞跃，」西门子全球执行副总裁、西门子中国董事长、总裁兼首席执行官肖松在 2024 WAIC 产业发展全体会议上的发言中谈到。 

1. 西门子全球执行副总裁、西门子中国董事长、总裁兼首席执行官肖松在2024 WAIC产业发展全体会议上发言。

2. Industrial Copilot 这样的工业生成式 AI 产品出自西门子之手。
3. PLC 编程语言如梯形图和指令表是专为工业控制而生的，与硬件知识密不可分。
4. 西门子提供了大量的行业知识、实际应用案例以及专业领域的知识和规则，构建丰富的训练数据集，确保生成的代码符合工业标准要求。
5. SiePA Xssistant 是西门子为其工业预测性分析软件 SiePA 新配的「助手」，应用了为工业专业领域应用量身打造的生成式人工智能 QRA 框架。
6. 工业 AI 的成功落地离不开丰富的现场经验和深厚的行业 know-how。
7. 工艺工程师在 AI 检测模型构建、结果评估和解释中发挥着至关重要的作用。
8. 超过 80% 的中国制造业企业渴望 AI 解决方案供应商能够提供从前期咨询规划到后期实施运维的全流程、端到端解决方案。
9. 西门子积累了「百年工业家底」（涵盖产品与知识），能够为工业 AI 项目提供全方位服务。
10. 西门子对科技创新的不懈追求已深深融入其 DNA。
11. 西门子早在 1974 年就开始参与人工智能的研究。
12. 在工业 AI 领域，西门子耕耘已经超过 50 年。
13. 如今，西门子在工业 AI 领域拥有 1,500 多名 AI 专家，AI 专利申请数量达到 3,700 项，位居欧洲第一。
14. 西门子探索工业 AI 发展之路的坚实基础。
15. 成功在于捕捉真实的市场需求，构建可持续发展的生态和商业模式，并为行业创造真正的价值。

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。