#模型时代# 工业AI 目前约 🟰 “用AI造工厂”和造一个“AI工厂”

这半年都很关注物理AI，落地了其实很大一部分就是工业AI。前几天逛了一下西门子的RXD大会，RXD是Reality meets Digital，就是这样一个主题的大会，做了一个逛展Vlog。我用两条主线概括了下：用AI造工厂，和造一个AI工厂（有点像绕口令）。

前者是把AI当工具渗透进设计、制造、运维，工厂还是那个工厂，造法变了。后者是建专门生产算力和智能的基础设施，英伟达的AI Factory概念，西门子协助把这座工厂建出来，供电制冷自动化全是它的传统强项。这两条线有个闭环：AI Factory的算力驱动制造工厂的Copilot和数字孪生，制造工厂的海量数据又喂回去训模型。展区里有宇树和银河通用的机器人，训练它们需要AI Factory的算力和仿真，训好了进产线，又变成"用AI造工厂"的一部分。

大会也有很多重量级嘉宾，主舞台和圆桌两场对话，总结一下核心观点：

1、博乐仁（西门子全球CEO）：当年电力作为通用技术引发工业革命，西门子把电气化铺进了电网、电车、电厂。现在AI是新的通用技术，西门子要做的是"工业AI操作系统"，贯穿硬件、软件和数据。全球三分之一的制造设备跑在西门子控制器上，近70%的电力流经西门子软件规划或优化的电网。百事可乐用多数字孪生系统，三个月单厂效率提升20%。奥迪产线上工业AI每分钟检测2000次焊缝，人工要花几天。

2、蔡崇信（阿里巴巴集团主席）：阿里在ChatGPT问世前三年就基于Transformer架构研发大模型。这个赛道花5亿美元登顶，两周就可能被超越，但关键在于管理层持续投入巨额资本的决心。他讲了一个判断：很多人担心模型训练饱和、数据耗尽，但模型使用过程本身会产生新数据，反哺下一代模型进化，所以训练永远不会停止。中国占全球工业产出30%，意味着有海量工业数据，是工业AI最佳试验场。

3、王兴兴（宇树科技创始人、CEO）：他2010年在图书馆翻神经网络的书，觉得它像人的大脑，但那时候AI太冷门，学了半年就放下了，说这是他最后悔的一件事。宇树2023年的H1完全靠端到端AI训练实现行走跑步，全球范围内当时都算前沿。一个很实在的现状：训练过的物品，机器人抓取成功率基本100%，但物品稍有变化，成功率急剧下滑。移动问题基本攻克了，触觉才是制约大规模落地的瓶颈。

4、倪军（宁德时代首席制造官）：电池是他干了40多年制造业见过最难造的产品。大多数行业讲六西格玛，百万分之二三的不合格率算世界级，电池行业要求十亿分之一。铜箔极片厚5微米，涂覆精度控制到微米级，一根头发直径是它的20倍。过去十年研发投入超130亿美元，研发团队超23000人。现在每三辆新能源车就有一辆用宁德时代的电池，他们叫"CATL Inside"。

5、肖松（西门子大中华区总裁兼CEO）：他去完CES之后想明白一件事，AI融入物理世界的时候，硬件比过去更重要。成都工厂有100多项AI技术、南京50多项，全是一线员工自己开发的，因为只有他们知道痛点在哪、哪些数据是高值数据。他转述了一个细节：深圳半小时车程的供应半径内能买齐机器人所有零件，上海四小时能组装一辆新能源汽车。西门子原来讲"共享-共赢"，现在改成"共创-共享-共赢"，把共创提到第一位。

6、王宇航（国机数科董事长）：工业AI落地不是一次技术革新，是一次管理再造、流程再造，一定是一把手工程。他讲了"三脱节"：技术和场景脱节，业务和数据脱节，投入和产出脱节。企业每天产生大量数据，但就像尾矿，提炼成本可能比价值本身还高。他对五年后的想象是：整个社会成为一个巨大有机体，所有产能链接起来，没有提供不了的产品和服务，只有尚未提出的需求。

7、李尊敬（北京数据集团副总经理）：制造业是AI应用最有价值也最难的领域，因为物理世界的数据不是天生的，要靠生产运营去采集生成。一个现状：数据交易所跟大模型的合作订单是敞开式的，但供给很慢，找数据、加工数据、验收训练的周期很长。他提出要建"数据工厂"，标准化、规模化地生产数据，放数据的人觉得安全可信，加工方真的有能力变成产品。北京的数据跨境便利化3.0政策马上落地，具身智能训练数据是重要方向。

8、张志胜（银河通用联合创始人）：过去的工业AI是替代单一工种，大模型驱动的工业AI改变的是整个生产关系，包括机器人和传统工业装备的交互方式，这已经是第四次工业革命。他说训大模型如烹小鲜，要构建"数据金字塔"，不同阶段用不同数据训不同模型。接下来要做的是把具身大模型部署到真实工业场景，采集机器人真正干活的数据，解决最后一公里。五年预判：特定工业场景将迎来one model, one system, one factory。 http://t.cn/AXfkmHQd