在全球经济的大舞台上，制造业始终扮演着举足轻重的角色。从古至今，无论是农耕时代的铁犁、纺织机的发明，还是工业革命时期的蒸汽机、电力设备的诞生，都充分展示了制造业对于人类社会进步的推动作用。随着科技的飞速发展，制造业的重要性愈发凸显，它不仅是国家经济增长的基石，更是提升国家综合实力的关键所在。
数字化与AI的结合一直都是制造业所关注的焦点。亚马逊云科技大中华区战略业务发展部总经理顾凡表示：生成式AI正在加速制造业的创新与变革。生成式AI将为中国制造企业进一步赋能，提供颠覆性创新与变革。亚马逊云科技致力于推动生成式AI重塑制造业的增长路径，通过降低构建生成式AI应用关键路径中的门槛，充分渗透进制造业价值链场景，与合作伙伴一道提供行业领先的端到端技术解决方案，在工业设计、营销创意、知识库等场景开发定制化解决方案，让制造企业充分发挥生成式AI的潜力。
AI技术+数字化，为制造业带来新动能
可以看到，我国正在从制造业大国迈向制造业强国，高铁、大飞机、LNG船以及大型邮轮等高端制造技术均已掌握，制造业开始全面步入数字化时代。
当前，飞速发展的中国制造业面临着几个挑战与机遇，企业如能及时把握住，必将迎来全方位的“跨越式”发展。
2023年AI迎来了大爆发，与此同时制造业的数字化转型也进入了“深化”阶段，更期望将数字技术与核心业务有机融合，运用数据分析和人工智能提升企业运营。同时，来自制造业的企业正在将目光从人工智能和机器学习转向生成式AI技术，这将会影响制造（生产）、产品开发与设计、销售和供应链环节。
制造业出海与可持续发展依然是永恒的话题，出海的企业须拥有全球化的视野和本地化运营的能力，同时兼顾安全合规与高效资源配置，并大力发展绿色制造，才能满足复杂的客户需求。
基于以上几点可以看出，制造业的数字化与AI的融合将成为未来发展的关键所在。
AI让工业设计效率提升数倍
谈到AI与制造业结合，大家首先想到的就是工业设计，麦肯锡的研究显示，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。
当前，亚马逊云科技聚焦三个关键场景：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，正在与合作伙伴一起，针对一些行业的业务场景推出相应的云上解决方案。
西门子成都工厂与亚马逊云科技合作，成功构建了一套云端训练本地推理的工业废料分拣系统。该系统采用了先进的机器学习算法和云计算技术，使得废料分类的准确率大大提高，达到了95%以上。对于危险废料的识别，更是实现了100%准确率。
在模型训练方面，通过使用亚马逊云科技的计算能力，西门子成都工厂将模型训练时间从原来的10多个小时缩短至2小时，提高了5倍。这不仅大大节省了时间成本，还降低了人工成本。原本需要3名专职人员进行模型训练的工作，现在他们可以去做其他更有价值的事情了。
INVISTA（英威达）作为一家全球领先的制造公司，正在从商业智能 (BI) 向人工智能 (AI) 转变其运营方式。对于数据科学工作流程，INVISTA选择了Amazon SageMaker来构建、训练和部署内部开发的第三方机器学习模型。在系统实施后，INVISTA成功地将600台本地服务器迁移到云上，这其中包括多个制造应用程序和全球INVISTA SAP。这一转变不仅提高了效率，还为INVISTA带来了显著的经济效益。他们每年节省了超过200万美元的成本，并从全公司数据中创造了3亿美元的价值。
生成式AI通过三大场景助力制造业
顾凡认为，生成式AI与其他IT技术的不同之处在于，它为一个行业带来了巨大的想象空间。然而，无论想象空间有多大，都需要先付诸实践，确保这些想法能够落地生根。这意味着企业需要关注生成式AI在实际应用中的表现，以及如何将其与现有的技术和业务场景相结合，从而实现真正的价值。
当前，有三大应用场景已经与制造业密切结合，并创造了巨大价值。
第一是工业设计，正如前文所述，生成式AI在工业产品设计领域可以帮助加速概念图设计的效率。尽管生成式AI还不能完全替代人类，但它可以在人类的描述下快速生成概念图。这样一来，设计师可以更迅速地转化自己的想法为图像，从而加速整个设计过程。
以中科创达提到的汽车案例为例，该技术可以帮助汽车设计师在概念图阶段加速设计过程，并将这些概念图集成到整个工作流程中。这可以提高设计效率，缩短产品开发周期，并降低设计成本。
第二个工业场景是市场营销。生成式AI在市场营销材料设计中的应用也非常广泛。通过使用文生图、图生图等方案，可以根据产品卖点的描述自动生成针对该产品的市场营销材料。这些材料可以适用于不同的传播渠道，包括线上和线下的各种场景。
第三个场景是职能支持。亚马逊云科技利用生成式AI技术构建企业级智能知识库，通过集合搜索引擎和大语言模型，这个智能知识库可以帮助企业员工快速找到最为精准和实效性的内容，从而有效提升生产与办公效率。
当然，以上三个应用场景仅仅是生成式AI能做的内容之一，未来可扩展的场景还有很多。
大模型与小模型
顾凡表示，对于To B制造业来说，大模型的应用并不仅仅是使用一个工具，而是通过找准核心业务应用场景，解决业务难题，提升效率，降本增效来实现最佳的解决方案。通过合理应用大模型，企业可以在制造业中取得更大的竞争优势。
大模型与小模型在制造行业的应用方案中都发挥着重要作用。大模型通常用于处理复杂的问题，需要大量数据和计算资源来进行训练和推理。它们适用于需要更高层次的分析、预测和优化的场景，如智能知识库和创新设计中心。
小模型则更注重实时性和灵活性，适合用于辅助决策、实时监测和控制的场景。亚马逊云科技的工业视觉检测和供应链预测就是很好的例子，它们可以通过对实时数据的快速分析和处理，提供准确的结果和预测，帮助企业优化生产和供应链管理。
在实际应用中，制造企业可能需要同时使用大模型和小模型来解决不同的问题。大模型可以进行复杂的大规模数据分析和预测，为企业提供战略决策支持；而小模型则能够实时监测和控制生产过程，及时发现和解决问题。
因此，可以预见，在未来一段时间内，大模型与小模型在制造行业中将继续共存，并相互补充，为企业提供更全面和精确的解决方案。
总的来看，现如今的制造业已经开始全面拥抱AI，一系列复杂的问题如：设计、管理、运维、供应链等环节都能够借助于AI来提高效率。亚马逊云科技正在通过先进技术为行业带来基础架构、生成式AI及各种制造业场景的解决方案，使其能够更好地将数字技术与核心业务有机融合，从而提升竞争力。
