近日GPT-4成功得出P≠NP，陶哲軒預言成真。你是否想過利用GPT-4推動解決自控領域的技術難題呢?在西門子的嘗試中，我們的同事通過多輪迭代，利用GPT-4生成分線性大時滯多因素PID整定控制算法，完成某行業具體工況下的模擬驗證，同時實現了自動化工程師和算法工程師協同才能完成的工作，并降低了時間成本。

以ChatGPT為代表的通用大模型已經展示出強大的AI能力。但在應對垂直領域問題時稍顯外行。相比于通用大模型，垂直大模型能夠更精準地滿足行業特定需求，提供相對細分且更高效和精確的解決方案。在西門子看來，這是兩條不同的技術路徑，一種是將通用大模型直接應用于工業場景，起到“副駕駛”的作用，這是我們現階段已經在探索的應用方向。另一種是以通用大模型為基礎構建垂直大模型，起到“領航員”的作用，這則是我們正在進行積極探索的方向。從“副駕駛”到“領航員”，兩種路徑的最終目的都是為廣大的制造企業破解難題提供新思路，賦能未來制造業發展。

AI賦能：讓更多制造業場景收獲科技紅利

相比電子商務和消費領域而言，工業AI的起跑時間較晚，發展方向相對有限，目前質檢成為AI與工業結合最為典型且相對容易被理解的應用場景，但其實工業AI的應用遠不僅僅局限于視覺檢測。

隨著技術、算法、資源和人才的不斷充實，人工智能正在滲透至工業的各個方面，應用領域不斷拓寬。從設備預測性維護、產品外觀檢測、排產調度優化等方面，到更多的在人、機、料、法、環等工業原生需求領域拓展，工業AI的應用場景正伴隨著客戶需求的多元化與技術的逐步成熟，呈現出更為立體和豐富的輪廓。

作為自動化和數字化的領導者和推動者，西門子深知，工業人工智能技術唯有與更廣闊的生產場景相結合，才能真正打開它的價值觸點，為工業企業創造更大價值。去年，西門子發布《未來自動化——工業人工智能白皮書2022》，以幫助制造企業了解和挖掘更為豐富的工業AI應用場景，為企業實現降本增效提供更多創新思路。無論是發現質量問題(質檢)、找出質量根本原因(分析)，還是提高產品質量(優化)，AI都擁有巨大的發展潛力。比如在尋找影響產品質量的根本原因時，借助于AI技術，能夠有效解決底層數據源對接的問題以及統計分析技術在處理大數據方面能力不足的問題，節省常規統計分析和人工經驗排查所需要的大量時間和成本。

AI賦智：讓控制更靈活高效

中國制造產業結構正在加快從量大到質強的轉變和升級。面對高度“內卷”的市場環境，人口紅利的消失，如何實現提質增效，提升工業生產的盈利能力，成為企業亟需解決的問題。

從西門子扎根行業的多年經驗來看，企業面臨的問題主要聚焦于工藝環節，關注如何提升產品的良品率和生產效率。要滿足這一需求，就要更精確地控制、優化每道生產工藝。在大多數制造場景中，生產設備由經典控制程序進行控制，但在真實生產場景下往往存在很多變數甚至異常，一般來說需要根據專家的經驗或預先定義的機理規則進行主動干預。

針對于此，西門子嘗試采用AI技術打造智能的“工藝操作大師”，實現對各種工況環境和加工對象的動態適應，從而提高生產操作的精度。基于AI技術的增強型控制是在原有的控制邏輯基礎之上，增加了高精度的非線性動態預測，能夠有效解決經典控制技術對人工調節和干預的依賴，幫助客戶提高資源利用率、產量以及品質上限。

例如在光伏基材生長，金屬冶煉成型，食品粉末干燥/液體蒸脫等工藝環節中，西門子基于原有自動化機理模型編寫的控制邏輯基礎上，結合AI技術增加了質量趨勢的動態預測，可以針對不同參數進行動態尋優，并回饋指令。通過優化控制將成分控制精度提升到新臺階，能夠有效減少廢料產生，實現單位時間單位資源下的產能最大化。

AI賦值：化繁為簡，讓AI“人人可用”

在數字化浪潮快速發展的今天，AI 被人們賦予了無限的期待，但其與工業領域的雙向奔赴仍任重道遠。工業AI的落地是跨學科、跨領域、跨產業的問題，涉及IT信息技術、OT運營技術、DT數據技術以及PT工藝技術等多維度融合。從產品化思維來看，西門子將工業AI的服務對象聚焦在更廣泛的群眾基礎——自動化工程師，因此，西門子將AI的能力封裝，使用自動化的語言將其發展成非AI專業人員都能使用的工具，幫助工業用戶用現有的知識架構適應AI時代的到來，讓復雜的工業AI應用化繁為簡，且高效地為客戶帶來收益。

當更多的行業市場開始進入存量經濟的今天，質量和效率決定著企業的競爭力，人工智能技術與工業場景的結合，將成為數字經濟時代提升工業制造的重要助推力。作為未來自動化的開拓者，西門子也將繼續探索工業AI技術的發展，推動AI和工業場景的深度融合，為制造業的長期可持續發展賦能、賦智、賦值。

（西門子供稿）