图形 1 AI+ 设备（预测性维护）方案 图形 1 背景 加入星球获取更多更全的数智化解决方案 预测性维护是工业大数据和人工智能结合落地的重要应用场景 ，为企业带来多方 面效益 预测性维护（ Predictive Maintenance ，简称 PDM ）是以设备状态为依据的新兴的维护方式 ，在设备运行时对其主要部位进行周期性 或 持续监测 ，判定其所处的状态 ，预测状态未来的发展趋势 将数据和知识库进行深入融合，构建 AI 模型库： 如整合设备传感器数据与知识库中的故障案例，预测 剩余使用寿命（如“轴承预计 48 小时内需更换”）。  对海量数据进行 全面深度分析；  精准预测。 AI 模型库的构建 AI 应用的价值 解决思路 振动 电流 压力 转速 前端智能传感器 + 云端智能运维算法 + 平台（手机 / 网页）展示界面 AI+ 在工业的应用——产品 知识经验库 AI+ 工艺优化 AI+ 质量 AI+ 设备 智能体  构建包含传感器数据、机理模型 和专家知识的三维知识库；  避免经验流失；  加速新员工培养与标准化落地；  动态检索，保证信息时效性。  跨系统的数据整合；  实时监测；  精准识别隐性异常 和波动预警。 挖掘最优的参数组合 AI 预测 + 行动力：  感知环境；  采取行动；  实现特定目标。

展实际，深入探讨领军 制造商对AI的战略部署，以及企业在实现AI快速、大规模部署过程中需要构建的核心能力。作为 系列文章的开篇，本文将重点诠释为何AI的成熟标志着4IR拐点的到来，解码领先制造商如何利用 AI重塑竞争优势，并列举制造商在行业竞争日益激烈的当下，需要考虑的三种战略对策——创 新、加速以及追赶。后续两篇文章将分别聚焦AI对制造业的规模化影响，以及推动AI应用所需的 基本能力。 新技术采用的S曲线 业的反应速度显然更快：面对供应链风 险，在2022年，65%的灯塔企业已经开始实现多货源采购并增加安全库存，而只有24%的其他企 业推行了这项举措。 AI正在定义第四次工业革命 AI位于4IR技术金字塔的顶端，也是重要的“指挥家”。在AI的引领下，4IR技术演奏着一曲“荡气回 肠的交响乐”（见图2）。 以生产现场的快速换线为例（见图3），企业不仅需要柔性机器设备来处理不同的产品，自动导 引 复杂元素之间的相互作用？答案是：AI。 然而，AI的部署离不开数据的加持。企业可从系统软件、设备传感器、互联基础设施，以及员工 等多个来源，生成和收集海量数据。数据是灯塔企业领跑行业的重要原因之一。他们领先一步， 更早地投资建立了数据基础设施，虽然在早期承担了一定的风险，但在后期成功释放了AI的潜 力。 走出规模化的低谷 从灯塔企业身上我们不难看出，AI拥有的新用例不计其数，有望带来难以想象的绩效提升。

AI 大模型对智能汽车产业的影 响 3 AI 大模型对汽车产业链的影 响 2 AI 大模型在汽车业的应 用 1 ChatGPT 与 AI 大模 型 目录 2 13 26 39 42 2022 年 11 月 ，美国科技公司 Open AI 发布 ChatGPT ， 因能很好地与人实现互动而迅速成为爆款产品：上线 5 天 用户过 100 万 ， 2 个月后用户就突破 各明星应用程序注册用户达 1 亿时间 ChatGPT TikTok Instagram Snapchat Facebook ChatGPT 可回复自然语言输入的问题 资料来源： Open AI 公司，英伟达公 司 （单位：月） 2019 年 2 月 GPT-4 18,000 亿 参数量 2023 年 3 月 2018 年 6 月 据不完全统计， 目前已发布 的国内大模型中： ChatGPT （ Chat Generative Pre-trained Transformer ） ，是一种适用于自然语言交流的人工智能大模型， 它 成功的关键之一 ，是 Open AI 使用了海量数据进行预训练。 5 年间 ， GPT 的参数量已从亿级飙升至万亿级。 GPT-3 1,750 亿 参数 量 2022 年 7 月 四代 GPT 参数量变化 ChatGPT 成功关键之一：大参数

从制造到智造 — 瞻博网络 AI 驱动智造园区方案 © 2024 Juniper Networks 新技术部署难，出问题溯源难，终端多运维难 业务连续性 业务生产 7X24 业务中断会造成严重损失 数字化落地 - 并不容 易 © 2022 Juniper Networks Infrastructure AP 系列 BT11 (BLE) 利用室内定位服务提 升体验和收入 Mist Edge EX 系列 QFX 系列 SRX 系列 SSR 系列 数据 +AI+ 网络 = 解决实际问 题 Marvis Actions • 前瞻性网络洞察与行 动 • 自动驾驶网络运行 © 2022 Juniper Networks Decision Tree 吞吐量检测 交换机上行端口检测 Mutual Information SLE 特征查询 异常范围故障分析 Network Temporal Correlation 异常检测 AI 的背后是数据 https://www.juniper.net/us/en/solutions/artificial-intelligence-for-it-operations-aiops.html

Big-data Driven ，模型基于大规模语料训练而成； Multi-tasks Adaptive ，支持多种任务 ，包括自然 语言生成 NLG 和自然语言理解 NLU 类的任务； AI 大模型就是预训练语言模型 通过在大规模宽泛的数据上进行训练后能适应一系列下游任务的模 型 产业研究 战略规划 技术咨询 ，在应用场景上又以超算中心为主； 2023 年 10 月 17 日，美国加强了面向中国市场的 AI 芯片禁令。其中明确将性能、密度作为出口管制标准，将单芯片超过 300teraflops 算力，以及性能 密度超 过每平方毫米 370 gigaflops 的芯片都纳入了禁止出口行列。禁令涉及 A100 、 H100 等主流 AI 训练用英伟达 GPU 。 来源：浙商证券研究所、华泰证券研究所 图 3 ：英伟达 5 发展 AI 大模型相关的软硬件技术需要大量 人才 ，大量的优秀本科生选择出国深造， 而其中超过 60% 的毕业生选择在海外工作， 导致长期的优秀人才流失。另外在中西方 脱钩的背景下 ，美西方限制了对中国高科

AI+ 精益 + 数智赋能离散制造业解决方案 02 精益 +AI+ 数字智能工厂建设的实 践 03 模型化发展能力 01 AI+ 精益 + 数字的企业价值 目 录 好的企业， “产品捅上天 、文化扎下根， 管理高效 ······ 规范工厂组织 + 精益管理 （一个流实现） 实 践 证 明， 以“精 益 、 数 字 ”为 核 心 思 想 的“企 业 运 营 管 理 ”， 生 向 AI 全方位助力制造业发展  “AI+ 制造业”产业结构：将 AI 技术应用到制造业，使制造业在数字化和网络化 的基础上，实现机器的自主反馈和自主优化。 AI+ 制造业的产业结构包括三层：  （ 1 ）基础层： AI 芯片、工业机器人、工业物联网等，提供 AI 技术在制 造业应用所需的软硬件资源；  （ 2 ）技术平台层：公有制造云、制造业大数据、制造业 AI 算法，即基于 算法，即基于 数据和网络，开发设计 AI 算法；  （ 3 ）应用层：利用 AI 技术在制造业生产和服务的各个环节创造价值。 图表：“制造业 +AI” 产业结构  AI 应用于制造业多个环节，在产品设计、生产、销售、售后等过程均有渗透且 成熟度不断提 升。  产品设计：（ 1 ）通过 AIGC 完成工程设计中重复的低层次任务；（ 2 ）通过 AIGC 生成衍生设 计，为工程师提供灵感； 