1 工業(yè)AI的數(shù)據(jù)保護(hù)與知識(shí)提取的難題

　　宋：管老師，在和一些企業(yè)交流后，我感覺在工業(yè)領(lǐng) 域里，大家對(duì)于AI究竟如何落地都有很迫切的了解需求。但 是，他們的顧慮在于兩個(gè)方面：首先，AI企業(yè)對(duì)于現(xiàn)場(chǎng)的了 解是匱乏的，并且也缺乏相應(yīng)的人才;其次，他們又不愿意 將這些制造中的Know-How與AI企業(yè)分享。這些對(duì)于AI的推 進(jìn)是非?，F(xiàn)實(shí)的難題，請(qǐng)問您怎么看待這樣的情況，有哪些 好的建議?

　　管：這是個(gè)老大難問題，在工業(yè)互聯(lián)網(wǎng)時(shí)代就有了，做設(shè)備的不懂現(xiàn)場(chǎng)，懂現(xiàn)場(chǎng)的不懂?dāng)?shù)據(jù)，懂IT的不懂工業(yè)， 2017年我們提出來工業(yè)還是應(yīng)該回歸“松耦合”，讓專業(yè)的 人做專業(yè)的事情，但專業(yè)的事情做了以后呢?沒有人可以站 在更高的維度來看這些站在不同注意力(Attention)角度之 上的平衡，也就是全局。而工業(yè)里提效也好、降本也好，不 僅要解決局部的問題，更要講的是一個(gè)全局，不僅是一家企 業(yè)，價(jià)值鏈的延伸更是同樣如此。如果一家鏈主企業(yè)把供應(yīng) 鏈上的供應(yīng)商都“逼死”了，難道這家企業(yè)就能獨(dú)善其身不 成?工業(yè)互聯(lián)網(wǎng)時(shí)代是沒有答案的，然而AI出現(xiàn)之后有了，如果你對(duì)這次大模型帶來的多注意力機(jī)制有了解的話，就立 刻能聯(lián)想到了，所以我們有幾個(gè)考量的方向：

　　(1)全局視角與局部?jī)?yōu)化的平衡難題

　　工業(yè)系統(tǒng)的復(fù)雜性在于“牽一發(fā)而動(dòng)全身”。過去工業(yè) 互聯(lián)網(wǎng)的嘗試常陷入“局部?jī)?yōu)化陷阱”——設(shè)備供應(yīng)商只關(guān)心 設(shè)備效率，IT企業(yè)聚焦數(shù)據(jù)管道，OT團(tuán)隊(duì)守護(hù)產(chǎn)線穩(wěn)定，卻 無人能站在全價(jià)值鏈的維度來統(tǒng)籌鋼產(chǎn)量、庫存周轉(zhuǎn)、能耗 成本的之間的三角關(guān)系。

　　破局點(diǎn)在于AI的多注意力機(jī)制：大模型可同時(shí)關(guān)注設(shè) 備的振動(dòng)信號(hào)、原材料批次質(zhì)量、訂單交付緊急度等多模態(tài) 數(shù)據(jù)，在動(dòng)態(tài)博弈中尋找帕累托最優(yōu)。例如通過引入智能體 的調(diào)度模型，在將高爐煤氣利用率提升的同時(shí)，降低庫存積 壓，一次干不好，可以干兩次;兩次干不好，那就來一千 次，可以是由模型來模擬，也可以在實(shí)踐中讓智能體不斷自 省，找到當(dāng)中的平衡點(diǎn)。

　　(2)制造業(yè)Know-How

　　制造業(yè)的Know-How對(duì)于一家企業(yè)來說至關(guān)重要，無 論是工藝配方還是財(cái)務(wù)透明度都是不傳之秘，這些知識(shí)基本 上不存在與別人共享的可能，搞自動(dòng)化的或者搞AI的要尊重 這一點(diǎn)，所以解決問題得從這個(gè)基礎(chǔ)開始，當(dāng)然到目前人工 智能技術(shù)的發(fā)展有三樣工具可以逐漸將這個(gè)“死結(jié)”解開：

　?、俚谝还ぞ撸郝?lián)邦知識(shí)蒸餾

　　通過參數(shù)隔離技術(shù)，讓AI在不接觸原始數(shù)據(jù)的情況下學(xué) 習(xí)知識(shí)精華。如：半導(dǎo)體企業(yè)A的缺陷檢測(cè)模型，將其預(yù)測(cè) 邏輯蒸餾成輕量級(jí)規(guī)則注入企業(yè)B的本地模型，實(shí)現(xiàn)知識(shí)遷 移而不泄露晶圓圖案細(xì)節(jié)。

　　②第二工具：因果推理增強(qiáng)

　　用因果鏈分析取代傳統(tǒng)關(guān)聯(lián)分析，讓AI理解“溫度提 升導(dǎo)致良率下降”的本質(zhì)是冷卻速率不足，而非簡(jiǎn)單統(tǒng)計(jì)關(guān) 聯(lián)，這種多頭注意力機(jī)制的引入使企業(yè)可以跨設(shè)備、跨部門 共享因果機(jī)制，而不是僅僅依賴某一設(shè)備的具體參數(shù)。

　?、鄣谌ぞ撸簲?shù)字契約

　　基于區(qū)塊鏈的智能合約，確保工藝參數(shù)的使用權(quán)與所有 權(quán)分離。例如：化工企業(yè)將催化劑配方加密后上鏈，AI企業(yè) 調(diào)用時(shí)需支付Token并獲得有限次數(shù)的計(jì)算權(quán)限，雖然這種 方式是基于區(qū)塊鏈的。

　　宋：果然是“術(shù)業(yè)有專攻”——這里提到的幾個(gè)點(diǎn)，的 確可能會(huì)是對(duì)AI不大了解的朋友所不清楚的。原來工業(yè)場(chǎng)景也可以通過“知識(shí)蒸餾”來實(shí)現(xiàn)“隔離”;并且“因果推理增 強(qiáng)”可以降低算力需求且能更為實(shí)時(shí)的推理;而數(shù)字契約也 是一種很好的辦法。

　　2 AI人才培養(yǎng)的“三明治”模型

　　管：人才不是一時(shí)半會(huì)兒就有的，人工智能從某種意義 上來說發(fā)展得太快了，普遍意義上的制造業(yè)不能指望馬上就 有百八十個(gè)AI人才來實(shí)現(xiàn)自己的人工智能戰(zhàn)略，而且這個(gè)前 提是制造業(yè)企業(yè)要知道自己企業(yè)的人工智能戰(zhàn)略是什么。因 此，在假設(shè)我們已經(jīng)知道企業(yè)具體的AI發(fā)展戰(zhàn)略之后，那么 在人才布局上可以參考這樣的架構(gòu)——

　　· 頂層：培養(yǎng)3-5名AI戰(zhàn)略架構(gòu)師，他們需同時(shí)理解精益 生產(chǎn)與機(jī)器學(xué)習(xí)特性，負(fù)責(zé)制定AI與業(yè)務(wù)融合的頂層邏輯; 如果無法做到，則可以先成立一個(gè)AI實(shí)驗(yàn)室，負(fù)責(zé)引入合作 伙伴來推動(dòng)企業(yè)AI戰(zhàn)略的規(guī)劃和實(shí)現(xiàn);

　　· 中間層：通過低代碼AI平臺(tái)武裝企業(yè)的工藝工程師， 使其能自主開發(fā)預(yù)測(cè)性維護(hù)等場(chǎng)景應(yīng)用;

　　· 基層：企業(yè)可以與職業(yè)院校共建工業(yè)AI技工認(rèn)證體 系，培養(yǎng)會(huì)操作智能質(zhì)檢設(shè)備、能理解模型報(bào)警含義的新型 “藍(lán)領(lǐng)”人才，可見，未來掌握AI人工智能能力的產(chǎn)業(yè)工人 會(huì)比傳統(tǒng)產(chǎn)業(yè)工人的效率要更高。

　　宋：管老師預(yù)設(shè)的是“AI戰(zhàn)略清晰”，其實(shí)，可能這就 是目前很多企業(yè)發(fā)展AI的第一大難題。我們經(jīng)常說做正確的 事，才正確地做事。對(duì)于制造業(yè)而言，能夠清晰認(rèn)識(shí)到AI與 自身的“爆點(diǎn)”在哪里，本身就是“AI人才”的一種“前置能 力”。很多企業(yè)對(duì)于AI的認(rèn)識(shí)還是很模糊的——它是什么?它 能干什么?它能在企業(yè)運(yùn)營這里干什么?……因此，目前來說，制造業(yè)領(lǐng)域還需要很多像管老師這樣能夠在AI技術(shù)和產(chǎn) 業(yè)之間建立起橋梁的專家。

　　3 如何平衡IT與OT的碰撞

　　宋：管老師，IT人思考問題與OT人思考問題，在我看來 其實(shí)是兩個(gè)方向，一個(gè)是自上而下的，一個(gè)是自下而上的。 前者從全局看局部，但有可能你的全局未考慮現(xiàn)實(shí)的局部而 無法推進(jìn);后者則是從問題而來，但有可能解決了局部難 題，但缺乏解決全局問題的能力。那么，您認(rèn)為如何才能在 這兩者之間達(dá)成平衡呢?

　　管：人有死角、有成見，但道理上AI不會(huì)，所以第一是 要建立起多級(jí)Agent驅(qū)動(dòng)的企業(yè)運(yùn)營管理模型，第二是要讓 這些Agent都具備快速反省的能力，讓他們?cè)趯?shí)踐中能夠動(dòng) 態(tài)調(diào)整策略。IT與OT的沖突本質(zhì)是確定性系統(tǒng)與不確定性系 統(tǒng)之間的碰撞。OT往往要求達(dá)到99.99%的穩(wěn)定;而IT則追求 敏捷迭代——平衡二者需要構(gòu)建“雙環(huán)學(xué)習(xí)”體系。

　　(1)第一環(huán)：Agent驅(qū)動(dòng)的實(shí)時(shí)決策層

　　· 在邊緣側(cè)部署物理信息Agent，直接連接PLC與傳感 器，執(zhí)行毫秒級(jí)控制(如緊急停機(jī));

　　· 在車間級(jí)部署資源優(yōu)化Agent，將IT和OT系統(tǒng)、數(shù)據(jù) 連接起來，協(xié)調(diào)多產(chǎn)線資源分配;

　　· 在供應(yīng)鏈級(jí)別設(shè)計(jì)博弈優(yōu)化Agent，將局部和全局統(tǒng) 籌起來，并在模擬和實(shí)踐中獲得其優(yōu)化路徑。

　　(2)第二環(huán)：因果反事實(shí)推理層

　　工業(yè)知識(shí)的價(jià)值不在于靜態(tài)存儲(chǔ)，而在于動(dòng)態(tài)演化與主 動(dòng)創(chuàng)造。真正的知識(shí)工場(chǎng)需要實(shí)現(xiàn)“數(shù)據(jù)→知識(shí)→決策→驗(yàn) 證”的閉環(huán)。原來這一環(huán)節(jié)都是依賴?yán)蠋煾档慕?jīng)驗(yàn)，但在AI 背景下，這個(gè)閉環(huán)可以通過事實(shí)推理和因果算法來推導(dǎo)關(guān)鍵 路徑權(quán)重，更科學(xué)地沉淀企業(yè)的Know-How，例如：

　　· 當(dāng)出現(xiàn)異常(如某批次產(chǎn)品硬度超標(biāo)等)，系統(tǒng)不僅 定位直接原因(例如淬火時(shí)間不足等等) ，更能模擬“如果 當(dāng)時(shí)延長(zhǎng)回火時(shí)間會(huì)怎樣”，通過反事實(shí)推演來優(yōu)化工藝知 識(shí)庫;

　　· 知識(shí)庫很重要!很重要!很重要!我更愿意稱其為知識(shí) 工場(chǎng)，不僅僅是找個(gè)大模型把一堆文檔丟進(jìn)去，然后可以聊 天，而是要保證這個(gè)知識(shí)工場(chǎng)能不斷更新、接入實(shí)時(shí)數(shù)據(jù)、 把不同的數(shù)據(jù)源、知識(shí)整合起來;當(dāng)每個(gè)生產(chǎn)異常、每次改 進(jìn)都能觸發(fā)數(shù)百次數(shù)千次虛擬世界的“如果當(dāng)時(shí)……”，工業(yè)就真正進(jìn)入了用計(jì)算創(chuàng)造知識(shí)的時(shí)代。

　　4 制造企業(yè)的AI戰(zhàn)略制定建議

　　宋：能力在任何時(shí)候都是關(guān)鍵，不管是企業(yè)的整體能 力，還是團(tuán)隊(duì)中的個(gè)體能力——那么，對(duì)于推進(jìn)AI項(xiàng)目，企制 造業(yè)企業(yè)應(yīng)該有怎么樣的能力來培養(yǎng)或者完成團(tuán)隊(duì)建設(shè)呢? 是否需要借助于外力來進(jìn)行這項(xiàng)工作?

　　管：工業(yè)AI的落地不是“買一個(gè)模型就能用”的簡(jiǎn)單任 務(wù)，而是需要企業(yè)從戰(zhàn)略認(rèn)知、組織能力到技術(shù)儲(chǔ)備的全面 升級(jí)。這就像攀登珠峰，既需要清晰的路線圖，也需要專業(yè) 的向?qū)Ш驮鷮?shí)的訓(xùn)練。下面是大家可以參考的企業(yè)AI能力建 設(shè)的“三步走”策略：

　　(1)第一步：明確AI能力建設(shè)的“金字塔”模型

　?、夙攲樱簯?zhàn)略決策能力

　　· 核心目標(biāo)：讓管理層理解AI的邊界與價(jià)值，避免“AI萬 能論”或“AI無用論”的極端認(rèn)知;

　　· 培養(yǎng)方式：

　　—組織高管參加工業(yè)AI戰(zhàn)略工作坊，通過案例拆解來理 解AI如何創(chuàng)造業(yè)務(wù)價(jià)值，高管的認(rèn)知和經(jīng)驗(yàn)投入是企業(yè)AI戰(zhàn) 略的重要起點(diǎn);

　　—引入AI成熟度評(píng)估模型，幫助企業(yè)定位當(dāng)前階段(如： L1數(shù)據(jù)采集→L5全流程優(yōu)化)，制定3-5年AI路線圖。

　?、谥袑樱簶I(yè)務(wù)融合能力

　　· 核心目標(biāo)：讓業(yè)務(wù)骨干(如生產(chǎn)經(jīng)理、工藝工程師 等)具備“用AI思維解決問題”的能力;

　　· 培養(yǎng)方式：

　　—開展AI+精益生產(chǎn)雙軌培訓(xùn)，教會(huì)工程師如何將六西格 瑪問題轉(zhuǎn)化為機(jī)器學(xué)習(xí)任務(wù);

　　—開發(fā)或者引入低代碼AI工具鏈，讓業(yè)務(wù)人員能自主完 成80%的常規(guī)分析任務(wù)(如設(shè)備健康度評(píng)分、質(zhì)量異常分類 等等)。

　　③基層：數(shù)據(jù)操作能力

　　· 核心目標(biāo)：讓一線員工(如設(shè)備操作員、質(zhì)檢員等) 掌握AI工具的基本操作與反饋機(jī)制;

　　· 培養(yǎng)方式：

　　—設(shè)計(jì)AI技能認(rèn)證體系，覆蓋數(shù)據(jù)標(biāo)注、模型報(bào)警響應(yīng) 等實(shí)用技能;

　　—與學(xué)校合作，培養(yǎng)下一代新型的產(chǎn)業(yè)員工。

　　(2)第二步：構(gòu)建“內(nèi)功+外力”的雙輪驅(qū)動(dòng)模式

　　①內(nèi)功修煉：打造AI核心團(tuán)隊(duì)

　　· 團(tuán)隊(duì)構(gòu)成：

　　—AI架構(gòu)師(1-2人)：負(fù)責(zé)技術(shù)選型與系統(tǒng)集成;

　　—數(shù)據(jù)科學(xué)家(2-3人)：專注特征工程與模型優(yōu)化;

　　—業(yè)務(wù)翻譯官(3-5人)：由資深工藝工程師轉(zhuǎn)型，負(fù)責(zé) 需求對(duì)齊與結(jié)果驗(yàn)證;

　　· 培養(yǎng)路徑：

　　—與高校共建AI人才實(shí)訓(xùn)基地，定向培養(yǎng)復(fù)合型人才;

　　—設(shè)立AI創(chuàng)新實(shí)驗(yàn)室，鼓勵(lì)團(tuán)隊(duì)通過橫向合作或者內(nèi)部 創(chuàng)業(yè)機(jī)制來孵化AI應(yīng)用。

　?、谕饬鑴?shì)：引入生態(tài)合作伙伴

　　· 短期合作：

　　—聘請(qǐng)AI咨詢顧問，快速完成20-30個(gè)“痛點(diǎn)”場(chǎng)景的可 行性評(píng)估;

　　—與“智用開物”這樣的機(jī)構(gòu)合作，搭建工業(yè)級(jí)AI PaaS 平臺(tái)，降低技術(shù)“門檻”;

　　· 長(zhǎng)期合作：

　　—加入行業(yè)AI聯(lián)盟，通過貢獻(xiàn)脫敏數(shù)據(jù)換取模型微調(diào) 權(quán)益;

　　—與科研院所共建聯(lián)合實(shí)驗(yàn)室，攻關(guān)數(shù)字孿生、因果推 理等前沿技術(shù)。

　?、鄣谌剑航⒛芰ㄔO(shè)的“飛輪效應(yīng)”

　　A.從試點(diǎn)到推廣

　　· 選擇1-2個(gè)高價(jià)值場(chǎng)景(如預(yù)測(cè)性維護(hù)、智能排產(chǎn)等)啟動(dòng)試點(diǎn)，確保6個(gè)月內(nèi)可見成效;

　　· 將試點(diǎn)成果轉(zhuǎn)化為標(biāo)準(zhǔn)化解決方案，逐步復(fù)制到其他 產(chǎn)線或工廠。

　　B.從工具到文化

　　· 通過AI創(chuàng)新大賽、最佳實(shí)踐分享會(huì)等活動(dòng)，營造全員 參與的創(chuàng)新氛圍;

　　· 設(shè)立AI貢獻(xiàn)獎(jiǎng)勵(lì)機(jī)制，對(duì)提出優(yōu)質(zhì)問題或貢獻(xiàn)關(guān)鍵數(shù) 據(jù)的員工給予激勵(lì)。

　　C.從項(xiàng)目到平臺(tái)

　　· 將分散的AI能力沉淀為企業(yè)AI中臺(tái)，提供統(tǒng)一的數(shù)據(jù) 管理、模型訓(xùn)練與部署服務(wù);

　　· 通過API開放能力，賦能供應(yīng)鏈上下游，構(gòu)建AI驅(qū)動(dòng)的 產(chǎn)業(yè)生態(tài)。

　　宋：這的確是非常實(shí)用的企業(yè)AI戰(zhàn)略發(fā)展建議，非常全 面、務(wù)實(shí)，且具有實(shí)際操作性。個(gè)人感覺這是比較完整、穩(wěn) 妥的關(guān)于企業(yè)AI發(fā)展路徑的建議。其實(shí)，很多企業(yè)的領(lǐng)導(dǎo)只 需要看懂這一部分，就會(huì)對(duì)未來AI發(fā)展戰(zhàn)略有了更為全景的 了解和認(rèn)識(shí)。

　　5 能力建設(shè)是一場(chǎng)馬拉松

　　工業(yè)AI的落地不是一蹴而就的，而是需要企業(yè)在戰(zhàn)略上 堅(jiān)定、組織上協(xié)同、技術(shù)上務(wù)實(shí)，通過“內(nèi)功修煉+外力借 勢(shì)”的雙輪驅(qū)動(dòng)，企業(yè)不僅能解決眼前的效率問題，更能構(gòu) 建面向未來的AI核心競(jìng)爭(zhēng)力。AI不是終點(diǎn)，而是企業(yè)邁向智 能制造的一個(gè)新起點(diǎn)。