由ChatGPT引发的人工智能浪潮逐渐涌入到大众的视野中，同时也渗透到各行各业中。AIGC在国内工业领域的应用就正在发生。

近日，自动驾驶滑板底盘及整车开发制造公司PIX Moving宣布，开放其AI工业设计工具PAM™已开放内测申请。该工具号称“工业界的ChatGPT”，是国内在该领域的首次落地。

搜狐科技与PIX Moving创始人、CEO喻川对话中了解到，PAM™可以将零部件设计效率提升60%，在轻量化方面的设计效率，可比成熟工程师高至20%以上。

谈及AIGC在工业领域的应用，喻川表示，工业制造最本质的优化是减少复杂工序，使用智能生成应用，从简化部件结构的方面做到了这一点。

“传统工业流程下，大概需要3-4个专业工程师用几个月的时间设计一款合格的汽车底盘，而使用智能生成应用的情况下只需1个专业工程师独立操作几天的时间即可完成设计。无论从人力成本，还是时间成本上来讲都是十几倍的提升。

如果说ChatGPT、Midjourney等应用只要征服了用户的眼睛耳朵就行，那么工业中的AIGC应用可就没这么容易了，必须还要经得住实际应用的考验。

从性能上来讲，使用智能生成应用可以在短短几分钟内生成数十种方案供用户选择。同时，PAM™又是一个可塑性极强的助手，用户只需更改几个参数即可完成设计方案的调整，而在传统方式下，即使是熟练的工程师不花个几天大概是做不到的。

相比于ChatGPT、绘画类等AI应用基于庞大的训练数据量，在反复训练后生成的智能系统。工业领域的数据量往往难以达到与ChatGPT同级的水平，这意味着AIGC在工业领域的应用难度要大得多。

首份工业用生成式人工智能权威指南

全球公认的工业软件翘楚 Cognite近日发布了《工业用生成式人工智能权威指南》，该手册旨在协助企业加快AI创新并缩短价值实现时间。

《工业用生成式人工智能权威指南》 阐释并定义了人工智能为工业所用的必需技术要求。该手册针对成功的人工智能应用和扩展提出了实用建议（包括具体的用例示例），为数字领导者提供了审视及策划其数字旅程所需的工具，并以企业易懂的方式定义及衡量成功。生成式人工智能是十年来面市的最具变革性的技术，能源和制造业领域的工业企业都在争先恐后地追随这一加速发展并由数据驱动的转变，而这是现代化组织的大势所趋。

Verdantix行业分析师Joe Lamming表示：“与机器对话这一能力远远不只具有娱乐价值。机器能够将自然语言翻译成机器语言，同时保留意图和语境，为非编码人员提供代码级访问。此外，人类语言已进化数千年，现已非常适用于通用型应用程序。到目前为止，Cognite在基于其工业数据操作平台的大型语言模型(LLM)方面的表现出色，更大的价值不仅体现在数据管理上，更在于由真正能够深思熟虑的人工智能编排的信息。”

Celanese制造副总裁Brenda Stout表示：“生成式人工智能正在从根本上重塑运营流程，数字化的特立独行者将成为这项技术的早期采用者。Celanese以其‘未来数字化工厂’树立了工业创新的标准。与Cognite的合作将加速人工智能在我们数字化转型战略中的实施，这将使我们能够再次加大投入，巩固Celanese作为先进制造业领导者的地位。”

Cognite首席执行官Girish Rishi表示：“安全、可靠、脚踏实地的生成式人工智能对于可持续、可盈利的全球能源供应和卓越制造业而言至关重要。然而，工业组织只有先解决工业数据问题，才能成功利用生成式人工智能。这是Cognite成立的初衷，而《工业用生成式人工智能权威指南》为寻求提升盈利能力的转型领导者提供了全面的指导方法。”

工业数据收集和整理将是AI下一个风口

这是一个争夺数据主导权的时代。围绕数据，国家和地区之间也会像半导体及电池一样展开竞争。但无论如何，关键在于企业方面如何应对。在日本，针对将企业自己的数据与外部相连接也存在强烈的抵触感。即使在数字化转型（DX）的趋势下，这一观念也很难发生改变。

在日本，小松、大赛璐（Daicel）及安川电机等企业已经开始进行数字化转型。安川电机（已经与约70家合并企业整合了数据）的小笠原浩会长回顾说：“现场以各种理由表示（数据整合）无法实现。（数据整合）大多是用雷霆手段强行推进的”。

GAFA可以在企业内部层面决定数据收集，整理合并的机制，实现起来相对容易。与之相比，涉及到工业数据的收集整理，情况或许确实不同。围绕制造业等产业的国内外工厂、集团内各企业及交易对手方之间的数据处理方式往往不同。例如，指代同一物品时，名词“手表”或“watch”可能会在不同企业间混用。某工厂的计算机只认“手表”不认“watch”，这样的情况可谓是家常便饭。

也就是说，要想掌握工业数据，需要先将自己与对方企业之间存在的数据格式及表达方式等模糊不清之处进行统一。包括欧美在内，这样的障碍使得工业数据领域里没能出现像GAFA一样的存在。

但是，突破这一问题的技术未来有可能普及。东京大学国际开放创新机构（The University of Tokyo, Institute for Open Innovation）的执行顾问小川纮一对于工业数据十分熟悉。他介绍说，从今年夏季左右开始，“以摒弃人海战术的方式整理混乱的数据，使得企业在短时间内就可以合作的技术开始受到关注”。

将人工智能（AI）学习时使用的美国英伟达“GPU”（图像处理半导体）与美国新兴企业Snowflake的软件结合起来，可能能够在词汇的意思和形式不同的情况下，以超高速将数据之间联系起来。如果该技术普及，或许能引发继生成式AI“ChatGPT”之后的创新。

如果企业间可以深化在数据方面的合作，那么经营效率提高及技术创新将更加容易实现。超越GAFA的“工业数据巨人”也有可能诞生。保护数据隐私维护经济安全固然重要，但是企业意识到信息产生的价值，开始推进数据驱动型经营，这样一天的到来更加令人期待。