产业互联网大视野消息   OpenAI引领的AIGC大模型迅速席卷全球，滚滚而来的技术浪潮给产业互联网企业带来了哪些机遇，又带来哪些挑战？AIGC与产业互联网的充分融合，会产生怎样的化学反应？

针对AI结合产业互联网的痛点和难点，4月25日，由中国信息协会产业互联网分会、新质云起、产业互联网大视野、他山石智库联合发起的“解码硅谷人工智能”主题沙龙正式举办。沙龙特别邀请硅谷人工智能研究院（SVAIRI）院长皮埃罗·斯加鲁菲（Piero Scaruffi）先生和震坤行CTO刘阳先生担任嘉宾，为现场观众带来了一场关于AI的思想盛宴。

皮埃罗为现场观众带来了以《硅谷AI前沿技术进展与智能工业物联网》为主题的演讲，分享主要内容包括硅谷的创新与趋势、硅谷创新的秘密、硅谷前沿技术和趋势和智能工业物联网四大板块。

硅谷生成式AI的起源与演变：从大语言到多模态

当前生成式人工智能都基于谷歌在2017年推出的大语言模型Transformer，旨在预测句子中的下一个单词，诞生之初主要是用于两种或多种语言之间的互译，根据词汇的之间序列推测和翻译后面将要出现的单词，然后按照序列去进行文本解读。

后来研究者发现通过不同代际的演变和迭代，Transformer模型可以作为一个计算架构，有着巨大的算力和潜力，不仅仅可以用于去解读和翻译语言，同时它也可以识别并生成各种文本、图形、程序语言和视频。

基于Transformer模型，生成式AI发展的四个趋势包括通用语言模型、定制语言模型、“低算量 ”模型和多模态模型。

其中定制语言模型与通用语言模型的区别在于，它基于具体领域的文本的信息进行训练，比如化工类、金融、或医药等特定领域；“低算量 ”模型旨在用最少的资源进行训练，以有限的硬件架构和最少的资源对算力进行降本增效的利用，降低训练参数与成本；

多模态模型通过模拟人类除语言外的其他感官和感知来进行培训，比如通过图像和视频的方式来进行培训，比如谷歌的Gemini等新一代通过图像进行训练的AI。在多模态模型的不断发展下，生成式AI正在向更高维度迈进。

硅谷创新的秘诀：开源、包容、小而精

硅谷成功的秘密是什么？它的精神内核是怎样的？又为什么难以复制？针对现场观众对硅谷强大创新能力的疑惑，皮埃罗做出了详细的解答。

皮埃罗表示，首先硅谷的创业氛围鼓励小而精的公司进行创新，很多新科技包括集成电路、人工智能等都来自小公司；其次就是开源，技术开源在中国并不被关注或流行，但其实开源会给世界带来包罗万象的各种技术，包括生成式人工智能在内；

第三，硅谷非常具有包容性，也吸引很多外国人长居，硅谷50%以上的初创公司都不是美国人创立的，90%的公司创始人并不在加州，多元的文化使各国科学家汇聚，共同开发和享受成果；最后，除了科技人士，硅谷也汇集了来自世界各地的艺术家，跨学科的思维能力鼓励创新者跳出局限性，化不可能为可能。

除了当前炙手可热的生成式AI技术，硅谷的先进技术还包括商业化芯片，新型材料，量子计算电池，绿色科技，核聚变，量子计算，生物技术等等，这些技术都是对硅谷创新模式的有效证明。

强化学习型AI与生成式AI共同赋能智能工业物联网

关于人工智能和工业互联网的融合，皮埃罗认为，在垂直领域AI的应用需要具体问题具体分析。比如在工业应用上，强化学习型AI比生成式AI更有优势。无需编码的技术非常适用，能够帮助实现智能生成，可以和摄像头、机器人、可编程逻辑控制器进行无缝集成，同时也会用到一些数据数字来进行集成。供应链当中的人工智能包括在协作机器人、ERP等企业资源分化中的应用。

而在战略营销领域，生成式人工智能的作用则举足轻重。对于传统技术而言，生成式人工智能在这一领域有很多的优势，尤其是在分析社交媒体内容，寻找商机以及了解目标受众，并且能够自动检索潜在客户和销售线索等。

在产品设计和定价策略等工作环节，生成式人工智能也能够起到很多的帮助。其最大的作用在于改善个性化定制、帮助决策制定和产生新的收入渠道。包括亚马逊等在内的美国电商巨头也主要在将AI技术应用于销售端，比如自动给买家提供购买建议，并推荐其他衍生产品。

其他更多的应用还是在于自身工厂的建设和仓库的管理，包括机器人技术。最近亚马逊投资了一个做类人机器人的公司，可能是类人机器人的第一个具体应用。皮埃罗认为，在电商领域，结合机器人技术的投入和生产成本，AI的具体应用可能还要观望一两年，要了解它的效率是不是能够帮助行业提质增效。

AI+产业互联网：数据、人才、KPI缺一不可

在圆桌对话环节，他山石智库创始人李大巍邀请皮埃罗和震坤行CTO刘阳，针对人工智能研究的前沿成果、AI+产业互联网应用以及企业团队建设等话题，共同探讨AI技术对产业互联网行业的影响和价值。

针对AI在工业应用中的可行性，刘阳表示，数字化员工数量的增长对企业的赋能最为明显，今年震坤行由数据驱动和AI驱动的数字化员工已经占了正式员工一半的人数，包括流程内的机器人、对话机器人、产业智能助理等。从产生线索到最后回款，中间的订单、履约、交付、开票、对账等环节，大量的数字化员工在渗透其中。

刘阳表示，一些企业在数字化转型中和对AI技术的应用上存在误区。“数字化转型不能急于求成，要循序渐进，由点到线再到面”。他表示，常见的误区第一来自于技术本身，大模型技术上具有两面性的，正面是它的创造能力，负面的就是幻觉，即错误回答。针对这种现状，首先要先从低精度到高精度的业务场景进行实现，让AI先从简单的任务层面接替人工；第二，要从辅助决策再到自动决策，逐步提升业务的自动化程度。

在垂直领域的应用上，皮埃罗认为AI的数据来源至关重要。当前网上有大量的数据产生和集成，但同时也会有很多垃圾。对于医药等具体的、敏感的行业，大语言模型训练者需要将它放在一个具体领域的数据集当中，这样生成的结果才会更加精准。

对此，刘阳也认为数据对企业而言至关重要，每家企业在这个时代的护城河就是各自的数据。过去几年我们一直对数据应存尽存，数据量在过去三年增长了几百倍，过去一年在随着社会人工智能的发展，大家发现这些数据有非常多可以开采的价值，它好像一座金矿。建议大家对待企业内的数据，要从清洗到治理再到标准化。真正有价值的数据一定要经过人工判断、标记和标注。所以，企业对数据的开发标准要建立起来。

除了数据，专精人才对企业来讲更为重要。刘阳认为，首先企业要招对人，AI时代对人才的要求有所提升，不仅要懂技术，还要懂如何结合产业；第二则是工具，企业要创造工具，帮助员工降低生产数据的门槛；第三是企业文化和考核机制，KPI要以结果为导向，让员工将经验共享的过程体现在业绩里。

关于AI对未来就业的影响，刘阳认为，AI对岗位的价值是帮助每个人提升生产效率，而不在于对岗位进行替代。同时，AI也会创造新岗位，就比如最近很火的提示工程师。另外，它也可以辅助员工提升就业能力。比如说现在流行的AI面试，虚拟面试的工具，辅助销售提升销售技能的AI工具等等。

对此皮埃罗也持相同意见，当计算机诞生时，打字员就消失了，但同时擅长运用计算机的人反而获得了更高的收入。同理可证，当今时代能将AI运用得更好的人才能在职场上获得更好的发展。对员工而言，找到适合自己的风口，用AI武装自己，满足新时代对人才的要求更为关键。

来源：产业互联网大视野