admin记者 王静茹 人工智能正在推动全球产业变革浪潮，作为国民经济命脉的制造业正处于从“数字化”到“智能化”的重要十字路口。然而，在部署大规模模型的过程中，企业普遍面临“业务无法使用、结果无法使用、IT无法控制”的困境。 1月，美的集团股份有限公司（以下简称“美的集团”）旗下美云智能数据科技有限公司（以下简称“美云智能数据”）正式推出新一代工业人工智能平台美清AIGC 3.1平台（以下简称“美清AIGC平台”）及智能工厂解决方案。近日，密云智能数据研发中心总经理兼首席技术官（CTO）宋云宝接受《证券日报》记者采访深入剖析制造业如何通过构建“一体化基础”解决人工智能落地难题。从“定制开发”到“集成化” 在宋云宝看来，企业AI应用的成功最终并不取决于特定的模型或单一的应用，而是取决于能否构建一个支持代理商长期稳定运行的平台。 “代理商是切入点，平台设定天花板。”在很多商业实践中，AI云智能发现，缺乏平台支持的代理商往往会陷入三个关键困境。首先，人工智能很难融入到日常业务流程中，因为开发门槛太高，无法应用到业务端，过度依赖极少数有经验的工程师。其次，人工智能获得的结果无法追踪或解读，难以进入重要决策流程。三、应用场景由于IT部门无法有效管理和控制数据权限和运行状态，因此受到限制。针对这些问题，宋云宝表示，美清AIGC平台自成立以来就有明确的定位。这不仅仅是一个业务系统或单一模型，而是一个集成基础，可以连接企业内部现有系统的数据和流程，如ERP、PLM、MES等，向外界开放计算能力、算法模型和生态支持，为企业未来的可持续发展留下空间。那么如何才能实现人工智能的大规模应用呢？宋云宝先生对智能工厂的概念进行了较为详细的阐述。他认为，开发智能代理的最大挑战是它们上线后能否被复制、评估和管理。过去，人工智能项目往往过于依赖少数专家的专业知识。保持效果随着人员和要求的变化，主动性往往很困难。在美清AIGC平台中，智能代理被视为工程对象，可以在整个开发周期进行管理。宋云宝先生详细介绍了标准化的三个方面。一是建设标准化。利用无代码或低代码技术，大幅降低 50 多个代理模板和 500 多个业务连接器的开发门槛。二是评估标准化，建立包含20多个评估指标的体系，在座席接入前对座席进行量化评估。第三是操作标准化，传统类软件代理的发布，持续监控和优化。这种工程交付方法将智能代理从“定制开发”转变为“可复制资产”，使人工智能能够大规模部署。 。将代理融入关键业务流程 关于最大的障碍对于在工业领域推行规模化模式，宋运宝认为，“幻觉”是主要挑战之一。能否将智能融入关键业务流程取决于知识是否可控。 “许多公司的知识库往往仅限于简单的文档管理和矢量索引。实际上，不准确的知识会增加大规模模型的不确定性，”他说。从这个意义上说，美清AIGC平台被认为是知识生成的“能力工程”，强调从采集、加工、应用到管理的整个过程。只有当知识得到管理时，员工和企业高管才能相信代理人提供的结论。这是企业级代理与通用型代理最大的区别。宋云宝分享了一系列数据。美清AIGC平台精准语义混合搜索准确率较主流行业提升20%以上。摩尔重要的是，该平台还提供知识纠错、质量评估和源头追踪能力，通过“错误闭环”不断改善座席体验，并确保用户在可评估、可审计的前提下使用其输出。在数据决策领域，宋云宝认为，传统的数据治理往往与决策脱节，难以将数据转化为行动。在决策框架中，不再需要重新解读大量数据，“数据智能不仅提供分析结果，而且力求实现从分析到决策和执行监控的闭环”。 “通过主动洞察和属性分析，将管理专业知识聚合成可复用的决策支持工具。”宋云宝表示。深入探索工业AI领域的垂直制造场景，美云智能数据，面向面对来自互联网巨头的激烈竞争，公司审慎决定不从事大规模的通用模型研发，而是专注于工业场景下的模型工程和智能代理的实现。 “这种场景理解能力来自于母公司美的集团长期的制造实践和工业方法论，是一个即使依赖也无法轻易复制的壁垒。”宋云宝说道。 2025年，美的集团人工智能技术应用带来的直接效率提升预计将超过6亿元，部分场景成本节省高达90%。目前，美的集团自建智能实体超过13000个，美的云智能在其中选择高价值场景进行对外营销。随着制造业利润率逐渐萎缩，AI技术不再是企业提升核心竞争力的“可有可无”而是“必备”主动性。未来，AI能力融合的深度将决定企业的成败。 “我们的使命是让智能真正为企业创造巨大价值。”宋云宝说。通过美清AIGC平台的集成基础，美清智能数据力求用工程化的方法，将云端的大型模型转化为制造流水线上可访问、高效、安全的智能大脑。
（编辑：王婉莹）
每日更新