下一步，國機(jī)集團(tuán)要勇于擔(dān)當(dāng)積極作為，努力推動中國制造升級為中國“智”造。具體來說，我們要推進(jìn)“AI+”專項(xiàng)行動，深入研究AI在集團(tuán)生產(chǎn)經(jīng)營管理中的應(yīng)用；開展智能工廠梯度培育，打造典型示范項(xiàng)目；建設(shè)運(yùn)營好“兩朵云”，做好以全國農(nóng)機(jī)作業(yè)指揮調(diào)度平臺為代表的數(shù)據(jù)化平臺建設(shè)運(yùn)營，打造智慧農(nóng)業(yè)數(shù)字基礎(chǔ)設(shè)施。

實(shí)踐中，我覺得人工智能在制造業(yè)落地過程中，存在三方面的“表層”問題：

一是數(shù)據(jù)的獲取。數(shù)據(jù)是人工智能應(yīng)用的基礎(chǔ)，工業(yè)數(shù)據(jù)的獲取要比一般場景復(fù)雜、成本也相對較高，比如數(shù)據(jù)采集就需要在工業(yè)現(xiàn)場部署大量傳感器。對于制造企業(yè)來講，生產(chǎn)數(shù)據(jù)是企業(yè)的核心數(shù)據(jù)，有些甚至是幾十年的數(shù)據(jù)積累，如果沒有一個科學(xué)合理的數(shù)據(jù)共享機(jī)制，就很難形成高質(zhì)量的行業(yè)數(shù)據(jù)集。

二是場景適應(yīng)性及數(shù)據(jù)安全的問題。工業(yè)生產(chǎn)需求多變，大模型的泛化能力不能滿足多品種、小批量、個性化的生產(chǎn)需求。工業(yè)系統(tǒng)對數(shù)據(jù)的穩(wěn)定性、準(zhǔn)確性、實(shí)時性的要求較高，需要AI系統(tǒng)提供高精度模型、高質(zhì)量數(shù)據(jù)。

三是人才的問題。既懂AI又熟悉工業(yè)場景的復(fù)合型人才比較少，難以滿足人工智能在企業(yè)的落地需求。

透過現(xiàn)象看本質(zhì)，透視上述三個“表層”問題背后，還需要解決三個深層次問題：

一是成本和投資回報問題。AI與制造業(yè)的深度融合是一項(xiàng)系統(tǒng)工程，既要對原有軟硬件基礎(chǔ)設(shè)施進(jìn)行升級，也要開展人員培訓(xùn)、重塑管理流程，前期投入大、成本高。但后續(xù)能否達(dá)到預(yù)期目標(biāo)、投入與產(chǎn)出能否匹配，還需要在實(shí)踐中去驗(yàn)證。

二是關(guān)于AI使用的法律和倫理問題。AI不是萬能的，需要通過數(shù)據(jù)“喂料”和人工訓(xùn)練才能更精準(zhǔn)地發(fā)揮作用。這之中就存在很多問題，比如數(shù)據(jù)抓取的精準(zhǔn)性、真實(shí)性、適用性，比如使用者或訓(xùn)練者是否守法，使用不當(dāng)或者系統(tǒng)出錯，就有可能“睜眼說瞎話”。這就需要考慮AI運(yùn)用的技術(shù)、法律、倫理等多方面問題，需要在政策、法規(guī)等多方面進(jìn)行約定，探索適應(yīng)AI特性的新型責(zé)任體系。

三是文化阻力和管理變革的難題。AI技術(shù)的加入，重塑原有工作模式、業(yè)務(wù)流程，也會帶來崗位焦慮，可能會有不少人因此失業(yè)，這也是現(xiàn)在人們普遍關(guān)心的一個問題。所以怎樣營造一種人類和AI和諧共處的文化，也是企業(yè)需要解決的一個問題。

盡管如此，作為央企，國機(jī)集團(tuán)有信心，也有能力，與行業(yè)上下游企業(yè)，以及國內(nèi)的人工智能企業(yè)一道，共同應(yīng)對人工智能新時代的各項(xiàng)挑戰(zhàn)，通過我們的思考和實(shí)踐，以人工智能賦能先進(jìn)制造，為中國制造盡快升級為中國智造作出更大貢獻(xiàn)。

采寫｜劉青山