人工智能和大模型的制造業(yè)賦能應(yīng)用落地：模式，案例和路徑

培訓(xùn)關(guān)鍵詞：人工智能培訓(xùn),大模型的制造業(yè)賦能培訓(xùn)

人工智能和大模型的制造業(yè)賦能應(yīng)用落地：模式，案例和路徑(尹老師)課程介紹：

課程目標(biāo)：
理解AI發(fā)展趨勢(shì)：讓學(xué)員理解人工智能的歷史發(fā)展脈絡(luò)以及它如何成為第四次工業(yè)革命的關(guān)鍵驅(qū)動(dòng)力之一。
掌握關(guān)鍵技術(shù)原理：使學(xué)員能夠掌握從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)等核心AI技術(shù)的基本概念及其工作原理。
認(rèn)識(shí)通用人工智能的潛力：幫助學(xué)員認(rèn)識(shí)到GPT這樣的大語言模型以及其他生成式AI工具所代表的技術(shù)突破及其廣泛的應(yīng)用前景。
探索行業(yè)應(yīng)用案例：通過具體案例分析（如智能制造中的預(yù)測(cè)性維護(hù)、自動(dòng)化機(jī)器人技術(shù)），展示AI技術(shù)是如何被應(yīng)用于實(shí)際場(chǎng)景中以解決特定問題，并帶來顯著效益的。
培養(yǎng)實(shí)踐能力：引導(dǎo)學(xué)員思考如何將其所在領(lǐng)域內(nèi)的專有知識(shí)和數(shù)據(jù)轉(zhuǎn)化為有效的AI解決方案，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。

參訓(xùn)對(duì)象：
 ◆ 企業(yè)管理人員與決策者，特別是那些希望了解如何將AI技術(shù)整合到現(xiàn)有業(yè)務(wù)中的高層領(lǐng)導(dǎo)。
 ◆ 技術(shù)專家和工程師，他們需要掌握最新的AI技術(shù)來推動(dòng)產(chǎn)品和服務(wù)創(chuàng)新。
 ◆ 從事制造業(yè)、服務(wù)業(yè)及其他相關(guān)行業(yè)的專業(yè)人員，對(duì)提升生產(chǎn)效率和質(zhì)量感興趣的從業(yè)者。
 ◆ 對(duì)AI技術(shù)感興趣并希望在職業(yè)發(fā)展中利用這些知識(shí)的人士。

授課形式：
知識(shí)講解、案例分析討論、角色演練、小組討論、互動(dòng)交流、游戲感悟、頭腦風(fēng)暴、強(qiáng)調(diào)學(xué)員參與。
 
課程大綱：

模塊一：通用人工智能的曙光：AI大模型時(shí)代的技術(shù)和產(chǎn)業(yè)趨勢(shì) 
1、人類歷史是一部生產(chǎn)力和科技發(fā)展史——從效率的角度看數(shù)字化和人工智能的源起
2、第四次工業(yè)革命的特征和要求
3、從早期人工智能算法到機(jī)器學(xué)習(xí)，到人工神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)：
a) 人工智能是一類計(jì)算機(jī)模擬的，完成傳統(tǒng)上認(rèn)為只有人類可以執(zhí)行的任務(wù)的硅基智能
b) 機(jī)器學(xué)習(xí)是一類讓算法從數(shù)據(jù)中找到規(guī)律、模式的設(shè)計(jì):從判斷信用卡交易是否套現(xiàn)的實(shí)現(xiàn)，看程序代碼方式和機(jī)器學(xué)習(xí)方式的差異
c) 人工神經(jīng)網(wǎng)絡(luò)是一類機(jī)器學(xué)習(xí)算法，通過模擬生物神經(jīng)網(wǎng)絡(luò)，處理相對(duì)抽象的信息：人工神經(jīng)網(wǎng)絡(luò)怎么能識(shí)別小狗的照片？其實(shí)跟我們教小朋友認(rèn)小狗非常類似 
4、從“偏科專才”到“通才”，通用人工智能的曙光：GPT為何如此令人興奮？
5、生成式AI興起 - 從分析式AI到生成式AI，AI從做判斷題/選擇題，到做填空/問答題
6、以ChatGPT為代表的等大語言模型基本核心原理
a) 如何看ChatGPT? 這其實(shí)是一個(gè)把文字變成數(shù)字編碼的“變形器”
b) GPT如何理解文字？—— 文字代表的概念，其實(shí)可以用一組數(shù)字屬性來描述
c) GPT如何理解句子和邏輯？- 理解一段話，就象偵探理解一個(gè)犯罪現(xiàn)場(chǎng)
d) 如何打造行業(yè)專家？—— 深入淺出理解為什么深度人工神經(jīng)網(wǎng)絡(luò)可以學(xué)習(xí)到幾乎一切模式和規(guī)律？
7、其他主流大模型主要類別和基本原理
a) 以擴(kuò)散模型為代表的文生圖模型：訓(xùn)練機(jī)器對(duì)像素的“組裝”和“組合” 
b) 為NeRF為代表的三維構(gòu)建模型：算法對(duì)世界的“腦補(bǔ)”
c) 通用人工智能新曙光：OpenAI的“世界模擬器”SORA 
8、AI大模型具有成為“人”“機(jī)”翻譯和“系統(tǒng)總調(diào)度”的巨大潛力

模塊二：人工智能的工業(yè)賦能應(yīng)用
9、預(yù)測(cè)性維護(hù)
概述： 預(yù)測(cè)性維護(hù)是利用傳感器數(shù)據(jù)、歷史記錄以及機(jī)器學(xué)習(xí)算法來預(yù)測(cè)設(shè)備何時(shí)可能出現(xiàn)故障，從而提前進(jìn)行維護(hù)。這種方法可以顯著減少意外停機(jī)時(shí)間，延長(zhǎng)設(shè)備壽命，并降低維護(hù)成本。
技術(shù)要點(diǎn)：
 ◆ 數(shù)據(jù)收集：通過安裝在設(shè)備上的傳感器實(shí)時(shí)監(jiān)控關(guān)鍵參數(shù)。
 ◆ 數(shù)據(jù)分析：運(yùn)用統(tǒng)計(jì)方法和機(jī)器學(xué)習(xí)模型處理收集到的數(shù)據(jù)。
 ◆ 故障預(yù)測(cè)：根據(jù)分析結(jié)果預(yù)測(cè)未來可能發(fā)生的故障。
案例分析：
 ◆ 背景：通用電氣是一家多元化工業(yè)公司，其產(chǎn)品和服務(wù)涵蓋航空、能源等多個(gè)領(lǐng)域。為了提高設(shè)備的可靠性和減少維護(hù)成本，GE開發(fā)了Predix工業(yè)互聯(lián)網(wǎng)平臺(tái)。
 ◆ 實(shí)施細(xì)節(jié)：Predix平臺(tái)通過連接到全球范圍內(nèi)的各種工業(yè)設(shè)備，收集海量數(shù)據(jù)，并利用先進(jìn)的數(shù)據(jù)分析技術(shù)來識(shí)別模式和趨勢(shì)。這些數(shù)據(jù)包括溫度、振動(dòng)、壓力等關(guān)鍵參數(shù)。Predix使用機(jī)器學(xué)習(xí)算法來處理這些信息，預(yù)測(cè)潛在故障發(fā)生的時(shí)間點(diǎn)。此外，該平臺(tái)還支持遠(yuǎn)程監(jiān)控功能，允許技術(shù)人員實(shí)時(shí)查看設(shè)備狀態(tài)。
 ◆ 成果：使用Predix后，一些客戶報(bào)告稱其設(shè)備的計(jì)劃外停機(jī)時(shí)間減少了20%以上，同時(shí)維護(hù)成本也顯著降低。例如，在風(fēng)力發(fā)電行業(yè)，通過提前檢測(cè)并修復(fù)問題，風(fēng)電機(jī)組的運(yùn)行效率得到了大幅提升。這不僅提高了能源產(chǎn)出，也延長(zhǎng)了設(shè)備使用壽命。
10、質(zhì)量控制與檢驗(yàn)
概述： 質(zhì)量控制與檢驗(yàn)是指利用計(jì)算機(jī)視覺技術(shù)自動(dòng)檢測(cè)產(chǎn)品缺陷的過程。這不僅提高了檢測(cè)速度，還增強(qiáng)了準(zhǔn)確性。
技術(shù)要點(diǎn)：
 ◆ 圖像采集：使用高分辨率攝像頭拍攝待檢產(chǎn)品的圖片或視頻。
 ◆ 特征提�。簭膱D像中提取有助于判斷產(chǎn)品質(zhì)量的關(guān)鍵特征。
 ◆ 缺陷識(shí)別：基于訓(xùn)練好的模型對(duì)提取出的特征進(jìn)行分析，以確定是否存在缺陷。
案例分析：
 ◆ 背景：寶馬是世界知名的豪華汽車制造商，對(duì)于產(chǎn)品質(zhì)量有著極高的要求。為了保證每一輛出廠車輛都能達(dá)到最佳標(biāo)準(zhǔn)，寶馬在其生產(chǎn)線上引入了高級(jí)視覺檢查系統(tǒng)。
 ◆ 實(shí)施細(xì)節(jié)：這套質(zhì)量控制系統(tǒng)采用了高分辨率攝像頭和復(fù)雜的圖像處理軟件，能夠在幾秒鐘內(nèi)完成對(duì)車身表面的全面掃描。系統(tǒng)會(huì)自動(dòng)比較實(shí)際圖像與預(yù)設(shè)的標(biāo)準(zhǔn)模板，以發(fā)現(xiàn)任何細(xì)微的缺陷或偏差。此外，該系統(tǒng)還可以記錄每次檢查的結(jié)果，為后續(xù)的數(shù)據(jù)分析提供依據(jù)。 
 ◆ 成果：自采用這一技術(shù)以來，寶馬在提升最終產(chǎn)品的合格率方面取得了顯著成效。相比傳統(tǒng)的手工檢查方法，自動(dòng)化質(zhì)量控制系統(tǒng)大大減少了漏檢和誤檢的情況。更重要的是，它釋放了大量人力資源，使員工可以專注于更復(fù)雜的工作任務(wù)，如工藝改進(jìn)和技術(shù)研發(fā)。
11、生產(chǎn)計(jì)劃與調(diào)度
概述： 生產(chǎn)計(jì)劃與調(diào)度涉及優(yōu)化生產(chǎn)線上的任務(wù)安排，以提高效率并減少浪費(fèi)。AI可以通過模擬不同場(chǎng)景下的生產(chǎn)流程，找到最佳的操作方案。
技術(shù)要點(diǎn)：
 ◆ 需求預(yù)測(cè)：利用歷史銷售數(shù)據(jù)及市場(chǎng)趨勢(shì)預(yù)測(cè)未來的需求量。
 ◆ 資源分配：根據(jù)預(yù)測(cè)結(jié)果合理配置原材料、人員及其他資源。
 ◆ 動(dòng)態(tài)調(diào)整：隨著實(shí)際情況的變化靈活調(diào)整計(jì)劃。
案例分析：
 ◆ 背景：作為一家領(lǐng)先的自動(dòng)化解決方案提供商，西門子致力于推動(dòng)制造業(yè)向智能化轉(zhuǎn)型。位于德國(guó)安貝格的數(shù)字化工廠就是這樣一個(gè)典范。 
 ◆ 實(shí)施細(xì)節(jié)：在這個(gè)工廠中，ERP系統(tǒng)和MES系統(tǒng)緊密集成，形成了一個(gè)高度協(xié)同的工作環(huán)境�；�于歷史數(shù)據(jù)和當(dāng)前訂單情況，AI算法能夠快速生成最優(yōu)的生產(chǎn)計(jì)劃，并動(dòng)態(tài)調(diào)整生產(chǎn)線上的資源配置。當(dāng)遇到突發(fā)狀況時(shí)，比如原材料供應(yīng)延誤或客戶需求變化，系統(tǒng)也能迅速做出反應(yīng)，重新優(yōu)化整個(gè)流程。 成果：得益于這種靈活高效的管理方式，西門子能夠在短時(shí)間內(nèi)響應(yīng)市場(chǎng)變化，實(shí)現(xiàn)小批量多品種生產(chǎn)的同時(shí)保持較高的產(chǎn)能利用率。據(jù)統(tǒng)計(jì)，與傳統(tǒng)生產(chǎn)模式相比，數(shù)字化工廠的生產(chǎn)周期縮短了約40%，庫(kù)存水平降低了近70%。這樣的成績(jī)不僅增強(qiáng)了企業(yè)的競(jìng)爭(zhēng)力，也為其他制造企業(yè)提供了寶貴的經(jīng)驗(yàn)借鑒。
12、物流與供應(yīng)鏈管理
概述： AI可以幫助制造商更好地管理復(fù)雜的物流網(wǎng)絡(luò)，包括庫(kù)存水平、運(yùn)輸路線優(yōu)化等方面，從而降低成本并加快交貨速度。
技術(shù)要點(diǎn)：
 ◆ 庫(kù)存優(yōu)化：基于銷售預(yù)測(cè)調(diào)整安全庫(kù)存水平。
 ◆ 運(yùn)輸優(yōu)化：設(shè)計(jì)最短或成本最低的配送路線。
 ◆ 供應(yīng)商評(píng)估：定期評(píng)估供應(yīng)商表現(xiàn)，確保供應(yīng)鏈穩(wěn)定性。
案例分析：
 ◆ 背景：作為全球最大的電子商務(wù)平臺(tái)之一，亞馬遜面臨著巨大的物流挑戰(zhàn)。為了確�？焖贉�(zhǔn)確地交付訂單，該公司投入巨資建設(shè)了一個(gè)龐大而復(fù)雜的物流網(wǎng)絡(luò)。 
 ◆ 實(shí)施細(xì)節(jié)：亞馬遜利用大數(shù)據(jù)分析工具來預(yù)測(cè)消費(fèi)者購(gòu)買行為，并據(jù)此調(diào)整倉(cāng)庫(kù)布局和庫(kù)存策略。例如，根據(jù)季節(jié)性需求的變化，某些熱銷商品會(huì)被提前分配到靠近目標(biāo)市場(chǎng)的配送中心。此外，亞馬遜還在多個(gè)環(huán)節(jié)引入了自動(dòng)化技術(shù)，如使用機(jī)器人進(jìn)行貨物揀選和包裝，大幅提升了工作效率。 
 ◆ 成果：這些創(chuàng)新舉措使得亞馬遜能夠在極短的時(shí)間內(nèi)完成從接單到發(fā)貨的全過程。據(jù)官方數(shù)據(jù)顯示，大約90%以上的訂單可以在下單后的24小時(shí)內(nèi)發(fā)出。與此同時(shí)，通過優(yōu)化運(yùn)輸路線和提高裝載率，亞馬遜成功降低了物流成本，從而為顧客提供了更具吸引力的價(jià)格和服務(wù)。
13、安全監(jiān)控
概述： 借助AI驅(qū)動(dòng)的安全監(jiān)控系統(tǒng)，企業(yè)可以在事故發(fā)生前采取預(yù)防措施，保障員工安全。
技術(shù)要點(diǎn)：
 ◆ 環(huán)境監(jiān)測(cè)：持續(xù)監(jiān)視工作場(chǎng)所內(nèi)的溫度、濕度等條件。
 ◆ 異常檢測(cè)：一旦發(fā)現(xiàn)異常情況立即報(bào)警。
 ◆ 行為分析：通過視頻分析工人的操作是否符合安全規(guī)范。
案例分析：
 ◆ 背景：霍尼韋爾是一家專注于工業(yè)自動(dòng)化和安全解決方案的跨國(guó)公司。針對(duì)工業(yè)環(huán)境中存在的各種安全隱患，霍尼韋爾推出了基于物聯(lián)網(wǎng)和人工智能的安全管理系統(tǒng)。 
 ◆ 實(shí)施細(xì)節(jié)：這套系統(tǒng)集成了多種傳感器，用于持續(xù)監(jiān)測(cè)工作場(chǎng)所的關(guān)鍵指標(biāo)，如氣體濃度、溫度、濕度等。一旦發(fā)現(xiàn)異常情況，系統(tǒng)將立即觸發(fā)警報(bào)，并通過移動(dòng)應(yīng)用程序通知相關(guān)人員采取行動(dòng)。此外，視頻分析模塊還可以識(shí)別人員行為是否符合安全規(guī)范，例如是否佩戴防護(hù)裝備。 
 ◆ 成果：經(jīng)過實(shí)際應(yīng)用驗(yàn)證，霍尼韋爾的安全管理系統(tǒng)有效降低了事故發(fā)生的概率。許多客戶反饋說，自從部署該系統(tǒng)后，他們的工傷率明顯下降，工作環(huán)境變得更加安全穩(wěn)定。這對(duì)于保障員工健康、遵守法規(guī)以及維護(hù)企業(yè)聲譽(yù)都具有重要意義。
14、客戶服務(wù)與市場(chǎng)分析
概述： AI不僅能在生產(chǎn)環(huán)節(jié)發(fā)揮作用，在銷售端同樣具有巨大潛力。例如，通過聊天機(jī)器人提供即時(shí)支持，或者利用數(shù)據(jù)分析洞察市場(chǎng)需求。
技術(shù)要點(diǎn)：
 ◆ 客戶服務(wù)：開發(fā)智能客服系統(tǒng)，自動(dòng)回答常見問題。
 ◆ 市場(chǎng)分析：收集社交媒體和其他公開渠道的信息，進(jìn)行情感分析和趨勢(shì)跟蹤。
案例分析：
 ◆ 背景：IBM Watson是一個(gè)強(qiáng)大的認(rèn)知計(jì)算平臺(tái)，旨在幫助企業(yè)和組織更好地理解和解決復(fù)雜問題。Watson Assistant則是專門為客戶服務(wù)場(chǎng)景設(shè)計(jì)的一款智能聊天機(jī)器人。
 ◆ 實(shí)施細(xì)節(jié)：Watson Assistant能夠理解自然語言，與用戶進(jìn)行流暢對(duì)話，并根據(jù)上下文提供個(gè)性化答案。它可以通過多種渠道接入，如網(wǎng)站、移動(dòng)應(yīng)用或社交媒體平臺(tái)。此外，Watson還具備自我學(xué)習(xí)能力，隨著時(shí)間推移，它能不斷改進(jìn)自己的表現(xiàn)。
 ◆ 成果：多家大型企業(yè)已經(jīng)成功運(yùn)用Watson Assistant改善了客戶服務(wù)體驗(yàn)。例如，某電信運(yùn)營(yíng)商使用該技術(shù)后，客服響應(yīng)時(shí)間縮短了30%，客戶滿意度提高了15個(gè)百分點(diǎn)。更重要的是，Watson Assistant還能幫助企業(yè)收集寶貴的客戶反饋信息，為企業(yè)決策提供有力支持。

模塊三：AI大模型的企業(yè)應(yīng)用模式和落地路徑
15、大模型企業(yè)應(yīng)用模式
a) Prompt Engineering 提示詞工程 – 為大模型描述上下文環(huán)境和方法論
i. 基礎(chǔ)提示詞類型及應(yīng)用：讓大模型“照貓畫虎”的示例等方式
ii. 提示詞高級(jí)應(yīng)用模式：方法/算法表述
b) RAG 檢索增強(qiáng)生成：
i. 大模型的“智商”、“知識(shí)”和“經(jīng)驗(yàn)”
ii. 插件 -為大模型加上“視覺中樞”“聽覺中樞”“行動(dòng)中樞”
iii. 外接“云盤”向量數(shù)據(jù)庫(kù) - 為大模型加上“海馬體”（大模型的長(zhǎng)期記憶機(jī)制）
c) 精調(diào) — 通過訓(xùn)練調(diào)參真正提升大模型“智商”
i. 全量精調(diào)：對(duì)“精裝”房的全面再裝修
ii. 參數(shù)經(jīng)濟(jì)型精調(diào)PEFT：對(duì)“精裝”房周邊的面積增補(bǔ)和再精裝，而不動(dòng)精裝房的主體
d) Agent — 使大模型從一個(gè)“大腦”成為具有數(shù)字/物理空間行動(dòng)能力的智能體
i. AI Agent的概念源起和發(fā)展
ii. AI大模型在AI Agent的訓(xùn)練和應(yīng)用中的實(shí)踐
iii. AI Agent的典型實(shí)現(xiàn)方式
iv. RPA Agent：傳統(tǒng)數(shù)字化為“身體”，大模型為“大腦”的Agent
16、大模型的部署方式
a) 公有云模式 —— 住酒店，用酒店設(shè)備設(shè)施和服務(wù)
i. AIPaaS：人工智能開發(fā)云中臺(tái) – 應(yīng)用開發(fā)和模型訓(xùn)練算力 
ii. Model as a service 賦能云 ：面向模型定制和精調(diào)的AI服務(wù)- 模型訓(xùn)練算力 
iii. AISaaS: 賦能百業(yè)的AI云應(yīng)用 – AI模型推理算力
b) 公有私有云/管理云模式 —— 住酒店公寓，自己的家裝電器家具
c) 私有云模式 —— 自己的房子，自己的家裝電器家具
17、制造行業(yè)大模型落地路徑：預(yù)訓(xùn)練模型（毛坯房） + 專業(yè)訓(xùn)練精調(diào)（精裝） + 行業(yè)知識(shí)庫(kù)（私家珍藏家裝家具） + 插件（外購(gòu)家居產(chǎn)品和服務(wù)）

講師介紹：尹老師
“企業(yè)在人工智能大模型時(shí)代的核心競(jìng)爭(zhēng)力，是把自己行業(yè)/領(lǐng)域的專有知識(shí)經(jīng)驗(yàn)和數(shù)據(jù)轉(zhuǎn)化封裝成AI模型，并將之有機(jī)聯(lián)接到自身數(shù)字化體系的能力�！�
———— 尹老師
上海人工智能研究院首席咨詢顧問，上海人工智能技術(shù)協(xié)會(huì)專家委員會(huì)委員，上海市元宇宙產(chǎn)業(yè)發(fā)展專家咨詢委員會(huì)專家，合肥元宇宙產(chǎn)業(yè)協(xié)會(huì)副會(huì)長(zhǎng)單位負(fù)責(zé)人，貴州大數(shù)據(jù)專家委員會(huì)委員，臨港產(chǎn)業(yè)大學(xué)客座教授，前德勤Oracle CX首席架構(gòu)師，前Oracle Master企業(yè)架構(gòu)師
課綱下載

---

更多人工智能和大模型的制造業(yè)賦能應(yīng)用落地：模式，案例和路徑相關(guān)課程：

課程專題：人工智能培訓(xùn)，大模型的制造業(yè)賦能培訓(xùn)