智能制造基础与实践 AI技术助力制造业智能跃迁：创新奇智的实践与探索|工业互联网|上海羊羽卓进出口贸易有限公司

AI技术助力制造业智能跃迁：创新奇智的实践与探索

在科技日新月异的今天，人工智能（AI）已经成为了我们生活中不可或缺的一部分。从智能手机到自动驾驶汽车，AI的应用已经渗入到我们生活的各个角落。然而，AI的潜力远未被完全挖掘，尤其是在工业生产领域，AI系统的出现正在逐步改变着传统的生产模式，为工业注入新的活力。

9月27日，由弗若斯特沙利文主办、头豹科创网协办的2023第二届新投资博览会暨第十七届沙利文全球增长、科创与领导力峰会于上海开幕。本次大会的聚焦场景之一，便是针对数字经济领域，就AI大模型助力制造业智能跃迁、5G-A共筑数字新生态、大语言模型评测现状与发展、云计算价值影响力矩阵、AIGC、等热门话题展开分享与交流。

在此当中，创新奇智公司以其独特的技术和解决方案，正在重塑工业生产的面貌，推动工业4.0的进步。在此次活动上，金融界上市公司研究院与创新奇智深入探讨了公司的业务模式、技术应用以及未来的发展规划，并深入了解了创新奇智如何利用人工智能技术改变工业生产的方式，并如何在全球范围内推动工业4.0的发展。

AInno-15B落地，促进产业提质增效

“AI系统的出现，首先改变了工业生产的方式。传统的工业生产依赖于人工操作，不仅效率低下，而且容易出错。而AI系统则可以通过机器学习和深度学习技术，自动学习和优化生产过程，大大提高了生产效率和产品质量。”

创新奇智CTO张发恩在交谈过程中认为，人工智能技术在工业领域的应用可以提高生产效率、降低生产成本、保证产品质量。通过该技术的应用对生产过程中产生的大量数据进行分析，挖掘出潜在的生产规律和优化方案，从而提高生产效率。

尤其是工业大模型的落地，可以提供更准确的数据和预测结果，帮助企业更好地进行决策和规划。同时，通过深度学习等技术的应用，工业垂直大模型可以从海量数据中挖掘出隐藏的规律和趋势，为企业提供更全面、准确的信息支持。

就在近日，通过结合多年企业智能化转型领域的经验和这期间所积累的工业大数据，创新奇智在对开源免费大模型进行知识蒸馏（主要是通过将一个大的模型知识迁移到一个小模型上）的基础上，设计了适合工业场景的大模型神经网络结构，然后通过预训练、指令微调、人类反馈强化学习，研发形成了工业大模型AInno-15B。

张发恩向金融界透露，工业大模型 AInno-15B 的发布，标志着创新奇智在人工智能领域技术积累的质变。这款超过150亿参数量的模型，以其行业化、轻量化、多模态等特点，为工业生产的各个环节提供了基于生成式 AI 的自动化解决方案。

其中，AInno-15B 的大模型架构在数据处理和分析方面的能力为工业生产提供了强大的支持。以「ChatBI」为例，用户可以使用自然语言向大模型提问，大模型能够搜索数据，自动生成 SQL 语句归纳信息进行判断进行文字总结，并生成图表再进行可视化。

这一技术的应用，也意味着人工智能技术能够帮助企业快速处理大量复杂的生产数据，提高决策效率。同时，通过对数据库中的数据进行深度分析，工业大模型可以为用户提供详尽的分析结果，帮助企业更好地理解生产过程中出现的问题，从而采取有效的措施进行改进。

“我国工业产业曾长期处于大而不强，由于缺乏人工智能的赋能，拥有占地面积数十万平、使用昂贵设备的工厂在中国工业领域并不常见。”张发恩说道，“因此，建设占地空间小、设备数量少、自动化柔性强的高智能化工厂，大模型是未来的主要解决方案。通过智能体间的文本交互，降低容错性和建设产线时间，加快智能化产线的建设和工业品的普及，将是提升我国工业产业发生质变的重要手段。”

人工智能技术，全人类共享是趋势

从与张发恩的探讨中可察觉出，随着我国工业制造业从无到有，直至今日在国际产业链中占据重要地位，人工智能技术赋能工业制造业已成为我国未来在该领域提升核心竞争力、冲击产业链上游的“必经之路”。但要想真正将这条路走通，借鉴国外先进技术与理念也必不可少。

张发恩对金融界表示，随着科技的进步和自动化技术的普及，中国的劳动力成本逐渐上升。而一些发达国家已经实现了高度自动化生产，不再需要大量的劳动力投入。这使得中国制造业面临来自其他国家的竞争压力，特别是一些发展中国家通过吸引外国投资和提供廉价劳动力来提高自己的竞争力。因此，中国制造业必须依靠技术进步和创新来提高生产效率和降低成本，以保持竞争优势。

与此同时，在这一过程中借鉴外国先进经验技术在这个过程中扮演着重要的角色，可以帮助我国人工智能产业了解国际前沿的发展趋势和应用场景，从而指导我们的研究方向和创新思路。通过学习和吸收国外先进的技术和应用，可以提高自身的技术水平和竞争力，为国内企业的发展提供有力支撑。

“人工智能技术的发展已经进入了一个新的阶段，其中最重要的特征之一是其全人类共享的本质。这一点可以通过谷歌发布的《Attention Is All You Need》论文为例。尽管这篇论文是用英文写的，但它的核心内容可以被全世界的研究人员和工程师理解和掌握。就像微积分一样，虽然牛顿是其发明者，但中国人也能够很好地应用它。因此，我们可以得出结论，今天人工智能技术最核心是全人类共享的。”张发恩说道。

因此，我国人工智能技术的发展虽然不可能一帆风顺。特别是在芯片和算力层面，国外的技术限制可能会对人工智能技术的发展造成一定的影响。例如，某些高端芯片可能只能由少数几个国家或公司生产，这导致了市场上供应的不足和高昂的价格。此外，在某些地区，由于基础设施和技术条件的限制，人工智能技术的普及和应用也可能受到一定的制约。

但是，张发恩也表示，我们必须清楚地认识到这些限制只是战术问题，而不是战略问题。换句话说，这些问题可以通过技术创新和国际合作来解决。随着全球科技水平的提高和交流的加强，我们有理由相信，芯片和算力的供应将变得更加充足和可持续。同时，各国政府和企业也应该加大对人工智能技术的研究和投资力度，推动其在更广泛的地区得到应用和发展。

本文源自金融界上市公司研究院

智能制造背景下，制造企业人才培养创新实践

破解智能制造人才的培养难题，仅靠企业自身的努力是远远不够 的，既需要“走出去”，通过考察学习等方式进行提升，也需要“引进来”，荟聚更多的人才培养资源，此外更需要搭建一个能够持续学习的平台，打造学习型组织。智能制造人才培养应当充分与企业的实际需求相结合，学以致用，使智能制造推进能够取得实效，才能真正助力制造企业转型升级。

- 文章信息 -

本文由e-works原创发布。

某高科技电子制造企业（下文简称，A公司）是大型的智能计算设备研发和制造基地。主要产品包括笔记本电脑、超小型计算机、存储产品、服务器和智能物联设备等。其智能制造能力和水平卓越，是国家评定的智能制造示范基地、工信部智能制造标杆企业。

对于制造企业来说，智能制造离不开人才队伍的支撑。 如何建立和培养一支复合型的人才队伍，掌握智能制造前沿技术并善于为我所用？如何持续提升智能制造团队的规划能力、实施能力和服务能力？如何实现智能制造理论与智能制造实践的知行合一？如何有效地借助智能制造厂商和咨询服务机构的外力？如何正确进行软件、硬件和自动化系统的选型、实施与落地？如何实现智能制造系统的持续改善与优化，更好地支撑企业的发展战略，从而应对市场的动态多变？如何实现数字化、自动化和智能化技术的融合应用？这些问题归根结底，都聚焦于智能制造人才队伍。

然而智能制造人才培养是个系统工程，知识体系的构建也需要长期积累。对于A公司来说也是如此。那么，其是如何破局智能制造人才培养难题的呢？本文将结合其智能智能制造人才培养的实践经验，探寻制造企业智能制造人才培养之道。

四级培训体系支撑数字化人才培养

作为集团下属企业，A公司的数字化建设紧跟着集团的数字化转型步伐逐步推进。在初始阶段，由于员工的数字化意识不足，给数字化转型工作带来了诸多问题。因此，A公司把提升全员数字化意识作为了数字化人才建设的基础，并在此基础上，通过分享数字化技术知识，引入数字化在线课程、开展数字化训练营，构建起数字化人才培养的四级体系。（图1）

图1 数字化人才培养体系

1.组织Digitalk，提升数字化意识

为了提升全员数字化意识，A公司不定期组织数字化学习活动--Digitalk，邀请企业内部专家分享数字化转型基础知识，组织员工展开讨论，借助Digitalk这个数字化交流平台，提升全员的数字化意识。

2.开展Digicamp，分享数字化技术知识

在数字化意识提升的基础上，A公司下一步开展了Digicamp活动，分享数字化技术相关知识。知识内容围绕着企业的智能制造战略目标，以“端、边、云、网、智”的技术架构展开，同时结合A公司现有的各类数字化技术的应用，以及各个智能制造项目实施落地的经验，整体提升了员工的数字化能力。

3.引入外部资源，搭建在线学习平台

随着数字化培训工作的逐步深入，A公司发现仅依靠内部的知识资源是远远不够的。因此，A公司引入了外部资源--e-works在线学院。e-works在线学院是e-works打造的智能制造在线培训平台，围绕着智能制造体系架构、使能技术、规划应用、选型实施等多个维度，提供了大量的智能制造专家培训课程。借助e-works在线学院丰富的内容资源，大大拓宽了员工智能制造的视野与能力。

4.走进标杆企业，探索前沿实践

智能制造人才的培养，需要理论与实际相结合。A公司在将外部丰富的学习资源“引进来”的同时，也让学员“走出去”，通过各类标杆工厂的实践考察，探访前沿的技术应用，学习先进的创新实践经验。

人才培养组织保障培养体系落地

为了使四级培训体系能够顺利落地，A公司建立了由HR部门和企业内部专家共同推进的协作组织，来主导与推进各类培训工作。 一方面，由HR部门制定科学的人才培养体系与方法，全面统筹规划人才培养工作的推进；另一方面，由企业内部的数字化委员会整合企业内外部专家及知识资源，从技能与知识的角度，为培训工作提供指导。

数字化委员会是A公司内部的专家组织，随着其数字化转型的过程逐步建立起来。 它并不是一个实体部门，而是一个虚拟的组织，由各个部门的数字化业务骨干组成，负责企业的数字化战略与规划、数据标准制定、端到端流程梳理、各类数字化的前瞻性研究、以及架构与系统相关工作。在组织架构上，数字化委员会由主任委员以及多个分管不同技术领域的副主任委员组成，此外每个业务部门都有自己的数字化委员，负责本部门的数字化相关工作。使得企业在开展培训业务的过程中，数字化委员会既能在专业知识上给予指导，也能与HR部门紧密配合，保障培训工作有组织地层层开展，大幅提升了人才培养的效率与质量。

e-works在线学院

助力人才培训闭环管理

智能制造人才培养，既需要合理的人才培养体系，也需要科学的落地方法，但更重要的是需要专业且丰富的知识资源内容的支撑。这也是A公司引入e-works在线学院，作为智能制造知识学习平台的初衷。

1.分析需求，因材施教，建立个性化的学习地图

e-works在线学院围绕着制造企业智能制造人才的知识体系（图2），开设了大量的课程，涵盖了前沿技术分析、技术应用之道、项目规划重点、企业实践案例等丰富的内容。

图2 制造企业智能制造人才知识体系

然而，在平台应用的初始阶段，对于学员来说，一是对平台课程不熟悉，二是对相关知识了解不够，不知道应该学习哪些课程。此外，对于以人为本的培训工作来说，A公司希望根据员工的岗位职能与工作需要，在课程内容的设置上注重差异化，同时结合员工的成长路径，为其匹配适当的课程资源。

为了满足企业不同部门、不同岗位的能力需求，为每位员工匹配合适的课程，A公司HR部门、数字化委员会联合e-works专家，共同梳理了关键岗位的智能制造能力项，并以自评表的形式下发给每位员工。此外，员工还可以根据自己的工作需要，在自评表中标注出需要重点提升的能力，以及目前参与的智能制造项目等信息。

通过自评表，A公司以季度为单位收集学员对智能制造知识的需求，再由数字化委员会专家根据每位员工的自评结果，从e-works在线学院中选择合适的课程，匹配给该学员（表1）。

表1 针对每位学员的个性化课程匹配

2.e-works在线学院，赋能培训过程管理

要将培训落到实处，知识资源内容固然重要，但还需要有学习过程的管理、学习成果的考核，学习数据的分析与追溯、以及激励机制等来保障培训效果，这些都可以在e-works在线学院的管理控台中进行管理。

图3 e-works在线学员管理控台示意图

在学习过程管理方面，A公司借助管理控台建立了本企业的学习组织架构，并分配了不同层级的学习管理员。管理员能够随时在系统中为其下辖的学员布置学习任务，每个学员的课程学习清单则来自于前期由数字化委员会为每位学员匹配的个性化课程（表1）。

在成果考核方面，借助e-works在线学院海量的题库，管理员可以灵活地针对各类学习任务布置相应的考试。学员也可以自主参与学院内提供的各类智能制造知识水平考试。

在学习数据管理方面，管理员能够随时查询、统计分析各类学习相关数据，灵活地生成个性化的报表，一键生成全员学习报告等。实现了全员学习情况的可查可管、可统计、可分析、可追溯。

在激励机制方面，e-works在线学院提供了积分体系，学员可以通过各类学习行为获取积分，如学习视频、阅览资料、参加考试……等，积分体系为企业培训的激励机制提供了数字依据。

3.定期跟踪调研，评估培训效果

目前A公司应用e-works在线学院已一年有余。对于学员来说，在学院内收获了哪些知识，对日常工作带来了哪些帮助，对于企业正在推进的各类智能制造项目起到了哪些作用，学院是否易用等等，都是企业尤为关心的问题。对此，HR部门会定期通过调研问卷的形式收集学员的反馈信息，并形成统计报告，以此作为评估学习效果的依据。目前，A公司每月的学员在线学习时长数据稳步提升，也从侧面反映出了学员对于e-works在线学院的认可。

破解智能制造人才的培养难题，仅靠企业自身的努力是远远不够的，既需要“走出去”，通过考察学习等方式进行提升，也需要“引进来”，荟聚更多的人才培养资源，此外更需要搭建一个能够持续学习的平台，打造学习型组织。智能制造人才培养应当充分与企业的实际需求相结合，学以致用，使智能制造推进能够取得实效，才能真正助力制造企业转型升级。

关于e-works在线学院

e-works智能制造学院是e-works打造的全新智能制造在线培训平台。e-works凭借多年在制造企业信息化、数字化和智能制造领域的深耕细作，围绕智能制造体系架构、使能技术、规划应用、选型实施等多维度打造优质课程体系。课程由业内专业、权威的智能制造领域讲师团队授课，注重理论与实践结合，帮助企业建立智能制造知识体系的闭环。