隨著我國數字化轉型行動的深入推進和智能製造工程的大力實施
，製造業正朝著“數智”時代邁進，生成式AI被視為推動製造

業智能化發展的關鍵驅動力。

據預測，到2027年，將有30%的製造業采用生成式AI來提升產品研發效率。在數字化轉型的基礎上
，生成式AI為製造業帶來了更強大的潛力。

通過已有的計劃訓練模型
，生成式AI能夠自動化生成新的設計，從而提高產品開發的效率；同時
，它還有助於提升生產線的自動化水平。

數字化轉型完成後，企業如何借助生成式AI走向“數智”時代，並挖掘其中蘊藏的巨大機遇呢
？

從數字化到數智化：製造業的轉型之路

隨著人工智能技術的迅猛發展，製造業正在經曆一場前所未有的變革。

過去幾十年，製造業企業通過數字化轉型實現了生產流程的自動化和信息化，然而，數字化隻是轉型的第一步。

如今，隨著AI技術的成熟和應用，製造業正逐漸邁向“數智”時代，實現了從數字化到數智化的跨越。

數字化是指將物理實體和過程轉化為數字形式
，使其能夠被計算機係統識別和處理。

數字化轉型讓製造業企業實現了生產過程的自動化、信xin息xi化hua和he協xie同tong化hua，提ti高gao了le生sheng產chan效xiao率lv和he質zhi量liang控kong製zhi能neng力li。然ran而er，數shu字zi化hua僅jin僅jin是shi利li用yong數shu字zi技ji術shu對dui傳chuan統tong生sheng產chan流liu程cheng進jin行xing了le優you化hua，仍reng然ran依yi賴lai於yu人ren工gong的de決jue策ce和he操cao作zuo。

而數智化則更進一步

，它將數字化與人工智能相結合，通過機器學習、深度學習和生成式AI等技術實現智能化的生產和決策。

數智化不僅僅是對現有過程的優化
，而是通過AI技術的應用，讓機器能夠自主學習和適應，實現智能決策和自主運作。

隨著AI技術的發展和突破，製造業企業已經開始將注意力從數字化轉型轉向數智化。

AI技術能夠從大數據中提取和分析有價值的信息

，為製造業企業提供智能化的決策支持。

通過對海量的實時數據進行深度學習和模式識別，AI係統能夠準確預測生產狀況、質量問題和設備故障
，並提供相應的優化方案和預警機製
，幫助企業做出及時而準確的決策。

AI技術還能夠實現製造流程的自動化和智能化。通過機器學習和視覺識別技術
，AI係統能夠自動監測和控製生產過程，實時調整參數和優化操作，提高生產效率和質量穩定性。

同時，AI技術還能夠與機器人技術相結合，實現智能化的物流和裝配，降低人力成本，提高生產線的靈活性和響應能力。

此外，AI技術賦予製造業企業更大的創新能力。生成式AI技術能夠通過學習大量的產品數據和設計規則，自動生成新的設計方案
，幫助企業快速設計出具有競爭力的產品。

AI技術還能夠模擬和優化產品性能

，快速預測和驗證產品的可行性和質量，加快產品研發周期，提高產品的市場競爭力。

隨著AI技術的廣泛應用，製造業正逐漸邁向“數智”時代。數智化轉型使製造業企業能夠實現智能決策
、自動化生產和創新設計，進一步提高了生產效率和產品質量。

“數智化”第一步：做好雲基礎設施

在製造業產業鏈的工業設計環節，海爾創新設計中心（以下簡稱為海爾設計）就緊跟時代洪流，從數字化走向數智化。

海爾創新設計中心成立於1994年，目前擁有500多名設計師，為海爾智家旗下全球七大品牌、多達+8000產品做設計創新和模式探索。

在海爾智家副總裁、海(hai)爾(er)創(chuang)新(xin)設(she)計(ji)中(zhong)心(xin)總(zong)經(jing)理(li)吳(wu)劍(jian)看(kan)來(lai)
，在(zai)工(gong)業(ye)設(she)計(ji)領(ling)域(yu)，麵(mian)對(dui)快(kuai)速(su)增(zeng)長(chang)的(de)業(ye)務(wu)需(xu)求(qiu)和(he)加(jia)速(su)迭(die)代(dai)的(de)產(chan)品(pin)周(zhou)期(qi)
，工(gong)業(ye)設(she)計(ji)也(ye)需(xu)要(yao)數(shu)字(zi)化(hua)轉(zhuan)型(xing)
，在(zai)轉(zhuan)型(xing)過(guo)程(cheng)中(zhong)就(jiu)遇(yu)到(dao)幾(ji)大(da)問(wen)題(ti)：

高成本和時間消耗：傳統的工業設計過程通常需要耗費大量的時間和資源。

conggainianshejidaoyuanxingzhizuozaidaochanpinceshiheyanzheng，zhenggeguochengkenengxuyaoshuzhoushenzhishuyuedeshijian。zheshideshejizhouqibianchang
，zengjialekaifachengbenheshichangtuichushijian。

高度依賴人工經驗和直覺：許多工業設計過程仍然高度依賴設計師的經驗和直覺，這限製了設計的創新性和效率。

人工經驗的局限性可能導致創新受限，而且不同設計師之間的結果可能存在差異。

信息不對稱和協同困難：在工業設計過程中，設計師、工程師和製造商之間的信息流通往往不暢，存在信息不對稱的問題。

這(zhe)可(ke)能(neng)導(dao)致(zhi)設(she)計(ji)需(xu)求(qiu)和(he)技(ji)術(shu)要(yao)求(qiu)之(zhi)間(jian)的(de)不(bu)匹(pi)配(pei)，進(jin)而(er)影(ying)響(xiang)產(chan)品(pin)的(de)質(zhi)量(liang)和(he)性(xing)能(neng)。此(ci)外(wai)
，不(bu)同(tong)團(tuan)隊(dui)之(zhi)間(jian)的(de)協(xie)同(tong)工(gong)作(zuo)也(ye)麵(mian)臨(lin)著(zhe)挑(tiao)戰(zhan)
，缺(que)乏(fa)高(gao)效(xiao)的(de)合(he)作(zuo)平(ping)台(tai)和(he)工(gong)具(ju)。

而這直接導致了概念設計階段（也就是準備階段）人力成本耗費高、概念產出效率低、概念通過率低等問題。

解決上述痛點的第一步，就是實現全麵數字化——上雲。在上雲階段

，海爾設計將合作夥伴鎖定為亞馬遜雲科技。

此前，海爾設計使用的是自建的私有雲係統
，部署在自有IDC內。

不過，這套私有雲係統存在桌麵係統存在資源搶占
、文件存儲係統因容量受限無法長期保存曆史文檔
、渲染係統由於資源受限渲染任務需要長時間的排隊等待，以及基礎係統維護複雜、無法彈性擴展、業務係統創新困難等諸多問題，對業務產生較大影響。

對此，亞馬遜雲科技為海爾設計提供了四個完整的雲上解決方案，全麵替代自有機房
，讓設計中心的工作流程實現了全麵雲化、自動化。

亞馬遜雲科技為海爾設計提供的方案包括3D雲桌麵係統、渲染農場係統
、文件共享係統以及自動化設計係統等四個部分：

雲桌麵：在海爾設計的青島辦公室，3D雲桌麵係統為300多位3D設計師
、平麵設計師提供便捷易用的桌麵環境。

通過公有雲上的資源隔離劃分，海爾設計在徹底解決原自建 IDC的VDI方案“資源擠兌造成卡頓
、閃退或宕機”以及“多人使用時性能衰退”等問題的基礎上
，還能有約30%性能提升，可以說是一舉多得。

共享存儲：基於Amazon S3特性構建的文件共享係統，讓公司
、小組和個人之間得以共享存儲。

這種對冷熱數據進行自動分層的無限容量存儲係統讓數據安全性提高了3倍，而此前自建IDC每人最大分配500G容量
、每天隻允許一個備份且最多保留7天的設定
，自此成為曆史。

渲染農場係統：渲染農場係統使用亞馬遜雲科技自有渲染產品Amazon Thinkbox deadline軟件及HPC集群進行圖片渲染，具備高性能和彈性，讓設計師提交任務後就能拿到渲染效果圖，徹底解決渲染任務排隊問題。

而低負載時它會自動降低Amazon EC2 Spot數量且按實際使用時間（精確到秒）付費，從此不再浪費。

智能設計係統：自動化設計係統/智能設計渲染係統通過Amazon EC2、Amazon Thinkbox Deadline、Amazon DynamoDB等運行自動化設計軟件
，10分鍾就能自動生成人工需要數天才能完成的大批量渲染效果圖，徹底解決了原自建IDC存在算力瓶頸問題。

據悉，上線後，自動化設計係統應用讓原有項目周期縮短了30%。

“數智化”第二步:用AIGC實現降本增效

2022年年底，ChatGPT平地一聲驚雷掀起了生成式AI大模型的熱浪。在此前的合作基礎上
，海爾設計和亞馬遜就“生成式AI+工業設計”展開探索。

至於為什麼會選擇主動擁抱AI，海爾設計希望實現降本增效。生成式AI可以基於企業現有的流程、知識圖譜，通過訓練後避免重複
、低效的流程和複用。

基於此

，海爾設計聯合亞馬遜雲科技還是合作部署生成式AI應用，打造了全國首個結合實際業務場景落地的AIGC工業設計方案。

據悉，在基礎設施架構層
，該方案借助Amazon SageMaker快速的構建和訓練AIGC模型，通過應用Amazon SageMaker機器學習平台
，以Fine-tune as a Service（調優即服務）的方式提供服務，利用Amazon SageMaker在線的模型訓練和管理能力
，為消費品
、遊戲等場景提供創意輔助
、內容生產輔助和創作支持。

此外，亞馬遜雲科技為海爾設計提供了彈性GPU算力—— Amazon EC2 G4dn實例，該實例是行業內成本效益最高的通用GPU實例，適合於部署機器學習模型，例如圖像分類、對象檢測和語音識別，以及圖形密集型應用程序
，例如遠程圖形工作站、遊戲串流和圖像渲染。

項目上線後，海爾設計將AIGC解決方案引入到產品設計、UI 設計
、CMF 設計
、品牌設計等環節，涵蓋了新品設計
、改款升級、渠道定製化等工業設計的業務場景。

此外，海爾設計和亞馬遜科技還合作開發了首個集成式虛擬設計師AI助手“Co-designer”，通過與亞馬遜雲科技的合作，海爾創新設計中心在基礎設施方麵獲得了全麵的支持，包括3D雲桌麵、文件共享係統和自動化設計等。

“Co-designer是合作的一個關鍵點
，盡管目前仍不是非常完善
，但作為一個重要的子場景，它為設計中心帶來了許多新的應用。

除了Co-designer之外

，海爾還將進一步開發和應用其他的子場景
，如設計師之前的部分以及製造
、營銷、服務和安裝等領域。

他們計劃在整個價值鏈的不同環節中探索和應用AIGC技術，從而實現更多的工作優化和創新”，吳劍表示。

據悉
，目前通過AIGC
，海爾已實現了設計中心業務提效11.9%。

結語：生成式AI時代，智能製造的未來機遇

從數字化邁向數智化，傳統製造業正朝著智能製造的大方向走去。在生成式AI技術的引領下，智能製造正迎來前所未有的機遇。

生成式AI技術通過結合深度學習、自然語言處理和圖像識別等技術，使計算機能夠自動生成內容、設計方案和創意，為製造業帶來了革命性的變革。

在智能製造的未來，生成式AI將jiang在zai多duo個ge方fang麵mian帶dai來lai機ji遇yu
，包bao括kuo自zi動dong生sheng成cheng設she計ji方fang案an，優you化hua生sheng產chan過guo程cheng，提ti高gao生sheng產chan效xiao效xiao率lv，智zhi能neng預yu測ce，故gu障zhang預yu警jing，以yi及ji智zhi能neng質zhi量liang控kong製zhi和he檢jian測ce，甚shen至zhi在zai供gong應ying鏈lian和he物wu流liu管guan理li上shang也ye能neng提ti出chu最zui優you解jie
，提ti高gao效xiao率lv和he準zhun確que性xing等deng等deng。

隨著生成式AI技術的不斷發展和創新
，智能製造將進入一個全新的時代。

不過，要實現生成式AI的潛力，仍需克服一些挑戰。其中包括數據隱私和安全保護、技術人才培養和跨部門合作等。

隻有通過全麵推動技術創新
、加強合作和培養人才，才能實現智能製造的未來機遇，並為製造業帶來更加繁榮和可持續發展的前景。