九色porny国模私拍av-天堂а在线中文在线新版-亚洲成人一二三区-亚洲精选av-欧美亚洲精品在线-全部免费播放在线毛片

英偉達(dá)CEO黃仁勛最近越來(lái)越多提到AI工廠的概念。

5月，黃仁勛宣布英偉達(dá)與富士康合作，在中國(guó)臺(tái)灣打造一臺(tái)配備1萬(wàn)顆英偉達(dá)Blackwell GPU的AI工廠超級(jí)計(jì)算機(jī)。上周，黃仁勛又宣布，英偉達(dá)將在德國(guó)建設(shè)全球首個(gè)工業(yè)AI云，配備1萬(wàn)顆Blackwell GPU。英偉達(dá)還將在歐洲建20余個(gè)AI工廠。

在英偉達(dá)展示的圖景里，汽車(chē)可以在虛擬環(huán)境中設(shè)計(jì)，機(jī)器可以在虛擬環(huán)境中訓(xùn)練，工廠產(chǎn)線可以在虛擬環(huán)境中優(yōu)化后再到現(xiàn)實(shí)工廠運(yùn)行。這些計(jì)算用到了AI。黃仁勛稱(chēng)，每個(gè)制造商都會(huì)有兩個(gè)工廠，一個(gè)制造產(chǎn)品，另一個(gè)創(chuàng)造驅(qū)動(dòng)這些產(chǎn)品的智能。

產(chǎn)生這些“智能”的算力來(lái)自實(shí)體AI工廠，也就是部署了大量GPU的算力中心。如果說(shuō)英偉達(dá)指明了工業(yè)AI轉(zhuǎn)型的主要方向，那么，隨著各萬(wàn)卡算力中心落地，工業(yè)應(yīng)用AI的轉(zhuǎn)折點(diǎn)可以說(shuō)在加速到來(lái)。

不過(guò)，還有一些問(wèn)題需要厘清：英偉達(dá)在工業(yè)AI轉(zhuǎn)型中扮演的角色是什么？這是工業(yè)AI轉(zhuǎn)型的主要路徑嗎？這些大GPU集群是否將是未來(lái)的主要算力形式？

記者了解到，英偉達(dá)的路線更多是基于仿真平臺(tái)Omniverse，將其搭配自家硬件做AI相關(guān)的仿真和數(shù)字孿生。這是一種比較新的路徑，但不是工業(yè)企業(yè)做AI轉(zhuǎn)型的唯一路徑。目前，小模型和基于大模型的智能體也在改變工業(yè)的業(yè)態(tài)。

AI工廠是否唯一解

在英偉達(dá)具體的描述里，AI工廠被拿來(lái)與傳統(tǒng)數(shù)據(jù)中心對(duì)比。區(qū)別在于，傳統(tǒng)數(shù)據(jù)中心是為了通用計(jì)算而建，AI工廠是為了用AI創(chuàng)造價(jià)值，英偉達(dá)的GPU被部署在這些工廠中。

在AI工廠概念里，英偉達(dá)還“搭售”了自家的Omniverse平臺(tái)。Omniverse是一個(gè)虛擬現(xiàn)實(shí)和仿真平臺(tái)。如果看英偉達(dá)對(duì)工業(yè)AI云運(yùn)行方式的描述，就不難看出Omniverse的重要性。

各制造廠商通過(guò)西門(mén)子、Ansys、Cadence這些軟件廠商的產(chǎn)品，來(lái)使用英偉達(dá)的AI物理技術(shù)、Omniverse平臺(tái)。其中，Ansys將Omniverse集成到高保真流體仿真軟件中，以改進(jìn)自動(dòng)駕駛汽車(chē)的仿真場(chǎng)景構(gòu)建。制造商中，舍弗勒用英偉達(dá)的技術(shù)進(jìn)行數(shù)字工廠規(guī)劃；寶馬為工廠構(gòu)建數(shù)字孿生，以助力生產(chǎn)規(guī)劃團(tuán)隊(duì)實(shí)時(shí)協(xié)作并優(yōu)化制造系統(tǒng)設(shè)計(jì)；梅賽德斯-奔馳用Omniverse以虛擬的方式設(shè)計(jì)和優(yōu)化工廠裝配線，以減少工廠停機(jī)時(shí)間。

仿真和數(shù)字孿生正是英偉達(dá)布局工業(yè)AI的切入口。黃仁勛描繪稱(chēng)，這個(gè)AI工業(yè)云可以用于設(shè)計(jì)和模擬，人能在虛擬風(fēng)洞中完成模擬設(shè)計(jì)，可以實(shí)時(shí)打開(kāi)車(chē)門(mén)、打開(kāi)車(chē)窗、改變?cè)O(shè)計(jì)。舍弗勒近日已表態(tài)，將在2030年把一半以上的工廠接入Omniverse。

在一些工業(yè)AI領(lǐng)域的從業(yè)者看來(lái)，英偉達(dá)布局工業(yè)AI的路數(shù)便是建立算力中心，讓Omniverse發(fā)揮平臺(tái)效應(yīng)吸引軟件廠商和制造廠商，最終來(lái)消耗算力中心的算力。

“英偉達(dá)在樹(shù)立標(biāo)桿效應(yīng)，釋放AI在工業(yè)場(chǎng)景應(yīng)用的決心。AI工廠包括一個(gè)算力中心和一個(gè)幫工廠升級(jí)為AI工廠的平臺(tái)。”工業(yè)智能解決方案廠商格創(chuàng)東智副總裁、解決方案及產(chǎn)品中心總經(jīng)理李楠向記者解讀稱(chēng)，英偉達(dá)希望通過(guò)Omniverse帶動(dòng)硬件銷(xiāo)售及場(chǎng)景落地，核心應(yīng)用于仿真、數(shù)字孿生相關(guān)。

IDC中國(guó)高級(jí)研究經(jīng)理杜雁澤也告訴記者，他認(rèn)為AI工廠是英偉達(dá)AI視角下的一種敘事方式。英偉達(dá)的獨(dú)特能力除了成熟架構(gòu)、高可用性等，更重要的是很多工業(yè)軟件公司產(chǎn)品都針對(duì)英偉達(dá)卡做過(guò)專(zhuān)屬優(yōu)化。英偉達(dá)在歐洲建立萬(wàn)卡AI工廠，則更多是對(duì)于此前宣傳的“主權(quán)AI”的具體落地形式和承諾，英偉達(dá)正在尋找新的增長(zhǎng)曲線。

英偉達(dá)做AI相關(guān)的工業(yè)仿真和數(shù)字孿生是一條獨(dú)特的路線。李楠告訴記者，Omniverse提供了仿真的場(chǎng)景和空間，例如，人形機(jī)器人可以在仿真空間中訓(xùn)練以節(jié)省訓(xùn)練成本和時(shí)間。很多工廠建廠時(shí)也希望建一個(gè)數(shù)字孿生體，將機(jī)器模型和AGV（自動(dòng)導(dǎo)向車(chē)）放進(jìn)去跑，做預(yù)訓(xùn)練，這樣實(shí)體工廠建設(shè)完成便能馬上投入使用。英偉達(dá)做工業(yè)AI的邏輯并非直接做AI應(yīng)用，而是提供虛擬仿真平臺(tái)。這是AI在工業(yè)領(lǐng)域落地的核心關(guān)鍵軟件。這樣一個(gè)與AI結(jié)合的數(shù)字孿生平臺(tái)，目前還沒(méi)看到國(guó)內(nèi)有產(chǎn)品與之對(duì)標(biāo)。

搭軟件平臺(tái)、帶動(dòng)硬件銷(xiāo)售可謂是英偉達(dá)的慣常做法。例如人形機(jī)器人領(lǐng)域已有不少?gòu)S商用英偉達(dá)的Isaac Sim、Omniverse等平臺(tái)或套件來(lái)生成合成數(shù)據(jù)、在仿真環(huán)境中訓(xùn)練。有業(yè)內(nèi)人士告訴記者，目前之所以人形機(jī)器人算力方案的選擇不多，是因?yàn)闄C(jī)器人廠商對(duì)硬件廠商背后的生態(tài)系統(tǒng)十分看重。

不過(guò)，英偉達(dá)AI工廠概念并不涵蓋工業(yè)AI的所有場(chǎng)景。相較于英偉達(dá)“搭平臺(tái)”做仿真、數(shù)字孿生，而不做具體AI應(yīng)用的做法，另一些廠商做的大模型和小模型應(yīng)用，則聚焦于解決工廠運(yùn)行過(guò)程中的一些現(xiàn)場(chǎng)的問(wèn)題。工業(yè)AI有多種路線并行。

記者了解到，在大模型出來(lái)之前，工業(yè)領(lǐng)域已經(jīng)在使用以小模型為代表的AI產(chǎn)品。杜雁澤表示，小模型主要覆蓋兩類(lèi)場(chǎng)景，一是數(shù)據(jù)智能，涵蓋設(shè)備故障運(yùn)維、工藝優(yōu)化等，二是視覺(jué)智能，涵蓋AI質(zhì)檢、AI路徑導(dǎo)引等。記者了解到，小模型應(yīng)用場(chǎng)景還包括工業(yè)安防、安全檢測(cè)等。

隨著大模型出現(xiàn)，工業(yè)AI有了更多可探索的形式。不僅英偉達(dá)在仿真、數(shù)字孿生領(lǐng)域?qū)ふ沂袌?chǎng)機(jī)會(huì)，大模型普及也對(duì)工業(yè)企業(yè)產(chǎn)生影響。業(yè)內(nèi)則在大模型和小模型之間做出選擇。

工業(yè)場(chǎng)景鋪開(kāi)AI應(yīng)用

工業(yè)領(lǐng)域AI滲透率并不高。IDC預(yù)計(jì)，工業(yè)領(lǐng)域IT基礎(chǔ)設(shè)施或IT終端的AI滲透率將從當(dāng)前的7%提升至2028年的25%。

這種情況下，AI的應(yīng)用形式還在探索中。英偉達(dá)的仿真、數(shù)字孿生工廠路徑之外，記者了解到，隨著工業(yè)企業(yè)對(duì)AI的興趣提升，大模型和小模型應(yīng)用也在加速。

李楠告訴記者，格創(chuàng)東智2018年開(kāi)始布局AI，當(dāng)時(shí)服務(wù)的半導(dǎo)體和泛半導(dǎo)體客戶(hù)數(shù)字化建設(shè)已度過(guò)最初的信息化建設(shè)階段，著急要用AI來(lái)進(jìn)一步解決產(chǎn)線和供應(yīng)鏈上的問(wèn)題。公司便給制造業(yè)工廠做AI轉(zhuǎn)型，推出多因子分析、良率預(yù)測(cè)、圖像識(shí)別、設(shè)備運(yùn)行維護(hù)等領(lǐng)域的小模型。以缺陷監(jiān)控為例，公司的AI-YMS能為半導(dǎo)體企業(yè)做良率和缺陷監(jiān)控，基于AI模型及規(guī)則模型前置預(yù)測(cè)關(guān)鍵產(chǎn)品規(guī)則，減少工廠一半原本做相關(guān)分析的人力，相關(guān)工廠每年減少良率損失80萬(wàn)元。

“DeepSeek火了之后，很多公司堅(jiān)定了自己建設(shè)AI應(yīng)用的決心。甲方現(xiàn)在也在搭團(tuán)隊(duì)做AI，做智能體等應(yīng)用。”李楠告訴記者，一個(gè)明顯趨勢(shì)是，隨著數(shù)字化建設(shè)完成到一定程度，一些制造業(yè)企業(yè)的傳統(tǒng)數(shù)字化預(yù)算減少，而隨著對(duì)AI的興趣愈加濃郁，又把AI預(yù)算單獨(dú)列出來(lái)。

李楠告訴記者，在大模型催化下，一些AI應(yīng)用已在加快部署。甲方制造業(yè)企業(yè)落地最快的是常見(jiàn)場(chǎng)景的應(yīng)用，例如流程助手，可以在寫(xiě)PPT、文檔、材料時(shí)快速用上。知識(shí)庫(kù)應(yīng)用也比較成熟，銷(xiāo)售、授權(quán)、營(yíng)銷(xiāo)、研發(fā)等大量知識(shí)庫(kù)已經(jīng)可以用來(lái)做文檔閱讀和總結(jié)等。也有比較多用AI做經(jīng)營(yíng)決策類(lèi)數(shù)據(jù)分析的案例。

不過(guò)，對(duì)于大模型如何應(yīng)用，業(yè)內(nèi)仍有一些困惑，業(yè)內(nèi)還在大模型和小模型之間做選擇。李楠告訴記者，在一些傳統(tǒng)小模型已經(jīng)能做的比較好的場(chǎng)景，大模型要怎么應(yīng)用，大家可能還沒(méi)想好。

一些業(yè)內(nèi)人士認(rèn)為，在工業(yè)領(lǐng)域，過(guò)去做小模型的做法還將延續(xù)。IDC中國(guó)助理研究總監(jiān)崔凱表示，小模型資源需求較低、響應(yīng)較快、部署靈活且建設(shè)成本較低,過(guò)去小模型在3C、裝備、汽車(chē)領(lǐng)域應(yīng)用較廣，現(xiàn)在醫(yī)藥等行業(yè)也在鋪開(kāi)應(yīng)用。

“大模型并不是包打天下。”崔凱表示，小模型在工業(yè)AI支出中的比例，未來(lái)還將占到70%，保守估計(jì)也有60%。“現(xiàn)在我們看到，AI在工廠落地應(yīng)用起來(lái)，80%的情況還是靠小模型去解決現(xiàn)場(chǎng)實(shí)際的問(wèn)題。”李楠告訴記者

在研發(fā)環(huán)節(jié)，小模型的作用依然明顯。有企業(yè)已在用AI提高效率，用的并非參數(shù)量巨大的模型，而是參數(shù)量相對(duì)較小、聚焦某個(gè)領(lǐng)域的模型。

深圳一家合成生物技術(shù)公司高管告訴記者，合成生物研發(fā)周期長(zhǎng)、成本高，開(kāi)發(fā)一個(gè)酶或一套工藝可能需要幾千萬(wàn)元甚至上億元的資金投入。公司通過(guò)AI技術(shù)加快研發(fā)進(jìn)度、降低成本，效率至少有指數(shù)級(jí)提升。具體而言，每年公司研發(fā)投入幾千萬(wàn)元，其中投入AI技術(shù)的占比10%~20%，公司在英國(guó)和國(guó)內(nèi)部署了三個(gè)團(tuán)隊(duì)，研究AI如何用于新物質(zhì)篩選、酶和蛋白的篩選和菌株改造。

上述高管告訴記者，他試過(guò)一些外部大模型，但發(fā)現(xiàn)這些模型沒(méi)有經(jīng)過(guò)特定領(lǐng)域的數(shù)據(jù)訓(xùn)練，無(wú)法解決生產(chǎn)的具體問(wèn)題。公司有合成生物領(lǐng)域的數(shù)據(jù)，自己從頭研發(fā)模型，這并不是DeepSeek這類(lèi)的大模型，但在細(xì)分領(lǐng)域中的表現(xiàn)比市面上可見(jiàn)的模型先進(jìn)很多。

在小模型之外，大模型可以做什么，業(yè)內(nèi)也在作出一些最新判斷。

李楠認(rèn)為，大模型比較有希望起到的作用是做小模型的串接，例如用智能體串接。以往人需要做的點(diǎn)擊、導(dǎo)出數(shù)據(jù)等步驟，可以由智能體自主執(zhí)行。

崔凱也認(rèn)為，在一些制造業(yè)企業(yè)研、產(chǎn)、供、銷(xiāo)、服系統(tǒng)相互獨(dú)立的情況下，智能體做跨專(zhuān)業(yè)整合將有很大機(jī)會(huì)。他認(rèn)為，大模型在工業(yè)中要獲得更大的發(fā)展，一個(gè)要點(diǎn)是將多模態(tài)大模型和大語(yǔ)言模型結(jié)合起來(lái)。此外，在一些基于老師傅經(jīng)驗(yàn)、未總結(jié)為完整方法論的場(chǎng)景，大模型也可能比小模型做得更好。

工業(yè)AI需要什么云

算力供應(yīng)方面，英偉達(dá)這種建設(shè)萬(wàn)卡支撐的工業(yè)云、讓多個(gè)制造商都能接入的方式是一種選擇，但也不是唯一的選擇。一些從業(yè)者告訴記者，在國(guó)內(nèi)，基于信息安全的考慮，有一定實(shí)力的企業(yè)會(huì)更偏向于自建數(shù)據(jù)中心部署私有云。

上述合成生物技術(shù)公司高管告訴記者，公司對(duì)數(shù)據(jù)安全非常重視，即便在公司內(nèi)部，數(shù)據(jù)也進(jìn)行了分區(qū)物理隔離。基于數(shù)據(jù)安全考慮，公司自己訓(xùn)練的模型使用自己部署的算力。

李楠告訴記者，海外企業(yè)對(duì)公有云相對(duì)更開(kāi)放，但預(yù)計(jì)公司的大型客戶(hù)大概率還是會(huì)采用本地建設(shè)私有云數(shù)據(jù)中心的做法，算力僅用于集團(tuán)內(nèi)。整體而言，國(guó)內(nèi)的大型工業(yè)企業(yè)部署AI應(yīng)用，預(yù)計(jì)也更多采用私有云形式。其背后，AI涉及大量企業(yè)私密信息。

今年DeepSeek一體機(jī)銷(xiāo)售火爆，深圳市科技創(chuàng)新局局長(zhǎng)張林近日透露，今年推理機(jī)相關(guān)產(chǎn)品國(guó)內(nèi)銷(xiāo)售額將是千億量級(jí)。有分析人士告訴記者，采買(mǎi)一體機(jī)的就包括工業(yè)企業(yè)，之所以一些機(jī)構(gòu)不接入公有云使用DeepSeek，而是購(gòu)買(mǎi)DeepSeek一體機(jī)，背后就有數(shù)據(jù)安全的考慮。“拿一體機(jī)測(cè)試一下，買(mǎi)過(guò)來(lái)就能用，雖然算力有限，但不需要搭一個(gè)私有云。這是一個(gè)過(guò)渡方案。”一名ICT行業(yè)資深分析人士告訴記者。

杜雁澤表示，據(jù)IDC調(diào)研，小模型使用的算力目前以廠商自建算力為主，包括傳統(tǒng)服務(wù)器方式和私有云方式，有少部分使用公有云算力。

雖然英偉達(dá)在推動(dòng)最新的GPU銷(xiāo)售，但對(duì)于工業(yè)場(chǎng)景，并不一定需要萬(wàn)卡GPU集群的算力支撐。

李楠告訴記者，小模型依托的算力來(lái)源比較多元，包括云算力、廠商自己部署的算力、設(shè)備端搭載的算力。小模型對(duì)算力的要求相對(duì)沒(méi)那么高。做視覺(jué)檢測(cè)需要調(diào)GPU、用深度學(xué)習(xí)算法，很“吃”GPU資源；做數(shù)據(jù)分析用到機(jī)器學(xué)習(xí)，CPU足夠；一些信號(hào)處理、設(shè)備數(shù)據(jù)維護(hù)的模型，普通CPU也足夠。不同制造業(yè)企業(yè)對(duì)算力的需求也有所不同，很多工廠使用模型推理就足夠，不需用到很高端的顯卡，但像公司服務(wù)的TCL這類(lèi)大型企業(yè)，自己訓(xùn)練大模型就需要投入大量算力。

杜雁澤表示，在模型訓(xùn)練、后訓(xùn)練、強(qiáng)化學(xué)習(xí)或設(shè)計(jì)、仿真等工業(yè)場(chǎng)景中，未來(lái)云中心算力仍會(huì)占據(jù)主要市場(chǎng)，另因工業(yè)對(duì)可靠性、及時(shí)性的要求，小參數(shù)模型需求會(huì)逐漸釋放，使邊緣算力也得到提升。

算力需求要進(jìn)一步增長(zhǎng)，也有賴(lài)于AI應(yīng)用進(jìn)一步滲透。有業(yè)內(nèi)人士告訴記者，其背后需要克服的挑戰(zhàn)包括工業(yè)專(zhuān)屬數(shù)據(jù)缺少和工業(yè)場(chǎng)景碎片化，以及一些企業(yè)數(shù)字化建設(shè)仍未完成。杜雁澤認(rèn)為，算力并不是當(dāng)前階段AI工業(yè)領(lǐng)域的瓶頸，工業(yè)對(duì)算力的需求大規(guī)模增長(zhǎng)還需要2~3年時(shí)間。