ChatGPT是否会改写工业互联网的发展逻辑?
来源 | 数字原生组织 Ivy2023-04-10 11:45:24
人工智能原本就是可以赋能千行百业的水和电,如今随着AI的巨大进步,我们每个企业都有必要重新思考如何升级自己的AI大脑。今天这篇文章,我们来继续探讨GPT人工智能模型可能将在工业互联网领域引发哪些变化?

人工智能原本就是可以赋能千行百业的水和电,如今随着AI的巨大进步,我们每个企业都有必要重新思考如何升级自己的AI大脑。今天这篇文章,我们来继续探讨GPT人工智能模型可能将在工业互联网领域引发哪些变化?

这是我的第280篇专栏文章,我在【数字原生组织】写的第7篇文章。

上篇文章《工业AI距离到达“ChatGPT时刻”还有多远?》完成之后,有朋友问了一个问题,他说:

在企业中,管理建立在制度上,制度建立在流程上,流程建立在系统上,系统建立在数据上,企业实现管理是“数据+程序”的结果。既然ChatGPT可以直接读取数据,并实现了一定程度的通用人工智能,能够产生基于数据的基本分析决策,那么现存的系统应用,比如ERP、CRM、MES…是不是会发生颠覆性的变化,甚至是大洗牌?

这是个好问题!

其实在B2C领域,当ChatGPT刚刚发布的时候,就有投资人提出一个观点,说TMT(数字新媒体产业)可以重新再干15年。

重新再干15年!为什么TMT又重新焕发青春了呢?这个观点背后的原因是,上个时代我们基于移动互联网,开发了各种各样的APP,而如今ChatGPT引发了新的交互形式出现,每个细分赛道上都有可能会成长出一个全新的独角兽,或者全新的商业模式。

这个观点不乏支撑的依据。

微软公司联合创始人比尔·盖茨曾说,OpenAI的GPT人工智能模型是他自1980年首次看到现代图形桌面环境GUI以来,最具革命性的技术进步。

3月底,OpenAI开放了两个自己的插件:网络浏览器和代码解释器,并开源了一个知识库检索插件的代码,支持开发者将信息进行自行托管。

英伟达AI科学家Jim Fan在个人社交平台表示:如果说ChatGPT的面世是“iPhone的出现”,那么此次推出的插件功能就是“iOS APP Store”的出现。

而“APP Store”只是一个开始,如果把GPT人工智能模型连接到企业的业务系统中,我们的很多环节是否能够产生变革和提升?

人工智能原本就是可以赋能千行百业的水和电,如今随着AI的巨大进步,我们每个企业都有必要重新思考如何升级自己的AI大脑。

今天这篇文章,我们来继续探讨GPT人工智能模型可能将在工业互联网领域引发哪些变化?

企业管理软件值得被重做一遍

图片

未来所有的公司都需要一个AI企业大脑。

这是一个预测,关键词是“所有的公司”,因为AI正在像水、电、空气一样,变成一个必备要素、一项基础能力。

而我们企业中很大比例的企业管理软件,都有可能在GPT人工智能模型的启示中重做一遍。

GPT给了我们哪些启示呢?

人们与机器沟通的方式会发生深刻的变化。我们一般通过各种软件与机器沟通,软件的进步由交互方式的进步所牵引,从最初的字符界面,到后来的图形化操作界面,现在我们可以直接通过自然语言与机器交流。

以前我们通过各种编程语言,比如汇编、梯形图、Python…告诉机器如何完成我们想实现的任务。其实编程语言也是一种“交互”,只不过这种交互在设计的时候为了“灵活”与“精确”牺牲掉了“易用性”。现在有了ChatGPT,不用学习编程,我们就有能力调动各种机器,达成某种结果。

曾经我们一直追求让机器能够听懂人类的语言,更加贴近人类自然语言的交互方式,今天我们终于接近了目标。GPT的到来,让自然语言能够作为一种交互模式,学习与机器沟通的成本得到了巨大的下降。

不过从系统软件的客户视角来看,图形化UI被完全取代是有前提的,也就是大部分员工要具备描述清楚自身诉求的能力,这个过程应该是循序渐进的。

目前,GPT这种沟通成本的下降,为软件的降本增效提供了额外的助力。

现在一些软件的交付成本高得令人咋舌。以Salesforce为例,Salesforce Premier级别的交付专家费是软件授权费用的30%。然而,对于SaaS软件厂商和客户而言,这30%的成本却可能成为他们共同的累赘。

造成这个现象的原因主要是因为软件市场客户需求的多样化,导致软件必须要开发大量的配置项,甚至配置一些低代码的能力,这些灵活性都会显著拉高软件的使用成本。

有了GPT,交付人员的内部学习材料完全可以被人工智能的模型学习,并且推出针对性的专家系统。这意味着,一个交付人员可以在短时间内交付的功能更多,客户实现了成本节约,软件供应方也能在一定程度上提升毛利。

同时,ChatGPT大型语言模型在企业管理系统方面的应用,可以实现不同软件之间,比如ERP、CRM和MES,更加紧密的联动。通过自然语言处理技术,企业可以在生产过程中实时监控生产数据,从而实现生产计划的动态调整。此外,大型语言模型还可以协助ERP和MES优化企业资源的调配,提高资源利用率。

借助大型语言模型的智能化和自动化能力,企业可以实现对ERP和MES系统的智能化升级。ERP和MES系统中包含了对生产流程、物流管理等方面的支持,需要强大和专业的功能才能实现,辅以GPT这个助手,ERP和MES可以变得更加智能。

例如,通过自然语言生成技术,企业可以实现报表的自动生成和智能化解读;通过智能化的异常检测和预警,企业可以及时发现生产过程中的问题,降低损失;通过智能化的物料需求预测,企业可以实现生产物料的精确调度。

GPT模型作为一种自然语言处理模型,在它的眼中,并没有像人类一样进行垂直领域的软件划分。这意味着,我们人为设置的一些软件分类,可能会在GPT模型的应用中被打破。

微软最近发表了一篇重量级的论文:TaskMatrix.AI: Completing Tasks by Connecting Foundation Models with Millions of APIs,展示了大型语言模型大开脑洞的能力。论文详细介绍了使用语言模型对数百万量级API进行调用的方法,并展示了多个使用场景。

图片

简要的说,TaskMatrix.AI是一个新的AI生态系统,将基础模型与数百万个API连接起来,以完成任务。论文作者的愿景是构建一个生态系统,利用基础模型和其他擅长特定任务的模型和系统,可以作为API访问。

TaskMatrix.AI的优势在于能够执行数字和物理任务,具有很好的可解释性,而且可以随时添加新的API。此外,TaskMatrix.AI制定了一个API平台标准,这样所有开发者都可以很容易地将新的模型或者API进行接入。

TaskMatrix.AI就像是建了一座司令塔,每个大模型都能成为其中的“大脑”指挥官,其他专门解决某类任务的模型,则听它的调令。

这个构想非常震撼。

今天GPT人工智能模型的潜力只发挥了很小一部分,大多局限在B2C领域,就已经创造出超过了万亿的市场,未来随着B2B的空间开启,这个市场规模可能是几十万亿。

清华大学智能科学讲席教授、智能产业研究院(AIR)院长、中国工程院院士张亚勤在一次访谈中提到,我们可以把GPT这个系列的生成式AI模型,看作一个由大模型组成的AI操作系统,和PC上的Windows具有相似的意义。一个新的操作系统出来是什么意思?下面的硬件、上面的应用都会被重构、重塑,形成一个新的生态。如果说PC互联网的生态价值是1X,移动互联网的生态价值至少是10X,那么AI生态至少是100X。

可编程的物理世界

图片

什么是产品制造的本质?

伊隆·马斯克的一段话触达了核心,他说:“过去,所有的火箭都成本高昂。所以,未来的火箭制造也必然十分昂贵。但实际上,这个结论并不必然成立。

“你会问自己:制造火箭需要的原料是什么?是铝、钛、铜和碳纤维。然后你就可以按种类计算他们的成本。

“如果你收集了所有的原材料,然后只要挥一挥魔杖,就可以将原子重组的成本降为零。那你的火箭的成本将会是多少?我心想:哇,那成本就会特别低,大概是目前造价的2%。

“问题出在:怎样重新排列原子。所以你需要搞清楚我们怎样以更有效率、更低廉的成本将原子重新排列。我和很多火箭专家安排了一系列会议,只为了搞清楚,是不是有什么我目前不了解的窍门。但没发现任何我目前还不了解的窍门。所以我创办了SpaceX。”

因此,基于第一性原理思考,产品的最低成本=原材料价值(获取原子的成本)+所需知识产权(排列原子的方法)。

正如我在上篇文章《工业AI距离到达“ChatGPT时刻”还有多远?》中提到,原子与比特的距离正在持续性趋近于彼此。

数字化转型正在将基于稀缺的原子经济转变为繁荣的比特经济。

原子经济是一种稀缺且单调的经济,而比特经济是一种富足的经济。在比特经济中,一个人可以在不失去自己的知识的情况下轻松的转移知识,而在原子经济中,转移知识需要很长时间,而且“复制”出来的知识很少像原来的那样。

数字化转型使得当今在稀缺经济中运营的公司,能够将部分业务转移到丰富多彩的比特经济中。

数字化转型是由技术进步推动的,主要是传感器和执行器,以及人工智能。数字孪生是数字化转型不可或缺的关键组成部分,它是一些物理实体的数字模型和物理实体的数字影子。

数字孪生不仅支持监控和模拟,还支持根本原因分析。数字孪生也可以用作物理孪生的代理,这在工业4.0和其他领域中得到了广泛利用。

未来几十年内,更多实体将成为繁荣多彩的比特经济的一部分,例如能源和智能。数字化转型使得在稀缺经济中运营的公司,能够将部分业务转移到丰富多彩的比特经济中。这种转变将需要新的商业模式,因为富足的比特经济有着不同的游戏规则。

诸多技术正在助力这种转变,3D打印和协作机器人,这两项技术是从比特到原子的回归,它会让我们从数字优先的角度来思考制造的意义。AR在某种程度上将比特世界与原子世界联系起来,在原子上叠加比特。VR仅利用比特世界,但也有着许多令人激动的可能性和未来发展前景。

随着数字革命对现实世界的影响已经开始达到临界值,我们正在着手进行下一个重大转变:可编程的物理世界。

如何对物理世界进行编程?就是用软件的方式把我们周围的环境数字化,利用扩展感知的设备来虚实结合的体验和控制物理世界,这种方式可以让我们的生活通过数字形式与物理世界连接。

我们在创造现实之上的数字世界的同时,也需要用数字的方式控制和改造物理世界。设想一种场景,当AI发展到更加聪明的时候,是不是足以替代人类工程师,调试设备,发现问题解决问题,优化生产流程等工作,并通过机器人的操控,控制整个工厂所有生产流程?

虽然听起来有些梦幻,但是并不算特别遥远。生成式AI和大模型让我们看到了利用虚实结合的方式控制物理世界的可能性。用数字虚拟的方式训练生产机器,最终实现全自动化的制造业,让机器制造机器。

那时,无论从制造效率上还是从良品率上,都可以上升到一个相当高的水准。

我们正处在物理世界可编程的初期。数字化做好了之后,才有训练AI的数据,没有数字化,就没有AI。

不过总是想象力有多广,应用就有多广。一些企业正在利用GPT人工智能模型加速这个进程,比如SensorSurf,它是传感器数据版本的Snowflake,一个用于处理从相机、激光雷达等收集的PB级数据的平台。去年12月推出,有2个客户、产生了2.1万美元的ARR(年度重复性收入)。福克斯机器人公司正在使用SensorSurf来帮助训练农场机器人。

在工业领域,还涌现了一批基于工业知识库的类ChatGPT智能聊天产品。例如,立足智能算法和机理模型,卡奥斯COSMOPlat推出BaaS工业大脑,工业大脑内置领域专家智能问答系统,能够根据用户提问,实现在线信息查询、预订、下载等问答识别。

使用工业ChatGPT,工人无需再每天在各种系统间进行切换,查看不同数据信息进行各种操作。设备保养无需再学习保养手册、质量评估也无需阅读大量报表、工厂小白也不需要再询问老师傅生产经验。比如,现场的保养工人可以去问AI系统,这个设备需不需要保养;工厂管理人员,可以直接让ChatGPT帮他写一份提高精益生产的报告等。

人工智能人才集中在产业中

图片

最近,斯坦福人工智能研究所(HAI)发布了2023年AI指数报告,提供了AI领域当前技术成就、政策趋势、经济影响等多方面的最新情况。

研究报告发现,AI博士等人才主要都进入了产业界,让AI产业发展已经自发形成了一个人才与技术应用的正循环。

相比之下进入政府机构的数量仅为0.7%,在过去5年中相对不变。学术界也有较大的降幅。

AI研究的一线正与产业一线统一。

这些人工智能人才正在推进物理世界可编程的进程,让软件定义的产品成为可能,典型代表例如软件定义的汽车。

不仅汽车本身变成了软件定义的智能移动终端,拥有海量数据,涉及车身数据、环境数据、驾驶数据、车内人的各类数据等,还可在全生命周期直达用户,据此可衍生出多类业务模式,如软件算法、虚拟司机、出行服务、运营平台、售后服务及诊断等。

随着人工智能等新一批技术逐渐成熟,个性化的服务从商品页面的个性化推荐,到健身软件中的训练计划定制,一步步走进我们的生活。

软件定义的产品可以做到服务千人千面、常用常新,个性化服务的规模化发展正在开启。

目前一些整车品牌已在进行车辆静止状态下的座舱创新,以激发并满足日益增加的娱乐、休憩等各类需求,这也使得车辆超越了单纯物理移动的意义,类似于智能手机早就超越了单纯的通信意义。

特斯拉车内已内置22种游戏,技术部门正努力将Steam上的游戏库引入旗下车辆,未来特斯拉车机将支持流畅运行Steam。硬件上,2022年特斯拉全系车辆将搭载AMD Ryzen芯片组,性能上媲美最新款的索尼游戏主机PlayStation 5。随着内容生态的日渐丰富,未来汽车可能参与内容的分成,这可能成为一个空间巨大的收入来源。

大众估计2030年汽车市场规模将达5万亿欧元,十倍于目前的智能手机市场规模,这主要是得益于软件和自动驾驶服务能力的提升。大众将在汽车业新未来形成新的商业模式,利润池由整车硬件、软件、电池与充电、移动出行解决方案构成。大众认为未来汽车依然是个性化的产品,但与传统汽车时代相比,品牌的差异性将更多的来自于软件与服务。

写在最后

任何硬币都有两面。

工业壁垒较高,场景需求纷繁复杂,海量工业数据价值挖掘难度大,GPT人工智能模型如果要真正应用到工业场景中,还需要进行深度模型改造和持续优化。工业模型如何训练、如何配置才更合理,如何获得更多样化的真实数据给模型充分的滋养,这些问题有待进一步实践。

虽然GPT在工业还有一段路要走,但更重要的是它已经起步。

参考资料:

1. 如何使用语言模型调度百万量级API?ChatGPT Plugins背后技术解读,作者:Hugh,来源:知乎AGI Bootloader通用人工智能之路

2. 斯坦福最新AI报告发布,12张图看懂AI现状|前哨,来源:全球风口

3. ChatGPT会干掉80%的SaaS公司,连带Office一起,来源:ToB行业头条

4. 一个AI驱动百万个API!微软提出多任务处理模型TaskMatrix,机器人和物联网终于有救了,来源:量子位

5. ChatGPT浪潮重构互联网生态,哪些创业机会涌现?来源:每日经济新闻

6. 万字长文:ChatGPT能否成为互联网后下一个系统性机会?作者:十三,来源:量子位