与AIoT结合是GPT大模型从数字世界走向物理世界的必经之路
来源 | 物联网智库2023-07-24 11:02:35
今天这篇文章,我们来观察奔驰如何使用ChatGPT改进汽车的生产流程,并且探讨GPT大模型与AIoT相结合的场景以及最新实践。

导读

今天这篇文章,我们来观察奔驰如何使用ChatGPT改进汽车的生产流程,并且探讨GPT大模型与AIoT相结合的场景以及最新实践。

图片

这是我的第289篇专栏文章。

这周“百模大战”愈演愈烈,一向冷静的苹果公司也被爆出正在暗中开发Apple GPT,直接与OpenAI和谷歌打擂台。

此前,微软一手抓闭源GPT-4,一手抓开源LLaMA 2,股价一路飙升。这次,坐拥15亿用户的苹果一旦加入,有可能快速改变大模型的竞争格局。

自从2023年初以来,关于大模型的各种新闻不绝于耳,其中大部分消息都是来自大模型的供应方,相信你也和我一样,产生了某种程度的审美疲劳。

OpenAI、Meta、微软、苹果…无论各家的做法是激进还是保守,带着大模型从“炫技”走向“实用”才是真谛。

经过大量信息的狂轰滥炸之后,大家普遍进入了冷静期。大模型想要真正成为生产力的变革工具,唯一的路径就是与各种场景相结合,产生落地应用。

本周,梅赛德斯·奔驰透露,他们正在使用ChatGPT进行智能汽车的生产测试。

这个消息就像是一股清流,让我们可以一窥大模型使用方的看法和进展。

奔驰的工程师们利用GPT大模型学习汽车生产数据随着时间推移的变化,从而形成快速制定战略决策的技能。

曾有观点认为多模态大模型+物联网将是下一个“风口”,这一说法还有待时间的验证。

不过随着大模型的快速更新与普及,确实有越来越多的企业正在尝试和使用它。

如果GPT大模型要从数字世界走向物理世界,与AIoT结合是必经之路。

因此今天这篇文章,我们来观察奔驰如何使用ChatGPT改进汽车的生产流程,并且探讨GPT大模型与AIoT相结合的场景以及最新实践。

数据“民主化”,奔驰在智能汽车生产中测试ChatGPT

图片

奔驰公司本周透露,他们在MO360系统中启动了ChatGPT项目。ChatGPT主要用于质量管理、故障识别和分析,以及流程优化。

大名鼎鼎的MO360是“梅赛德斯·奔驰乘用车生产运营360”(Mercedes-Benz Cars Operations 360)的缩写,代表了生产体系中一整套数字化生态体系,360则寓意生产管理过程的360度全方位的数字化。

该生产体系连接了包括车辆、机器人、生产流程等,生产人员能够通过无缝连接的数字交互界面访问以上任一部分的数据,让工作更有效率,同时也更轻松。

在现有的MO360中已经整合了一系列的数字化工具,力求实现最大的透明度,从而提升生产效率、优化质量管理流程。

从2020至2022年,凭借优化的流程、丰富数据以及基于实时数据的迅捷决策,MO360将生产效率提升了15%以上。

这次ChatGPT在MO360中的测试,可以说起点很高。

因为MO360已经连接了完整的生产数据库,随时掌握每辆汽车的精准生产状况,每当检测到偏差时,管理系统会直接在智能手机上通知质量经理和生产人员。

ChatGPT的引入,让数据更加“民主化”,更多相关的工程师可以使用这些生产数据来实时评估流程和修正错误。

通过ChatGPT,工程师与系统的交互以最常用的语言进行,降低了沟通门槛,并且促进了工程师之间的彼此协作。

查询不再是复杂的编程功能,而是由对话引导自然而然进行的流程。即便是没有编程知识的员工,也可以进行查询操作。

引入ChatGPT的目的是,奔驰希望在最短时间内,产生支持整个生产链路的战略决策。

基于ChatGPT的集成,奔驰还实现了全天候的员工顾问支持,生产员工通过MO360的自助服务门户进行沟通,获得所需答案。

作为车主也可以使用ChatGPT提高沟通体验,奔驰让客户可以观看爱车的装配过程,购买体验从造车阶段就已经开始。

同时奔驰也考虑了数据安全与隐私问题,生产数据保留在MO360数据平台中,并对关键信息进行了匿名处理。

根据奔驰公司管理委员会成员、生产和供应链管理经理Jörg Burzer的介绍,ChatGPT降低了会议、沟通、差旅的时间和成本,使用可持续的方式优化了生产流程和质量管理。

试点阶段成功之后,ChatGPT将在整个梅赛德斯·奔驰的全球生产网络中使用。

奔驰的情况并不是个例,另据Statista的研究分析,生成式AI对于企业的成本节约效果非常显著,在供应链管理、生产流程、产品服务等环节都有突出表现(如上图所示)。

与AIoT结合是GPT大模型从数字世界走向物理世界的必经之路

图片

由GPT大模型所指向的AGI通用人工智能,其背后的真谛是“实用”,在行业场景中落地用实际效果说话。

只有从数字世界走向物理世界,真正的赋予万物智能,GPT大模型才可以脱离“炫技”的嫌疑,给生活带来真正的改变。

然而,GPT大模型在物理世界中并不适用,它只是一个数字模型,无法处理物理世界中的实际对象和事件。

而AIoT正是大模型与物理世界的连接器。

物联网可以将物理世界中的各种实体,如传感器、设备、机器等…连接起来,从而将数字世界和物理世界结合在一起。

AIoT的出现,让物联网设备不再仅仅是数据的收集和传输工具,而是能够进行数据的理解和决策。这无疑提升了物联网的功能性和效率,也让物联网设备更加智能。

AIoT的关键并不在于硬件本身,而在于数据和智能。

根据IDC发布的数据,全球数据总量由2019年的45ZB将增长至2025年的175ZB,年均复合增长率高达25.40%。而且中国的数据总量将会以每年30%的平均速度快速发展,在2025年达到48.73ZB。

也就意味着,2025年中国将拥有全球最大的数据圈(每年被创建、采集或是复制的数据集合就是全球数据圈)。

这些数据包含家庭数据、公共数据、个人数据以及商务数据,但目前80%的数据没有经过很好的整合和结构化。

万物智能的关键就在于将数据进行点对点的归类和逻辑关联。数据背后的分析才能真正运用在实际生产、生活之中,起到指导作用。

通过与AIoT的结合,GPT大模型可以获取来自物理世界的数据,并将其转换为语言,从而实现物理世界与数字世界之间的交互。

因此,与AIoT结合,是GPT大模型在行业落地的必经之路。

从路径上来看,在数字化时代AIoT已然在逐渐影响着生产、制造、生活的方方面面,AIoT与大模型的结合,可以从以下5个方面进行自然延伸和应用:

1.数据收集和训练

AIoT可以提供丰富的实时数据来训练和改进GPT大模型。传统上GPT大模型主要依赖于网络文本数据,而AIoT设备可以提供更多体现日常物理世界的声音、视频和传感器数据。

2.智能设备交互

训练好的GPT大模型可以部署到智能设备上,与用户进行更自然的对话交互。在目前GPT基本上只能与PC进行文本交互,而AIoT设备能让GPT与用户的交互超越文本,利用语音和视觉等多模态。

3.自动化控制

GPT大模型有机会不仅仅止步于交互,还能用于实现基于语言的自动化控制。比如用户可以说“关闭厨房的空调”、“把台灯调亮一些”等指令,GPT大模型理解然后控制相关的AIoT设备。

4.场景推理

结合AIoT设备收集到的丰富物理世界数据,GPT大模型有望做出更复杂的场景推理。比如看到用户打开洗手液瓶盖,GPT大模型可能推理出用户想要洗手,自动打开水龙头,完成日常物理场景的推理。

5.安全隐私

GPT与AIoT未来有望更紧密结合,但也需要关注新的安全和隐私问题。在处理大量敏感个人数据时,证明GPT大模型的安全性和透明性将变得至关重要,同时GPT大模型也可被用来模拟黑客强化系统的安全性。

总的来说,GPT大模型与AIoT的结合将会是一条不可逆的趋势,有望让AI模型从数字世界走向物理世界,提供更人性化的服务。面对这种转变,我们应积极拥抱,不断探索和创新,以实现万物智能的更大价值。

从“炫技”到“实用”,GPT大模型走进物理世界的最新实践

图片

在实现万物智能的道路上,文初提到的奔驰等车企对于GPT大模型的态度尤为关键。

因为汽车是一个相当典型的AIoT终端,无论是汽车的生产线还是汽车本身,尤其最能体现出AIoT与GPT大模型相结合的功效和作用。

随着消费者与汽车之间关系的不断变化,“开车”的含义不再仅仅是“驾驶车辆”。未来,汽车可以知道乘坐人员是谁,为他们作出决策,甚至可以成为可信的伙伴。

消费者非常渴望汽车成为生活中的一种“亲密”智能设备,尽管它是重量以吨计的“大家伙”。

随着从传统到智能的转变,汽车正在成为我们身边最大的“数据发生器”,这些数据如果善加利用,可以很好的提升我的生活品质和工作效率。

因此当这些数据在线、当服务连接的时候,更为重要的是如何发挥数据的价值。

当大量的数据被沉淀、被分析之后,还可以用于改善用户的驾驶习惯、补充道路数据、帮助产品功能改善等。甚至是如果这种数据和相关部门合作之后,很可能会带来更大的效果——在智慧交通以及城市规划,甚至是用户衍生需求上会产生更大的作用。

因此汽车行业对于AIoT与GPT大模型的结合应用场景非常丰富,值得重视。

图片

在我们此前发布的《2023年中国智能网联汽车产业洞察暨生态图谱报告》中,对大模型在汽车领域的应用做过详细梳理,欢迎感兴趣的朋友查阅。

还有一些企业,比如谷歌和阿里等,将GPT大模型与AIoT机器人相结合,探索具身智能领域的应用。

GPT大模型的突破为人机交互提供新的思路,有望充当机器人大脑,让人们能够采用更直接、轻便、灵活的方式对机器人实现操控。

多模态的引入更进一步拓展交互的丰富性,大幅提升人机交互和环境交互能力,助力机器人能力再上新台阶。在工业自动化、医疗健康、家用服务、教育、娱乐等众多领域,帮助人类实现极端环境作业、多领域降本增效。

在机器视觉领域,360和宇视进行了诸多尝试,他们将多模态垂直大模型与AIoT系统相结合,可以针对安防等场景做出行业数据微调。

一般情况下AIoT摄像头普遍用于事后的回溯、追查,当与GPT大模型结合之后,摄像头可以更准确的对当前事件进行判断,争取做到同步的告警、提示。

智能家居领域,智能音箱成为了GPT大模型的“登陆”入口。

在GPT大模型能力加持下,智能音箱能作为智能家居的管家,可以通过理解用户意图,调动其它设备,比如电视、空调、电灯和扫地机器人等,助力智能家居实现多场景之间相互配合。

还有一些企业将GPT大模型在特定的场景落地,比如数字化门店解决方案提供商汉朔将大模型应用于智能零售领域。

随着GPT大模型的全面接入和应用,AIoT智能零售解决方案的工作效率和自然交互得到提升,特别是在门店体验、数据分析和工作流程自动化等领域,加速了零售产业数字化转型和发展。

写在最后

图片

如果说数据是新的石油,那么大模型就是新的电力。

万物互联变成基础设施,数据变成新的生产资料,AI大模型变成新型的服务,这三者裂变的结果是新经济的出现。

AIoT的关键并不在于硬件本身,而在于数据和智能。

随着由AIoT所带动的各行各业深度信息化,形成了各行各业的数据;同时场景得到的数据和智能,又可以应用到各行各业;各行各业的应用又产生了新场景,反向地增强数据来源、处理能力以及智能,不断地去循环往复…

从“炫技”到“实用”,善用数据而产生智能,与AIoT结合是GPT大模型从数字世界走向物理世界的必经之路。

参考资料:

1. 大模型是大脑、物联网是感官,阿里判断AIoT大爆发的背后逻辑,来源:物联网智库

2. 周鸿祎:多模态是大模型发展的必经之路,与物联网结合是下一个风口,来源:36Kr

3. 天猫精灵回应大模型内测:眼镜、APP、AIoT将陆续覆盖可用,来源:搜狐