数字孪生关键在于模型构建

“相较于消费互联网领域AI呈现出的巨大潜力和价值，AI在产业互联网领域落地相对比较缓慢。”忽米技术副总裁姜仁杰在接受工业互联网世界记者采访时表示，消费互联网领域规模优势决定了AI模型在海量数据训练和深度学习中已具备较高精度的辨识能力，实现深度应用并发挥巨大价值。但在工业领域落地，还存在着三个主要的挑战：

一是数字化基础薄弱，国内工业企业的信息化和数字化能力相对较弱，大部分企业还停留在自动化到信息化的阶段，数据资产化意识较差，以数据驱动为主的工业AI应用没有充足的数据“滋养”。

二是场景碎片化严重，中国涵盖了所有的工业细分门类，决定了国内工业领域个性化差异大，导致大部分企业对场景挖掘的动力不足，无法持续地推动AI与工业深度融合发展，致使工业AI在企业内部的价值体现较低。

三是复杂机理存在短板，目前国内在高端装备研发存在卡脖子的问题。该问题暴露了国内在复杂机理模型方面的基础研究存在短板，而预测性维护等工业算法又强依赖机理，导致AI在部分高附加值的装备预测性维护应用场景中难以落地。

尽管工业AI在工业领域应用还面临诸多挑战，但沉淀和资产化海量工业领域数据,并依托工业AI能够挖掘出工艺优化、良率提升等关键因子,已成为企业降本增效提质的重要手段。目前以机器视觉为主的算法已经在质量检测、物品分拣等场景有较为成熟应用。比如通过专家系统进行设备故障推理和定位、推荐控制参数、进行产线工艺参数寻优等。另外近期一个值得关注的消息是北京国际大数据交易平台上线工业数据专区，面向企业提供数据登记、确权、评估、流通、交易、跨境等“一站式”相关服务。这对于缺乏样本进行模型训练和调优的工业数字化企业是一个利好的开端。

针对最近爆火的ChatGPT，会在工业领域碰撞出什么不一样火花？姜仁杰告诉记者，ChatGPT作为一种大规模语言处理AI模型，能够以更为人类理解的方式来进行内容生成。可以预见ChatGPT在上下文语义理解、需求分析等领域具有革命性的创新。

同时，ChatGPT也可以与工业领域知识结合，构建工业领域在设计、生产、运营、仓储等关键环节的智能化行业专家库，并逐步往故障诊断、根因分析、预测性维护等应用场景纵深发展。另外，在工业轻量化应用低代码化甚至无代码化场景中，可探索依托ChatGPT强大语义理解能力构建智能化需求分析系统，实现工业应用需求设计与工业应用编码实现的一站式转换，充分发挥ChatGPT在语义语法理解和机器语言转译的能力。

据记者了解，忽米作为西部地区首个国家级工业互联网“双跨”平台，在工业互联网行业有着非常深入的实践探索经验,工业互联网平台为工业企业提供数据采集、存储、分析技术支撑。忽米依托历经五年打磨的工业互联网平台技术底座，开始聚焦和深耕适应自身和行业所需的平台+场景+AI的端到端工业智能化解决方案。

姜仁杰告诉记者，忽米在工业AI已有相关的业务布局，主要体现在三个场景。

一是在产线装备场景中，忽米通过机理+算法实现设备智能状态监测、故障智能诊断和寿命预测等技术手段实现设备的预测性维护，从而实现装备运维智能化；

二是在车间生产场景中，忽米以智能排产为代表的产线智能化，通过融合订单数据、原材料数据以及设备状态数据等，借助运筹优化等智能排产算法，实现生产过程智能化。

三是在公司运营场景中，忽米通过以工艺质量和能源消耗为代表的运营智能化，通过AI算法结合产品质量以及能耗数据等，寻优关键控制参数，实现运营管理智能化。

“可以肯定的是未来AI技术将在工业制造业领域发挥越来越重要的作用。”姜仁杰最后也谈到其对目前比较热门的工业数字孪生的理解，他表示数字孪生真正核心在于三个模型构建，
一是信息模型构建，以标识解析，物模型等技术为代表。
二是几何模型，以AR、VR、3D渲染等技术为代表。
三是机理+AI算法模型，可以说AI算法模型才是工业数字孪生的核心，也是未来各家工业数字化企业的核心竞争点。