支持私有云部署
AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


AI Agent应用 | AI+制造业赋能沙龙学习心得1

发布日期:2025-03-14 09:10:02 浏览次数: 1779 来源:数字化转型哲学
推荐语

深入了解AI在制造业的应用与发展趋势,洞悉智能化转型的实践与挑战。

核心内容:
1. AI全球发展趋势及其对制造业的影响
2. AI产品开发流程与制造业企业智能化实践
3. 知识库建设与Agent核心能力在智能化中的作用

杨芳贤
53A创始人/腾讯云(TVP)最具价值专家

第一篇学习主讲嘉宾智谱AI智能制造行业总部总经理何国帅的《AI驱动制造业智能化趋势和实践》。重点关注AI全球发展趋势和制造业企业智能化实践;也十分关注智谱模型矩阵对制造业的赋能,因为时间关系等以后深入了解和学习再作补充;



01

AI全球发展进程和趋势


AI发展进程部分网上有很多资料,就不再复述,重点关注嘉宾对AI全球发展趋势的理解;

一、大模型的商业范式:

工作方式变革->组织模式变革->用户体验变革->商业模式变革->竞争优势变革

心得:
1、结果是所有人想要的,起步却是所有人难以适应的;如何让企业全员理解AI、学习AI、拥抱AI,主动迎接工作方式变革、接受组织模式变革是一个重在课题,万事开头难;
2、组织模式的变革如何设计,这是跨学科跨领域的课题,AI应用很火热,少有在这一课题上的研究;嘉宾只做了抛砖引玉;学习完要进一步去挖这块玉;
3,用户体验的变革,谁来设计、引导和培养用户体验,传统移动互联粗暴式的发展肯定不能再用,也用不了;没有统一的用户体验就没有统一规模化的应用产品;或者说我们不再追求规模化,强调个性化;
4,商业模式的变革和用户体验的变革是一脉相承,相辅相成,同样面临如何设计问题,商业模式变革又会影响组织模式的变革;
5,竞争优势的变革的结果是什么,赢者通吃,还是优胜劣汰后新起一批继续百花齐放;在制造业细分领域可能是赢者通吃;根据这个变革范式,它不是一朝一夕能完成的,完成后的优势差距不是后来者能追得上的;
二、如何开发AI产品
预训练->微调->prompt工程->产品化/工程化

心得:

重点关注“产品化/工程化”;对于制造业来说,AI是工具、是生产资料,没有必要自己去生产生产工具,而是要拿生产工具去创造价值;所以,预训练和微调就不是一般企业去做的;prompt工程用“红衣大叔”的话来说,但凡教怎么设计prompt的都是骗子;随着AI的自主发展,越来越接近自然语言的理解能力,prompt不再是重点,过往prompt的经验随着大模型的升级变得毫无用处;

三、知识库应用三个阶段

心得:
知识库正是体现商业价值的阶段,尽快建设高质量的知识库,这是AI应用的基础;
四、Agent核心能力
WorkFlow工作流和Agent智能体
心得:
Agent WorkFlow要和信息化时代的工作流区分开来;传统的工作流是硬编码/预设计的流程,而Agent WorkFlow是经过根据自然语言理解自主规划的流程,自主的调用不同的Agent去完成任务;

02


制造业企业智能化实践

一、工业知识管理


制造企业大量高价值的经验和知识分散在各类文档或系统中,无法及时反馈生产环节,企业知识资产缺乏有效沉淀,知识存而不用

制造业人才流动率提升,"老带新" 的知识传承和培训方式成本高、周期长,且企业经验知识随人员流失而流失,无法形成资产

传统知识库建设运营成本高,用户使用体验差,不利于知识价值释放

二、工业数据分析

降低用数门槛:自然语言交互简化操作,降低了数据分析门槛,让业务用户可以更自主、快速获
取所需要的数据

提升决策效率与灵活性:支持更灵活的数据分析需求,充分发掘数据赋能业务的可能性

提升数据分析质量:极大地简化即席分析过程,让数据分析师能够更专注于分析逻辑和数据洞察,提高数据分析质量

三、产品设计方案辅助生成
"按订单设计 / 装配" 模式采用的设备等产品,需要根据客户定制化需求进行产品设计,面临零部件 BOM 复杂等挑战,人工设计耗费大量精力用于信息检索等工作,且方案内容存在较大比例的重复性。

四、设备运维

五、安全生产监管

六、技术合同审核

七、智能问答专家

八、销售问答助手与智能问答

画重点,AI让我们赚钱更轻松;


53AI,企业落地大模型首选服务商

产品:场景落地咨询+大模型应用平台+行业解决方案

承诺:免费场景POC验证,效果验证后签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

添加专属顾问

回到顶部

加载中...

扫码咨询