实时监控生产线、预测设备故障、快速检索信息、精确检测、智能调度......AI大模型技术正在为一线制造员工带来了前所未有的体验。

一线制造员工在AI大模型技术的帮助下，其繁重的任务和复杂的操作正在变得智能化、便捷化，这些工作变得更为轻松高效。

从实际落地角度看，虽然AI大模型具有强大的功能，但如何将其有效地应用到一线制造过程中，确保技术与实际应用的紧密结合，仍存在大量痛点。

2024年5月30日，虎嗅智库特邀海尔卡奥斯智研院执行院长秦承刚、河北工业大学研究员&河北省数据驱动工业智能工程研究中心主任刘晶、钉钉解决方案总经理&战略客户部总经理邱达，分享讨论人工智能及大模型在企业内赋能一线制造员工的落地实践案例，同时聊聊他们的看法，以下内容为观点回顾：

最关键的是，大模型还改变了人和设备之间的关系。工艺员不再需要到注塑机面前，直接在办公室就可以通过大模型操作这台设备。通过这种方式，把工人的经验提取出来，再进一步变成大模型的能力，能彻底改变工厂或者企业这种经验新老传承的问题。

2、在设备检修环节，通过带有智能交互系统的设备维修智能体，可以取代十余个工人对大型工厂的上百台设备做日常的故障排查和修复。当大模型和设备维修知识图谱结合在一起，就能够大幅提升对故障定义判断的准确率。大模型接收到故障报警以后，基于报警信息会先去做推理，排查故障，找到它的根因。

维修工人的培训周期长，成熟的维修工人很容易流失，新人来了还需要重新培养，所以经验很难传承。另外，每一次的维修时间都很长，平均下来从故障排查到维修结束，大概需要三个小时的时间。工人的经验全部都沉淀到大模型里面来，一个新的员工进来，通过跟大模型的交互，就可以很快地上手去做设备的维修。

海尔卡奥斯提供资料

3、在轮毂机加工环节，（中信戴卡的）轮毂从熔炼-铸造-热处理-机加工-涂装-包装这条流水线上，最容易出问题的环节就是机加工，尺寸要求达到μ级别。过去，通过有经验的师傅拿到了误差值，凭经验来进行削切刀补的方式存在诸多痛点，比如：培养的时间太长，很难沉淀专业的知识库；尺寸往往都是受限于上限，普遍都是有一些超重，造成成本浪费；调整起来过程太长，设备的利用率不足。

用了知识图谱进行数据驱动之后，系统能够马上自动调整反向控制三角标的误差，不再需要老师傅再进行任何的干预，在这个工程过程中实现机器在自动巡游。不仅大大节省了人力成本，还能降低原材料的浪费。

刘晶教授提供资料

3、在数据资产整合应用环节，中国一汽集团用了钉钉智能用数的能力，通过AI大模型的能力实现了离散数据的自动化链接和梳理。从而也帮助企业高层提高了数字化视野和决策能力。

在制造业场景里面，像安全早会、SOP的执行等行为规范基本上是挂在墙上、停留在指尖，非常难的去落地。现在，通过一个简单的AI闪会和音视频的能力，把整个早会或者是SOP的监察的过程接入到大模型。通过语义分析，就可以发现哪些事情做了哪些事情没有做，把真正的SOP执行落到实地。另外，通过语音交互就可以将表单、请假或者是故障的填报自动完成，去释放最后一公里的生产力。

钉钉提供资料

如今，人工智能其实还是处于一个辅助的作用。未来，对于一家工厂或企业来说，一方面，在大模型的支持下，我们是希望能够把它改造成一个工业智能体。另一方面，面向企业的全生命周期，利用大模型对企业工作进行重塑，在企业的所有环节里面大模型都能够发挥作用，包括像研发设计、工艺流程、生产制造、成本&能耗、营销、客服、智能办公等环节。

所有企业的竞争已经从要素市场技术等传统竞争走向了数据算法的竞争。无论是大模型还是小模型，成为产业占据制高点的核心要素。未来每一个工厂都有两个体，一个是实体，一个是虚体。虚体是软件数据和模型，在数字世界闭环，由数字世界的模型和数据来指导物理世界。

现在做数字化，好多人都跑去做大模型，这个问题大家回头可以看一看自己是谁。如果是行业的领导者，那就应该尽其所能，稳扎稳打，扩展你的宽度。如果你是跟随者，想尽快升为领导者，就要穷尽所有创新的可能，这可能一下子就颠覆了你这个行业的进程。如果你还在生存线上挣扎，大模型也好，小模型也好，都不一定适合，中小企业可能用AI大模型去做产品的差异化要比节约成本更重要。

大小模型的选择的逻辑上来讲，在产业界里面，无论选择哪个，都应该以落地和解决问题为目的。