6月26日，“智聚廣發·匯創未來”粵港澳大灣區電子信息產業上市公司論壇在廣州順利舉行。賽意信息（300687）董事長兼CEO張成康受邀出席，與企業深入探討電子信息產業動態，把握時代發展新機遇，共同推進經濟高質量發展。
隨著全球生成式AI熱潮的興起，標志著人工智能進入普及應用，IT技術與產業創新進入以AI為中心的時代。廣發證券發展研究中心首席分析師曠實表示，“以ChatGPT為代表的大模型成功出圈，加速中國大廠自研大模型和商業化落地進程“，廣發基金電子信息傳媒基金經理馮聘則認為人工智能正在引領新一代技術革命，眾行業因此也將迎來全新的變革。
(相關資料圖)
大會現場，賽意信息董事長兼CEO張成康結合行業應用案例及賽意解決方案，以《AI新時代下制造業實踐創新探索》為主題發表演講，深度分享AI如何開啟新一輪生產力增長浪潮、賦能制造業升級。
以下是張成康的演講內容精選，在此特別與您分享。
交互方式重大提升，進入人機對話時代
企業的信息化從紙筆時代到代碼+圖形時代，現今，在AI帶動下已然跨入“對話時代”。在電子制造領域，基于AI大模型前期積累的大量成熟的識別結果（客戶資料及MI），建立工程參數和客戶描述之間的關系，能夠自動提取需求，智能解決文件格式不統一、工作量大和效率低的痛點，極大程度減少人工成本，解放工藝師的生產力。據實踐測算統計，參數提取的時間可以從目前的小時級優化到分鐘級，減少40%的人員需求。
從客戶個性化需求到標準化可量產訂單的生成一直是電子廠商在效率上需要突破的痛點，當前有望在AI的輔助下進入到拐點。從更廣闊的生產制造范圍可以看到，低門檻、高效率，不易出錯的未來“所說即所得”式定制化生產模式悄然而至。
未來的企業數字化來自于人機自然交互
典型的AI落地實現路徑的方法論應該是從人向機器設定作業目標開始，經過大模型處理目標請求并生成反饋、AI生成任務列表、和其他AI控制的內外部業務服務協作到處理并存儲數據，AI自身會形成持續迭代任務的閉環能力。無論是開發聊天機器人這類面向結果開放性的任務，還是在供應鏈管理中，AI用于預測需求這類結果確定性的任務都能以精確、可靠和安全的方式達成。
此外在復雜多樣化的場景中，AI技術與工業需求相互匹配解決點狀的復雜特異性問題，實現面向場景的建模與優化，如設備健康管理、生產參數優化、需求預測、質量綜合管控等場景。工業視覺在制造業的應用，基于工業智能視覺的工業現場質量與安全管理系統，日和通過AI深度學習與多傳感器融合感知，進行合規性識別。這種系統可以判斷人的行為軌跡、目標狀態以及場景內的變量元素，是否符合規范要求，從而輸出告警結果，達到主動防御和違章預警的作用。此外，工業視覺智能還可以覆蓋質量管理的全過程，包括供料監測、過程質量、人員作業質量和成品質量。
隨著AI能力日新月異的進步，以及人們對AI能力的掌控認知的提升，面向相對復雜的工業問題，不同場景中的應用價值可能會因“AI+工業場景”處于不同發展階段，從而呈現較大差異性。但隨著與物理化學、科學計算等更深層次機理的融合，AI有望產生巨大的創新價值。
AI智能研發輔助，助力快速落地產品
作為國內企業數字化服務領域先進的領軍企業之一，賽意信息致力于工業互聯網、智能制造、數字化轉型等領域的技術與商業模式應用，為企業提供高端軟件咨詢、實施、集成服務。賽意信息基于近20年代行業深耕經驗及技術創新實力，自主研發了賽意·谷神工業aPaaS平臺。
賽意·谷神工業aPaaS平臺作為賽意信息自主研發的集設計、開發、集成、實施、應用、治理于一體的企業云平臺，是賽意信息自主產品的主力孵化器，目前已孵化出業財融合平臺、IT業務智能運維ITSM、集成供應鏈等業內頗有影響力的產品線。
賽意·谷神工業aPaaS平臺基于擁有上下游企業大量的垂直行業知識經驗，基于此構建大量可復用的低代碼開發模塊和原理模型組件，能夠為工業AI模型的訓練奠定良好的基礎，從而支撐工業APP的開發推廣加速；基于AI能力提供代碼自動化的幫助，用自然語言描述非程序員的工程師想要的應用、流程或機器人，從創建組件到提供改進建議都能在更短時間內完成，使得他們能夠更好使用低代碼平臺能力進行應用端開發。
賽意·谷神工業aPaaS平臺通過數據分析和模式識別，可實現基于業務需求快速生成技術實現方案和代碼生成等核心功能，有望讓研發效率提高30%以上；在企業工業App構建方面則有望提速達50%。這一切的推動力核心就源自于AI對各項模型提取、研發設計、應用程序的加強賦能。
AI時代強者恒強，數據+場景洞察成壁壘
面對風起云涌的AI大潮，企業利用AI的強大能力討論已經從“要不要”轉變為“如何做”。以大語言模型為起點的顛覆性人工智能工具軟件帶來了更加智能化、自動化的交互模式變革，時代的進步點亮了人類科技樹上生成式人工智能的分支，成為社會發展上重要的里程碑事件。
隨著我們進入深度學習的時代，有大量的業務開始需要系統處理非結構化數據，并生成業務洞察。目前看到這次浪潮真正的變革來自于通用智能。
通用智能是指機器具有面向目標的能力，能夠自主決策，并調動復雜的軟件系統。但在實際生產環境中的一般規則的理解和調用還是需要結合工業現場的“人、機、料、法、環”等要素進行配置，另外海量的數據作為模型的原始訓練素材如何進行可量度、標準化、標簽化等價值輸出，目前的落地路徑還是掌握在多年持續服務制造業的技術服務商手中。頭部廠商在數十年服務下游行業客戶的過程中積累了海量工藝know-how數據，在AI大模型快速迭代發展的背景下有望率先挖掘過往數據價值為客戶提供最佳工藝優化方案。
發展路徑上，AI技術創新后，會按照技術創新-應用探索-工程化路徑演化。AI技術創新和工業領域融合應用之間的滯后周期有望不斷縮短。大模型的泛化能力經過行業專屬數據的微調，監督學習等方式收斂錘煉成行業模型和場景模型，未來有望在具體的細分領域開展應用，產生大批量工業領域探索實例的時間應該不會太遠。總體來說，對于行業內生態參與者、建設者，人工智能不僅僅一種技術或工具，它更是一種推動制造業創新和變革的力量。
關鍵詞：
