制造业AIGC引擎“奇智孔明” 发布！创新奇智加码“AIGC+制造”

“AIGC+制造”能擦出什么火花？

4月13日，国内“AI+制造”解决方案供应头部玩家创新奇智发布“奇智孔明”AIGC引擎（AInnoGC）。

该产品是制造业垂直场景的AIGC工程算法引擎，依托于创新奇智自研MMOC人工智能技术平台，以工业预训练大模型为核心。奇智孔明拥有五大能力，分别是内容生成、智能问答、多轮对话、推理能力、代码生成，能够满足制造行业企业的个性化需求。

诚然，对于通用行业大模型而言，大量的参数、语料是提高其生成效果的关键，但对于垂直场景来说，其逻辑并不完全相同。以制造业为例，企业对于生成内容的专业性、可用性、定制化等要求更为严苛，因此单纯的堆叠参数可能并不能做出更好用的产品。

当下，全球AI产业已经迎来新的市场机遇期，并创造出一个新世界。大模型作为底层发动机，正在让各行各业产生变革。

但与此同时，一定程度上通用大模型无法满足垂直场景需求的痛点浮出水面。因此，垂直领域的人工智能将与通用人工智能发展相辅相成。

从大模型的发展来看，算力、参数的暴力堆叠已经成为一大趋势，通用人工智能时代的到来已经成为必然。但对于更聚焦、更垂直的行业应用，通用型大模型往往无法精准覆盖到用户需求。

在制造业尤其如此，这一行业覆盖范围之广是其它行业不可比拟的，并且作为技术密集型产业，该行业企业对于智能化、自动化的要求更为急迫。基于此，在生成式AI热潮加速狂奔的当下，深耕AI+制造解决方案的创新奇智开启了从AI 1.0到AI 2.0的进阶之路。

不同于To C属性明显的通用大模型，创新奇智更强调To B，使用制造业中的内部数据去训练工业预训练大模型，在企业数字化转型需求迫在眉睫的当下，将生成式AI引入制造业。

从功能来看，AInnoGC拥有五大能力，分别是内容生成、智能问答、多轮对话、推理能力和代码生成。

让AInnoGC扮演一位修车师傅，当询问“一辆奔驰GLS刹车有异响，可能是什么原因？”刚开始它会给出4个原因及对应解决方案。

当追问“能再说一些其它故障原因吗？”，AInnoGC能准确避开前面已经涉及的原因，用新的原因及对应解决方案回答。

此外，在回答故障原因时，AInnoGC也十分谨慎地要求用户“先进行刹车系统检查”，并“让专业的售后服务人员处理此事”。

同时，AInnoGC还展现了强大的制定计划能力，当询问“编写一份为期三天的汽车工厂培训计划”时，它的回答是：

当将时间维度扩展到七天后，AInnoGC的培训规划计划不仅涉及了每天的培训内容、重点，还规划了培训形式、培训准备、培训总结、培训效果评估。

在代码能力方面，AInnoGC可以用“SQL和Python分别生成2022年某车间生产产品总量”：

做报表时，询问“帮我统计一下某工厂2022年全年每个月员工的平均出勤率和离职率，生成一个表格”，AInnoGC的回答是：

垂直场景下的预训练语料加持，使得AInnoGC在解决制造业客户真正痛点、需求层面正在迸发出强大的生命力，同时此举也能让更多制造业玩家感受到AIGC产业发展的红利。

从应用的角度看，制造业具有特殊的业务属性以及私有化部署需求。十分直观的一个属性就是，各个公司的业务数据、物流数据、管理数据、财务数据都是商业机密。张发恩说：“这些资源都是企业非常核心的私域数据，无法公开喂给大模型。”

这充分体现了垂直行业模型在当下存在的必要性与急迫性。

回到企业角度，制造业智能化、自动化转型趋势正在加速，从AI 1.0的计算机感知、预测、决策能力正在进化到生成能力。

以一个企业中的细分需求为例，作为技术密集型行业，制造业企业对于工作人员的专业技能要求很高，但刚刚毕业的大学生往往缺失这一部分能力。因此，如何让新入职员工快速上手、掌握“实战”技能，通常会需要企业付出人力、时间来为他们的自动化编程和信息处理能力进行培训。

随着生成式AI的出现与应用，这种情况已经发生改变，张发恩补充道：“很多问题都可以通过AInnoGC解决。”比如学生发现程序问题，但找不到程序bug时，这正是AInnoGC的潜力，也是生成式AI与制造业的碰撞。

这背后正是创新奇智在AI领域进行全栈技术布局的优势所在。

创新奇智执行董事、CEO徐辉将他们的技术商业化模式比作了“乐高积木”，基于MMOC平台以及这之上的技术资产，创新奇智就通过“搭积木”的模块化方法不断完善制造业AI产品及解决方案。

落脚到“AIGC+制造”，创新奇智针从制造业的核心痛点出发，打造出更垂直的生成式AI产品。

首先也是这一行业最为关键的一大需求——企业的私有化部署，创新奇智自研了适用工业场景应用需求的基础大模型，支持Zero/Few-Shot In-Context Learning。

其次，不同于C端用户的尝鲜、体验，B端场景下的客户更注重生成内容的专业性、准确度，以及对于问题的快速响应。针对于此，创新奇智通过对接、高效处理企业自有数据，并实现高性能微调，打造出了企业“千企千面”的专有大模型。张发恩补充说，客户的数据是私有的、合法的，将其训练到给客户专门部署的模型，既能保证其数据安全，又能让模型充分理解客户私域信息中的知识。

第三，大模型是一个不断进化、成长的产品。为了加速其迭代、优化，创新奇智为企业提供了完善的企业级Prompt（提示）工程支持，能够让AInnoGC在与企业客户合作是生成更好或者更符合用户需求的结果。

此外，MaaS（模型即服务）已经成为当下AI赛道玩家的共识，对于垂直制造业场景的客户同样如此。因此，创新奇智为客户释放了大模型算法和工程化能力，通过丰富的API/SDK和MaaS服务，帮助客户加速生成式AI应用的开发进程。

最后，落脚到实际的应用中，制造业不仅需要文字语言的处理，在工厂等场景下生成报表、产线设计等需求更为频繁，因此，AInnoGC支持工业缺陷样本生成、交互式报表生成、交互式故障诊断、产线设计生成等 文本/视觉/多模态内容生成。

在此基础上，创新奇智为用户提供了纯软件和软硬结合的两大类解决方案。目前，创新奇智为新能源汽车工厂打造了智能化制造质量管理平台，基于ManuVision机器视觉智能平台，能够将客户的数据信息集中起来，形成一个工厂的“智慧大脑”，让企业真正实现降本增效。

除此以外，创新奇智已经布局了制造业的9个细分领域，并实现了高速增长，这既说明了制造业与人工智能相结合的潜力广泛，更说明了创新奇智对前沿技术的前瞻性，能真正将生成式AI与制造业相结合，释放其优势，做到降本增效。

而这一切都要得益于创新奇智多年积累与对行业趋势的精准判断。生成式AI的热潮来势汹汹，去年11月30日ChatGPT的发布，将其推上了风口浪尖，但能快速切入风口，并深入垂直领域并不是短短几个月就能实现的。

就在3月31日，创新奇智公布了2022年业绩报告，该公司去年全年营收达15.58亿元，同比增长80.9%，其“AI+制造”的营收达9.48亿元，同比增长111.2%。

2018年，创新奇智刚刚成立就将目光紧紧聚焦到“AI+制造”，徐辉说：“我们将人工智能赋能商业价值作为公司使命，并一直坚定地做To B也就是企业服务，尤其是AI+制造。”这在今天已经得到了充分印证。

当下，ChatGPT的出现证明了AI在内容生成领域的巨大潜力，因此，在这波产业浪潮下，创新奇智看到了制造业对于生成式AI技术的潜在需求，并快速将目光从“AI+制造”进一步聚焦到“AIGC+制造”。其杀手锏就在于MMOC技术平台，这一平台具备计算机视觉、机器学习和AIGC能力，AInnoGC正是这一平台目前的集大成者产品。

从其技术平台拆解来看，创新奇智拥有ManuVision机器视觉智能平台、MatrixVision边缘视频智能平台、Orion分布式机器学习平台、Cloud云平台，形成了“云+边+端”的一体化协同能力。

其中，OC平台（Orion on Cloud）是底座，作为AI模型的生产和管理平台，能够降低企业AI开发的门槛和成本。在此基础上构建的AInnoGC工程算法引擎，能最大程度释放制造业企业与生成式AI相集成的新能力。

不可否认的是，AI 2.0时代到来的号角已经吹响，但张发恩认为，从制造业的实际情况来看，一些企业的智能化、自动化水平还远远不够，因此AI 1.0在短期内仍将成为为企业创造价值的“主力军”，不过AI 2.0的颠覆性也并不遥远，“一年半后可能就会成为AI 2.0的天下”。

因此，当下已经成为创新奇智入局AI 2.0时代的绝佳时机。依托于公司自身的技术护城河，在生成式AI浪潮快速席卷的同时，该公司能抓住“天时地利人和”，找到其与制造业的平衡点。未来，AI技术将在制造业更多细分场景迸发出强大的生命力。

值得注意的是，尽管当下通用人工智能的热度高涨，更有人称今年已是通用人工智能时代元年，但新技术的价值需要落地到行业应用中才能真正体现出来，尤其以制造这类需求更为个性化的行业，因此，一段时间内，通用人工智能与垂直场景定制化模型将并驾齐驱。

今年或许将成为通用人工智能时代来临元年，但落脚到应用落地层面，目前垂直场景已经形成了相对固定的产业链条，其更注重本行业的易用、可用性，因此，在通用模型之外，还需要垂直场景的定制化模型。

尤其在制造业，一方面是企业数字化转型的迫切，另一方面则是企业在私有化部署及特定需求方面的痛点，在此背景下，创新奇智作为国内“AI+制造”的头部玩家，已经深谙AI与制造业的契合点。

未来，制造业在AI技术的赋能下将产生更多创新场景，我们拭目以待！