制造业转型进入深水区怎么做？亚马逊云科技与合作伙伴要做好“最后三公里”

「我没有听懂你的意思，请再说一遍…」。

一声苹果siri的反馈，打破了原本严肃的媒体交流会。

中科创达物联网事业群副总裁杨新辉笑着说，你看，苹果的Siri还是不行，但推荐大家去试试OpenAI最新发布的GPT语音版，效果非常好。

这段插曲来自11月9日的“亚马逊云科技赋能制造行业加速创新媒体沟通会”，其Slogan为“乘云驭智 开启新篇”。

在活动中，亚马逊云科技与合作伙伴施耐德、中科创达，围绕制造业数字化转型、生成式AI+制造业、制造业出海、绿色制造方面进行了相关介绍。智次方・物联网智库现场参与，将主要内容整理如下。

工业制造数字化进入深水区，云厂商能做什么？

亚马逊云科技顾总首先分享了行业洞察，目前中国工业企业发展上，面临全球供应链重构，出口承压等问题，出海建厂也已经成为趋势。此外，制造业客户在加速转型，关注AIGC技术，关注绿色、可持续发展。数字化正进入“深水区”。

AWS能做的是什么？

其一是加速数字化手段研发上市。AWS表示，如果产品延迟半年，利润就会减少33%，效率越来越重要，AWS聚焦在CAE、EDA、eVDI三个部分。

以EDA为例，整个中国都在构建自己的芯片设计能力，但是否上云、如何上云，这是个问题。AWS提供了端到端全流程的芯片设计及验证一整套方案，对于大客户，AWS面向SoC需求，提供了混合模式的设计环境，在本地机房资源不够时，云上能把峰值资源接起来；对于连IT团队都没有的初创团队，也提供SaaS。

比如NXP的合作，这家芯片大厂选择了All in AWS云，数据量突破2.5PB，云上核心应用超过1亿小时，CPU峰值超过5000+个核。

其二，提高OEE优化生产；

AWS透露，提高工厂整体设备效率OEE很难，当数字达到85%，可谓世界级制造企业，60%是大多数工厂设备的效率数值。

AWS可以构建应用包括：工业数据平台，让IT与OT能够融合，进而构建OEE关键场景。

以化工企业INVISTA为例，其600台本地服务器迁移上云，利用了数据湖、数仓、Sagemaker等产品与技术，构建了整个数据基座，释放IT/OT价值；

在工业视觉检测方面，AWS还可构建云边一体的方案，满足工厂内端到端的视觉检测需求。西门子成都工厂被认证为全球九大灯塔工厂，AWS解决了工业废料自动分拣的需求，云端模型训练+本地部署推理方式，替代了人工。

该项目准确率95%，危险废料准确率100%，本地需要十多个小时的训练时间，在云上只需要2小时。此外，还提供模型迭代服务。

其三是优化供应链；

面向供应链效率和弹性增加上，AWS认为，首先要把供应链数据打通，做到可见，再做可控、优化。

跟合作伙伴做的案例中，他们要将两部分数据，注入数据湖中。这包括业务数据及流程执行数据等方面，也包括物理供应链网络中实物的数据。依靠上述数据，再结合AI/ML进行评估和预估。面向某高科技制造客户，AWS表示，对方库存周转率能平均缩短1天。

最后是创新的收入来源。AWS可以让客户聚焦在设备和机器数据连接上云，存储之外再去分析，根据数据打造应用。比如边缘设备远程控制管理、边缘检测，以提供软硬件打包售卖。举例来说，英格索兰使用了AWS服务，做到了空压机设备的集中监控，还能提供客户智联云产品。

生成式AI新场景

关于生成式AI，麦肯锡提出该技术新增的应用场景，能产生经济效益为6.1-7.9万亿美元。那么哪些场景率先产生价值？

AWS认为，未来18个月内，生成式AI在制造3个领域起到作用：生成制造、产品开发、产品供应链和销售。

当然，不是所有人都希望把AI用到方方面面，比起大模型，还是应用为王。无论To谁，AI对场景的满足和重构才是最重要的。

对此，AWS表示，他们能提供正确路径，包括：

（1）定义场景和用例；帮助客户了解并理解场景，这背后AWS深入大量制造业场景，理解案例，并帮助客户找到适合的场景；
（2）选择基础模型/预训练；
（3）提示词工程、知识增强、微调+效果评估；
（4）部署模型及运行推理并构建基础模型驱动的APP

纵观整个过程，对话式AI贯穿始终，也比较成熟，一般用在知识管理部分。此外，生成产品创意设计、生成式产品营销也是AWS看好的价值场景。

具体来举例看，原本工业的手工外观设计，提交渲染，再评审，但结合生成式AI后，变成了AI批量生成设计，挑选最优方案自动批量渲染，再放到数字资产管理平台里面去。

工业设计与消费设计不同，需要与传统工业的工作流及数字管理等方面联动起来。合作方比如神州泰岳、海尔。AWS与计算美学、神州泰岳、Share Creators合作，服务于海尔，其效率提升了83%。

知识库场景方面，比如工厂设备维修知识库，原本用关键词匹配，提问相关的文档并不能提供直接回答，且文档中也需要读者自行查找相关内容。但生成式可以快速理解问题，并进行连续问答，对企业知识库场景提供质变，AWS与国内LLM伙伴合作，基于检索增强技术，提供生成式知识库的方案。

比如在给西门子服务案例中，企业内部检索一直是个痛点，该项目由数据中台团队与业务部门合作，大家一起提供了知识库应用，生成式对话机器人，小禹。

该产品会先检索知识信息，再通过LLM拼成“人话”。

此外，AWS还构建了生成式AI会话解决方案指南，帮助客户，基于80%的原有工作，结合20%定制化工作，满足需求。这背后是西门子自己完备的大数据平台“大禹”，进而在短时间构建AIGC应用。

生成式AI落地为什么难？因为“最后三公里”包括大量技术落地需要解决的问题，需要懂云、数据、AI。原本云厂商及IT服务公司服务于电商、游戏，但现在，“最后一公里”变成了“最后三公里”。制造业出海正进入“数字远航”时代。