近日GPT-4成功得出P≠NP，陶哲轩预言成真。你是否想过利用GPT-4推动解决自控领域的技术难题呢？在西门子的尝试中，我们的同事通过多轮迭代，利用GPT-4生成分线性大时滞多因素PID整定控制算法，完成某行业具体工况下的模拟验证，同时实现了自动化工程师和算法工程师协同才能完成的工作，并降低了时间成本。

以ChatGPT为代表的通用大模型已经展示出强大的AI能力。但在应对垂直领域问题时稍显外行。相比于通用大模型，垂直大模型能够更地满足行业特定需求，提供相对细分且更高效和jingque的解决方案。在西门子看来，这是两条不同的技术路径，一种是将通用大模型直接应用于工业场景，起到“副驾驶”的作用，这是我们现阶段已经在探索的应用方向。另一种是以通用大模型为基础构建垂直大模型，起到“领航员”的作用，这则是我们正在进行积极探索的方向。从“副驾驶”到“领航员”，两种路径的终目的都是为广大的制造企业破解难题提供新思路，赋能未来制造业发展。

AI赋能：让更多制造业场景收获科技红利

相比电子商务和消费领域而言，工业AI的起跑时间较晚，发展方向相对有限，目前质检成为AI与工业结合为典型且相对容易被理解的应用场景，但其实工业AI的应用远不仅仅局限于视觉检测。

随着技术、算法、资源和人才的不断充实，人工智能正在渗透至工业的各个方面，应用领域不断拓宽。从设备预测性维护、产品外观检测、排产调度优化等方面，到更多的在人、机、料、法、环等工业原生需求领域拓展，工业AI的应用场景正伴随着客户需求的多元化与技术的逐步成熟，呈现出更为立体和丰富的轮廓。

作为自动化和数字化的和推动者，西门子深知，工业人工智能技术唯有与更广阔的生产场景相结合，才能真正打开它的价值触点，为工业企业创造更大价值。去年，西门子发布《未来自动化——工业人工智能白皮书2022》，以帮助制造企业了解和挖掘更为丰富的工业AI应用场景，为企业实现降本增效提供更多创新思路。无论是发现质量问题（质检）、找出质量根本原因（分析），还是提高产品质量（优化），AI都拥有巨大的发展潜力。比如在寻找影响产品质量的根本原因时，借助于AI技术，能够有效解决底层数据源对接的问题以及统计分析技术在处理大数据方面能力不足的问题，节省常规统计分析和人工经验排查所需要的大量时间和成本。

AI赋智：让控制更灵活高效

中国制造产业结构正在加快从量大到质强的转变和升级。面对高度“内卷”的市场环境，人口红利的消失，如何实现提质增效，提升工业生产的盈利能力，成为企业亟需解决的问题。

从西门子扎根行业的多年经验来看，企业面临的问题主要聚焦于工艺环节，关注如何提升产品的良品率和生产效率。要满足这一需求，就要更jingque地控制、优化每道生产工艺。在大多数制造场景中，生产设备由经典控制程序进行控制，但在真实生产场景下往往存在很多变数甚至异常，一般来说需要根据专家的经验或预先定义的机理规则进行主动干预。

针对于此，西门子尝试采用AI技术打造智能的“工艺操作大师”，实现对各种工况环境和加工对象的动态适应，从而提高生产操作的精度。基于AI技术的增强型控制是在原有的控制逻辑基础之上，增加了高精度的非线性动态预测，能够有效解决经典控制技术对人工调节和干预的依赖，帮助客户提高资源利用率、产量以及品质上限。

例如在光伏基材生长，金属冶炼成型，食品粉末干燥/液体蒸脱等工艺环节中，西门子基于原有自动化机理模型编写的控制逻辑基础上，结合AI技术增加了质量趋势的动态预测，可以针对不同参数进行动态寻优，并回馈指令。通过优化控制将成分控制精度提升到新台阶，能够有效减少废料产生，实现单位时间单位资源下的产能大化。

AI赋值：化繁为简，让AI“人人可用”

在数字化浪潮快速发展的，AI 被人们赋予了无限的期待，但其与工业领域的双向奔赴仍任重道远。工业AI的落地是跨学科、跨领域、跨产业的问题，涉及IT信息技术、OT运营技术、DT数据技术以及PT工艺技术等多维度融合。从产品化思维来看，西门子将工业AI的服务对象聚焦在更广泛的群众基础——自动化工程师，因此，西门子将AI的能力封装，使用自动化的语言将其发展成非AI人员都能使用的工具，帮助工业用户用现有的知识架构适应AI时代的到来，让复杂的工业AI应用化繁为简，且高效地为客户带来收益。

当更多的行业市场开始进入存量经济的，质量和效率决定着企业的竞争力，人工智能技术与工业场景的结合，将成为数字经济时代提升工业制造的重要助推力。作为未来自动化的开拓者，西门子也将继续探索工业AI技术的发展，推动AI和工业场景的深度融合，为制造业的长期可持续发展赋能、赋智、赋值。