未来人工智能研究的一个方向是工厂技术的不断迭代，另一个方向是内部。文字|梁晓，《中国商人》记者、编辑|米娜图片来源|回答 拧紧螺丝需要几步？对于经验丰富的技术人员来说，这是一种不需要思考的惯性操作。然而，对于机器人来说，这需要分解为多维功能，例如精确定位孔、确定螺钉的型号以及了解其拧紧程度。特别是在灵活或混合生产中，前一秒你有一个特定的产品模型，下一秒你就有一个完全不同的产品。即，必须改变所有操作参数。这就是为什么即使在高度自动化和无人化的工厂里，数以万计的工人仍然在装配线上拧紧螺丝。正如卢洪志所说，他挤螺丝已经成为美的工厂装修中的“拿手好戏”。他计划于2024年接管美的洗衣机荆州工厂的管理。这是美的新一代5G全互联工厂，配备最先进的智能物流系统和自动化生产线。工业机器人正在承担许多任务。理论上，KUKA机械臂可以拧螺丝，但在混合生产中实际效果并不理想。空海子正在给洗衣机装螺丝。 2025年，新开发的KUKA icco协作机器人发运至荆州工厂。他们要完成的第一个任务就是将不同型号的洗衣机依次组装在一起。这种看似简单的手动操作对机器人提出了复杂的挑战。用技术术语来说，这是一个“多式联运解决方案”。 “首先加尔，找洞要靠视觉，尤其是找小洞的时候，还要靠触觉和力反馈，打击的松紧取决于力反馈……”徐易，惨不忍睹。美的集团人工智能实验室负责人表示：“这些功能需要一起完善，技术要求如下。“成本非常高。”徐毅2025年2月加入美的，此前负责亚马逊的人工智能项目。在他看来，互联网巨头的优势在于大规模通用模型的研发。他表示，像美的这样的公司在制造和产品方面拥有大量的场景，这是应用和人工智能的最佳训练场。 AI的自我进化，人形机器人“Mero 1号”与ICCO大约同时进入工厂，被“空运”成为“工厂经理”。我们可以在工厂内进行安全检查、设备检查和必要的机械润滑，我们还可以将新制造的产品的初始质量检查任务外包给第一个智能检查站。海因继续工作；否则，发出警报。在一些简单的情况下，它甚至可以自己“思考”，直接修改机器。 “以前的智能工厂是被动的，需要人类获取数据并做出决策，但有了人工智能的赋能，这相当于拥有了一个连接各种智能的‘大脑’，从局部智能到全球智能。”卢宏智说。他对未来工厂的想象非常简单。过去，假设工厂管理有N个人，但实际上有N个人。未来的工厂里本来应该有N个人，但实际上只有一个机器人。 。 “这只是工厂内部的连接，未来如果美的几十家工厂和50多年的制造经验连接起来，会有什么样的竞争优势？”葛子铭用了一句切合实际的口号。 “所有传统产业都可以通过改造高度数字化，这也适用于人工智能时代。”以工厂内部的质检环节为例。此前，质检人员需要根据设计图纸进行人工评审，每次耗时30分钟到1小时。不仅繁琐、费时、费力，而且遇到没有经验的“新手”，出错的概率也很大。目前，荆州工厂正在将这部分工作交给AI。眼镜经过拍照、阅读、请求制造订单、比较设计图纸、制造标准和历史数据库以找出容易出错的区域，然后确定适合性的过程。流程并没有简化，数据对比似乎进一步增加，但时间却缩短到了几秒，正确响应率也达到了100%。 AI赋能的好处看似显而易见，但对于企业来说却存在人工智能技术与人工智能应用之间存在无形但坚固的壁垒。一位企业家向中国企业家表示，虽然人工智能和大规模模型的研发取得了很大进展，但应用部署的速度却很慢。这不仅与技术能力有关，还与组织架构上的冲突有关。例如，大多数董事企业高管都希望推动AI应用，但他们实际上可能并没有在中层实施。 “他们会想知道人工智能是否最终会取代他们。”卢宏志还担心，“本来数字系统是为了帮助我们工作，但随着AI智能体的引入以及工厂自主决策的推进，我们可能会被迫退到幕后。”但他们也明白，“这是未来的趋势，既然如此，不如变被动为主动，如果做得好，就能在市场上留下印记。”这种趋势是不可阻挡的。那些试图以领导者的身份逆流而上的企业，无一例外都会成为时代的棋子。曾经名噪一时的柯达是这样，诺基亚也是如此。历史专业出身的方洪波深知这是“前车之鉴”。他经常要求员工“以转型的决心面对挑战”，并在多次会议上强调“数字化、智能化是企业发展的方向”。增加了人形机器人，荆州工厂有了“大脑”。增加了人形机器人，荆州工厂有了“大脑”。美的迄今为止已经启动了多次数字化转型，最困难的一年是2012年，这次转型内部被称为“632工程”。总之，当时有10个业务单元、10个系统的美的被重组为“一个美的一个系统”，将它们整合为一个标准。前所未有的大型项目也成为美的后续加速成长的契机。 “首先，一把手要重视，认真重视，认真投入。”他对《中国企业家》美的集团IT总监周晓灵说。这是成功数字化转型的先决条件。美的集团提供的数据显示，过去10年，美的在数字化转型方面的投入超过200亿元。 AI技术带来的新变化也将审美变革推向新阶段。起初这只是试水的问题。 2023年，ChatGPT推出后不久，美的就推出了内部智能助手人工智能，帮助员工进行书写、绘画、培训等方面的工作。这使得不同部门对人工智能的应用产生了一些共识。近一年后，AIGC（人工智能生成智能）成为美的的一部分集团战略和长期改革项目组成立，汇集了集团数字化负责人、几个关键业务部门、制造成本部门、中央研究院、AI研究院和库卡。高层领导已经发话，项目组也已经成立，但项目仍有可能被推迟。这种困惑是很多来美国“吸取经验”的企业老总提出的。这也是美的走过的弯路，所以周晓玲知道其中的痛处。他于2006年加入美的，经历了公司内部的各种数字化转型。但在632之前，在数字化部门主导的项目中，虽然提前向业务部门传达了需求，但结果并没有得到业务部门的认可，项目往往无法推进。业务部门的理由是：“这不是我想要的”。 “许多公司将数字化转变为n IT项目，但这绝对是不成功的。数字化其实是一个业务转型项目。”周晓玲说，岗位的不同决定了组织形态的不同，前者要由IT主导，后者要由业务主导。比如供应链整合项目，组长是供应链部门的负责人，IT总监只能担任副组长。“组织形态很重要，‘632’要成功就必须这样做。”紧接着，周晓玲发现了一个重要的变革规律：“人类必须在组织中予以考虑。否则，无论你怎么努力，都无法剥离它。”此外，还成立了AIGC项目组。自2024年9月工厂改造开始以来，已经开发了14个商业智能代理，这只是体积的积累。到2025年5月，增加了人形机器人，并增加了人形机器人的数量。你开始有了“大脑”。卢洪志表示，工厂的转型预示着一个转折点。从0到1 随着时间的推移，荆州工厂成为美的内外部制造企业的“控制点”，也成为新一代美的工厂的参考典范。卢宏志介绍，11月投产的无锡高端工厂是荆州智能工厂1.0的迭代版2.0。但他也直言，“并不是所有工厂都符合转型条件”。运营AI工厂离不开大量数据的传输和存储。此前，荆州工厂日均数据存储量超过10TB。粗略地说，这相当于 6,666 部高清电影的总容量（假设一部 1080P 高清电影的大小约为 1.5GB），摘自 DeepSeek 的答案。 “每天看一部电影，这些电影足够连续看18年了。”引入后人形机器人，随着实时数据交互的快速增加，每天的数据存储量迅速增加到30TB。此外，建设人工智能工厂首先需要完成最根本的精益制造和车间管理转型。举个最简单的例子，如果物流现场还有人来往，机器人就很难使用。如果这是一些自动化基础较弱的工厂启用人工智能必须跨越的门槛，那么那些在智能化方面进展较快的工厂可能会遇到另一个率先行动的障碍。美的洗荆州工厂是美的最新一代5G全连接空调的工厂。例如，荆州工厂在建设过程中力求安装“最先进”的设备。我们引进了云物流、悬挂链、无人叉车等最新的产品，也发现了各个领域的尖端供应商。以前，每个场景都有自己的风格和风格没有问题。然而，随着工厂“大脑”变得更加活跃，弊端也随之显现。不同的机器无法连接，因为每个提供商都有不同的合同规则。就像是一支精锐的士兵队伍，但他们来自世界各地，不懂语言，无法一起作战。 “之前我们没想到会有‘大脑’，现在我们正在逐步打破这些特工之间的壁垒，但过程非常痛苦。”卢宏志说。与此同时，库卡机器人考虑了一系列新的智能物流解决方案，并创建了新的协议规则。目前，荆州工厂的物流车辆不仅按照程序沿着既定路线行驶，还可以随时监测周围环境并报告给系统，成为工厂管理的信息触手。同样，随着各智能体之间联系的加强，荆州工厂的转型效果也随之增强。逐渐显现出来。提高效率是最直接的。据测算，荆州工厂中心的效率提升了80%。另一个重要的应用场景是异常情况的响应。经过十多年的自动化、智能化改造，美的工厂生产效率不断升级。如今，洗衣机的制造时间已缩短至10秒甚至更短。这是正常的。如果出现问题，生产将停止，必须经过专家审查后才能重新启动。而人工智能与专家系统相结合，可秒级完成异常诊断，保证生产稳定性。而且，随着数据集成量越来越大、集成程度越来越大，更好、更快的决策成为可能。事实上，有迹象表明结果超出了项目团队的预期。例如，总是有一个离线问题。在处理问题时，工厂通常遵循一个标准流程，即“七步法”。最初，我们将这七个步骤输入人工智能，但逐渐人工智能将这七个步骤合二为一，一口气生成了最终的解决方案。用卢宏志的话说：“0到1的突破。今天的机器不仅是执行者，更是进化者。”从某种程度上来说，最初的“担忧”正在逐渐成为现实。一些原本属于专家的重要任务，例如生产计划，现在部分由计划代理接管。例如，如果规划专家需要几个小时才能完成某件事，那么机器可以在几秒钟内给出答案。不过，目前来看，这些机器所依赖的数据仍然基于人类的经验，最终的结果还必须经过人工验证。但这可能只是时间问题。 《失控》中也提到，人工智能的到来是一个突破“在这里，2+2并不是等于4，甚至不可能偶然等于5。从涌现的逻辑来看，2+2=苹果。”不过，在人工智能专家徐毅看来，今天工厂的AI进化才刚刚开始，未来至少要克服三个挑战。第一是聚焦专业性，比如移动功能已经解决，但性能还不够好。“技术进步还有28/20法则：前80%相对容易，但后20%比较困难。”第三是技术的可复制性和通用性，在徐毅看来，要实现未来机器的自主进化，最重要的是提供各种专业方面的数据，比如以前没有摄像头记录这种行为的轨迹，这也是工业人工智能面临的一个关键挑战。在人工智能应用方面，美的已经进入了海洋深处，这是无人区。 “下一阶段的探索会更加艰难。”徐毅说。他还表示，这就是项目的重要性。“只有这样，我们才能在现场建立技术反馈环节，不断学习迭代，不断迭代，产生技术突破。”一场人工智能竞赛已经拉开帷幕，未来的商业化野心也岌岌可危。在这场吸引大量资本和人力资源的军备竞赛中，互联网巨头占据了领先地位，像美的这样的传统企业怎么能参与呢？它们主要构建通用功能。美的的优势在于场景足够丰富。因此，它更适合投资可控、价值生产更明显的垂直模式。”周晓玲表示，这也是美的AIGC战略一开始就透露出来的。将其商业化、规模化并真正推广它，而不仅仅是基于工具。但很快另一个问题又出现了。美的是一家多场景、长价值链的公司。那么AI应该优先考虑哪些环节呢？徐毅坦言，这是又一个压力很大的决定，他说：“行业变化很快，我们如何才能把合适的资源投入到合适的地方？否则，我们的影响力不仅有限，还会错失其他机会。”这些物流车辆现在可以识别周围环境并随时向系统报告。最终，他们选择了工厂制造场景。原因之一是制造是美的的独特优势。大型通用车型已经出现在市场上，但量产的大型车型尚未生产。这是一个很好的机会。其次，工厂场景多样，数据相对家庭场景更加结构化，技术迭代的需求也有条件迭代的选项。第三，非常重要的一点是制造技术具有一定的通用性，一旦相对成熟就可以扩展到其他领域。例如，美的目前正在将工厂改造过程中的人工智能技术反复应用到建筑技术中，为建筑创造智能“智慧”。 “脑”。也就是说，在所有场景下，美的都拥有更强大的资源、更好的进化环境、更大的影响力。我选择了一个有很大影响的场景。波士顿咨询集团（BCG）董事总经理兼全球高级合伙人大卫·马丁（David Martin）曾分享研究发现，在研究了数千家公司后，只有 5% 的公司从生成式 AI 的投资中受益，70% 的公司没有看到任何好处。他们的案例很少有几个共同特征。首先，我无法集中精力做大事。其次，很多企业只投资“AI技术”本身，没有制定明确的利润目标或计划。第三，企业选择人工智能应用场景时，该场景与企业现有基础设施不匹配。虽然基础设施很齐全，但两者并没有融合在一起。最后，公司必须拥有大规模应用生成式人工智能的人才。从今天来看，美的似乎已经避开了这些“陷阱”。周晓玲透露，美的旗下数字商业平台密云智能数据已收到AIGC的部分需求订单。 “虽然AIGC距离大规模商业化还有很长的路要走，还有很多技术障碍需要克服，但我们至少可以看到我们朝着商业化迈出了一小步。” “这也可能是美的B端业务的新补充。随着消费电子市场库存竞争趋于激烈，美的正在加强B业务的第二曲线投资。2024年，美的B端业务收入首次突破1000亿元。2025年前三季度，该业务板块较去年同期增长18%，三大板块营收达到约30亿元。”与此同时，美的公司B端业务的分拆上市也在逐步推进，而《美的数字化战略2025》目前表示这一目标尚未实现，未来AI研究的方向之一是工厂技术的持续发展。新品不仅注重场景创新，更注重技术创新，并自信地说：“美的有很多数据，用得好，我们就能做到。” “我们一定能和互联网公司竞争。”
特别提示：以上内容（包括图片、视频，如有）由自媒体平台提供。由用户以“网易帐号”的形式上传发布。本平台仅提供信息存储服务。
注：以上内容t（包括图像和视频，如有）由网易号用户上传和发布，网易号是一个仅提供信息存储服务的社交媒体平台。
近期评论