本文來自微信公眾號“twt企業(yè)IT社區(qū)”，【作者】張志強(qiáng)。
一、AI大模型背景
AI大模型是指具有極大規(guī)模、高度復(fù)雜性和強(qiáng)大能力的人工智能系統(tǒng)。這些模型通常由數(shù)十億甚至數(shù)千億個參數(shù)組成，能夠處理海量數(shù)據(jù)并學(xué)習(xí)復(fù)雜的模式。通常廣泛應(yīng)用于自然語言處理（NLP）、計(jì)算機(jī)視覺、語音識別等領(lǐng)域，并展現(xiàn)出強(qiáng)大的性能和廣泛的應(yīng)用潛力。如Google的BERT模型、OpenAI的GPT系列模型、Facebook的BLIP等模型。
在20世紀(jì)90年代初，人們就已經(jīng)開始在研究如何利用神經(jīng)網(wǎng)絡(luò)來模擬人類大腦的學(xué)習(xí)和推理過程，但是由于技術(shù)限制，直到2012年才有了突破性的進(jìn)展，加速了AI大模型的發(fā)展和應(yīng)用。隨著算力的加強(qiáng)、算法的優(yōu)化和數(shù)據(jù)激增，AI大模型逐漸在多個領(lǐng)域取得了重大突破性進(jìn)展和場景化應(yīng)用。
制造業(yè)作為較為傳統(tǒng)的行業(yè)，也在數(shù)字化轉(zhuǎn)型的浪潮中，已積極擁抱各種技術(shù)，其中就包括AI大模型。寄托于大模型的應(yīng)用，某車企在數(shù)據(jù)處理、模式識別、預(yù)測分析等方面的能力得到了顯著提升，落地了多個場景，如信息安全領(lǐng)域、數(shù)據(jù)分析治理領(lǐng)域及智慧園區(qū)領(lǐng)域等，覆蓋辨別式大模型和生成式大模型兩種形態(tài)。本文將通過實(shí)踐分享介紹某車企的智慧園區(qū)方案是如何融入AI元素，幫助業(yè)務(wù)實(shí)現(xiàn)7*24小時安全生產(chǎn)監(jiān)控、試車跑道監(jiān)控、員工安全等場景的安全值守。
二、智慧園區(qū)應(yīng)用實(shí)踐分享
某車企也和行業(yè)內(nèi)的其他車企一樣，搭乘了國家高度重視制造業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級這趟“高鐵”，利用國家出臺的一系列支持AI模型在制造業(yè)應(yīng)用的政策措施來來進(jìn)行創(chuàng)新和應(yīng)用。對于企業(yè)而言，通過它來提升生產(chǎn)效率、降低成本、優(yōu)化運(yùn)營等，本篇幅重點(diǎn)介紹某車企是如何把AI用于視覺識別中，來提升整個園區(qū)的安全能力，助力智慧園區(qū)落地。
根據(jù)規(guī)劃，本次主要應(yīng)用辨別式AI用于安防、安全生產(chǎn)、道路安全、消防安全等場景，詳細(xì)情況如下。
（一）安防場景
1、場景描述
汽車制造工廠因占地面積大，噪音等硬性問題，一般都會坐落在郊區(qū)或者遠(yuǎn)離城市的區(qū)域。廠區(qū)內(nèi)會放置若干數(shù)量的較大零部件或者整車，每天都會有專人進(jìn)行盤點(diǎn)和巡查。但現(xiàn)實(shí)情況是現(xiàn)有安保人員數(shù)量有限，責(zé)任心各不相同，導(dǎo)致巡檢效果差異較大，存在不同程度的配件丟失問題。
2、業(yè)務(wù)需求
為解決此問題，IT與安保部門配合，收集關(guān)鍵業(yè)務(wù)需求：
●實(shí)現(xiàn)7*24小時的自動巡檢
●實(shí)時告警推送到安保部門
●通過手機(jī)APP進(jìn)行查看和事件處置
●對安全事件進(jìn)行證據(jù)保存和追溯
3、實(shí)現(xiàn)手法
解決方案方面，IT專家結(jié)合當(dāng)前最為火熱的AI技術(shù)，利用辨別式AI技術(shù)對關(guān)鍵區(qū)域的攝像頭進(jìn)行取景，設(shè)置不同的安防算法【可疑人員徘徊廠區(qū)外10分鐘便告警、人員在關(guān)鍵領(lǐng)域且非辦公時間搬動物品告警、人員未在規(guī)定時間內(nèi)到關(guān)鍵領(lǐng)域打卡告警等】，實(shí)時監(jiān)控?cái)?shù)據(jù)流，通過邊緣計(jì)算實(shí)現(xiàn)端側(cè)計(jì)算，結(jié)果回傳到管理平臺，這樣既可以增加事件的處理速度，又能降低網(wǎng)絡(luò)傳輸帶寬。
4、最終效果
效果方面，通過不同算法對視頻流的分析，若遇到違規(guī)事件，將會及時把證據(jù)視頻上傳管控平臺，并通過APP告警給安保人員，指導(dǎo)安保人員快速到達(dá)現(xiàn)場。同時在不增加安保人員的前提下，實(shí)現(xiàn)了7*24監(jiān)控和巡檢。
（二）安全生產(chǎn)
1、場景描述
一直以來國家和行業(yè)監(jiān)管機(jī)構(gòu)對制造型企業(yè)的生產(chǎn)安全都格外關(guān)注，先后頒發(fā)了多個安全生產(chǎn)方面的要求、指導(dǎo)文件和監(jiān)督考核辦法等。制造企業(yè)自身在安全方面也不敢有半點(diǎn)馬虎，每年針對安全生產(chǎn)都會開展不同程度的演練、培訓(xùn)和抽查。不過僅通過管理制度是很難從根本解決問題，而且相對滯后。
2、業(yè)務(wù)需求
為解決此問題，IT與生產(chǎn)安全部門配合，通過技術(shù)與管理要求的結(jié)合，滿足安全生產(chǎn)的要求：
●實(shí)現(xiàn)7*24小時的自動檢查
●實(shí)時告警推送到安全生產(chǎn)部門
●通過手機(jī)APP進(jìn)行查看和事件處置
●對安全事件進(jìn)行證據(jù)保存和追溯
3、實(shí)現(xiàn)手法
解決方案方面，利用辨別式AI技術(shù)對關(guān)鍵生產(chǎn)區(qū)域的攝像頭進(jìn)行取景，設(shè)置不同的生產(chǎn)安全算法【車間工人未正確佩戴安全帽，未穿工服便告警、人員在車間吃東西告警、人員在起重機(jī)下休息告警、人員在生產(chǎn)期間聚集等】，實(shí)時監(jiān)控?cái)?shù)據(jù)流，通過邊緣計(jì)算實(shí)現(xiàn)端側(cè)計(jì)算，結(jié)果回傳到管理平臺，這樣既可以增加事件的處理速度，又能降低網(wǎng)絡(luò)傳輸帶寬。
4、最終效果
效果方面，通過不同算法對視頻流的分析，若遇到違規(guī)事件，將會及時把證據(jù)視頻上傳管控平臺，并通過APP告警給生產(chǎn)安全負(fù)責(zé)人，指導(dǎo)相關(guān)人員快速到達(dá)現(xiàn)場。同時在不增加人員的前提下，實(shí)現(xiàn)了7*24監(jiān)控和巡檢。
（三）道路安全
1、場景描述
汽車制造工廠比較大，內(nèi)部各種車輛交錯行駛。如物流車輛、員工車輛、試制車輛、環(huán)衛(wèi)車輛等。如何確保廠內(nèi)員工正常安全的通行，對與廠區(qū)安全負(fù)責(zé)人來說就至關(guān)重要了。
2、業(yè)務(wù)需求
●為解決此問題，IT與安保部門配合，收集關(guān)鍵業(yè)務(wù)需求：
●實(shí)現(xiàn)7*24小時的自動巡檢【不走人行橫道、闖紅燈、過馬路打電話】
●實(shí)時告警推送到廠區(qū)安全部門
●通過手機(jī)APP進(jìn)行查看和事件處置
●對安全事件進(jìn)行證據(jù)保存和追溯
3、實(shí)現(xiàn)手法
解決方案方面，依然利用辨別式AI技術(shù)對關(guān)鍵道路的攝像頭進(jìn)行取景，設(shè)置不同的道路安全算法【不走人行橫道告警、闖紅燈告警、過馬路打電話告警、車輛違規(guī)?？康取?，實(shí)時監(jiān)控?cái)?shù)據(jù)流，通過邊緣計(jì)算實(shí)現(xiàn)端側(cè)計(jì)算，結(jié)果回傳到管理平臺，這樣既可以增加事件的處理速度，又能降低網(wǎng)絡(luò)傳輸帶寬。
4、最終效果
效果方面，通過不同算法對視頻流的分析，若遇到違規(guī)事件，將會及時把證據(jù)視頻上傳管控平臺，并通過APP告警給安全人員，指導(dǎo)安全人員快速到達(dá)現(xiàn)場。同時在不增加安保人員的前提下，實(shí)現(xiàn)了7*24監(jiān)控和巡檢。
（四）消防安全
1、場景描述
汽車制造工廠內(nèi)部一般都配置?；穾?、油庫等建筑設(shè)施，主要用于車輛的臨時加油檢測和廢品臨時存儲。所以此類區(qū)域的消防安全就至關(guān)重要了。
2、業(yè)務(wù)需求
為滿足此需求，IT與安保部門配合，收集關(guān)鍵業(yè)務(wù)需求：
●實(shí)現(xiàn)7*24小時的自動巡檢
●實(shí)時告警推送到安保部門
●通過手機(jī)APP進(jìn)行查看和事件處置
●對安全事件進(jìn)行證據(jù)保存和追溯
3、實(shí)現(xiàn)手法
解決方案方面，利用辨別式AI技術(shù)對油庫和危化品庫的攝像頭進(jìn)行取景，設(shè)置不同的安防算法【人員在受控范圍內(nèi)抽煙便告警、有明火、煙霧便告警、人員在受控范圍內(nèi)抽煙便告警等】，實(shí)時監(jiān)控?cái)?shù)據(jù)流，通過邊緣計(jì)算實(shí)現(xiàn)端側(cè)計(jì)算，結(jié)果回傳到管理平臺，這樣既可以增加事件的處理速度，又能降低網(wǎng)絡(luò)傳輸帶寬。
4、最終效果
效果方面，通過不同算法對視頻流的分析，若遇到違規(guī)事件，將會及時把證據(jù)視頻上傳管控平臺，并通過APP告警給安保人員，指導(dǎo)安保人員快速到達(dá)現(xiàn)場。同時在不增加安保人員的前提下，實(shí)現(xiàn)了7*24監(jiān)控和巡檢。
其實(shí)這只是重大AI賦能智慧工廠的一部分場景，隨著AI技術(shù)的不斷發(fā)展，會在更多的場景上發(fā)揮重要角色。
三、AI大模型的未來發(fā)展趨勢和場景探索
就像上文所言，隨著AI大模型技術(shù)的不斷創(chuàng)新及市場需求的不斷迸發(fā)，未來AI的發(fā)展趨勢和應(yīng)用場景不可限量。
（一）AI技術(shù)發(fā)展方面：
人工智能時代已經(jīng)到來，這是不爭的事實(shí)，站在企業(yè)的角度，我們IT人員要做的是如何利用這次機(jī)遇更好的賦能業(yè)務(wù)，更好的服務(wù)客戶。
首先，在未來更好的支持人工智能發(fā)展的軟、硬件都會在現(xiàn)有技術(shù)上進(jìn)行不斷的創(chuàng)新和突破，如模型、算法，甚至芯片。再如多模態(tài)大模型的出現(xiàn)就迅速掀起波浪，推動了文字、圖像、音視頻的深度融合，讓我們看到了AI在處理多元化任務(wù)時的能力。
其次，自然語言處理（NLP）作為AI的重要分支，已經(jīng)取得了一定的進(jìn)步。未來也會隨著技術(shù)的不斷突破，它的應(yīng)用范圍也會不斷擴(kuò)大，如智能客服、智能會議紀(jì)要、智能寫作等等。
再者，AI需要算力，隨著硬件算力的不斷提升，AI大模型的訓(xùn)練速度和推理速度將會明顯提升。規(guī)模化效應(yīng)也會使得企業(yè)應(yīng)用和訓(xùn)練的成本大幅度降低，為迎來AI普及化的時代，有助于AI更好的在不同的應(yīng)用場景落地，更好的解決企業(yè)、用戶的實(shí)際問題。
（二）應(yīng)用場景探索方面：
任何技術(shù)都是基于需求驅(qū)動而產(chǎn)生的，AI技術(shù)也不例外。隨著AI整體訓(xùn)練成本的下降，一定會更多的在不同的業(yè)務(wù)領(lǐng)域落地，服務(wù)企業(yè)和用戶，為其帶來便利，甚至為人類社會的進(jìn)度和發(fā)展帶來新的機(jī)遇。下面我們就簡單舉幾個制造方面的例子。
生產(chǎn)設(shè)備健康情況與維護(hù)
生產(chǎn)設(shè)備的可用性對于制造企業(yè)至關(guān)重要，一旦設(shè)備損壞，極有可能造成產(chǎn)線的停產(chǎn)，直接影響交貨進(jìn)度。傳統(tǒng)的設(shè)備巡檢方式主要通過人工查看設(shè)備數(shù)據(jù)和儀表盤指示燈，人的責(zé)任人直接決定檢查的結(jié)果。
然而通過AI技術(shù)可以定期收集設(shè)備的健康數(shù)據(jù)，利用算法對數(shù)據(jù)結(jié)果進(jìn)行判斷，針對異常告警進(jìn)行及時告警，實(shí)現(xiàn)設(shè)備的健康管理。若發(fā)現(xiàn)設(shè)備的零部件生命周期將至也可以提前預(yù)知，協(xié)助維修人員提前制定維護(hù)計(jì)劃，避免因老舊失修造成的設(shè)備故障。
AI在此場景的應(yīng)用，將有效提升設(shè)備的使用壽命，提高生產(chǎn)效率和產(chǎn)品質(zhì)量。
質(zhì)量控制
生產(chǎn)高質(zhì)量的產(chǎn)品是制造企業(yè)的生命線，也是底線。所以很多企業(yè)在質(zhì)量治理和把控上都投入了巨大財(cái)力、人力和物力。傳統(tǒng)的質(zhì)量把控方式和過閥雖然有計(jì)算機(jī)的輔助，但仍有較大的瑕疵。為此產(chǎn)線可以通過AI視覺是被技術(shù)，配合深度學(xué)習(xí)算法，自動識別產(chǎn)品的外觀缺陷、尺寸偏差、油漆密度等質(zhì)量問題。通過AI的智能化檢測方式不僅提高了檢測效率，還避免了人為因素導(dǎo)致的誤判和漏檢。甚至可以利用歷史數(shù)據(jù)進(jìn)行產(chǎn)線質(zhì)量績效的輔助調(diào)優(yōu)。
智能決策
在數(shù)字化轉(zhuǎn)型的過程中，數(shù)據(jù)尤為重要，很多企業(yè)都建立了中臺機(jī)制，如數(shù)據(jù)中臺和業(yè)務(wù)中臺，來挖掘數(shù)據(jù)背后的價值，用于業(yè)務(wù)賦能和智能決策。正如大家所共識的“無治理，不分析”，沒有高質(zhì)量的數(shù)據(jù)，就不可能做出較為精準(zhǔn)的決策?；谶^去傳統(tǒng)的數(shù)據(jù)采集，單一建模分析的方式已經(jīng)很難洞察數(shù)據(jù)背后的價值與隱患。通過AI技術(shù)，可以利用龐大的訓(xùn)練數(shù)據(jù)和模型，更精準(zhǔn)的幫助企業(yè)做更為智慧的決策。
其它
在AI的賦能背景下，還有很多的場景，如AI賦能能碳管理、賦能環(huán)境監(jiān)測、賦能安全運(yùn)營、賦能智能決策等等，不再枚舉。
目前AI大模型已經(jīng)在千行百業(yè)中得到了應(yīng)用，不僅說明AI大模型的前景廣闊，從數(shù)字化轉(zhuǎn)型角度來看，AI可以更好的融合技術(shù)與業(yè)務(wù)，利用人工智能技術(shù)可以有效提升各行各業(yè)的辦公效率，最大限度的賦能創(chuàng)新和發(fā)展，尤其在復(fù)雜多變的VUCA時代，可以應(yīng)用相對復(fù)雜的業(yè)務(wù)場景，滿足用戶的需求。而且符合國家新質(zhì)生產(chǎn)力倡導(dǎo)的主旨，有效帶動經(jīng)濟(jì)增長和社會進(jìn)步。AI大模型在未來落地的場景會越來越多，為各行業(yè)的發(fā)展注入新的動力。
結(jié)束語
寫到這里，大家已經(jīng)意識到AI大模型已經(jīng)逐漸走進(jìn)我們的工作與生活，在各個領(lǐng)域發(fā)揮了越來越重要的作用。但是任何事物都有兩面性，更別說技術(shù)了。當(dāng)我們在享受AI技術(shù)帶來的高效和便利的同時，也需要關(guān)注其可能帶來的安全、個人隱私、法律等問題。
雖然有這些風(fēng)險和挑戰(zhàn)，但相信在未來隨著軟硬件技術(shù)的不斷更迭和法律的不斷健全，AI的技術(shù)發(fā)展一定會迎來更大的創(chuàng)新和發(fā)展，可落地的場景也如雨后春筍，作為IT人，我們需要更快接受和學(xué)習(xí)它，讓它更好的成為我們工作生活中的幫手。
