2023年最热的词中间，必然是有“制造业数智化绿色化转型“的。

事实上，这一年，无论是从制造业、科技界还是政府角度，对制造业的”双转型“的讨论和实践就从未间断。

2023年《中国制造业数智化绿色化转型报告》指出，面对全球市场的竞争压力以及环境保护的日益迫切，中国制造业企业普遍认识到了数智化和绿色化转型的重要性。

他们希望通过引进先进的数字化技术、智能化装备和绿色生产方法，提升生产效率，降低成本，增强市场竞争力，并实现可持续发展。

在愈发迫切的愿望之下，数字科技和生成式人工智能GenAI发展，让制造业完成“双转型“转身成为可能，另外一个深层次原因是，提前实现”双转型“的企业已经踏上成长的飞轮。

深入场景

GenAI正重塑制造业

日前，亚马逊云科技赋能制造行业媒体沟通会上，亚马逊云科技大中华区战略业务发展部总经理顾凡说：“生成式AI正在加速制造业的创新与变革。生成式AI将为中国制造企业进一步赋能，提供’颠覆性’创新与变革“。

再从调查数据来看，根据德勤的调查：93%的公司认为，AI将改变制造行业驱动增长和创新的规则

生成式AI可以通过对大量数据的分析和学习，优化生产流程，提高生产效率。例如，AI可以预测设备故障，提前进行维护，减少停机时间；同时，AI能够实时监测生产过程中的各种参数，及时发现问题并进行调整，避免资源浪费。

在推动智能制造方面，生成式AI能够实现自动化、智能化的生产和控制，提高制造的精度和效率。AI和先进机器人的结合，能够在许多复杂、精细的生产任务中取代人力，实现24小时不间断的生产。

另外，生成式AI在环保方面也发挥着重要作用。它可以优化能源消耗，推动制造业实现节能减排。通过与绿色设计理念的结合，AI可以指导产品开发，使制造过程更加环保。

但想顺利在业务场景中使用生成式AI，有需要的关键路径，包括定义应用范围，选择合适的模型等。

亚马逊云科技致力于推动生成式AI重塑制造业的增长路径，通过降低构建生成式AI应用关键路径中的门槛，充分渗透进制造业价值链场景，针对严重依赖人工参与的工业产品设计、企业内部IT/HR等部门资料繁杂业务等具体业务场景，与合作伙伴一道提供行业领先的端到端技术解决方案，在工业设计、知识库等场景开发定制化解决方案，让制造企业充分发挥生成式AI的潜力。

在工业产品设计领域，海尔创新设计中心与计算美学Nolibox合作，基于亚马逊云科技的服务，打造了全国首个 AIGC 工业设计解决方案，大幅缩短设计周期，并降低概念设计成本。整体概念设计提速了83%，集成渲染效率提升了约90%。

在企业知识库领域，在亚马逊云科技的帮助下，西门子中国3个月即完成了基于自有模型的智能知识库暨智能会话机器人小禹的灵活构建。

它具备自然语言处理、知识库检索、通过数据训练大语言模型等核心关键能力，极大地提升了内部员工信息的获取效率，上线首周有超过4,000名员工使用，超过12,000个问题被解答。此方案有效减少了人工成本，超过90%的问题可以由聊天机器人直接提供答案。

双轮驱动

大小模型点燃企业“双转型“新引擎

制造业转型已经不再是一个选择，而是必然的趋势。施耐德电气作为全球能源管理和自动化解决方案的领导者，拥有卓越的产品和解决方案，成为了推动制造业转型的重要力量。

施耐德电气在制造业转型领域有着深入的研究和实践经验。他们了解制造业面临的挑战和需求，并通过智能化的手段优化生产流程、提高生产效率、降低能源消耗，助力企业实现了经济效益和环境效益的双提升。

施耐德一直是AI领域的成功的探索者，EcoStruxure AI引擎是施耐德电气发布的企业级一站式、场景化、开放性的AI模型生产与运维平台，将能源管理和自动化领域的专业知识融入AI模型中，为业务专家、数据分析师等用户提供低代码乃至零代码的AI应用。

一站式：满足AI算法所需的从数据探索，到模型的构建和训练，再到部署上线、应用、监控的全生命周期服务，有效缩短了创新开发的路径；

开放性：支持对外API接口，简化各业务系统对接。同时，施耐德电气进一步加强与生态圈中的人工智能合作伙伴合作，开放共创；

场景化：标配能源和工业自动化领域常见场景模型，按需调用，随需定制，提升效率，减少了创新应用和解决方案开发上线的时间。

EcoStruxure AI引擎提供结构化的设计理念，加速AI模型在整个生命周期内的落地和迭代，从数据准备到模型生产和运营，还可与现有系统和数据进行集成，帮助用户利用人工智能技术更好地解决业务问题，提高效率和创新能力。

施耐德电气AI创新应用已经落地实践，施耐德电气选择亚马逊云科技作为其云和机器学习服务提供商之一，支持其在中国构建智能工业视觉质量检测解决方案——“云-边协同AI工业视觉检测平台”。

该平台在云端实现数据存储和标注及模型训练，并把云端模型下发到产线边缘侧，执行边缘推理。该解决方案率先在施耐德电气武汉工厂上线，显著提高了生产线的检测效率，将误检率降低0.5%以内，并实现了零漏检率。

在GenAI方向上，施耐德电气全球供应链中国数字化转型总监冒飞飞认为：“大模型不会吞并小模型，而是相辅相成的概念，短期内，小模型会随着大模型推陈出新，并长期存在。”

其背后真正的原因是：

其一、工业领域多碎片化场景以及有非常深的行业碎片化知识，面对这些行业壁垒很高的应用场景，小模型的存在有其必要性。

其二、大模型可以对小模型的训练与精度有辅助性的提升。比如说在工业质量检测场景中，大模型可以通过图生图，快速帮忙生成大量负样本，增强模型训练中的图片验证过程。

施耐德电气正积极探索，在工业能源降碳、财务、人力资源、维修等场景，沉淀了大量语料与经验，有望未来优先从如企业内部知识管理、智能知识问答等产品与场景做切入。

这意味着制造业如果成功地将GenAI大小模型相结合，将形成强大的双轮驱动效应。

大模型提供的数据洞察和全局决策支持，为小模型在特定场景下的应用指明了方向。而小模型在精细管理和场景创新方面的成果，又进一步完善了大模型的分析能力和决策效果。

通过良性互动，在数智化与绿色化转型中找到了最佳平衡点，实现了经济效益与环境效益的双赢。

结    语

制造业的数智化绿色化转型已成为行业发展的必然趋势。面对这一挑战，GenAI的大小模型在其中扮演着关键角色。这些模型不仅是对数据分析，更是对制造业转型密码的解锁工具。

从大数据的角度来看，大模型凭借其强大的计算能力和深厚的参数积累，能够对海量的制造业数据进行深入挖掘，为转型提供强有力的数据支撑。它们可以揭示隐藏在数据背后的生产模式、市场趋势和消费者需求，为企业制定转型策略提供关键洞察。

而小模型则以其高效、轻量级的特点，在制造业的特定场景和细分市场中展现出独特的价值。它们快速适应变化，精准满足个性化需求，确保转型过程中的灵活性和高效性。

然而，单纯地依赖模型并不足够。制造业的转型还需要企业内部的全面协同、对技术的深度理解和恰当的应用策略。

GenAI的大小模型只是工具，真正的转型力量在于如何将这些工具与实际业务相结合，创造出新的价值和竞争优势。

而这，正是亚马逊云科技和施耐德电气不懈地创新所在。