了解尖端制造业 AI 的进步

June 20, 2023

Christina Cardoza

制造人工智能

工业革命改变了制造业。计算机的兴起导致系统和流程的另一场剧变。现在，制造业正再次受到数字转型和 AI 的出现的影响。这个新的前沿技术在今年 4 月召开的德国汉诺威工业博览会 (HMI) 上展出，这是 Covid 后的第一次聚会，在该聚会上，不仅要讨论工业环境中的所有新可能性，而且要展示它们。

今年在 HMI 上的是英特尔的工业解决方案总监 Ricky Watts 和数字趋势英特尔零售专家 Teo Pham。他们讨论了他们在汉诺威看到的东西，包括 ChatGPT，它对制造业意味着什么—制造业中的 ChatGPT，以及即使是最令人兴奋的技术创新，如果对用户来说不简单，它们也是毫无意义的（视频 1）。

视频 1。新的工业机会、工具和技术即将进入工厂车间。（资料来源：insight.tech）

根据您在活动中看到的情况，您认为制造业的发展方向是什么？

Ricky Watts：在技术方面，我认为有三个领域让我感到兴奋，并且在某种程度上让我有点担心。该领域的一些较大的公司已经在使用该技术来提高制造业的效率。说实话，看到它的数量以及它的高级程度，我真的很惊讶。

另一件事是这种 3D 现实（全宇宙、元宇宙，诸如此类的东西），沉浸式技术在未来将如何使用。我可以设计和建造工厂来改变 3D VR 中的结果吗？然后使用 ChatGPT 和 AI 创建也可以在制造业中创造物理现实的数字化双胞胎？

我注意到的最后一件事是展会上有很多机器人。机器人在制造业中无处不在，它们出现在我们在制造业中经常看到的物流和重复性任务中。但有一件事让我特别感兴趣的是，机器人正在制造其他机器人来驱动结果。一个机器人被赋予一项任务，然后另一个机器人制造第一个机器人来驱动任务的结果。第二个机器人使用 AI 来了解它需要做什么来发送命令，为第一个机器人制造或设计新工具，从而对其进行优化。

Teo Pham：本次展览的主题和参与者种类繁多，我对此感到非常惊讶。因为您希望看到机器人；您希望看到硬件制造商；您希望看到半导体制造商。但您还拥有软件公司、咨询公司和云服务提供商。它只是展示了整个空间的多样性，而且它不仅仅体现在物理设备上。这就是您创建令人兴奋的新应用程序的方法。

Ricky 提到了元宇宙。我看到西门子和微软等公司正在推广工业元宇宙之类的东西，创造使生产更加身临其境的新技术，而且在使用数字化双胞胎来运行这些惊人的模拟以真正在数字空间中测试东西的意义上也便宜得多，然后再以物理单位创建它们。

哪些 AI 应用特别让你对制造业的未来感到兴奋？

Ricky Watts：AI ChatGPT 的使用是一个特别的问题。在制造业中，我们有一种称为制造执行系统（MES）或可编程逻辑控制器（PLC）的东西。它是一种基本上用于制造业的设备或用具。PLC 有一种与其一起操作和运行的语言，称为 61131。我看到的一个演示是 ChatGPT 被用来构建代码。通常，制造工程师会编写目标代码，并且可能需要数周或数月才能完成。ChatGPT 正在做这件事，我要说，它在几分钟或几秒钟内就能完成。

我要强调的是，演示中所做的一切还是早期的事情。他们煞费苦心地指出，代码中存在一些错误，但用不了多久，准确性与将代码直接部署到这些机器上的能力就会变得很重要。制造业在很大程度上是一个围绕一套标准驱动的结构化环境。但当我们开始进入这个新的世界时，能够做到这一点确实令人兴奋。

Teo，您认为制造商的新机遇在哪里？

Teo Pham：谈到 AI，它只是让你加快流程，使它们更快、更便宜。一直有很多关于 ChatGPT 的讨论，但也有 AI 工具可以生成图像、蓝图或视频、网站或应用程序。我认为，生成 80% 的解决方案的成本将降至几乎为零。但显然，您仍然需要一些经验丰富的人来让你从 80% 到 100%。会有一些非常花哨的应用程序（例如 AI 3D 建模），但我认为即使对于文档或翻译等相当无聊的内容，这也将非常有用，因为这些任务可以在几分钟内完成。

您需要哪种处理能力才能利用这些机会？

Ricky Watts：AI 确实依赖于数据。一旦对其抽象化，就有了学习部分，然后是推理部分。CPU、GPU 和 FPGA 总是涉及。

制造业中许多 AI 的早期用例都是视觉用例：在制造环境中，我使用摄像头来分析某些东西，然后围绕我获得的图像训练模型。假设我有一条瓶子生产线，上面有标签。在这些瓶子上有摄像头，并且我想知道标签是否正确。因此，图像是围绕它创建的，然后我们通常在 GPU 环境中训练模型，因为它需要大量的密集处理。

现在我知道哪些是好的，哪些是坏的。但在制造环境中，我不能一直学习；这太困难了。接下来是推理阶段。我正在使用模型，并且我想应用模型。这就是CPU发挥作用的地方，因为它在非常非常接近制造商进入的地方那里会变得非常具有战术性。

培训是在您拥有大量计算能力的地方进行的，通常是在云环境中。在大多数情况下，推理是在制造处于边缘时完成的。所以您获得了 CPU 和 GPU，并且两者都有一个专业领域。但从英特尔的角度来看，我们开始看到的是将它们整合起来。您已经通过我们的一些新技术看到了它，特别是最新的Xeon^® 芯片，Sapphire Rapids芯片。

但现在我们开始看到这些环境中的计算平台从边缘转到云。在这些环境中，有两组数据：一个是我提到的视频，但在制造业中更普遍的是时间系列数据。制造业使用我们所说的固定功能设备——机器、机器人、传送带——它们产生的数据不是视觉数据。数据可能是热量数据、压力数据、振动数据等等。这种类型的数据也经过优化，可以在边缘的 CPU 上运行。因此，您可以在边缘的 CPU 上进行培训和推理，因为那里的数据完整度和数据主权正变得非常重要。

在 CPU 方面，我提到了 Sapphire Rapids。我们还推出了一个新的 GPU 产品组合。英特尔在该领域尚处于早期阶段。但我们学习得很快，并且未来几年将有更多的产品问世。我认为对我们来说，它将涉及集成硬件解决方案，然后在此之上为 AI 领域的开发人员提供统一的架构，以便访问这些技术，并且我们已经围绕此构建了许多工具套件并进行了优化。

无论是 CPU、GPU 还是 FPGA，我们都将在下面进行优化；您告诉我们工作负载是什么，然后我们将它们部署到边缘的合适芯片平台上，并提供统一的功能来将其带到云端。

您能否详述一下制造商转向边缘获得的好处吗？

Ricky Watts：制造业是一项非常具有竞争力的业务 — 无论是有形物品（例如汽车）还是流程（例如化学品制造商）。在这些环境中使用数据可以提供非常具有竞争力的优势。这实际上是关于他们是否可以将技术应用于业务驱动的结果。

在我们的环境中，一天结束时很容易忘记，归根结底这与技术无关；这是关于结果的。返回我的瓶子示例。如果我每天要处理十万瓶，并且假设其中 5% 是不准确的，那么我每天可能会扔掉 5,000 瓶。这是一个可持续发展问题；这是一个盈利能力问题。如果我能将故障率降低到 1%，则将对工厂的绩效产生巨大影响。

在技术行业，我们需要做的是使制造商更容易使用这项技术。制造商希望使用该技术，但他们不是 AI 专家，而且他们并不总是拥有数据科学家。我们必须确保制造业中的每个人都可以使用它，而不仅仅是拥有庞大工程师和数据科学家部门的大型制造商才能使用。我们正在努力为他们提供简单的按钮。

Teo Pham：当我们谈论 AI 的实施时，我认为我们必须做出的一项决策是使用边缘计算还是云计算。显然，边缘计算有一些优势：它可以减少延迟。由于涉及到数据隐私，因此我们不必将其发送到云端。另一方面，我们需要在硬件上投入更多资金，因为硬件成本高昂，并且占用空间。

您对“边缘与云”辩论有何想法？

Ricky Watts：两种场景都有明显的优势。将数据导入云端非常昂贵，因为数据量很大。需要考虑监管、数据主权、隐私、安全等因素。但是，在云端进行培训和在边缘进行推理有很多优势。然后，边缘采用越来越强大的计算，不仅可以在那里进行培训，还可以在那里进行学习。因此，在我看来，更多的处理将转移到边缘进行。