AI大模型赋能制造业智能化生产管控

在当今以科技创新为引领的新质生产力大跃进新时代，AI技术的深度应用正推动着传统制造业的转型升级。先维公司凭借强大的技术研发实力和深厚的行业积累，将AI大模型引入制造业，为智能化生产管控提供了一套全新的解决方案。

视觉AI技术在制造领域的突破与挑战
在智能制造的浪潮中，视觉AI技术正以其独特的优势，为工业生产注入新的活力。工业视觉分为三大典型的应用模式：以产品质量为核心的生产结果检测、以生产作业为核心的生产过程监测、以安全为核心的资源状态监测。按照应用场景的复杂度高低和可获得有效样本量的大小进行分类，从技术维度上做了应用分类，工业视觉技术的应用场景繁多，分布图如下。

随着AI技术在各行业的广泛应用，大量的制造业企业也试图借助AI的力量实现智能化转型，在这一过程中，传统AI技术面临着诸多挑战，影响了其在制造业的有效应用。大体痛点如下：
1、AI应用对特定数据需要量大：传统模型训练方式，需要数十万特定场景数据，才能训练出效果还行的算法，日常应用难以收集到如此大量的专有样本数据。
2、AI算法不通用、不收敛：不同行业领域的算法，不具有通用性（如：交通的算法无法应用到制造领域），并且同一个领域的算法数量也很多不收敛，算法长尾现象严重，也需要庞大的样本数量，完成所有识别难度极大。
3、AI算法开发难度大：算法开发需要专业的算法工程师，门槛高，难度大，成本高，周期长，难以快速见效；并且AI算法需要长期迭代才能有好的效果，运维成本高。

鉴于以上传统AI算法小模型的瓶颈，先维结合自身的业务及业界技术发展，探索出了新型的解决方案。大模型具有强大的表达能力和泛化能力，可以较好的解决痛点问题，因此先维采用大模型技术来赋能场景应用，以提供更好的技术和服务给客户。

AI大模型引领智能革命
大模型技术引爆生产力的变革，开启全新时代，影响力不亚于历史上的三次工业革命。人工智能大模型技术的应用引领第四次工业革命从萌芽走向成熟，极大的提高生产力和生产效率。先来回顾一下AI发展的三个阶段：

1、萌芽期（1950年-2005年）：以CNN为代表的传统神经网络模型阶段，为AI技术的深入研究奠定基础，对后续大模型的发展具有开创性意义。
2、探索沉淀期（2006年-2019年）：以Transformer为代表的全新神经网络模型阶段，奠定了大模型的算法架构基础，使大模型技术的性能得到了显著提升。
3、迅猛发展期（2020年-至今）：以GPT为代表的预训练大模型阶段，大数据、大算力和大算法完美结合，大幅提升了大模型的预训练和生成能力以及多模态多场景应用能力。

先维公司凭借在AI领域的长期积累，发布了“卧龙明理”多模态大模型，标志着先维在AI领域的重要进展。同时，围绕AI大模型，实现了大模型训练、微调、蒸馏、应用的完整应用闭环，支持GPU和国产化NPU芯片，支持华为鲲鹏+昇腾的全国产化环境，加快了AI技术的商业化进程，降低了企业使用AI技术的门槛，提升了模型在市场上的竞争力和价值。先维作为国家信创委员会的成员，大力支持了国家信创产业的发展和创新。

AI大模型在“智能制造+视觉智能”方面的应用

1）AI大模型助力工业场景模型的快速生成
基于先维AI大模型视觉赋能平台，实现工业场景模型的快速生成，解决了算法场景繁多，类型不收敛，传统AI算法开发成本高、时间长的痛点问题。
平台核心是两个框架：视觉大模型微调训练框架和大模型蒸馏框架，基于场景数据，使用这两个框架，实现了AI流水线作业，可以实现无代码、低成本生成高质量的场景算法。

应用场景支撑了生产设备异常检测、产品表面瑕疵缺陷检测、仪器仪表数据自动读取、厂区人员进入离岗检测等各种厂区的应用场景。

先维以先进的AI大模型技术，成为了推动工业场景模型快速生成的关键力量，不仅极大地提高了工业效率，还为复杂问题的解决提供了新的思路。

2）AI算法模型仓实现集中开放式管理
在企业侧，建立一个开放式的算法模型仓，实现算法的集中式管理和迭代升级，基于算法定义方式实现任意算法的无缝接入和应用，内置基础算法；并围绕设备、人员、产品三个维度，构建具体场景算法。所有基于大模型生成的场景算法可以入到算法仓中，实现算法的集中式管理和迭代升级；同时还支持外部算法的导入，外部算法以非侵入式集成到算法仓。在算法仓内部，可以通过算法的组合、编排、调度等高级技术，实现算法的端边推理及应用。
AI算法模型仓通过集中开放式管理，不仅解决了企业内部AI算法的碎片化问题，还展现了AI技术在联合应用、增强核心竞争力方面的巨大潜力。

3）接入视频感知终端，全域视频实现智能化应用
通过接入视频感知终端，实现了厂区视频覆盖，同时基于数字视网膜协议扩展实现全终端的协同感知。
视频数据作为视觉AI的输入源，基于GB28181协议和数字视网膜协议实现了不同类型视觉终端的全覆盖。视觉终端支持了摄像头、机器人、手持移动终端，并且可根据需要扩展支持像智能眼镜、智能头盔、电子狗等具有视觉感知的新兴智能设备，对于这类设备，只需做好控制器对接就可以实现所有视觉的智能应用。

4）模型持续进化实现高精度应用及告警、决策
在系统长期运行过程中，通过大模型进化和小模型进化共存的方式，持续迭代场景模型和行业大模型，随着时间的推移，可以自动逐步提高AI算法识别精度，大大提升AI的应用成效。

同时，针对算法应用的结果，可以进一步实现预警分析、质量告警等应用，以及基于大数据的辅助决策，最终提高企业的管理效率。

智能化应用的成效及价值
当前，先维已在多家制造业企业上线智能化应用，用于支撑企业的生产管控。智能化应用在提高生产效率、降低生产成本、提升产品质量等方面，为企业带来了显著的经济效益和社会价值。下面从提质增效及应用赋能两个维度说明应用的成效和价值。

1）提质增效
提质增效是现代企业追求卓越运营的核心目标之一，具体体现在以下几个方面：
1、设备故障检测的即时响应：通过设备故障类检测算法，设备故障发现的时效性从30分钟缩短到秒级，提高管理效率，降低隐性成本。
2、设备信息智能读取与分析：通过设备信息读取类算法，可做到自动报警及自动巡视，降低管理成本。并且可以使用更精细化的数据分析，指导生产管理和生产决策。
3、人员安全管理与效率提升：通过人员管理类检测算法，及时发现人员工作情况及安全状态，提高工作效率，提升安全管理水平。
4、产品质检的自动化与精准化：通过产品类检测算法，第一时间发现质量问题，提高产品质检效率。
5、应用的高效开发与运维：通过AI大模型及平台的自动化能力，提高算法开发效率及效果，降低项目开发成本及运维成本。

2）升级赋能
升级赋能是企业持续创新和保持市场竞争力的关键策略，具体体现在以下几个方面：
1、高效的算法开发与优化：使用AI大模型自动化蒸馏框架，通过无代码点选方式实现任意算法的蒸馏和调优，缩短算法开发的时间80%以上，降低算法开发的成本50%以上。
2、算法性能的显著提升：基于行业大模型蒸馏技术生成的场景模型，在算法效果、精度方面也具有无可比拟的优势，算法精度普遍提升15%以上。
3、广泛的视觉AI应用能力：整套平台集成了算法编排和应用组合的功能，使平台具备通用的视觉应用能力，广泛适用于视觉AI的应用场景。 

先维公司的创新成果已在多家制造业企业展现了显著的成效，在工业领域具有广阔的应用前景。公司在复杂的生产流程管理、严格的品质控制和安全生产要求等方面均可提供量身定做的专属解决方案，致力于更好的服务于企业，为企业智改数转提供专业的信息技术支撑。