延锋汽车与环球科技采用IBM智能自动化产品的案例入选“AI原生技术和应用优秀案例”
近日,中国信通院征集并公布了“可信AI案例”评选结果,IBM与延锋国际汽车技术有限公司(简称"延锋汽车")、苏州环球科技股份有限公司(以下简称"环球科技")基于IBM智能自动化软件携手共创的案例入选了“AI原生技术和应用优秀案例”。该奖项是对IBM与客户携手共创、促进AI技术落地的见证与认可,也将为当下积极探索AI应用的行业与企业提供宝贵借鉴。
该奖项的评选机构中国信通院,2017年获批建设人工智能关键技术和应用评测工业和信息化部重点实验室,2018年开始建设“可信AI”评估体系,目前已成为国内人工智能最具权威的评估体系。2023年,信通院启动了AI原生技术及应用案例征集工作,目的是甄选通过实际部署AI原生技术和产品取得较好经济和社会效益,并具备一定可复制、可推广的代表性实施案例。
在ChatGPT掀起的新一轮企业数智转型热潮下,很多企业都在积极探索如何高质量、规模化和安全地采用人工智能来实现创新和突破。然而知易行难,相当多的企业在落地AI时面临挑战,其中首当其冲的障碍就是数据的复杂性。IBM商业价值研究院的《把握AI和自动化的机遇》报告揭示,数据、AI和自动化是相互依赖的,没有数据就没有AI,而AI则是自动化的基础。此次获奖的IBM客户延锋汽车和环球科技是以"数据为先"策略直面业务挑战、以AI和自动化技术赋能业务发展的行业先行者,为制造业的AI应用提供了成功示范。
延锋汽车:数据为先,实现AI全生命周期的数字化转型
全球汽车产业正从传统工业时代向数字化时代迈进,传统的汽车价值链面临重构。裹挟其中的汽车零部件厂商,更是面临如何在红海中生存发展的问题。与此同时,AI技术的加速应用也在汽车行业掀起新一轮的数智化变革浪潮。面对新的机遇和挑战,全球汽车零部件供应商延锋汽车与IBM展开合作,共同探索数据为先的数智化之路,实现降本增效与创新发展。
在过去几年里,延锋汽车携手IBM 团队,从实现外部到内部订单的自动化转化、解决全球工厂车间的高速数据传输问题,到使用企业级工具替换开源工具实现高可用数据抽取,再到利用 AI 赋能的解决方案实现核心生产设备的产能测算和规划,打造了国内汽车行业乃至智能制造领域利用AI技术实现数字化转型的标杆。
延锋的数智化转型践行了从AI赋能的数据传输、抽取,再到AI应用、自动化工作流等,实现了基于AI全生命周期的数字化创新转型,并且取得了可量化的经济收益。通过这一转型,延锋汽车可以实现对系统中多项实时生产数据的抽取,提供给各个工厂的MI看板系统进行查询和展示,突破运营瓶颈。新构建的企业级海量数据高速传递方案使延锋汽车的文件传输速度平均提高了10倍,为智能库存与预测夯实数据基础。同时,延锋将AI赋能应用,订单分类正确率从85%提升到97%,大大减少了返工时间。
环球科技:构建企业应用集成平台和业务流程管理平台,迈向智能自动化
环球科技拥有50多年链条研发、制造经验,是国内链条行业的领头羊,也是集链条研发、制造、销售于一体的国家高新技术企业。近年来,数字化、智能化成为环球科技转型升级的重要手段,公司先后开发部署了MES、ERP、WMS、质检系统、供应商管理系统等多个IT系统,服务企业各个业务流程。
随着高新业务的快速发展和竞争加剧,环球科技急需实现从产品设计、生产、物流、销售等多环节多业务角色的紧密配合和上下游联动,构建统一的现代化业务流程管理平台,以提升效率、降低成本。IBM通过工作坊的方式帮助环球科技梳理业务、系统打通和流程串联的难点,量身定制解决方案与IT系统架构,在最大化复用当前系统的基础上,探索出数字化转型升级的最佳路径。
环球科技利用 IBM Cloud Pak for Integration 当中的企业服务总线组件App Connect基于制造行业的企业服务总线构建起一个敏捷、轻量的应用集成平台,解决了系统之间接口混乱的问题, 实现敏捷且轻量的应用集成,不仅实现多种应用接口联通、多种数据格式解析处理,还提供信息同步、异步传输能力,同时具有高安全性、高稳定性和易扩展性,以及良好的统计、分析和监控能力。
环球科技采用IBM Cloud Pak for Business Automation(BAW)中包含的业务自动化工作流(BAW)整合业务系统与管理系统流程审批信息,实现对业务流程全面可视并能综合管理。该平台基于混合云底座,方便客户切换不同的底层基础设施,也简化了环球科技在混合IT环境下对其应用、数据以及业务流程的统一管理。
作为一家典型的制造业转型升级的行业龙头企业,环球科技的数字化和智能化重塑没有止步于IT系统的优化整合,而是进一步迈向流程的智能自动化管理。这种对于业务系统和流程的深度重塑,帮助环球科技实现了数字化的生产流程超级自动化,实实在在地提升了运营成效。通过转型,以往在环球科技通过人工以Excel计算需要5天完成的零件生产计划,现在依托全自动计算只需几小时就可以完成,由此减少了计划员80%的工作量。因为实现了不良品的全数字化评审,改进后的数字化流程将检验员和文员的工作效率大大提升,工作量减少了60%。此外,数据驱动的采供销一体化流程也将其订单完成率提高了50%。
当前国家已经提出要加快发展新质生产力,推进高质量发展。中国拥有体量庞大的传统优势制造业,迫切需要加快传统优势产业转型升级,持续‘向上向新’发展。经过40年在华发展,IBM也初心不改,凭借领先的技术产品、端到端的咨询服务和全球管理经验IBM携手合作伙伴,助力中国企业加快先进技术落地,打造AI时代的新质生产力。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。