| 军事论坛 | 时事论坛 | 汽车论坛 | 摄影论坛 |
| 股票论坛 | 游戏论坛 | 音乐论坛 | |
| 万维读者网>世界军事论坛>帖子 |
| AI竞争打到工厂,欧洲想和中国掰手腕 zt |
| 送交者: eastwest 2026-10-18 12:50:26 于 [世界军事论坛] |
AI竞争打到工厂,欧洲想和中国掰手腕2026-10-18 12:00:30来源:观察者网阅读 34243 人工智能浪潮正从聊天界面冲进生产车间,工业AI已经成为大国产业博弈的新赛道。 在制造业智能化转型的关键阶段,欧洲正试图依托老牌工业企业的存量优势角逐工业AI话语权,想要在实体经济这条赛道上,同中国展开竞争。 彭博社报道称,中国似乎已具备在工厂落地人工智能并占据主导地位的有利条件。作为制造业大国,中国的AI性能已排在全球前列,同时将工业人工智能列为国家重点发展方向,以智能化改造实体经济,驱动产业升级。 欧洲不愿在这一浪潮中掉队。西门子、ABB、施耐德电气等老牌工业巨头,拥有海量生产数据,它们试图借力人工智能,争夺工厂自动化下一阶段的市场。 欧洲没能诞生DeepSeek、Claude这类具备全球影响力的通用大模型,因此将赌注押在工业AI这一细分赛道。 报道称,一旦成功,这些老牌企业将能够供应新一代数据驱动型工厂方案,抬高新兴科技竞争对手抢夺客户的门槛,借此降低自身在技术、经济层面对中美产业体系的依赖。 将AI嵌入产品设计、制造、物流全链条,可以减少人力投入、提升产能,压缩停机时间,降低原材料损耗。多国政府都将其视为应对劳动力短缺、提振经济、把更多生产留在本土的抓手。 彭博社称,当下,OpenAI、Anthropic、DeepSeek等中美企业主导通用大模型开发。而老牌工业厂商则制造和维护大量生产装备。高盛数据显示,自2020年以来,工业集团已投入超1100亿美元收购软件企业,补强自身AI能力。 在他们看来,率先布局,能把技术嵌入难以替换的制造系统。工厂智能化改造,远不是普通用户订阅、退订聊天机器人服务那么简单。一旦部署整套工业AI系统,往往伴随硬件改造、人员培训、整条产线重构,企业会被这套方案长期绑定。
中国产出全球约30%的商品,制造业年产值达4.7万亿美元。国际机器人联合会的数据显示,去年中国企业新装工业机器人数量占全球新增总量近60%。国内投入运行的工业机器人总量超200万台,约为第二名日本的4.5倍。比亚迪、TCL等企业打造的“黑灯工厂”,已经实现高度无人化生产。 欧洲早年为应对高昂人力成本,较早开始部署机器人、推进制造数字化。全球大量工厂设备产自欧洲。西门子曾称,全球每三台工厂控制系统就有一台出自该公司,这也让欧洲企业积累了不少AI所需的数据。墨卡托中国研究中心的安东尼娅・哈迈迪表示,欧洲企业尤其擅长利用数据预测设备故障、提升产品质量、优化现有机械效率。 彭博社称,很多人以为,只要资金充足、招揽软件人才,打造对话类AI并非难事,部分大模型还可以递归自优化迭代新版本。但要在物理世界发挥AI能力,事情就要复杂得多。 工业AI要调整机床参数、操控机器人,所有指令必须服从物理规则,不能突破硬件极限。产线上一条错误指令,就可能损坏设备、批量报废产品,甚至引发安全事故。 此外,工业AI需要机器传感器读数、工程图纸、生产记录、工人作业视频,以及设备故障时的运行数据等非常专业的数据。这类数据很多从未被采集,一部分仍停留在纸质档案,还有大量属于企业专有资料。当真实场景数据不足时,企业则会自建数据集。 德国推进“工业4.0”已经十余年,但落地效果不及预期。德国信息技术、电信与新媒体协会(Bitkom)一项研究显示,近半数德国工业企业表示,IT基础设施不足,无法开展数字孪生仿真调试。大量德国中小企业主打小众定制产品,生产批量小,工业AI改造的投入产出比很差,企业改造意愿不强。 彭博社指出,机械设备厂商几乎不可能一键升级系统、搭载最新AI,因为没有两家工厂是完全相同的。一家工厂可能同时运行已使用30年的西门子控制系统和全新库卡机器人;另一家工厂则使用罗克韦尔自动化控制器搭配ABB设备。打通跨品牌、跨年代设备,实现AI体系下协同作业,是一大难题。 更关键的是经济账。不少制造场景,传统方案远比AI更有性价比。巴伐利亚数字转型研究院院长萨宾・普菲弗研究大众、宝马自动化项目多年,在她看来,AI或许能得出相同结论,但原本可能存在更快、成本更低、可靠性更强的办法。 报道称,工业AI开发者设想的远期图景是:只需向AI模型输入产品设计方案,AI就能辅助确定制造工艺、设计工装夹具、规划工厂布局、操控机床,并调度机器人完成装配与成品包装。 自2022年ChatGPT推出后,全球企业财报提到工业AI的频次增长超8倍,资本疯狂涌入。但技术不能停留在展厅演示,只有落地真实工厂,降本收益超过部署投入,工业AI才有商业价值。 虽然仿真技术能够低成本扩充数据,机器人可以在不同物体、不同工况下重复执行任务成千上万次。但开发者仍然需要真实场景样本,验证仿真环境里可行的方案在实体工厂同样奏效。彭博社称,难点在于找到真实数据与仿真数据的合理配比,在模型可靠性和高昂训练成本之间取得平衡。 |
|
0.00%(0)
0.00%(0)
0.00%(0)
|
当前新闻共有0条评论 |
|
|
![]() |
![]() |
| 广告:webads@creaders.net | ||||||||
| 电话:604-438-6008,604-438-6080 | ||||||||
| 投稿:webeditor@creaders.net | ||||||||
|
| ||||||||