当人工智能发挥作用时-改变工厂自动化

剧集摘要

Industrial AI 正在从实验室转移到工厂车间。 在本集中 五年前景乐观，劳伦·埃斯平探讨了人工智能如何帮助制造商解决熟练劳动力短缺和提高工程生产力。

故事的中心是 Eigen Engineering Agent，由西门子位于西雅图的人工智能中心开发。通过将人工智能与工厂特定的工程数据相结合，Eigen可以帮助自动化工程师编写代码和配置工业系统，以高达人类五倍的速度执行复杂的工程任务。在19个国家的100多家公司的试点部署中，Eigen的工程效率提高了多达50％。

但是，将人工智能引入工业环境需要的不仅仅是强大的模型。 人类的专业知识、仿真和验证仍然至关重要 确保人工智能生成的工作安全、可靠并为现实世界做好准备。

结果？一窥Industrial AI如何重塑制造业——不是通过取代工程师，而是通过帮助技术人员做更多的事情。

完整笔录

我是劳伦·埃斯平，这是 五年来的乐观前景，简要介绍了塑造未来的重要事态发展。

美国为经济再工业化设定了雄心勃勃的目标。这意味着建立新的制造能力，实现现有业务的现代化并保持全球竞争力，同时行业面临着熟练劳动力的持续短缺。

Industrial AI可能是应对这一挑战的最重要工具之一。它可以在自动化、软件和数字双胞胎数十年进展的基础上再接再厉，帮助工程师、操作员和技术人员提高工作效率，加速创新并解决日益复杂的问题。

但是，要实现这个机会，需要的不仅仅是强大的人工智能模型。我们需要在现实世界中大规模部署人工智能，以实现可衡量的生产力提升。

这使我们想到了一项我们大多数人很少想到的技术，当然，除非你在制造业工作。

PLC，或可编程逻辑控制器。有人可能控制了装满办公桌上瓶装水的管线。另一个人帮助你制造了今天驾驶的汽车内部的组件。还有一个可能帮你打包了出现在你门廊上的快递箱。

PLC 在现代工业中无处不在。Siemens 制造了很多。实际上，世界上约有三分之一的机器由西门子PLC控制。

而且这些控制器中的每一个都需要编程。

这是自动化工程师的工作。他们编写控制代码、配置系统和网络、测试连接，并确保日益复杂的工业系统按预期运行。

而今天，那些熟练的工程师供不应求。

那么，显而易见的问题是：为什么不使用人工智能来提高我们员工的生产力呢？

如今，人工智能在工厂中已经在努力工作。摄像机可以发现生产线上的缺陷。系统预测电机何时会出现故障。其他人则想方设法从关键生产线中挤出更多吞吐量。

这些应用程序之所以有效，是因为它们非常擅长完成特定的工作。一台摄像机。一条生产线。给人工智能举足够的例子，它就能学会出色地完成这项工作。

但是对控制器进行编程不是一项工作。

自动化工程师可能会被要求解决任意数量的问题，而正确的答案取决于具体的工厂——设备、配置、布线，甚至命名规范。

这使得以同样的方式扩展人工智能变得困难。你无法为每个工厂和每位客户构建和训练新模型。

同时，通用人工智能解决了该问题的一部分。当今最强大的模型可以推理、编写软件和处理更广泛的任务。但是他们天生就不了解你的工厂。描述工厂（设备、配置和电气系统）的工程数据是特定于该环境的，通常是私密的。

这就是工业环境重要的地方。

想想一位才华横溢的新工程师在他们的第一天。他们了解工程学，但从未涉足过您的工厂。你不会把他们送回学校。你可以让他们访问有关他们正在开发的特定系统的正确信息，他们很快就会做出贡献。

这就是 Eigen Engineering Agent 背后的想法。

Eigen 在西门子位于西雅图的人工智能中心开发，在自动化工程师已经使用的工程软件中工作。它可以访问描述工厂配置方式的项目信息，以及电气接线图和其他相关的工程数据。

工程师可以用通俗的语言描述他们想要什么。Eigen 不只是生成建议，还能自主执行复杂的工程任务。在实现工程师设定的性能目标之前，它可以理解挑战并基本上开始工作（编写代码或配置系统）。

而且它已经在部署中。

在19个国家的100多家公司的试点部署中，Eigen的工程效率提高了多达50％。它可以以人类速度的两到五倍的速度执行工程任务。

当熟练的自动化工程师稀缺时，这些收益至关重要。

要大规模部署 Industrial AI，还必须对其进行信任。

这就是为什么流程中内置了人工监督和验证的原因。可以通过仿真工具对代码进行测试，这些工具对控制器到达实际设备之前的行为进行建模，由工程师审查和批准工作。

这是一个重要的区别。Industrial AI 不仅仅是将强大的人工智能模型带入工厂。它旨在将人工智能与深厚的工业背景和工程专业知识相结合，使其能够在现实世界中安全可靠地部署。

而Eigen是更大努力的一部分。Siemens将在未来三年投资10亿美元用于人工智能的能力和产品，其基础是数十年在行业和基础设施中应用技术的经验。

因为人工智能的下一章将不仅仅由更强大的模型来定义。它还将由我们在现实世界中部署它们的能力来定义，即解决实际问题和提供可衡量的价值所需的工业环境和人类专业知识。

这是一种比聊天机器人变得更聪明的进步。它发生在工厂内部，与工程师一起工作，最终发生在我们大多数人从未见过的PLC中。

但是我们都会体验到结果。

我是劳伦·埃斯平，这是 乐观的前景。