|
|
资讯流 宏观 直播 策略 日历 | 原油 黄金 美指 外汇 股指 商品 | 教育 知否 | 经纪商 全能投资账户 期货开户 |
|
欧洲股市超越ChatGPT：西门子将工业人工智能视作下一波科技浪潮 |
|||||
|
|
||||
|
 编辑：陈希希 发布时间：2026.5.4 21:11 工业人工智能(AI)的应用范畴，未来将远超依赖英语等自然语言的大语言模型。这是西门子全球工业人工智能研究总监奥林匹亚·布里基斯所持的观点。 尽管ChatGPT等具备人类语言理解与生成能力的模型取得长足进步，但这类技术在特定专业任务中仍存在落地壁垒。 布里基斯在接受彭博(Bloomberg)采访时表示：“在工程领域与现实物理数据应用层面，人工智能落地的阻碍会小得多，因为工业通用技术标准不受语言限制，在全球范围内通用。” 布里基斯拥有慕尼黑路德维希-马克西米利安大学计算机科学硕士学位，自2015年起开设人工智能相关课程，同时担任欧盟委员会(EC)人工智能领域顾问。 她坦言，自己的人工智能从业之路并非一路顺遂。“我最初主修数学，从未想过日后会从事编程与代码编写工作。” 攻读数学专业期间，她发现运用分析思维解决现实世界问题，是自己最大的职业驱动力。 大学后期，布里基斯转专业攻读计算机科学，同时辅修哲学。她表示：“除专业技术之外，我希望拓宽认知视角，以更整体、更全面的思维方式看待各类问题。” 布里基斯谈及自身职业发展时表示，回望过往，数学、哲学与计算机科学最终在人工智能领域交汇融合，人工智能正是这三门学科的结合点。 她补充称，自己转向工业人工智能（也称作物理人工智能）研究，主要契机是硕士期间在西门子的实习经历。 2017年年中，人工智能科研领域女性从业者仍十分稀缺，布里基斯正式入职西门子，投身自动化与工程技术研发。她表示：“入职时我已积累一定专业经验，但却发现当时工业领域几乎没有人工智能落地应用案例。” 她解释，整体工业行业对人工智能的接纳与落地节奏十分迟缓。“消费领域的人工智能普及程度很高，但工业领域偏保守，鲜有真正落地的实际应用场景。” 在西门子，她主导下一代人工智能技术研发，包含生成式人工智能，应用覆盖运营管理、工业自动化、工程设计、电气化及交通出行等领域，专注打造能够理解复杂物理系统、且可在合规监管环境中安全运行的人工智能模型。 她认为，行业已形成共识：人工智能的下一片前沿赛道是实体物理世界，但将这项技术落地工业场景绝非易事。 布里基斯表示，早在ChatGPT走红之前，工业领域就已在应用弱人工智能，这类受限人工智能普遍用于电商商品推荐、影视推荐等场景。各类预测维护、故障预判模型早已投入工厂特定设备与能源网络专项场景使用。 “这类应用早已存在，西门子长期以来一直在为客户打造此类人工智能解决方案。” 2022年年中ChatGPT爆红之后行业最大的变化，是人工智能开始具备完成非预设任务的能力，突破了传统固定训练范式的局限。 布里基斯指出，生成式人工智能在自然语言、视频、图像领域表现优异，这类领域已积累海量互联网公开数据。但面对工业特有场景，例如传感器读数、时间序列数据、技术图纸、电气原理图等，大语言模型仍无法做到深度理解。 “在西门子内部，我们认为这类大模型目前还无法读懂工程与制造业的专业语言。” 部分业内专家认为，视频理解模型已开始初步认知物理世界。她表示：“从某种层面来说确实如此，但工业实际应用对精准度要求极高，工程作业需要绝对精确性。” ▌物理人工智能的独特优势 与大语言模型不同，工业场景文本类数据占比极低，绝大部分数据为数值格式。 她表示：“工业仿真场景对自然语言的依赖度更低，完全不同于图像生成类应用。未来我们搭建的工业基础大模型，大概率具备更强通用性，且不再高度依赖人类自然语言。” 在布里基斯看来，工业人工智能将带来颠覆性产业变革。 “物理人工智能如同拥有实体躯体的智能体，能够与现实世界交互，并依托实体硬件做出决策。这需要海量硬件设施支撑：传感器、底层基础设施、各类感知设备，让人工智能具备视觉、听觉、触觉感知能力。” 另一重大变革集中在算力基础设施层面。当前人工智能算力大多依托大型数据中心完成；而物理人工智能时代，模型推理将实现全域部署，覆盖工厂、家庭、汽车等各类终端场景。 “这将大幅提升区域性能源消耗与本地算力需求。” 目前大语言模型的运行依赖远端大型数据中心，未来物理人工智能将部署在全球数以万计的终端设备中。 这项技术的核心价值在于加速自动化进程。“以往难以实现自动化的复杂工作，终将由物理人工智能承接落地。” 尽管模型训练阶段仍需各国持续投入建设人工智能超级算力工厂，但物理人工智能分布式运行的特性，将大幅降低技术落地门槛，实现因地制宜、按需本地化部署。 西门子目前的工业人工智能解决方案涵盖工业视觉质检、数据分析、预测性维护，以及覆盖从设计到生产全流程的工程智能辅助系统。“我们仍在持续研发性能更强的人工智能模型。” ▌物理人工智能普及进程 布里基斯认为，生成式人工智能已经大幅降低了创新门槛。 “以往需要大型团队、巨额投入才能完成的原型开发，如今仅凭个人借助先进工具就能实现。” 但她同时提醒，工具普及不等于落地普及，数据显示真正熟练应用这类工具的从业者仍属少数。 针对工业领域人工智能是否会替代工程师岗位的争议，她表示行业普遍存在就业焦虑。 “我并不回避这一担忧，但我更愿意将其视作机遇。工程师的工作量永远处于饱和状态，人工智能只会加快项目推进节奏，不会让工程师无事可做。真正面临淘汰风险的，是拒绝拥抱新技术、固守传统模式的从业者。”欧洲股市 >>
---END---
|
|||||
