通用AI与工业AI：技术进步如何缩短20年的差距？

（报告出品方/作者：信达证券，庞倩倩、郑祥）

一、ChatGPT 引领 AI 突破，工业 AI 应用前景可期

1.1 通用 AI 技术工业领域落地周期逐步缩短，带动工业 AI 应用发展提速

ChatGPT 引领通用 AI 大模型突破，伴随通用 AI 技术同工业领域融合应用的滞后周期不断缩短，工业 AI 应用亦有望迎来快速发展。ChatGPT 是由人工智能研究实验室 OpenAI 于 2022 年底推出的一款 AI 驱动的自然语言处理（NLP）工具，其通过突破性的“Transformer 架构大模型+RLHF（人类反馈强化学习）算法”带来自然语言处理在表述逻辑性、自然性等 人机交互体验领域的巨大提升，杰出的用户体验首先带来 ChatGPT 在 AI 生成文本领域的 潜在广泛应用。随着 2023 年 3 月 OpenAI 正式推出大型多模态模型 GPT-4，以及微软陆续 将其旗下 Bing 搜索引擎、Dynamics 365 商业应用解决方案、Power Platform 低代码开发 平台、Azure 云服务、Microsoft 365 办公套件及 Microsoft Security 安全等产品融入 ChatGPT 的 AI 能力，AIGC（AI 生成内容）在生成文本、图片、视频、代码等一系列应用领域的前景 更加广阔明朗。

🌟Industrial AI: The Game-Changer in Action 🚀ChatGPT might be the talk of the town, but when it comes to industrial applications, the game is all about specialized AI that deeply integrates with mechanisms. Think precision maintenance, process optimization, and informed decisions based on domain knowledge – these are not your average, one-size-fits-all tasks. They’re scattered, complex, and require a level of transparency that’s crucial in industries like you wouldn’t believe! 🤔The journey from expert systems to industrial adoption wasn’t smooth sailing. It took nearly two decades between the 60s and the 80s for AI to make its mark. Statistical learning lagged even further, with a 10-year delay. But the real revolution happened in just a few short years – deep learning and GANs made their industrial debut within 4 years of their general-purpose heyday in ’12! 🚀The rise of AI technology and increased digital maturity have shortened the gap dramatically. From a 20-year lag to less than 5, we’re witnessing a rapid transformation. With ChatGPT’s breakthrough in universal AI models, the stage is set for an industrial AI boom that could redefine efficiency and innovation. 🚀🚀So, get ready, industries – the AI revolution is knocking on your door, and it’s not just about automation anymore. It’s about smarter, more explainable solutions that will drive growth like never before. Let’s embrace this digital age and witness the Industrial AI revolution in action! 💻🌟

1.2 工业 AI 应用场景贯穿工业研发设计、生产制造、经营管理等全环节

技术层面，工业 AI 的核心赋能技术主要包括算法技术和应用技术。其中，算法技术主要包 括以机器学习、深度学习和其他学习方式为主的数据科学，以专家系统、知识图谱为代表的 知识工程等两大类；应用技术则主要包括机器视觉、自然语言处理及语音识别等。 根据核心赋能技术不同，工业 AI 形成识别、数据建模寻优及经验知识推理决策三大类核心 应用模式，贯穿工业研发设计、生产制造、经营管理等全环节。其中，识别类应用对应以机 器视觉、自然语言处理及语音识别等为代表的应用技术，包括工业视觉检测、表单识别和工 业语音信号识别等；数据建模寻优类应用对应以机器学习、深度学习和其他学习方式为主的 数据科学算法技术，主要包括智能排产、设备运维、工艺参数优化等；知识推理决策类应用 则对应以专家系统、知识图谱为代表的知识工程算法技术，主要包括设备故障诊断专家系统、 供应链知识图谱等应用。

🌟Industrial AI, the driving force behind advanced manufacturing, is manifested in a diverse range of products and services. Let’s delve into its core components:基础硬件软件 – from essential chips to AI frameworks and industrial cameras, these are the foundation for any industry; Intelligent Industrial Equipment – think smart robots, AGVs, and precision machines that integrate AI for optimized production; Automated & Edge Systems – they’re the backbone with intelligent algorithms embedded; Lastly, Platform & Industrial Software Solutions – a fusion of tools and AI-integrated platforms, plus AI-powered industrial internet platforms, shaping the future. 🚀This article will concentrate on the exciting intersection of Industrial AI and these platform-software solutions, exploring their cutting-edge applications and envisioning the future trends. Stay tuned for a deep dive into this dynamic field! 💡

二、应用场景透视：“AI+”助力传统工业软件效率提升

2.1 研发设计环节：“AI+”可赋能创成式设计、仿真优化、电子设计优化等

2.1.1CAD：AI 赋能创成式设计，CAD 软件价值量有望同步提升

🌟🚀掌握未来设计！AI驱动的创成式设计，引领3D CAD新潮流！💡🔥利用AI智慧，一键生成满足复杂需求的优化设计，告别繁琐步骤！🛠️工程师们，释放双手，与创新互动！通过直观界面，定制材料和工艺，创成式引擎迅速响应，提供创新起点或完美解决方案。🎯三大优势闪耀：🚀1. 提升速度，瞬间浏览海量方案，加速高效创新设计的诞生！🏃‍♂️2. 精益求精，全面考虑多因素，打造专为性能而生的优化设计，更稳固、轻盈或高效！💪3. 时间节约者，自动化解放双手，缩短从想法到成品的时间，设计不再漫长！⏰拥抱创成式设计，开启设计新时代！🚀🌈

🌟🚀创成式设计引领未来CAD革新！💡在当今工业4.0的时代，Siemens Solid Edge、PTC Creo与Autodesk FUSION 360等主流CAD软件已深度拥抱创成式设计，这无疑是工程师们高效生产与降低成本的利器。随着GPT这类通用大模型的成熟壮大，以及垂直行业海量工业设计数据的优化升级，我们期待CAD软件的功能将更上一层楼，显著提升创新速度和效益。🚀🛠️这种技术革新不仅简化了设计流程，减少了错误，还将推动CAD软件价值迈向新的高度。设计师们的工作效率将如火箭般飙升，而单个软件的价格也将反映出其无可替代的市场价值。💰💻让我们共同见证这一科技革命如何重塑CAD领域，为创新注入更强动力！🚀🌟

🌟🚀PTC引领创新，将AI驱动的创意思维注入Creo核心产品！💡🚀 Creo，PTC的旗舰CAD/CAM/CAE解决方案，专为产品设计与开发打造，3D设计领域的不朽力量！💪🔥 新版GTO和GDX扩展包，AI技术赋能，引领行业革命！🌟- GTO突破性地实现了创成式拓扑优化，设计师可精准定制，材料选择与工艺流程两相兼顾，降低成本，提升质量！💰- GDX云端协作，设计者在云上挥洒创意，实时同步，加速创新进程，让梦想触手可及！🌐🚀 创造力不再受限，时间缩短，优质设计快速面世！💡 Creo创成式设计，设计师的得力助手，打造卓越产品，引领未来潮流！🌈欲了解更多AI驱动的设计魅力，PTC官网是您的首选！💻记得关注我们，获取更多创新资讯！👋

2.1.2CAE：AI 赋能仿真优化及工业数字孪生，工业数字孪生反哺 AI 模型训练

🌟AI引领CAE革新，工业仿真与数字孪生再升级🌟🚀通过AI的力量，CAE（Computer Aided Engineering）的效能显著提升，为复杂工程产品的性能分析提供精准而高效的解决方案。从有限元分析（FEA）、有限体积法（FVM）到时域有限差分法（FDTD），技术的进步加速了计算速度，动态可视化让操作更人性化。然而，仿真领域的挑战依然存在，如何在保证精度与速度间取得平衡，优化工作流程的稳健性是关键。🔍Ansys等领军企业已迈开AI应用的步伐，AI算法智慧地寻找最佳仿真参数，实现速度与准确性的双提升；增强仿真技术通过数据驱动或物理知识训练神经网络，将仿真速度推向前所未有的100倍。这不仅革新了CAE的运作模式，也为工业数字孪生带来了革命性变革。🌐AI赋能CAE软件，设计空间优化成为可能。结合数据分析与基于仿真的数字孪生，我们能迅速且准确地构建出混合现实的数字孪生模型，为决策提供实时、全面的洞察。🚀让AI引领的CAE和工业数字孪生之旅更加智能、高效，迎接未来制造业的数字化转型！

工业数字孪生可通过仿真运行生成数据，助力 AI 模型训练。工业场景具有数据样本量相对 较小的特点，是深度学习落地工业领域的最大制约。工业数字孪生可通过仿真运行方式生成 数据，助力 AI 模型训练。目前，微软 Project Bonsai 正使用 Ansys Twin Builder 软件创建 设备或流程的数字孪生，以助力其模型训练。Project Bonsai 是微软推出的一款低代码 AI 平 台，其以图形化的方式连接那些通过编程可执行 AI 功能的软件模块，使得工程师们在不使 用数据科学的情况下就可实现 AI 驱动的自动化。Project Bonsai 采用机器教学训练模型， 但模型一经良好训练，就需要大量数据进行优化，这就需要通过反复运行物理过程来生成大 量数据，然后将这些数据输入模型，微调在整机上的操作或实现自动化的过程。但从物理过 程中生成如此多的数据，既耗时成本又高，且某种极端情况（如果这种情况每万亿次只发生 一次）在训练过程中没有发生的话，则模型也不会预见到这种情况，如果以后实际发生了， 模型就不知道该如何应对。通过与 Ansys Twin Builder 合作，微软 Project Bonsai 就可同时 运行数百个机器或应用的虚拟模型，并将这些数字孪生生成的数据直接输入模型对其进行优 化，从而不断克服各种局限性。我们认为，长期来看伴随着以 GPT 为代表的通用大模型进 一步成熟，工业大模型的搭建也有望成为趋势，与使用物理机器生成数据相比，数字孪生可 更快速、以更低成本生成训练 AI 模型所需的大量数据，伴随工业 AI 模型持续发展，对以 CAE 为代表的数字孪生相关软件需求也有望进一步放量。

2.1.3EDA：AI 赋能 EDA 工具，可大幅提升设计效率及设计产品性能

AI 技术可有效赋能 EDA 工具，大幅提升设计生产效率及设计产品的 PPA（功耗、性能、 面积）。2021 年 7 月，Cadence 正式推出首款 AI 驱动的 EDA 设计工具 Cerebrus，其具有 独特的强化学习引擎，可自动优化工具和芯片设计选项，以显著减少工程工作量和总体流片 时间来提供更好的 PPA。根据公司官微披露数据，Cerebrus 采用独特的增强版机器学习技 术，可实现 10 倍的生产效率提升和 20%的 PPA（功耗、性能、面积）提升。此外，Cadence 还于 2022 年 6 月推出 AI 驱动的系统设计优化工具 Optimality，其利用类似于 Cerebrus 中 使用的 AI 技术实现了突破性结果，对设计进行了优化，平均速度比传统手动操作快 10 倍， 在一些设计上甚至实现了高达 100 倍的速度提升。我们认为，未来 AI+EDA 的结合将是大 势所趋，而 AI 带来的 EAD 工具设计效率及设计产品效果的显著提升亦有望进一步提升 EDA 产品价值量，打开 EDA 产品更高市场天花板。

2.2 生产运维环节：“AI+”可赋能早期缺陷检测、预测性维护、产品质量分析等

AI 在工业生产及运维环节可应用场景较多，我们选取早期缺陷检测、设备预测性维护、产品 质量分析及生产预测等 4 类较为典型的落地场景进行分析。 早期缺陷检测：资产需要处于良好工作状态才能实现可靠生产，而在复杂的制造系统中工厂、 车间可能发生故障的预测并不简单，准确的预测需要测量尽可能多的可能导致缺陷的参数， 而整合来自这些参数的海量数据几乎不可能手动完成，AI模型的构建可使用实际运营数据， 根据各种参数有效预测资产状况，工程师在资产发生故障前就能关注并维护资产。

预测性维护：对资产设备的预测性维护能够有效防止故障发生、延长资产寿命、保证设备可 用性，但传统上企业为不同资产定期制定维护计划在日期选择上并没有太多科学依据，等故 障出现再采取纠正措施往往成本高昂。AI 模型可使用来自设备端的运行数据，并根据这些 数据对预测性维护进行科学规划，同时工程师可通过 AI 持续监控设备运行状态，大幅减少 人工监控时间，有效降低资产设备维护成本。 产品质量分析：产品质量直接影响企业品牌和客户满意度，是企业最为重视的一环，劣质产 品会造成产品返工或召回并提高保修成本，使企业付出巨大代价。然而，手动测量和检测等 传统质量分析技术非常容易出现人为错误，导致缺陷产品上市。通过机器视觉则能够找出会 被肉眼漏过的缺陷，并提高质量分析效率。同时，AI 还可用于检测运行环境中的异常，从而 改进质量流程。

生产预测：有效的生产预测能够助力企业制定高效的供应链策略、降低库存成本，同时更高 效的进行企业资源计划，分配人力和原材料。传统生产预测缺乏准确的预测模型，预测效果 不佳。应用 AI 后，企业可通过准确收集生产时序数据和关联的生产参数创建 AI 预测模型， 并通过生产流程仿真生成数据优化模型，通过这些模型找出生产过程中发生异常的原因及潜在问题，并持续修改资源规划策略，达到精益生产目的。

美国工业互联网领域明星创业公司 Uptake，将 AI 能力引入设备预测性维护，并取得良好 运营效果。Uptake 在获取客户订单后会首先同客户探讨明确其痛点，并接入和收集相应设 备数据，通过设备故障诊断数据建立故障模型，利用故障模型分析实际问题，并让技工判断 模型分析结果是否正确，对模型调优。最后根据采集的大量设备运转数据，结合 AI 算法等 进行拟合建模，得出故障预测模型，将该模型应用在实际问题分析上，结合技工反馈，持续 优化迭代。AI 能力的引入，大幅提升了设备预测性维护的准确率和运维效率。

与此同时，国内工业互联网厂商亦在进行 AI 同工业设备状态监测与故障诊断的结合研究。 根据容知日新 2022 年半年报披露信息，其在研项目中即包括工业 AI 项目，工业 AI 项目 （PHM 引擎）在功能建设目标上是为帮助企业实现设备预测性健康管理方向上的数字化洞 见能力；在业务定位上主要作为数据深度加工的工具，致力于提供 PHM 方法论的最佳工程 实践；在架构上兼容各类工业数据的应用场景，未来可覆盖到工艺优化等生产环节场景。整 个引擎主要由数据管理、算法管理（含算力）2 个部分组成。我们认为，AI 同工业企业生产 制造和运维服务环节的融合将是大势所趋，国内外企业已陆续在该领域投入相关研究或已 有成熟解决方案落地。ChatGPT 的诞生让人们看到了 AI 大模型的跨越性突破，伴随 AI 大 模型进一步成熟，工业生产制造及运维环节的 AI 技术融入亦有望得到快速发展。

2.3 经营管理环节：“AI+”可赋能 CRM、SCM、ERP 等经营管理类软件

相较于研发设计、生产制造及运维服务环节具有专业性较强的特点，经营管理环节更具通用 性，也是以 GPT 为代表的通用大模型更易落地实现的应用场景入口。2023 年 3 月，微软 陆续推出全面引入 GPT 互动式 AI 能力的商业应用产品 Dynamics 365 Copilot 及 Microsoft 365 Copilot，AI 能力的引入带来上述经营管理类软件用户体验及工作效率的跨越式升级， 并有望带来经营管理软件价值量的同步提升。后文将主要参考微软 Dynamics 365 Copilot、 及部分国内管理软件厂商 AI 应用产品，探索 AI 在 CRM、SCM、ERP 等领域可能的融合应 用场景。

2.3.1CRM：AI 可助力销售人员快速响应，并升级市场营销体验

AI 能帮忙编写给客户的电子邮件回复，赋能销售人员随时快速响应。在 Dynamics 365 Sales 和 Viva Sales 中，AI 能帮忙编写给客户的电子邮件回复，也能在 Outlook 中自动生成一个 Teams 会议的总结邮件，并从 CRM 系统中自动提取产品、报价等细节，以及由 Teams 通 话中总结出核心要点一并汇总到邮件里，大幅提升销售人员响应速度。

AI 可提升虚拟客服交流能力，帮助服务专员提升客户体验。Dynamics 365 Copilot 能够针 对聊天对话和电子邮件中的问题，撰写出符合上下文语境的答案，其互动式的对话体验基础 来自于知识库和过往案例，因此其总能找到问题答案，进一步提升企业虚拟客服同客户的交 流能力，向客户提供更好的服务体验。

AI 可助力营销人员升级市场营销体验，并轻松找到目标受众。借助 Dynamics 365 Customer Insights 中的 Copilot，市场人员只要用自然语言与客户数据平台进行一些简单对话，就能得 到高度定制化和目标明确的客户分类，这一功能可应对复杂计算并准确定位特定客户群体。 利用 Dynamics 365 Marketing 中的 Copilot，市场人员可以用自己的语言来描述客户群体， 从而创造出一个支持检索辅助功能的全新目标客户类别。

2.3.2SCM：AI 可提升供应链敏捷性，并通过数据采集分析提升决策有效性

AI 可提升供应链敏捷性，将风险降到最低。参考 Microsoft Supply Chain Center 中的 Copilot 功能，其能主动为影响供应链流程的事件发出告警，如天气、财务或地理环境等；随后预测 筛选出受影响的订单，并将物料、库存、承运商、配送网络等信息一一呈现；供应链规划功 能随后会自动撰写一封由 Dynamics 365 Copilot 生成的电子邮件向受到影响的合作伙伴发 出预警，提醒防范可能出现的破坏性影响等。

AI 可助力招投标信息、商品价格信息、竞品信息等市场信息的采集分析，提升企业供应链 决策的有效性。随着政企数字化转型加速，各行业大量线下场景转移到线上，促进了各类数 据的爆发式生产，进一步加快了海量数字资产的形成，如和企业供应链紧密相关的招投标信 息、商品价格信息、竞品信息等，而手动采集和分析数据效率、效果低下。泛微网络通过融 合 RPA+AI 两大系统引擎能力，构建了采集提炼一体化的信息采集智能机器人平台“千里 聆”，其能够 7×24 小时模拟人自动完成访问目标网站、抓取网页数据、收取邮件内容、填 写上报数据等工作，实时获取需要的有效信息，进一步提升企业供应链决策的有效性。

2.3.3ERP：AI 可在多场景提升 EPR 产品能力

AI 可在财务领域、信息采集等多场景提升 ERP 产品能力。根据汉得信息 3 月 17 日在投资 者互动平台披露信息，汉得已基于 AI 技术打造了多种场景的应用解决方案，数字员工是其 中一个成熟能力，目前已在各个领域尤其是财务领域应用。数字员工已积累数百家大型企业 的数字化、智能化财务系统的建设经验，同时依靠自身的创新能力，帮助众多企业培养了应 用于记账、审核、收单、算税、支付、归档、对账、稽核、客服及培训等场景的数字员工， 集数据采集、识别、校验、NLP 自然语言等多项技能于一体，能够在无人工值守下 24 小时 持续工作。我们认为，ERP 作为企业传统的重要管理软件，应用模块向外集成了财务、人 力、供应商、合同管理等各类应用场景，而 AI 在上述不同模块的赋能，能够全面提升 ERP 的功能能力及客户使用体验，进一步提升 ERP 产品的价值量，打开行业更大成长空间。

三、工业互联网平台汇聚 AI 要素，有望成为工业 AI 绝佳入口

3.1 工业互联网平台汇聚算力、算法、数据和应用，是工业 AI 的绝佳入口

工业互联网平台的本质是通过工业互联网网络采集海量工业数据，并提供数据存储、管理、 呈现、分析、建模及应用开发环境，汇聚制造业企业及第三方开发者，开发出覆盖产品全生 命周期的工业 APP 应用，以提升工业生产经营效率。工业互联网平台汇聚了算力、数据、 算法及应用场景的 AI 全要素，有望成为工业 AI 融合应用的绝佳入口。 算力方面：工业互联网平台采用云化部署方式，底层 IaaS 基础设施能够提供弹性可伸缩的 基础算力资源。

数据方面：数据是 AI 模型的“燃料”，工业互联网平台能够打通和汇聚企业内部从研发设计、 工艺管理、生产制造、运维服务到经营管理的全环节数据，为 AI 模型的构建提供海量数据 资源。此外，随着区域级及行业级工业互联网平台的逐步发展，跨区域及行业的海量数据逐 步汇聚亦有望为工业 AI 大模型的训练奠定更加坚实的基础。 算法方面：工业互联网平台 PaaS 层封装了工业互联网平台企业大量的垂直行业 Know-how 知识经验，并基于此构建大量可复用的低代码开发模块和原理模型组件，能够为工业 AI 模 型的训练奠定良好的算法层基础。 应用方面：工业互联网平台应用层可提供覆盖不同行业、不同领域的工业 APP 及工业创新 应用，是工业 AI 模型落地应用的有效载体。

西门子通过其工业互联网平台 MindSphere 实现 AI 同工业物联网的集成。2016 年，在陆 续并购了多家大数据分析厂商后，西门子正式推出其工业互联网平台 MindSphere，加之多 种微服务应用，逐步形成基于云的开放式工业物联网生态系统。2018 年西门子进一步收购低代码应用开发领域领导者 Mendix 公司，2021 年收购 Mendix 合作伙伴 TimeSeries，开 发基于 Mendix 低代码平台的垂直应用，如智能仓储、预测性维护、能源管理、远程监测等。 “MindSphere+Mendix”构成了西门子工业互联网平台生态。基于 MindSphere 获取的海量 工业数据，西门子将 AI 能力逐步集成入平台，开发了包括异常检测、事件分析、关键绩效 指标（KPI）计算、信号计算、信号频谱分析等分析服务应用，以及资产管理等应用，奠定 了工业互联网平台集成 AI 能力的良好实践基础。

3.2ChatGPT 代码生成能力有望重塑工业 PaaS 低代码平台

工业互联网平台的重要能力之一是通过封装在其 PaaS 平台层的大量通用的行业 Knowhow 知识经验或知识组件以及算法和原理模型组件，以低代码方式构建上层工业 APP 应 用，而 ChatGPT 代码生成能力的跨越式进步有望重塑工业 PaaS 低代码开发平台。目前， 微软已将 GPT 的代码生成能力融入其低代码开发平台 Power Platform，并于 2023 年 3 月 正式推出 Power Platform Copilot 产品。Copilot 是 Microsoft Power Platform 的一个新功 能，可以在 Power Apps, Power Virtual Agents 和 Power Automate 中基于 GPT 能力提供 AI-powered 的帮助，让制作者可以用自然语言描述他们想要的应用、流程或机器人，然后 Copilot 可在几秒钟内完成创建，并提供改进建议。我们认为，未来随着 AIGC 在代码生成 能力方面的逐步成熟，有望使得非程序员的工程师能够使用自然语言指令进行零错误的工 业 APP 开发，大幅提升工业互联网平台的应用创建能力、降低应用开发成本。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。

AI时代，掌握AI大模型第一手资讯！AI时代不落人后！

免费ChatGPT问答，办公、写作、生活好得力助手！

扫码右边公众号，驾驭AI生产力！