AI Agent应用 | AI+制造业赋能沙龙学习心得1
作者：微信文章“ 有幸参与《湾区AI+制造业赋能沙龙》收获满满；把学习心得与大家分享，图片为现场拍摄，知识产权归主讲嘉宾；通过学习和写此为是为了加深理解，本人过往知识有限，理解如有不到位的地方欢迎指正；”
第一篇学习主讲嘉宾智谱AI智能制造行业总部总经理何国帅的《AI驱动制造业智能化趋势和实践》。重点关注AI全球发展趋势和制造业企业智能化实践；也十分关注智谱模型矩阵对制造业的赋能，因为时间关系等以后深入了解和学习再作补充；
01
—
AI全球发展进程和趋势
AI发展进程部分网上有很多资料，就不再复述，重点关注嘉宾对AI全球发展趋势的理解；
一、大模型的商业范式：
工作方式变革->组织模式变革->用户体验变革->商业模式变革->竞争优势变革
心得：1、结果是所有人想要的，起步却是所有人难以适应的；如何让企业全员理解AI、学习AI、拥抱AI，主动迎接工作方式变革、接受组织模式变革是一个重在课题，万事开头难；2、组织模式的变革如何设计，这是跨学科跨领域的课题，AI应用很火热，少有在这一课题上的研究；嘉宾只做了抛砖引玉；学习完要进一步去挖这块玉；3，用户体验的变革，谁来设计、引导和培养用户体验，传统移动互联粗暴式的发展肯定不能再用，也用不了；没有统一的用户体验就没有统一规模化的应用产品；或者说我们不再追求规模化，强调个性化；4，商业模式的变革和用户体验的变革是一脉相承，相辅相成，同样面临如何设计问题，商业模式变革又会影响组织模式的变革；5，竞争优势的变革的结果是什么，赢者通吃，还是优胜劣汰后新起一批继续百花齐放；在制造业细分领域可能是赢者通吃；根据这个变革范式，它不是一朝一夕能完成的，完成后的优势差距不是后来者能追得上的；二、如何开发AI产品预训练->微调->prompt工程->产品化/工程化
心得：
重点关注“产品化/工程化”；对于制造业来说，AI是工具、是生产资料，没有必要自己去生产生产工具，而是要拿生产工具去创造价值；所以，预训练和微调就不是一般企业去做的；prompt工程用“红衣大叔”的话来说，但凡教怎么设计prompt的都是骗子；随着AI的自主发展，越来越接近自然语言的理解能力，prompt不再是重点，过往prompt的经验随着大模型的升级变得毫无用处；
三、知识库应用三个阶段
心得：知识库正是体现商业价值的阶段，尽快建设高质量的知识库，这是AI应用的基础；四、Agent核心能力WorkFlow工作流和Agent智能体
心得：Agent WorkFlow要和信息化时代的工作流区分开来；传统的工作流是硬编码/预设计的流程，而Agent WorkFlow是经过根据自然语言理解自主规划的流程，自主的调用不同的Agent去完成任务；
02
—
制造业企业智能化实践
一、工业知识管理
制造企业大量高价值的经验和知识分散在各类文档或系统中，无法及时反馈生产环节，企业知识资产缺乏有效沉淀，知识存而不用
制造业人才流动率提升，"老带新" 的知识传承和培训方式成本高、周期长，且企业经验知识随人员流失而流失，无法形成资产
传统知识库建设运营成本高，用户使用体验差，不利于知识价值释放
二、工业数据分析
降低用数门槛：自然语言交互简化操作，降低了数据分析门槛，让业务用户可以更自主、快速获
取所需要的数据
提升决策效率与灵活性：支持更灵活的数据分析需求，充分发掘数据赋能业务的可能性
提升数据分析质量：极大地简化即席分析过程，让数据分析师能够更专注于分析逻辑和数据洞察，提高数据分析质量
三、产品设计方案辅助生成"按订单设计 / 装配" 模式采用的设备等产品，需要根据客户定制化需求进行产品设计，面临零部件 BOM 复杂等挑战，人工设计耗费大量精力用于信息检索等工作，且方案内容存在较大比例的重复性。
四、设备运维
五、安全生产监管
六、技术合同审核
七、智能问答专家
八、销售问答助手与智能问答
画重点，AI让我们赚钱更轻松；
页:
[1]