2023年科技圈最受关注的热词是什么？生成式AI（AIGC）毫无疑问是焦点。那么，对于制造业而言，这项技术究竟能带来哪些实质性的价值？正在推进数字化转型的中小企业，又能从中获得怎样的启发与借鉴？

近期，行业内的多位制造领域专家齐聚一堂，深入探讨了这些话题——从中国制造业的发展趋势，到传统企业数字化转型面临的挑战，再到生成式AI如何重塑制造流程与模式。干货满满，值得细细品味。

生成式AI在制造行业的应用现状

谈及中国制造的现状与未来走向，一个普遍共识是：传统制造业的数字化升级正在加速推进，高端化、智能化、绿色化已成为主旋律。然而，在生成式AI与大语言模型的实际落地方面，行业仍面临诸多亟待破解的难题。

第一个难题：场景碎片化。制造业不同于教育、医疗等领域，缺乏大量公开的标准化数据，核心工艺数据往往分散、保密，且各细分领域差异显著。这导致大模型训练难度极大，生成式AI落地也阻力重重。

第二个难题：工具思维。大模型本质上只是一个工具，关键在于找准业务场景，将不同工具组合起来，找到最优解，才能真正实现降本增效。如果只盯着模型本身，很容易偏离实际应用方向。

第三个难题：大小模型共存。从当前趋势来看，制造业中大模型与小模型将长期并存。例如，在工业视觉检测、到货时间预测等场景中，小模型方案已相当成熟；而在知识库、设计创新等场景中，大模型才能真正发挥作用。像西门子智能知识库、海尔创新设计中心，就是大模型成功落地的典型案例。

第四个难题：推理成本。有应用场景就必然伴随推理需求，如果一味追求大模型而忽视推理成本控制，企业迟早会被高昂成本拖垮。因此，制造业企业在推进大模型应用时，必须在模型准确度与推理成本之间找到平衡点，这才是成败的关键。

中小企业数字化转型的难点

谈到中小企业推进数字化转型，难点究竟在哪里？亚马逊CEO Andy Jassy多年前曾说过一句话：他创立云计算的初衷，就是希望所有刚刚开始创新的人——哪怕在宿舍、在车库里——都能像大企业一样，用上先进的基础设施，且成本极低。这个愿景，在今天同样适用于生成式AI。

从2006年云计算诞生至今，无数中小企业不再需要花费巨资购买服务器、建设机房，就能开发出互联网应用。而新一轮的生成式AI浪潮，正沿着同样的路径前行——降低技术门槛，让普惠真正落地。对中小企业而言，只要找准业务场景，提供高质量的私有数据，就能借助定制化模型实现降本增效，甚至有机会与大企业同台竞技。

当然，中小企业也有自身的短板：业务端相对薄弱，技术能力有限。因此，降低构建生成式AI应用的门槛显得尤为重要。例如，通过API直接调用多种基础模型，用自有专有数据定制模型，且无需管理底层基础设施——这些能力，正在让中小企业更容易拥抱AI技术。

亚马逊云科技赋能制造行业的优势

在赋能制造业方面，有几个经验值得分享。

第一，亚马逊自身就是一家制造企业。Kindle、Fire TV、Echo音箱、机器人……这些智能硬件都经历过复杂的生产制造过程，更不用说自研芯片了。因此，亚马逊在工厂自动化、运营管理方面，积累了丰富的实战经验。

第二，多年来，亚马逊云科技持续帮助制造客户将数字技术融入产品研发、工厂运营、供应链管理、设备服务等核心业务，借助数据分析与洞察来提升运营效率，深化数字化转型。

第三，一个强大的智能制造生态网络。从研华、凌华、联想，到埃森哲、德勤、达索，再到中科云谷、树根互联、速石科技、中科创达、淄云科技、众壹云……这些合作伙伴共同为制造业打造从宏观到微观的“最后一公里”解决方案。这个遍布全球的合作伙伴网络，是实实在在的竞争优势。

生成式AI在制造行业的场景应用

“生成式AI与其他IT技术最大的不同在于，它为一个行业带来的想象空间是巨大的。”这句话说得一点没错。在制造业，生成式AI的应用场景极为丰富。

工业设计场景：传统工业设计依赖人工手绘，人力成本高、周期长、质量波动大，且容易受人员流动影响。亚马逊云科技与计算美学（Nolibox）合作，利用生成式AI实现文生图、图生图，能够快速生成多张改良方案图。海尔创新设计中心打造的全国首个AIGC工业设计解决方案，整体概念设计提速83%，集成渲染效率提升约90%，成本也显著下降。

市场营销场景：借助生成式AI的文生图、图生图方案，自动生成针对不同产品、不同渠道的整套市场营销材料——从线上到线下，一应俱全，效率极高。

职能支持场景：80%的企业数据属于非结构化数据，员工用关键词检索内部文档时，常常难以找到准确信息。亚马逊云科技利用生成式AI构建企业级智能知识库，将搜索引擎与大语言模型结合，员工能够快速获取最精准、最新的内容。西门子中国在3个月内就建成了智能知识库“小禹”，上线首周即有超过4000名员工使用，解答了超过12000个问题，效率提升显著。