数十年来，亚马逊一直将人工智能（AI）和机器学习（ML）作为关注的焦点，不断降低机器学习的使用门槛，并且让包括各行各业超过十万客户在内的所有人能够轻松上手。在这些客户中，来自制造业的企业正在将目光从人工智能和机器学习转向生成式AI技术，以期获得更加令人兴奋的成果。
IDC发布的《制造业现状及制造业企业对生成式AI的应用》研究报告显示，来自制造业的受访者认为，未来18个月内生成式AI可产生最大影响的前三大领域分别是制造（生产）、产品开发与设计、销售和供应链。本文将聚焦生成式AI在革新产品设计、大幅提高制造业生产力水平和优化供应链应用方面的潜力。
借助生成式AI在产品工程领域开展创新
在产品工程领域，人工智能和机器学习已经与高性能计算结合使用，以增强离散产品组件的设计，从而提供人类通常无法构想的创新设计。这些技术为制造业企业提供了一种更快、更有效地探索各种设计选项的方法，以便在找出最佳解决方案的同时，还能最大限度地降低成本、减少材料消耗、缩减工程设计时间甚至生产时间。
作为三维设计、工程和娱乐软件领域的领先企业，Autodesk自1982年以来就一直为建筑设计、施工、工程、制造、媒体和娱乐行业开发软件。为了加快和简化开发流程，Autodesk一直在稳步扩大对亚马逊云科技服务的使用，并减少自有数据中心的使用。Autodesk通过其Fusion 360软件提供了生成式设计功能（一种类似于生成式AI的服务），帮助产品设计师在用户指定的参数范围（包括材料、制造工艺约束、安全因素和其他变量）内提供创新设计。在2023年4月德国汉诺威工业博览会（Hannover Messe）上，Autodesk介绍了一家移动出行初创企业，该企业改进了其创建新的移动解决方案的流程，最终缩短了交货时间，并在快速探索新的移动设计概念的同时，控制工程和制造成本。这家初创企业采用了Autodesk Fusion 360，借助Amazon SageMaker实现增强的人工智能生成式设计和增材制造，从而让新设计的上市周期从3.5年缩短到6个月，达到86%的速度提升。
除了在设计环节的巨大潜力，工程师还可以借助生成式AI分析大型数据集来提高产品的安全性、创建模拟数据集、探索如何更快地制造或加工零部件，进而更快地将产品推向市场。这些数据集可以成为制造业企业构建生成式AI策略的信息源或基础模型，让企业可以在此基础上构建其生成式AI策略。这使企业从此项技术中充分获益的同时，还可保护企业对数据的所有权和数据安全性。
亚马逊云科技Amazon Bedrock托管服务让用户可以通过API访问AI21 Labs、Anthropic、Cohere、Stability AI以及亚马逊提供的基础模型。Amazon Bedrock是客户利用基础模型构建和扩展基于生成式AI应用程序的最简便的方法，降低了构建者的使用门槛。Amazon Bedrock最重要的功能之一便是让客户可以轻松定制模型。客户只需向 Bedrock 展示Amazon Simple Storage Service（Amazon S3）中的几个标注好的数据示例，Bedrock 就可以针对特定任务微调模型，最少仅需 20 个示例即可，而无需标注大量数据。
利用生成式AI优化生产流程
由于制造业企业面临着成本较高和生产损失的风险，它们往往对在生产环境中采纳和实施新技术犹豫不决。在工厂生产中，生成式AI的应用案例尚处于早期阶段，但诸多工厂负责人已明确表示生成式AI可以帮助其优化整体设备效率（OEE）。由于生成式AI需要大量数据来创建基础模型，这意味着制造业企业将面临独特的行业挑战，即获取工厂的数据并将其迁移上云，开启生成式AI之旅。数据是任何数字化转型的基础。对于许多制造业企业而言，首先需要制定和采用行业数据战略，这能够帮助业务团队轻松有效地利用数据来应对企业中的各种应用场景。原因在于，制造业企业经常面临互不关联、彼此孤立的数据源，它们让协同工作变得困难，导致基础模型难以获取经济、安全、结构化且易于访问的高质量数据集。现在，亚马逊云科技提供的Industrial Data Fabric解决方案可以帮助企业解决这些问题。
Georgia Pacific多年来一直使用人工智能和机器学习优化纸张生产质量。该公司通过使用亚马逊云科技数据分析技术来预测生产线的运行速度，以避免生产过程中纸张撕裂的问题，从而提高了利润并最大限度地利用了工厂资源。而生成式AI又将如何帮助企业改进生产呢？在跟业务和生产制造负责人的交谈中，一个反复出现的问题是员工离职导致的生产知识和经验流失的问题。经验丰富的工人可以听出哪些机器轴承需要润滑，还可以感知出哪些机器运行振动不正常。但随着他们的退休，这些几十年所积累的知识和经验也被一并带走。因此，企业时常面对的挑战在于如何让经验不足的操作人员快速具备专业知识，使复杂的生产流程保持高效运转，并最大限度地提高产量、保证质量。
如果制造业企业锐意进行数字化转型，并记录历史机器维护数据、维修数据、设备手册、生产数据，乃至其他制造业企业的数据，从而让基础模型更加有效，真正的变革就会来临。例如，一台持续发生故障的机器导致了计划外的停机，如果工程师可以使用生成式AI查询可能的故障原因，并获得关于设备调整、维护操作，以及备件采购等方面的建议，就可以减少停机时间。因此，在缺乏经验丰富的工程师和操作人员的情况下，生成式AI可以推进生产环境中OEE最大化。
利用生成式AI优化供应链
亚马逊云科技提供了多种服务来应对各种供应链场景。Amazon Supply Chain能够帮助企业提高供应链的可视性，在更快做出明智决策的同时降低风险、节省成本并改善客户体验。Amazon Supply Chain可自动合并和分析多个供应链系统的数据，让企业能够实时观察自身的运营状况、更快把握变化趋势，从而生成更准确的需求预测，以确保有足够的库存满足客户需求。基于Amazon.com近30年的物流网络经验，Amazon Supply Chain通过提供统一的数据湖、基于机器学习的洞察、行动建议以及应用内协作功能，增强了供应链的灵活性。
疫情、地缘冲突、原材料短缺、自然灾害等为供应链带来了种种的不确定性，制造业企业的供应链仍然是令人担忧的领域，甚至可以说是焦虑的源头。但正因如此，供应商开发了生成式AI的增值领域。例如某制造业企业的定制机械零件已经用完，并且正在寻找替代供应商来完成一部分定制加工工作，这时可以利用生成式AI为替代供应商提供所需的能力，帮助企业提供急需的专业服务。在条件允许的情况下，生成式AI还可用于替代日常的人际交流，例如可以回答以前需要数小时或数天时间才能获得正确数据并理解其含义的问题。生成式AI还能作为供应链控制塔，主动评估如运输困难、自然灾害、罢工或其他地缘政治事件等相关风险，帮助企业为供应链合理分配稀缺资源，减轻供应中断所造成的冲击。
相对于生成式AI为制造业带来的无限可能，目前在产品设计、生产、供应链等环节的应用还只是冰山一角，但无论如何，这是前所未有的一大步。亚马逊云科技致力于让任何水平的开发人员和各种规模的企业都能够借助生成式AI开展创新。相信生成式AI技术将为制造业带来无限新可能。
