AI在工业铺开应用，英伟达的“AI工厂”并非唯一解

英(yīng)伟达CEO黄仁勋最近越来越多提到AI工厂的概念。 5月，黄仁勋宣布英(yīng)伟达(wěidá)与富士康合作，在中国台湾打造一台(yītái)配备1万颗英伟达Blackwell GPU的AI工厂超级计算机。上周，黄仁勋又宣布，英伟达将在德国(déguó)建设(jiànshè)全球首个工业AI云，配备1万颗Blackwell GPU。英伟达还将在欧洲建20余个AI工厂。 在(zài)英伟达展示的图景里，汽车可以在虚拟环境中(zhōng)设计，机器可以在虚拟环境中训练，工厂产线可以在虚拟环境中优化后再到现实工厂运行。这些计算用到了(le)AI。黄仁勋称，每个制造商都会有两个工厂，一个制造产品，另(lìng)一个创造驱动这些产品的智能。 产生这些“智能”的(de)算力来自实体AI工厂，也就是部署了(le)大量GPU的算力中心。如果说英伟达指明(zhǐmíng)了工业AI转型的主要方向，那么，随着各万卡算力中心落地，工业应用AI的转折点可以说在加速(jiāsù)到来。 不过，还有一些问题(wèntí)需要厘清：英伟达在工业AI转型中(zhōng)扮演的角色是什么？这是工业AI转型的主要路径吗？这些(zhèxiē)大GPU集群是否将是未来的主要算力形式？ 记者了解到，英伟达的(de)路线更多是基于仿真平台Omniverse，将其搭配自家硬件做AI相关的仿真和数字(shùzì)孪生。这是一种比较新的路径，但不是工业企业做AI转型的唯一路径。目前(mùqián)，小模型和基于大模型的智能体也在(zài)改变工业的业态。 在(zài)英伟达具体的描述(miáoshù)里，AI工厂被拿来与传统数据中心对比。区别在于，传统数据中心是为了通用计算而建，AI工厂是为了用AI创造价值，英伟达的GPU被部署在这些(zhèxiē)工厂中。 在AI工厂概念里，英(yīng)伟达还“搭售”了自家的Omniverse平台(píngtái)。Omniverse是一个虚拟现实和仿真平台。如果看英伟达对工业(gōngyè)AI云运行方式的描述(miáoshù)，就不难看出Omniverse的重要性。 各制造厂商通过西门子、Ansys、Cadence这些软件厂商的(de)产品，来使用英伟达(wěidá)的AI物理技术(jìshù)、Omniverse平台。其中，Ansys将(jiāng)Omniverse集成到高保真流体仿真软件中，以改进自动驾驶汽车的仿真场景构建。制造商中，舍弗勒用(shěfúlēiyòng)英伟达的技术进行数字工厂规划；宝马为(wèi)工厂构建数字孪生(luánshēng)，以助力生产规划团队实时协作并优化制造系统设计；梅赛德斯(méisàidésī)-奔驰用Omniverse以虚拟的方式设计和优化工厂装配线，以减少工厂停机时间。 仿真和数字孪生(luánshēng)正是英伟达布局工业(gōngyè)AI的切入口。黄仁勋描绘称，这个AI工业云可以用于设计和模拟(mónǐ)，人能在虚拟风洞中(zhōng)完成模拟设计，可以实时打开车门、打开车窗、改变设计。舍弗勒近日已表态，将在2030年把一半以上的工厂接入Omniverse。 在(zài)一些(yīxiē)工业AI领域的从业者看来，英伟达布局工业AI的路数便是(biànshì)建立算力中心，让Omniverse发挥平台效应吸引软件厂商和制造厂商，最终来消耗算力中心的算力。 “英伟达在树立标杆(biāogān)效应，释放AI在工业场景应用的决心。AI工厂包括(bāokuò)一个算力中心和一个帮工厂升级为AI工厂的平台。”工业智能解决方案厂商格创(géchuàng)东智副总裁(fùzǒngcái)、解决方案及产品中心总经理(zǒngjīnglǐ)李楠向记者解读称，英伟达希望通过Omniverse带动硬件销售及场景落地，核心应用于仿真、数字孪生相关。 IDC中国高级研究经理杜雁泽也告诉记者，他认为AI工厂是英(yīng)(yīng)(yīng)伟达AI视角下的(de)一种叙事方式。英伟达的独特能力除了成熟架构、高可用性等，更重要的是很多工业软件公司产品都针对英伟达卡做过专属优化。英伟达在欧洲建立万卡AI工厂，则更多是对于此前宣传的“主权AI”的具体落地形式和承诺，英伟达正在寻找(xúnzhǎo)新的增长曲线(qūxiàn)。 英(yīng)伟达做AI相关的工业(gōngyè)仿真和数字孪生是一条独特的路线。李楠告诉记者(jìzhě)，Omniverse提供了仿真的场景和空间，例如，人形机器人可以在仿真空间中训练以节省(jiéshěng)训练成本和时间。很多工厂建厂时也希望建一个数字孪生体，将机器模型和AGV（自动导向车）放进去跑，做预训练，这样实体工厂建设完成便能马上投入使用。英伟达做工业AI的逻辑并非直接做AI应用，而是提供虚拟仿真平台(píngtái)(píngtái)。这是AI在工业领域落地的核心关键软件。这样一个与AI结合的数字孪生平台，目前还没看到国内(guónèi)有产品与之(zhī)对标。 搭软件平台、带动硬件销售可谓是英伟达(wěidá)的惯常(guàncháng)做法。例如人形机器人领域已有(yǒu)不少厂商用英伟达的Isaac Sim、Omniverse等平台或套件来生成合成数据、在仿真(fǎngzhēn)环境中训练。有业内人士告诉记者，目前之所以人形机器人算力方案的选择不多，是因为机器人厂商对硬件厂商背后的生态系统(shēngtàixìtǒng)十分看重。 不过，英(yīng)伟达AI工厂概念并不涵盖工业AI的(de)所有场景。相较于英伟达“搭平台”做仿真、数字(shùzì)孪生，而(ér)不做具体AI应用的做法，另一些厂商做的大模型和小模型应用，则聚焦于解决工厂运行过程中的一些现场的问题。工业AI有多种路线并行。 记者了解到，在大模型(móxíng)出来(chūlái)之前，工业领域已经在使用以小模型为代表的AI产品。杜雁泽表示，小模型主要覆盖两类场景，一是数据智能(zhìnéng)，涵盖设备故障(gùzhàng)运维、工艺(gōngyì)优化等，二是视觉智能，涵盖AI质检、AI路径导引等。记者了解到，小模型应用场景还包括工业安防、安全检测等。 随着大模型出现，工业AI有了更(gèng)多可探索的形式(xíngshì)。不仅英伟达在仿真、数字孪生领域寻找市场机会，大模型普及也对工业企业产生影响。业内则在大模型和(hé)小模型之间做出选择。 工业(gōngyè)场景铺开AI应用 工业(gōngyè)领域AI渗透率(shèntòulǜ)并不高。IDC预计，工业领域IT基础设施或IT终端的AI渗透率将从当前的7%提升至2028年的25%。 这种情况下，AI的(de)应用形式还在探索(tànsuǒ)中。英伟达的仿真、数字孪生工厂路径之外，记者了解到，随着工业企业对AI的兴趣提升，大(dà)模型和小模型应用也在加速。 李楠告诉(gàosù)记者，格创东智2018年开始布局AI，当时服务(fúwù)的(de)半导体和泛半导体客户数字化建设已度过最初的信息化建设阶段(jiēduàn)，着急要用AI来进一步解决产线和供应链上的问题。公司便给(gěi)制造业工厂(gōngchǎng)做AI转型，推出多因子分析、良率预测、图像识别、设备运行维护等领域的小模型。以缺陷监控(jiānkòng)为例(wèilì)，公司的AI-YMS能为半导体企业做良率和缺陷监控，基于AI模型及规则模型前置预测关键产品规则，减少工厂一半原本做相关分析的人力，相关工厂每年减少良率损失80万元。 “DeepSeek火了之后，很多公司坚定了自己(zìjǐ)建设AI应用的决心。甲方现在也在搭(dā)团队做AI，做智能体等应用。”李楠告诉记者，一个明显趋势是，随着数字化建设完成到(dào)一定程度，一些制造业企业的传统(chuántǒng)数字化预算减少(jiǎnshǎo)，而随着对AI的兴趣愈加浓郁，又把AI预算单独列出来。 李楠告诉记者，在大模型催化下，一些AI应用已在加快部署。甲方(jiǎfāng)制造业企业落地最快的是(shì)常见场景的应用，例如流程助手，可以在写PPT、文档、材料(cáiliào)时快速用上。知识库应用也比较(bǐjiào)成熟(chéngshú)，销售、授权、营销、研发等大量知识库已经可以用来做文档阅读和总结等。也有比较多用AI做经营决策类数据分析的案例。 不过，对于大模型如何应用，业内仍有(yǒu)一些困惑，业内还在大模型和小模型之间做(zuò)选择。李楠告诉记者，在一些传统小模型已经能做的(de)比较好的场景，大模型要怎么应用，大家可能还没想好。 一些业内人士认为，在工业领域(lǐngyù)，过去(guòqù)做小模型的做法还将(jiāng)延续。IDC中国助理研究总监崔凯表示，小模型资源需求较低、响应较快、部署灵活且建设成本较低,过去小模型在3C、装备、汽车领域应用较广，现在(xiànzài)医药等行业也在铺开应用。 “大模型并(bìng)不是包打天下。”崔凯表示，小模型在(zài)工业AI支出中的(de)比例，未来还将占到70%，保守估计也有60%。“现在我们看到，AI在工厂落地应用起来，80%的情况还是靠小模型去解决现场实际(shíjì)的问题。”李楠告诉记者 在研发环节，小(xiǎo)模型的作用依然明显(míngxiǎn)。有企业(qǐyè)已在用AI提高效率，用的并非参数量巨大的模型，而是参数量相对较小、聚焦某个领域的模型。 深圳(shēnzhèn)一家合成生物技术公司高管告诉记者，合成生物研发(yánfā)周期长、成本高，开发一个酶或一套工艺可能需要几千万元甚至上(shàng)亿元的资金投入。公司通过AI技术加快研发进度、降低成本，效率至少有指数级提升。具体而言，每年公司研发投入几千万元，其中投入AI技术的占比10%~20%，公司在英国和国内部署了三个团队，研究(yánjiū)AI如何用于新物质(wùzhì)筛选、酶和蛋白的筛选和菌株改造(gǎizào)。 上述(shàngshù)高管告诉记者，他试过一些外部大模型(móxíng)，但发现这些(zhèxiē)模型没有经过特定领域的数据训练，无法解决生产的具体问题。公司有合成生物领域的数据，自己从头研发模型，这并不是DeepSeek这类的大模型，但在细分领域中的表现比(bǐ)市面上可见的模型先进很多。 在小模型之外，大模型可以做(zuò)什么，业内也在作出一些最新判断。 李楠认为，大模型比较有希望起到(qǐdào)的作用(yòng)是做小模型的串接，例如用智能体串接。以往人需要做的点击、导出(dǎochū)数据等步骤，可以由智能体自主执行。 崔凯也认为，在一些制造业企业研、产、供、销、服系统相互独立的(de)情况下，智能体做跨专业整合将有很大(dà)机会。他认为，大模型在工业中要(zhōngyào)获得更大的发展，一个(yígè)要点是将多模态大模型和大语言模型结合起来。此外，在一些基于老师傅经验(jīngyàn)、未总结为完整方法论的场景，大模型也可能比小模型做得更好。 算力供应方面，英伟达(wěidá)这种建设万卡支撑(zhīchēng)的工业云、让多个制造商都能接入的方式是一种选择，但也(yě)不是唯一的选择。一些从业者告诉记者，在国内，基于信息安全的考虑，有一定实力的企业会更(gèng)偏向于自建数据中心部署私有云。 上述合成生物技术(jìshù)公司(gōngsī)高管告诉记者，公司对数据安全非常重视，即便在公司内部，数据也进行了分区物理隔离。基于数据安全考虑，公司自己训练的(de)模型使用自己部署的算力。 李楠告诉记者，海外企业(qǐyè)对公有云相对更开放，但预计公司的(de)大型客户(kèhù)大概率还是会采用(cǎiyòng)本地建设私有云数据中心的做法，算力仅用于集团内。整体而言，国内的大型工业企业部署AI应用，预计也更多采用私有云形式。其背后，AI涉及大量企业私密信息。 今年DeepSeek一体机(yītǐjī)销售火爆，深圳市科技创新局局长张林(zhānglín)近日透露，今年推理机相关产品国内销售额将是千亿量级。有分析人士告诉记者，采买一体机的(de)就包括工业企业，之所以一些机构不接入公有云(yún)使用DeepSeek，而是(érshì)购买DeepSeek一体机，背后就有数据安全的考虑。“拿一体机测试一下，买过来就能用，虽然算力有限(yǒuxiàn)，但(dàn)不需要搭一个私有云。这是一个过渡方案。”一名ICT行业资深分析人士告诉记者。 杜雁泽表示，据IDC调研，小模型使用的算力目前以(yǐ)厂商自建算力为主，包括传统服务器方式和私有云方式，有少部分(shǎobùfèn)使用公有云算力(yúnsuànlì)。 虽然英伟达(wěidá)在推动最新的GPU销售，但对于工业场景，并不一定需要(xūyào)万卡GPU集群的算力支撑。 李楠告诉记者，小模型(móxíng)依托的(de)(de)算力(suànlì)来源比较多元，包括云算力、厂商自己部署(bùshǔ)的算力、设备端搭载的算力。小模型对算力的要求相对(xiāngduì)没那么高(gāo)。做视觉检测需要调GPU、用深度学习算法，很“吃”GPU资源；做数据分析用到机器学习，CPU足够；一些信号处理、设备数据维护的模型，普通CPU也(yě)足够。不同制造业企业对算力的需求也有所不同，很多工厂使用模型推理就足够，不需用到很高端的显卡，但像公司服务的TCL这类大型企业，自己训练大模型就需要投入大量算力。 杜雁泽表示，在模型(móxíng)训练、后训练、强化学习或设计、仿真等工业场景中，未来云中心算力仍会(huì)占据主要市场，另因工业对可靠性、及时性的要求，小参数模型需求会逐渐释放，使(shǐ)边缘算力也得到提升。 算力需求(xūqiú)要进一步增长，也有赖于AI应用进一步渗透。有业内人士告诉记者(jìzhě)，其背后需要克服的挑战包括工业专属数据缺少和工业场景碎片化，以及一些企业数字化建设仍(réng)未(wèi)完成。杜雁泽认为，算力并不是当前阶段AI工业领域的瓶颈，工业对算力的需求大规模增长还需要2~3年(nián)时间。 (本文来自第一(dìyī)财经)