但需求和供應的不確定性導致傳統的管理方式難以幫助企業實現高效生產，而AI 具有同時考慮大量變量的能力，可以學習調度和代理使企業實現利潤最大化。

　　當前工業產品和操作系統的復雜性急劇增加，依賴經驗豐富的工程師花費大量時間進行試驗和研究的傳統模式效率極低;同時，工業企業的聲譽是以產品質量為基礎，創新是企業持續增長的關鍵因素;因此，工業企業需要快速了解并解決問題，而AI 能夠打破企業傳統的解決問題范式，幫助企業加速業務運行，為企業創造巨大價值。

　　例如，為了查找一個系統存在的問題，AI 可以通過因果建模的方法，將復雜性問題重新表述為一個確定的業務問題，構建基于事件的數據模型，將產品開發生命周期和運行歷史中的數千個變量聯系起來，包括設計配置、制造參數及維護和維修歷史，然后基于模型確定與特定問題相關的最高因素，讓工程師能夠快速查找到導致問題出現的最可能根源。

　　2022 年末，由人工智能研究實驗室OpenAI 發布的全新AI 聊天機器人ChatGPT，因其突破性的“Transformer 架構大模型+RLHF(Reinforcement Learning from Human Feedback，人類反饋強化學習)算法”，帶來了自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升，因而迅速被人熟知，也為工業領域產品全生命周期的效率和質量提升帶來更多可能性。

　　工業領域ChatGPT 的應用

　　2.1 　通用AI 與工業AI 技術發展歷程

　　工業AI 與ChatGPT 等通用AI 的差異存在于2 方面。一是工業AI 的高價值應用通常集中在與工業機理強融合的場景，如設備預測性維護、生產過程控制優化、基于知識的綜合決策和殘次品視覺檢測等，工業AI 應用場景分布如圖1 所示;二是工業對AI 高精準度、高專業度和高安全性等要求導致技術創新與實際工業應用落地存在時滯，如統計機器學習的工業領域應用滯后周期基本在10 年左右，深度學習、生成對抗網絡等新技術于2012 年后在通用領域開展應用，在4 年后產生了在工業領域的探索實例�？偟膩砜�，由于AI 技術可用性增強及工業領域自動化、信息化和智能化水平的提升，ChatGPT 帶來的通用AI 大模型的突破，在短期內實現工業領域的應用仍不成熟，但有望在中長期內迎來快速發展。

　　2.2 　短期內在工業領域的應用限制

　　從短期來看，ChatGPT 提供信息的模糊性、低時效性、非開源性、非專業性、低可信度及知識產權界定存疑等問題，限制了其在工業領域的應用和迭代。

　　1)高模糊性。ChatGPT 信息檢索和信息收集的精準度、準確性尚需提升，這是ChatGPT 在工業領域走向商業化的關鍵。

　　2)低時效性。ChatGPT 的時效性受OpenAI 的模型數據庫更新頻率、數據來源影響，不足以支撐工業企業對于信息的即時性和預測性要求，存在信息時效性不足的風險。

　　3)非開源性。ChatGPT 并非開源系統，且當前訓練用數據為公域數據，企業內部封閉環境的應用尚不可知， 且多數工業企業內部尚不具備足夠的高質量、準確(正確) 的基礎數據進行模型訓練。

　　4)非專業性。ChatGPT 是一種通用語言模型，在工業領域的應用尚需適宜的方式與工業知識進行結合，即對于一個接受完9 年義務教育的學生還需要一些專業技能和素養去從事工作實踐。

　　5)低可信度。當前ChatGPT 生成的內容質量尚無法滿足工業領域對于信息和數據的高可信度要求。

　　6)低安全性。ChatGPT 在工業企業內部應用過程中存在數據泄露和隱私保護相關問題。由于擔心信息泄露等問題，軟銀和日立等企業已經開始限制在商業運營中使用ChatGPT 等互動AI 服務。

　　7)知識產權存疑。ChatGPT 知識產權問題有待討論， 生成式AI 提出的新設計或想法的所有權歸屬及版權確認保護問題存疑。

　　2.3 　中長期內在工業領域的應用可能

　　從中長期來看，ChatGPT 在工業軟件形態顛覆、工業現場問題解決和知識圖譜構建等方面均具有可觀的應用潛力。

　　一是工業軟件形態的顛覆。軟件的本質在于數據的采集和匯集、信息的使用及對人的操作流程形成管控。在生產方式越來越多元的趨勢下，ChatGPT 很有可能會顛覆軟件未來的形態，可能會從APP 或者桌面端的形式轉變為與人互動的形式，信息流將會變為“人- 機器- 物聯網設備-ChatGPT”，ChatGPT 會以更加智能的方式， 滿足不同角色對于信息生成和推送的顆粒度、種類和實時性等的要求，不僅能在短時間內探索多樣化的創新或設計方案，提升效率，而且兼顧材料、制造工藝和性能參數要求等進行快速地迭代和優化，以CAD、CAE 為代表的工業軟件的創成式設計能力和工藝仿真水平有望進一步增強，AI 賦能仿真優化及數字孿生優化如圖2 所示。

　　二是解決工業現場問題。企業經過幾十年的經營，往往擁有豐富的數據信息，因而當工程師對高度復雜的系統進行故障排查時，需要查找歷史上最相關的程序、機器性能數據和操作實例，而人類幾乎不可能瀏覽數百萬結構化和非結構化數據記錄以獲取信息，此時，ChatGPT 有望憑借其攝取大量數據并快速定位最相關信息的功能來幫助工程師加速解決問題。

　　比如：①明晰需求并撰寫代碼。工程師面對工業現場的編程需求，可以通過ChatGPT 起到“翻譯”的作用， 在明晰需求的場景下通過ChatGPT 寫出相應場景所需的代碼，進而解決工業現場所出現的問題。②信息檢索以及分析。ChatGPT 充當“導游”的角色，將諸如國家標準委員會的標準庫、機械工業信息研究院的文獻庫和企業自身的知識庫等導入其基礎模型訓練數據庫中，通過ChatGPT 進行相應信息的檢索、導覽和分析，提高信息檢索的效率。③提升工業制造效能。ChatGPT 可以通過從產品配置、開發和采購中獲取的數據來構建產品的物料清單，從而確定重復使用零部件和改進現有工作標準的機會，幫助企業縮短工程生產時間。通過ChatGPT 推動MRP(Material Requirement Planning，物料需求計劃) 和APS(Advanced Planning & Scheduling System，先進規劃排程系統)運算效能的提升，至少可以帶來工業制造5% 性能的提升。④提升軟件開發和使用的便捷性。一方面，ChatGPT 充當“快捷鍵”的角色，可以快速調取諸如SAP 系統和MES 中的專業工具，提升系統軟件使用者的便捷性;另一方面，ChatGPT 充當“輔助者”的角色，可以幫助工業軟件用戶更快、更一致且更高質量地建模和開發應用程序。以西門子低代碼應用程序開發平臺Mendix 為例，用戶可借助MxAssist Logic Bot(一個由 AI 驅動的虛擬協作開發者機器人)在該平臺上更快且更高質量地構建出所需應用程序邏輯、完成建模和配置，而不必編寫代碼。

　　三是ChatGPT 在線回答其在工業中的應用場景，包括跨行業科普、工程技術支持、知識更新、數據分析及語言翻譯、在線客服等。①跨行業科普。ChatGPT 可以解答各種科技、工業等相關問題，將復雜的技術知識快速簡化為易于理解的形式，從而幫助專業領域外的人員了解該領域。②工程技術支持。ChatGPT 可以幫助工程師更快地找到代碼示例和技術解決方案，以加速開發進程。例如，根據工程師提供的需求生成代碼，或提供代碼修改建議，并在編寫過程中提示最佳實踐和常見錯誤。③知識更新。ChatGPT 可以幫助工業公司的員工快速地學習和更新技術知識。例如，根據工程師提供的需求， 提供最新的技術資料和研究進展。④數據分析。ChatGPT 可以利用大量數據進行分析，幫助工業公司更好地識別模式和趨勢，并基于此進行決策。除此之外，ChatGPT 還有很多其他的應用場景，比如幫助工業公司完成語言翻譯、生成文件、語音合成、在線客服，以及提供先驗知識/ 經驗參考等。

　　ChatGPT 對就業崗位的影響

　　從AI 技術的整體應用影響來看，AI 技術在創造和維持高端就業崗位方面同時帶來了機遇和挑戰：一方面， 研究表明AI 技術可能對具備高度專業技能或教育程度較高的工作者的工資增長產生積極影響;另一方面，AI 技術的普及可能導致部分工作被零工所替代，導致固定工作崗位需求減少，非標準化的自由就業機會可能增加。

　　從ChatGPT 對工業領域崗位影響來看， 近期， ChatGPT 只是一個全科60 分的通才，缺乏工業領域的專業知識和實踐，因此不會出現大規模的職位替代。長期， ChatGPT 勢必會帶來效率的提升，進而導致資源結構的調整，包括職位結構的調整和迭代。例如，機械臂一方面替代了部分組裝工人，但另一方面也增加了自動化、數字化運營等崗位;AI 產品上市以來，誕生了諸如訓練、應用、培訓和開發維護等一系列崗位;在汽車出現之后， 根據統計數據，從事運輸服務環節的人數，出現了成千上萬倍的增加。

　　因此，為應對ChatGPT 的應用，工業企業需要創造新的高效率工作崗位，ChatGPT 在長期內有望取代人類工作中的部分任務，但不能完全取代整個工作崗位，而ChatGPT 產生的影響將取決于政策及研究機構的投資和技術所有權模式。

　　結束語

　　ChatGPT 作為一項AI 技術，將內容自動生成式技術推向了平民化時代，但受限于其信息的模糊性、數據的低可信度和商業模式的不成熟等，ChatGPT 短期內在工業領域的應用時機尚不成熟，對工業企業的影響不大。但長期來看，ChatGPT 在工業領域的應用前景可期，在工業現場問題解決中可以充當“翻譯”“導游”“快捷鍵” 等角色，在工業效率提升方面具備價值空間。

　　同時，幾乎每一次的技術革命均伴隨勞動力要素結構的調整。在工業3.0 和4.0 階段，“機器代人”幾乎一直是熱點話題榜單的“�？汀�，此次ChatGPT 的出圈， 更是引發了全社會對部分崗位結構性調整的關注。因此， 企業應在內容生成式技術真正對工業崗位產生影響之前， 做好對高度專業技能等崗位的階段性預設、增設和相應人才的培養，以應對未來勢必會出現的崗位結構調整所帶來的勞動力就業沖擊和企業生產經營沖擊。