尤尔根教授：创新不一定昂贵，现在是企业应用AI的最佳时期

昨天有幸聆听了华为欧洲研究中心资深专家尤尔根·格罗特帕斯教授的AI专题访谈，内容深入浅出，充满实用价值。访谈中，尤尔根教授深入探讨了AI在生产中的实际应用，分享了如何通过数据共享和合作提升供应链效率，并强调了中小企业启动AI项目的最佳时机。我将这些核心内容进行了整理和总结，期待能为大家带来启发和思考。

 AI在生产中的多种应用

主持人提问，在生产中使用AI的众多场景中，哪一个目前最令教授感到兴奋和着迷呢？

教授认为，目前有很多新事物正在发生，很难集中精力在某一个具体的案例上，因为它们都非常令人兴奋。不过，如果一定要挑选一个，他会选择“制造即服务”（Manufacturing as a Service）。

这个概念类似于云计算中的服务模式。企业可以通过共享和租赁制造资源来实现更高的生产灵活性和效率。比如，当某个企业的生产需求突然增加时，它可以通过这个平台找到并使用其他企业闲置的生产设备，从而避免了购买新设备的高昂成本。这种共享模式不仅提高了设备利用率，还能帮助企业快速应对市场需求的变化。

除此之外，他也看到了一些非常前沿的应用，例如Chat-GPT变体如何用于车辆中的对话系统和机器控制。这些系统可以通过自然语言处理与用户互动，提供实时反馈和建议，从而改善用户体验和操作效率。此外，这些技术还可以用于将机器人和机器设备连接到云端，实现远程控制和监控。这不仅简化了操作流程，也大大提高了生产效率。

数据在价值链中共享的工作原理及AI带来的新维度

在第二部分，尤尔根·格罗特帕斯教授详细解释了AI在数据共享和价值链中的应用。他认为，在数据共享方面，企业往往会担心与价值链上的合作伙伴共享数据时的安全性和隐私问题，但现在有很多解决方案可以有效解决这些问题。数据共享的关键在于建立信任关系，并使用适当的技术工具。例如：

数字孪生技术：

数字孪生是指为物理对象或系统创建一个虚拟模型，不仅包括对象的物理特性，还包含其操作数据和性能指标。在数据共享时，企业可以通过数字孪生技术，在数据空间中安全地共享设备和系统的数据。比如，为了确保设备的质量，可以允许合作伙伴通过数字孪生访问机器数据，这种方式既保证了数据的准确性和实时性，又保护了企业的核心数据。

Eclipse Dataspace Connector：

这是一个开源的解决方案，帮助企业在数据空间中建立安全的数据共享协议。比如，企业可以定义一级供应商只能与二级和三级供应商共享数据，而不涉及汽车制造商。这种信任关系确保了数据共享的安全性和可控性，避免了敏感数据的泄露。

合同关系和数据共享：

企业可以通过合同关系来规范数据共享的具体条件。比如，为了确保生产设备的质量，企业可以允许图像处理设备的供应商访问机器数据。这种合同关系可以在数据空间中进行详细描述，并通过数字孪生技术来实施，从而确保数据共享的安全性和合规性。

开放式数据空间：

开放式数据空间为企业提供了一个共享和访问数据的平台。在这个平台上，不同企业可以安全地共享和交换数据，实现更高效的协作和创新。比如，在汽车制造领域，CatenaX就是一个这样的数据空间，合作伙伴可以在这个平台上共享生产数据和资源，提升整体供应链的效率和灵活性。

联邦学习和分布式质量保证：

AI还可以通过联邦学习实现分布式质量保证。在这种模式下，多个生产设备或工厂共享数据，共同训练AI模型，而不需要集中数据。这种方法保护了数据隐私，同时提高了AI模型的泛化能力和准确性。例如，不同的汽车制造厂可以共享生产数据，共同优化AI模型，提高整体质量保证水平。

企业在实施AI解决方案需注意什么？

教授提到企业在实施AI解决方案时需要注意以下几点：

数据质量和数据治理：

AI系统的有效性依赖于高质量的数据，因此企业需要确保数据的准确性、完整性和一致性，建立健全的数据治理框架。

技术和基础设施：

AI需要强大的技术和基础设施支持，企业需确保其IT系统能支持大规模数据处理和实时分析，并投资先进的传感器和数据采集设备。

员工培训和技能提升：

AI技术的实施不仅是技术问题，还涉及人员问题。企业需要培训员工，让他们掌握AI的基本原理和应用，并建立跨部门协作机制。

安全和隐私：

数据的安全和隐私非常重要，企业需建立严格的数据安全管理制度，保护数据免受未经授权的访问和泄露，同时遵守相关法规。

持续优化和改进：

AI技术发展迅速，企业需要不断优化和改进其AI解决方案，通过持续的技术创新和流程改进，保持竞争力。

给中小企业实施AI的7点建议

中小企业在采用AI技术时确实会遇到一些独特的挑战，如资源有限、技术复杂性高和缺乏专业知识等。不过，通过一些策略和步骤，中小企业可以克服这些障碍，充分利用AI技术带来的机会。

从小规模项目开始：

中小企业不必一开始就投入大规模的AI项目。相反，可以从一个具体的、易于管理的用例入手，例如优化库存管理、提升客户服务质量或实施预测性维护。这类项目能够在短期内带来显著的效益，并为未来更大规模的AI应用积累经验。

利用现有的AI平台和工具：

中小企业可以利用市场上已有的AI平台和工具，而无需从零开始开发。这些平台通常提供预构建的模型和简化的界面，使企业能够快速部署和测试AI解决方案。比如，Google Cloud AI、Amazon Web Services (AWS) AI 和 Microsoft Azure AI等平台都提供了丰富的AI工具和服务，帮助中小企业快速启动AI项目。

合作和寻求外部支持：

中小企业可以通过与外部专家、研究机构以及其他企业的合作，获得技术支持和专业知识。比如，他们可以与当地大学或研究机构合作开展AI项目，也可以参加行业协会和创新中心，利用这些平台提供的资源和网络。德国的中小企业数字化中心（Mittelstand 4.0 Kompetenzzentren）就是一个很好的例子，提供了大量培训和支持，帮助中小企业成功实现数字化转型。

培训员工，提升技能：

AI技术的应用不仅需要技术支持，还需要员工具备相应的技能。中小企业应投资于员工培训，使他们了解AI的基本原理和应用方法。通过内部培训、在线课程和外部研讨会等方式，提升员工的AI技能和知识，有助于提高整体的生产效率和创新能力。

数据管理和治理：

数据是AI系统的基础。中小企业需要建立有效的数据管理和治理框架，确保数据的准确性、完整性和一致性。企业应收集、存储与其业务相关的数据，并确保数据的高质量。这可以通过现代化的数据管理工具和技术实现，如数据清洗、数据标注和数据存储解决方案。

制定明确的战略和目标：

在实施AI项目时，企业应制定明确的战略和目标。企业应明确AI项目的目的和预期成果，并制定详细的实施计划和时间表，确保项目按计划进行，并在过程中及时调整和优化。比如，可以制定一个三阶段的AI实施计划：第一阶段识别和选择适合的AI用例；第二阶段进行小规模的试点和测试；第三阶段全面推广和优化。

现在是启动AI的最佳时期

尤尔根·格罗特帕斯教授总结了AI在生产中的几个关键要点。他指出，AI创新并不一定昂贵，许多开源工具和云服务可以帮助企业以较低成本实现AI应用。其次，AI技术能够通过供应链合作催生新的商业模式，提高整体效率和创造新价值。最后，教授强调，现在是启动AI项目的最佳时机，随着技术的成熟、市场竞争压力增加、数据资源丰富以及政策和资金支持的增加，企业应抓住机会，尽早启动AI项目，以实现智能化转型和业务增长。

创新不一定昂贵：

许多中小企业对AI望而却步的一个主要原因是担心成本问题。实际上，AI创新并不一定需要高昂的投入。现在有很多开源的AI工具和平台，能够帮助企业以较低的成本实现AI应用。例如，企业可以利用云服务提供商的AI解决方案，这些通常按需计费，初期投资较少。通过从小规模项目开始，逐步扩大AI的应用范围，企业可以在控制成本的同时实现技术创新。此外，利用现有的数据资源和基础设施，进行数据驱动的优化和改进，也是低成本高效益的AI应用方式。

通过供应链合作催生新商业模式：

AI技术不仅可以优化企业内部的生产和管理流程，还可以促进供应链的协同与创新。通过AI技术，企业可以与供应链上的合作伙伴共享数据和资源，共同提升供应链的效率和响应能力。例如，制造企业可以通过与供应商和客户的数据共享，实现预测性维护、库存优化和质量管理等合作。这样的合作不仅可以提高供应链的整体效率，还能创造新的商业机会和价值。比如，制造即服务（Manufacturing as a Service）模式就是通过AI技术和数据共享，实现设备和生产能力的灵活调度和共享，从而降低生产成本，提高资源利用率。

现在是启动AI项目的最佳时机，随着AI技术的不断成熟和普及，启动AI项目的门槛越来越低，机会也越来越多。企业不应再观望，而应抓住当前的有利时机，开始尝试和实施AI项目。现在有许多政府和行业支持计划，可以为中小企业提供资金、技术和培训支持，帮助他们顺利启动AI项目。例如，德国的“中小企业4.0”计划，提供了大量资源和平台，帮助中小企业进行数字化转型。此外，市场上也有许多AI解决方案提供商和咨询公司，可以为企业提供专业的技术支持和定制化服务。通过这些支持和资源，企业可以更容易地克服实施AI项目的障碍，实现AI技术的落地应用。

德国数字技术新力量图谱详细介绍德国工业4.0领域中最具潜力的创新企业，这些企业大多源于高校科研机构，具备极强的技术专业性和明确的市场需求。通过该图谱，我们期待能够推动更多中德企业的交流合作，为中国培育发展新质生产力注入动能。交流合作请添加微信sino40。