本文来自微信公众号“twt企业IT社区”，【作者】张志强。
一、AI大模型背景
AI大模型是指具有极大规模、高度复杂性和强大能力的人工智能系统。这些模型通常由数十亿甚至数千亿个参数组成，能够处理海量数据并学习复杂的模式。通常广泛应用于自然语言处理（NLP）、计算机视觉、语音识别等领域，并展现出强大的性能和广泛的应用潜力。如Google的BERT模型、OpenAI的GPT系列模型、Facebook的BLIP等模型。
在20世纪90年代初，人们就已经开始在研究如何利用神经网络来模拟人类大脑的学习和推理过程，但是由于技术限制，直到2012年才有了突破性的进展，加速了AI大模型的发展和应用。随着算力的加强、算法的优化和数据激增，AI大模型逐渐在多个领域取得了重大突破性进展和场景化应用。
制造业作为较为传统的行业，也在数字化转型的浪潮中，已积极拥抱各种技术，其中就包括AI大模型。寄托于大模型的应用，某车企在数据处理、模式识别、预测分析等方面的能力得到了显著提升，落地了多个场景，如信息安全领域、数据分析治理领域及智慧园区领域等，覆盖辨别式大模型和生成式大模型两种形态。本文将通过实践分享介绍某车企的智慧园区方案是如何融入AI元素，帮助业务实现7*24小时安全生产监控、试车跑道监控、员工安全等场景的安全值守。
二、智慧园区应用实践分享
某车企也和行业内的其他车企一样，搭乘了国家高度重视制造业的数字化转型和智能化升级这趟“高铁”，利用国家出台的一系列支持AI模型在制造业应用的政策措施来来进行创新和应用。对于企业而言，通过它来提升生产效率、降低成本、优化运营等，本篇幅重点介绍某车企是如何把AI用于视觉识别中，来提升整个园区的安全能力，助力智慧园区落地。
根据规划，本次主要应用辨别式AI用于安防、安全生产、道路安全、消防安全等场景，详细情况如下。
（一）安防场景
1、场景描述
汽车制造工厂因占地面积大，噪音等硬性问题，一般都会坐落在郊区或者远离城市的区域。厂区内会放置若干数量的较大零部件或者整车，每天都会有专人进行盘点和巡查。但现实情况是现有安保人员数量有限，责任心各不相同，导致巡检效果差异较大，存在不同程度的配件丢失问题。
2、业务需求
为解决此问题，IT与安保部门配合，收集关键业务需求：
●实现7*24小时的自动巡检
●实时告警推送到安保部门
●通过手机APP进行查看和事件处置
●对安全事件进行证据保存和追溯
3、实现手法
解决方案方面，IT专家结合当前最为火热的AI技术，利用辨别式AI技术对关键区域的摄像头进行取景，设置不同的安防算法【可疑人员徘徊厂区外10分钟便告警、人员在关键领域且非办公时间搬动物品告警、人员未在规定时间内到关键领域打卡告警等】，实时监控数据流，通过边缘计算实现端侧计算，结果回传到管理平台，这样既可以增加事件的处理速度，又能降低网络传输带宽。
4、最终效果
效果方面，通过不同算法对视频流的分析，若遇到违规事件，将会及时把证据视频上传管控平台，并通过APP告警给安保人员，指导安保人员快速到达现场。同时在不增加安保人员的前提下，实现了7*24监控和巡检。
（二）安全生产
1、场景描述
一直以来国家和行业监管机构对制造型企业的生产安全都格外关注，先后颁发了多个安全生产方面的要求、指导文件和监督考核办法等。制造企业自身在安全方面也不敢有半点马虎，每年针对安全生产都会开展不同程度的演练、培训和抽查。不过仅通过管理制度是很难从根本解决问题，而且相对滞后。
2、业务需求
为解决此问题，IT与生产安全部门配合，通过技术与管理要求的结合，满足安全生产的要求：
●实现7*24小时的自动检查
●实时告警推送到安全生产部门
●通过手机APP进行查看和事件处置
●对安全事件进行证据保存和追溯
3、实现手法
解决方案方面，利用辨别式AI技术对关键生产区域的摄像头进行取景，设置不同的生产安全算法【车间工人未正确佩戴安全帽，未穿工服便告警、人员在车间吃东西告警、人员在起重机下休息告警、人员在生产期间聚集等】，实时监控数据流，通过边缘计算实现端侧计算，结果回传到管理平台，这样既可以增加事件的处理速度，又能降低网络传输带宽。
4、最终效果
效果方面，通过不同算法对视频流的分析，若遇到违规事件，将会及时把证据视频上传管控平台，并通过APP告警给生产安全负责人，指导相关人员快速到达现场。同时在不增加人员的前提下，实现了7*24监控和巡检。
（三）道路安全
1、场景描述
汽车制造工厂比较大，内部各种车辆交错行驶。如物流车辆、员工车辆、试制车辆、环卫车辆等。如何确保厂内员工正常安全的通行，对与厂区安全负责人来说就至关重要了。
2、业务需求
●为解决此问题，IT与安保部门配合，收集关键业务需求：
●实现7*24小时的自动巡检【不走人行横道、闯红灯、过马路打电话】
●实时告警推送到厂区安全部门
●通过手机APP进行查看和事件处置
●对安全事件进行证据保存和追溯
3、实现手法
解决方案方面，依然利用辨别式AI技术对关键道路的摄像头进行取景，设置不同的道路安全算法【不走人行横道告警、闯红灯告警、过马路打电话告警、车辆违规停靠等】，实时监控数据流，通过边缘计算实现端侧计算，结果回传到管理平台，这样既可以增加事件的处理速度，又能降低网络传输带宽。
4、最终效果
效果方面，通过不同算法对视频流的分析，若遇到违规事件，将会及时把证据视频上传管控平台，并通过APP告警给安全人员，指导安全人员快速到达现场。同时在不增加安保人员的前提下，实现了7*24监控和巡检。
（四）消防安全
1、场景描述
汽车制造工厂内部一般都配置危化品库、油库等建筑设施，主要用于车辆的临时加油检测和废品临时存储。所以此类区域的消防安全就至关重要了。
2、业务需求
为满足此需求，IT与安保部门配合，收集关键业务需求：
●实现7*24小时的自动巡检
●实时告警推送到安保部门
●通过手机APP进行查看和事件处置
●对安全事件进行证据保存和追溯
3、实现手法
解决方案方面，利用辨别式AI技术对油库和危化品库的摄像头进行取景，设置不同的安防算法【人员在受控范围内抽烟便告警、有明火、烟雾便告警、人员在受控范围内抽烟便告警等】，实时监控数据流，通过边缘计算实现端侧计算，结果回传到管理平台，这样既可以增加事件的处理速度，又能降低网络传输带宽。
4、最终效果
效果方面，通过不同算法对视频流的分析，若遇到违规事件，将会及时把证据视频上传管控平台，并通过APP告警给安保人员，指导安保人员快速到达现场。同时在不增加安保人员的前提下，实现了7*24监控和巡检。
其实这只是重大AI赋能智慧工厂的一部分场景，随着AI技术的不断发展，会在更多的场景上发挥重要角色。
三、AI大模型的未来发展趋势和场景探索
就像上文所言，随着AI大模型技术的不断创新及市场需求的不断迸发，未来AI的发展趋势和应用场景不可限量。
（一）AI技术发展方面：
人工智能时代已经到来，这是不争的事实，站在企业的角度，我们IT人员要做的是如何利用这次机遇更好的赋能业务，更好的服务客户。
首先，在未来更好的支持人工智能发展的软、硬件都会在现有技术上进行不断的创新和突破，如模型、算法，甚至芯片。再如多模态大模型的出现就迅速掀起波浪，推动了文字、图像、音视频的深度融合，让我们看到了AI在处理多元化任务时的能力。
其次，自然语言处理（NLP）作为AI的重要分支，已经取得了一定的进步。未来也会随着技术的不断突破，它的应用范围也会不断扩大，如智能客服、智能会议纪要、智能写作等等。
再者，AI需要算力，随着硬件算力的不断提升，AI大模型的训练速度和推理速度将会明显提升。规模化效应也会使得企业应用和训练的成本大幅度降低，为迎来AI普及化的时代，有助于AI更好的在不同的应用场景落地，更好的解决企业、用户的实际问题。
（二）应用场景探索方面：
任何技术都是基于需求驱动而产生的，AI技术也不例外。随着AI整体训练成本的下降，一定会更多的在不同的业务领域落地，服务企业和用户，为其带来便利，甚至为人类社会的进度和发展带来新的机遇。下面我们就简单举几个制造方面的例子。
生产设备健康情况与维护
生产设备的可用性对于制造企业至关重要，一旦设备损坏，极有可能造成产线的停产，直接影响交货进度。传统的设备巡检方式主要通过人工查看设备数据和仪表盘指示灯，人的责任人直接决定检查的结果。
然而通过AI技术可以定期收集设备的健康数据，利用算法对数据结果进行判断，针对异常告警进行及时告警，实现设备的健康管理。若发现设备的零部件生命周期将至也可以提前预知，协助维修人员提前制定维护计划，避免因老旧失修造成的设备故障。
AI在此场景的应用，将有效提升设备的使用寿命，提高生产效率和产品质量。
质量控制
生产高质量的产品是制造企业的生命线，也是底线。所以很多企业在质量治理和把控上都投入了巨大财力、人力和物力。传统的质量把控方式和过阀虽然有计算机的辅助，但仍有较大的瑕疵。为此产线可以通过AI视觉是被技术，配合深度学习算法，自动识别产品的外观缺陷、尺寸偏差、油漆密度等质量问题。通过AI的智能化检测方式不仅提高了检测效率，还避免了人为因素导致的误判和漏检。甚至可以利用历史数据进行产线质量绩效的辅助调优。
智能决策
在数字化转型的过程中，数据尤为重要，很多企业都建立了中台机制，如数据中台和业务中台，来挖掘数据背后的价值，用于业务赋能和智能决策。正如大家所共识的“无治理，不分析”，没有高质量的数据，就不可能做出较为精准的决策。基于过去传统的数据采集，单一建模分析的方式已经很难洞察数据背后的价值与隐患。通过AI技术，可以利用庞大的训练数据和模型，更精准的帮助企业做更为智慧的决策。
其它
在AI的赋能背景下，还有很多的场景，如AI赋能能碳管理、赋能环境监测、赋能安全运营、赋能智能决策等等，不再枚举。
目前AI大模型已经在千行百业中得到了应用，不仅说明AI大模型的前景广阔，从数字化转型角度来看，AI可以更好的融合技术与业务，利用人工智能技术可以有效提升各行各业的办公效率，最大限度的赋能创新和发展，尤其在复杂多变的VUCA时代，可以应用相对复杂的业务场景，满足用户的需求。而且符合国家新质生产力倡导的主旨，有效带动经济增长和社会进步。AI大模型在未来落地的场景会越来越多，为各行业的发展注入新的动力。
结束语
写到这里，大家已经意识到AI大模型已经逐渐走进我们的工作与生活，在各个领域发挥了越来越重要的作用。但是任何事物都有两面性，更别说技术了。当我们在享受AI技术带来的高效和便利的同时，也需要关注其可能带来的安全、个人隐私、法律等问题。
虽然有这些风险和挑战，但相信在未来随着软硬件技术的不断更迭和法律的不断健全，AI的技术发展一定会迎来更大的创新和发展，可落地的场景也如雨后春笋，作为IT人，我们需要更快接受和学习它，让它更好的成为我们工作生活中的帮手。
