专访富士康CDO史喆:大模型落地很贵,但这会是未来商业竞争的基础设施 | 数智前瞻

文 |石亚琼、杨俊

编辑 |石亚琼

封面来源|企业官方

大模型为代表的AI技术成为全球热点,给企业数智化带来新的契机、启发与动能。

新一代的AI技术能为企业提供什么样的新动能?会最先在产业哪里落地,又会遇到哪些难点?2023年,在技术浪潮刚刚起步的当下,产业变革者们已经开始寻找答案,产业的创变者们已经开始前进。

因此,在这样的时间节点,我们邀约了在数智化领域有见数的多位C级别专家,分享他们对行业的观点和判断。

本期我们邀请到了富士康CDO史喆。

富士康作为全球最大的电子科技智造服务商,其客户基本都是3C数码行业的翘楚。过去十几年,富士康已陆续完成50+余座内部灯塔工厂的升级改造,建立起完善的灯塔工厂集群建设标准及体系,其中有5座工厂已获得WEF世界经济论坛灯塔工厂认证,对于制造业的变化、智能化都有深刻的洞察与实践。

2019年底,结束了北京天泽智云科技有限公司的创业经历,史喆加入富士康,担任集团首席数字官、智能制造平台负责人,负责集团数字化转型和智能制造战略规划,推动灯塔工厂、智造平台及工业互联网的落地。

当大模型为代表的AI热潮袭来,史喆也在评估技术带来的变化,短期内新技术会带来制造业运营成本的减低,长期来看更理想的场景则是一个“工业大脑”才能算是制造业的“AIGC”。当下,大模型为代表的AI技术部署很“贵”,但未来这一定是商业竞争中的基础设施,就像一个企业必须要有办公场地。

以下为本次访谈的节选。

AI会降低制造业的运营成本,富士康已在研究如何试点落地

数字时氪:作为富士康的CDO,你有在研究以大模型、AIGC为代表的新一波AI热潮吗?

史喆:我们最近有在评估。

它提升的是中间层工作的一些效能,大概率不能真正能影响到我们的全盘生意。目前的技术不会影响到制造业的产品、产品的功能、产品的性能,但它会影响制造业的运营成本(operation cost )。

这波AI技术因为会影响运营成本(operation cost ),后者是财务报表上竞争力的重要指标之一。对于互联网公司、软件公司来说,是颠覆性的。但对制造业的影响短期内没有那么颠覆。

对于制造业来讲,还要一段时间去找到——如何把工具真正融入到业务体系里。这个阶段可能影响的还是小的点,如报表效率提升。可以说,对制造业影响还是主要在后台、在支持岗的效率提升。

现在制造业,包括流程行业或者离散制造业,大家用的其实都是决策模型。现在大家期待可以从决策模型再往前一步做到“AIGC ”。

当前,制造业企业还没有真正将自己所有的流程、所有的管理、所有的设备运营数据结合在一起,变成一个内部大脑,帮助所有的内部人去协作。如果做到这一点,就可以减少内部运营的复杂度,是系统性的机会。

未来可能会有这样的模型来告诉我们应该如何去做。所有运营数据、指导手册和设备信息都集中在这个模型中。这将减少培训和运营成本。当我们拥有这样的工具时,如果生成的内容很精准,可以直接回馈给设备,指导它们的运行。如果不是那么精确,可以回馈给操作人员,告诉他们如何操作以及需要注意的事项。

这样的产品可能会很适合复杂的行业,如汽车,往往是很几万工程师参与,里面涉及大量的数据,大量的验证、大量的迭代、大量的协作。每一次都要处理很长的数据,如历史数据和运营数据,这类公司就最需要这样的工具。

但是这样的一个这么大的一个系统,到底谁能做?很可能是像微软这样有技术又有各种套件的企业。或者是西门子、达索很专业的工业软件系统集成商。

以后者为例,他们可以为汽车制造商提供从设计到研发再到生产的整体汽车解决方案,涉及到产品生命周期管理系统(PLM)。这样的解决方案需要各种工程师,如电气工程师、机械工程师等共同参与设计。AI提供的能力可以显著提升效率。

很可能一年之内,微软在海外的客户中就会有把这些AI能力真正结合到企业的生产经营中的案例。

数字时氪:在工业里面需要什么样的大模型?

史喆:工业场景里的供应链会是一个很好的场景,有非常多的协同工作,涉及到许多人之间的互动,包括人与机器之间的交互,而且这中间会有大量信息出现。以前可能需要整理表格、整理数据,以及收集各种信息,然后大家再进行协作。但是通过AI带来的能力,一方面可以把这种链路缩短,另一方面让交互的成本降低,效率提升。

在工业里需要很强能力的大模型。因为需要强大的历史数据支持,只有拥有大量的历史数据,才能保证数据的规范性,并且还需要许多外部的标准和信息。综合这些因素,才能形成一个完整的模型。此前许多人提到的知识图谱在实际应用中进展缓慢是因为知识图谱与人的交互性较差。它可能能够以结构化的形式整理一些信息,但无法产生有实际意义的内容。这是一个重要的问题。

当下的AI带来了这样的能力,可以生成文本、图片、代码等各种东西,这些都可以帮助大家进行工作。此外,人机交互也是一个重要的方面。以前需要具备强大的职业技能,比如去做机器人编程,人们通过低代码等方式想要改进机器人编程的界面,使其变得更加友好。之后人可能只需要向机器说明要做什么,无需编写代码,直接生成所需的内容。如果有这样的能力,将会非常有帮助,生产的柔性将会提升。

数字时氪:富士康在2023年会有可能以什么样的方式参与到这一波AI技术浪潮吗?

史喆:几家技术公司目前都在与我们一起探讨中,预计可能会在北美工厂进行第一步的落地尝试。

部署大模型很贵,但这是未来的商业基础设施

数字时氪:预留给部署落地大模型的服务费用会在什么水平?

史喆:一般一个企业招一个IT团队的费用也很贵,而且人的能力是参差不齐的。

随着人工智能和大模型的发展,将其融合到各种服务软件中确实能够提供更强大的功能和潜力。通过使用这些技术,企业老板甚至可以自己设计和定制软件框架,从而实现更高的灵活性和个性化需求。然而,初期的开发和实施可能会较为昂贵,因为只有少数专业人士能够提供相关服务。随着技术的普及和竞争的加剧,预计这些服务的价格会逐渐下降,更多的人将能够获得这些能力并应用于他们的业务中。这种趋势的发展将为企业提供更多的选择和机会,以提升效率、降低成本,并实现更加个性化和创新的解决方案。

而且对于这样类似于基础设施的费用,企业需要承担相应的成本。这些成本就类似于租房子的成本是不得不承担的。这类支出是企业发展和提升效率的投资,同时也可以获得更高的竞争优势和商业机会。

数字时氪:如果大模型落地很贵,哪些企业会最先受益?

史喆:一些企服软件服务商将成为首批受益者。当他们受益时,很多企业,包括中小型企业,将更容易使用这些软件。以前老板可能会考虑是否需要雇佣IT人员,因为购买这些软件需要专业的技术支持,但现在连维护这些软件的人都不需要了。老板只需要拥有这些软件以及职能部门的人员就可以了。这使得整个流程更加简化。

数字时氪:对行业客户来说,私有部署是否很重要?

史喆:没有完全的私有部署,因为企业是想接入全网的能力,除非这个工具只是企业内部的效率工具。

就类似于云服务,这会是一种公共服务,只有利用工具把它做到更好才是企业应该思考的问题。

CIO们当下很焦虑,但未来的CIO、CDO应该承担更重要的职责

数字时氪:新一波AI技术对数字化转型有什么影响?

史喆:数字化已经是行业共识。无论是IT还是数字化转型,它们都是企业核心能力和竞争力的一部分,而不仅仅是后台的支撑能力。从这个角度来看,确实对于组织形式会有所改变。随着时间的推移,这种改变将影响到过去大家考虑的IT预算的问题。未来,IT和数字化转型将与业务密切相关。只有通过将这些技术应用到业务中,才能实现增长。

之后企业的数字化可能会成为竞争门槛,没有数字化,没办法进行业务发展,甚至最终没有数字化的企业会被淘汰。

数字时氪:这一波AI技术对CIO、CDO的职业发展会产生什么影响?

史喆:现在CIO很焦虑,焦虑的点在于,新技术本身,以及新技术趋势下如何推动业务发展。一方面,他们也在积极研究当下,国内外先进企业推动成功的新创新案例,研究如何在中国本土企业落地。

当前一些中小企业的CIO往往是IT背景出身,重点在于IT环境的搭建与运维。但未来如果还有CIO、CDO这样的岗位,可能就需要他们懂机器学习、懂数据,还得懂业务。

理论上,未来的CIO、CDO应该承担更重要的职责,但有可能是兼具IT、OT 、DT能力的人CIO、CDO。

数字时氪:这一波AI浪潮对中国制造业会有什么影响?

史喆:从中国的角度来看,我认为我们面临的最大挑战是在产品创新能力方面相对欠缺。举例来说,像Microsoft、Apple和Tesla这样的公司在最终产品方面非常强大,并且能够销售到全球市场。同样,日本企业也能够在全球范围内销售产品。随着AI技术的不断进步,他们对于制造能力的深入度也越来越强。

在未来的某些阶段,他们可能不需要把制造环节外包到一些劳动力成本低的地区,因为他们的管控能力越来越强,自动化越多,对于系统整合的管控力度上越来越强,这对于我们的制造业来说是一个很大的挑战。我们需要思考如何在这个新的格局下找到自己的定位。如何继续为全球客户提供优质服务,这是一个值得深思的问题。

专访富士康CDO史喆:大模型落地很贵,但这会是未来商业竞争的基础设施 | 数智前瞻

THE END

我们正在建设「AI领域」主题交流社群,欢迎扫码添加数字时氪小助手,并发送名片或者个人介绍,我们将为您持续推荐相关产业信息和活动。

更多活动信息及行业详情,请关注微信公众号“数字时氪”(微信 ID :digital36kr),期待您的到来。 

专访富士康CDO史喆:大模型落地很贵,但这会是未来商业竞争的基础设施 | 数智前瞻

扫码入群

专访富士康CDO史喆:大模型落地很贵,但这会是未来商业竞争的基础设施 | 数智前瞻

扫码获取更多信息

本文地址:https://www.cknow.cn/archives/24891

以上内容源自互联网,由百科助手整理汇总,其目的在于收集传播生活技巧,行业技能,本网站不对其真实性、可靠性承担任何法律责任。特此声明!

如发现本站文章存在版权问题,烦请提供版权疑问、侵权链接、联系方式等信息发邮件至candieraddenipc92@gmail.com,我们将及时沟通与处理。