关键字: [ 亚马逊云科技中国峰会2024, 生成式Ai, 制造业应用, 数据处理, 工具选择, 亚马逊云科技助力]

本文字数: 1300, 阅读完需: 6 分钟

导读

陈雪洁是亚马逊云科技解决方案架构师, 在亚马逊云科技中国峰会2024 上分享了” 生成式AI 在制造业的创新应用实践” 。她讨论了如何在制造业中应用生成式AI, 具体解释了生成式AI 在制造业各环节的应用场景, 如研发、采购供应链、生产制造、营销和售后服务等。她重点阐述了亚马逊云科技如何通过创新工作坊、行业架构师团队和合作伙伴体系, 帮助企业克服数据处理、工具选择等挑战, 加速生成式AI 在制造业的落地实践, 实现提高效率、降低成本等多重价值。

演讲精华

以下是小编为您整理的本次演讲的精华，共1000 字，阅读时间大约是5 分钟。

生成式AI 在制造业的创新应用实践

大家好, 我是亚马逊云科技解决方案架构师的行业解决方案架构师经理陈雪洁。今天我给大家分享的主题是生成式AI 在制造业的应用实践。为什么选择这个主题呢? 因为大家可能已经看到, 生成式AI 在整个行业领域里有很多应用, 有很多成熟的产品。但是, 这些产品背后可能没有讲到它们的开发过程中遇到的种种困难。所以今天我会拿一个例子, 让大家看看在做这些产品时可能会遇到哪些问题, 以及如何解决这些问题。

首先, 让我们总结一下生成式AI 在制造业价值链中的应用场景。它包括了研发、采购供应链、生产制造、营销和售后服务等多个环节。在研发领域, 有设计人员利用生成式AI 辅助产品研发; 也有用生成式AI 生成代码和PLC 代码的案例。在采购供应链过程中, 可以用生成式AI 做数据分析, 比如用tack to SQL 直接生成SQL 语句查询和分析数据。在生产制造领域, 可以用生成式AI 生成BI 报表, 不需要预先开发好报表模板; 也可以用生成式AI 做多模态应用, 比如瑕疵检测、工厂安全监控等。在营销领域, 生成式AI 可以生成营销文案等。在售后服务领域, 生成式AI 可以构建客服机器人知识库, 提高客服效率。此外, 生成式AI 还可以应用于会议纪要生成、IT 和HR 知识库构建等支持性职能部门。

接下来, 我将重点讲解在客服场景中应用生成式AI 的一个实践案例, 分享在与客户一起构建解决方案的过程中遇到的问题和解决方案。

最初, 我们通过创新工作坊的方式, 自下而上地收集了企业面临的真实问题。在与客户的售后部门交流中, 我们发现他们面临产品线快速迭代、产品说明书数量庞大难以更新、SKU 和产品说明书数量巨大难以回答客户问题等诸多挑战。我们发现, 构建一个知识库是解决这些问题的关键。

典型的知识库架构是RAG(Retrieval Augmented Generation), 即首先对企业文档做分片和向量化处理, 将向量化数据存入向量数据库, 然后用大语言模型结合客户的自然语言问题和检索到的知识片段, 生成对应的答复。但要实现这种架构, 我们需要解决多个问题:

1.           向量模型的选择: 要考虑模型版本、语种适配性、模型大小等, 在效果和成本之间权衡。

2.           大语言模型的选择: 第三方模型、开源模型或API 模型, 同样要考虑语种适配性。

3.           知识导入: 面临TB 级海量数据处理、结构化/ 非结构化数据处理等挑战。

4.           知识向量化: 选择合适的向量化模型。

5.           问答界面: 构建友好的交互界面。

6.           幻觉问题: 大模型可能会产生幻觉和胡言乱语, 需要解决。

7.           图像理解: 产品说明书中大量图示, 传统RAG 架构难以理解。

好在随着大模型多模态能力的增强, 如Byterock 的Close Three 模型, 我们可以让大模型理解图像内容并文字化, 从而将图像信息也纳入知识库中。在此基础上, 我们构建了一个新的架构, 支持文本、语音和图像三种输入方式, 通过Whisp 或Close Three 模型进行向量化, 存储在OpenSearch 向量数据库中, 最终可以通过多模态方式进行问答。有了这个原型, 用户可以拍摄设备图片作为输入, 系统就能告知故障原因和处理方式, 非常贴近客户需求。

但单凭这个原型还无法直接上线, 因为我们最初发现的诸多问题, 如产品线、业务部门、呼叫中心等问题, 都需要解决。所以我们需要与合作伙伴的成熟产品和客户现有系统集成, 才能真正转化为生产系统。在此过程中, 客户也提出了新的需求, 如用tack to SQL 解决生产运营问题、用大语言模型实现POC 自动化编程等。这些新场景的Demo, 大家可以在明天的行业展区体验。

总结一下, 在制造业应用生成式AI 需要做到:

1.           找到合适的场景, 并正确处理相关数据;

2.           筛选合适的工具和方法, 解决实际问题;

3.           借助亚马逊云科技的创新工作坊、行业架构师、专业架构师团队以及合作伙伴的力量, 加速上线进程。

生成式AI 虽然能力强大, 但并非所有企业都能平等地享受其红利。真正将其应用到生产环境中, 需要解决诸多工程化问题。希望通过这个案例的分享, 能让大家更好地把握生成式AI 在制造业的应用实践。谢谢大家!

下面是一些演讲现场的精彩瞬间：

陈雪洁女士, 亚马逊云科技解决方案架构师经理, 分享了生成式AI 在制造业的应用实践。

亚马逊云科技中国峰会2024: 大语言模型展现出对多模态视频的深入理解, 能够识别视频中人物行为和潜在风险, 为制造业等场景带来新的应用前景。

亚马逊云科技中国峰会2024: 生成式AI 在企业中的实际应用仍处于初级阶段, 只有1% 的客户将其真正用于生产环境。

亚马逊云科技中国峰会2024 上, 演讲者介绍了亚马逊的开放搜索服务, 可以作为优秀的向量数据库, 并探讨了如何将图像向量化并与原始向量相结合的挑战。

亚马逊云科技中国峰会2024 上, 演讲者介绍了通过图像、声音和自然语言等多模态输入, 利用向量化技术实现智能搜索的创新方法。

亚马逊云科技通过构建知识原型解决了客户面临的最棘手问题, 并与合作伙伴集成现有系统, 为客户提供全面解决方案。

亚马逊云科技中国峰会2024 上, 演讲者强调了亚马逊拥有各种团队和庞大的合作伙伴网络, 可以加速客户的生产过程。

总结

生成式AI 在制造业的创新应用实践正在兴起, 但同时也面临着诸多挑战。这场演讲从一个客服场景出发, 揭示了将生成式AI 应用于实际生产环境中所经历的痛苦历程。

首先, 企业需要发现并明确自身面临的问题, 如产品文档繁多、知识库缺失等, 然后构思如何利用生成式AI 解决这些问题。接着进行方案探索, 构建原型并不断优化, 例如将图像和语音输入整合到知识库中。在这个过程中, 需要解决大模型的幻觉问题、多模态理解、数据存储和检索等技术难题。

最后, 要将原型转化为生产环境, 就需要与合作伙伴的成熟产品和现有系统进行集成。亚马逊云科技提供了创新工作坊、行业架构师等多种助力, 加速企业的生成式AI 应用落地。总的来说, 找到合适的场景、选择恰当的工具和方法、利用云供应商的支持, 是企业成功应用生成式AI 的关键。

2024 年 5 月 29 日，亚马逊云科技中国峰会在上海召开。峰会期间，亚马逊全球副总裁、亚马逊云科技大中华区总裁储瑞松全面阐述了亚马逊云科技如何利用在算力、模型、以及应用层面丰富的产品和服务，成为企业构建和应用生成式 AI 的首选。此外，活动还详细介绍了亚马逊云科技秉承客户至尚的原则，通过与本地合作伙伴一起支持行业客户数字化转型和创新，提供安全、稳定、可信赖的服务，以及持续深耕本地、链接全球，助力客户在中国和全球化发展的道路上取得成功。