当前，AI大模型在自然语言处理、图像识别、语音识别等领域取得了不俗成就，市场规模也在快速增长。根据Precedence Research测算，预计到2032年，全球大模型市场规模将超过1100亿美元。接下来，大模型向B端，尤其是向工业领域部署正成关注焦点。

      工业领域尝试大模型技术

      2023年11月，工业巨头西门子和全球最大软件公司微软宣布将为工业应用合作开展生成式人工智能。作为合作的第一步，双方将推出一款联合开发的人工智能辅助工具——西门子Industrial Copilot，以提升制造业中的人机协作能力。Industrial Copilot从西门子Xcelerator开放式数字商业平台中获取自动化和流程仿真信息，并利用微软的Azure OpenAI服务增强用户的数据能力。

      借助该工具与西门子TIA博途系统的深度整合，可实现为可编程逻辑控制器（PLC）自动生成基础虚拟任务和代码，以处理大量重复性工作。

       作为最早在工程设计阶段采用生成式人工智能的企业之一，汽车零部件供应商舍弗勒（Schaeffler AG）计划应用西门子Industrial Copilot，以期减少停机时间，并在后期为客户提供服务。

       不仅如此，按照在西门子的愿景设想，其人工智能辅助工具将被应用于制造业、基础设施、交通运输以及医疗等行业。

       同时，为了提升团队间虚拟写作水平，西门子拟推出深度兼容微软Teams的Teamcenter应用。该应用将西门子Teamcenter产品生命周期管理（PLM）软件与微软Teams协作平台进行融合，以便于工厂一线工人和工程团队获取数据。

       人工智能之路还很远

       尽管像ChatGPT等这类生成式人工智能技术正在备受推崇，但是它们距离真正的人工智能还很远。“诸如ChatGPT、DALL-E等其他新一代人工智能技术，一直受到很大关注，但它们本质上是预测机器。”全球知名的管理咨询公司麦肯锡在报告中如是描述。

       换而言之，生成式人工智能可以高度准确地预测特定提示的答案，因为它们已经接受了大量数据的训练。虽然效果令人印象深刻，但是它们在创造力、逻辑推理、感官感知和其他能力方面，还远没有达到人类的表现水平。相比之下，AGI（通用人工智能）工具可以具有与人类无法区分的认知和情感能力（如同理心）。

       另外，根据IBM特约撰稿人Tim Mucci、作家Cole Stryker联合的撰文指出，微软和 OpenAI声称GPT-4 的能力非常接近人类水平，但大多数专家将其归类为强大但狭隘的人工智能模型。IBM  Watson等超级计算机可以分析大量数据，但是无论如何，这些都是狭义人工智能的例子。这些系统在其特定领域表现出色，但缺乏通用人工智能所设想的一般问题解决技能。

       虽然 AGI 承诺的机器自主性远远超出了人工智能，但即使是最先进的系统仍然需要人类专业知识才能有效运行。建立一支拥有人工智能、深度学习、 机器学习(ML) 和数据科学技能的内部团队是一项战略举措。最重要的是，无论人工智能的强度如何（弱或强），数据科学家、人工智能工程师、计算机科学家和机器学习专家对于开发和部署这些系统都至关重要。

       人工智能仍值得期待

        尽管领导者对当前人工智能的优势持保留态度，但组织正在积极投资新一代人工智能部署，大幅增加预算，扩大用例，并将项目从实验过渡到生产。

      Andreessen Horowitz数据显示，2023年，被调查公司在基础模型应用程序编程接口(api)、自托管和微调模型上的平均支出达到700万美元。几乎所有的受访者都报告了人工智能实验的早期成果，并计划在2024年增加支出，以支持生产工作量。

       另外，根据麦肯锡统计，目前全球大约有350 万台机器人在服役，且每年还会部署 55 万台机器人。尽管可编程机器人的比例越来越高，但它们要想超过人类，还有很长的路要走。

       不过，随着硬件和软件的限制被克服，机器人供应商开始用新的人工智能工具和技术对单元进行编程。这些显著提高了机器人执行通常由人类处理的任务的能力，包括行走、感知、通信和操纵物体。而随着AGI技术的不断成熟，我们可以期待越来越复杂的人工智能工具和技术被编程到各种机器人中，比如独立的自主工业机器人（Stand-alone autonomous industrial robots:）、人类-混合机器人（Human–hybrid robots）等。