>> 國金證券-計算機行業(yè)再談工業(yè)AI：立足跨模型架構(gòu)AI中臺，落地垂類Agent場景-250307
| 上傳日期： |
2025/3/7 |
大小： |
4298KB |
| 格式： |
pdf 共23頁 |
來源： |
國金證券 |
| 評級： |
買入 |
作者： |
孟燦 |
| 行業(yè)名稱： |
計算機 |
| 下載權(quán)限： |
無限制-登錄即可下載 |
|
|
行業(yè)觀點
再談工業(yè)AI，當(dāng)下“易部署、高可靠、低成本”的“既要、又要、還要”或有破局可能。3月6日，Monica.im發(fā)布全球首款通用型Agent產(chǎn)品Manus，標(biāo)志著Agent應(yīng)用進入全面落地階段。市場此前一直有聲音認為，工業(yè)場景具有數(shù)據(jù)高復(fù)雜度、結(jié)果低容錯率、成本敏感性高等特點，因而在本輪AI大模型技術(shù)發(fā)展的浪潮中，應(yīng)用落地節(jié)奏相對較慢，短期內(nèi)較難改變既有的業(yè)務(wù)流程與生產(chǎn)管理范式。然而，早在20230409《AI+工業(yè)信息化，高價值、高普及、高認可之路》報告中，我們已旗幟鮮明地指出，“本次AI技術(shù)創(chuàng)新到實際工業(yè)場景落地的時間可能快于市場預(yù)期”，并詳細梳理了工業(yè)AI的三類核心應(yīng)用模式與三大發(fā)展階段。立足當(dāng)下，我們認為，1）“多模態(tài)大模型any2any”的技術(shù)演進趨勢有望降低工業(yè)場景非結(jié)構(gòu)化數(shù)據(jù)的處理難度；2）“大模型指揮+小模型執(zhí)行”的融合工業(yè)AI中臺有望實現(xiàn)跨模型混合推理與模型與知識庫的兩端的平滑迭代優(yōu)化；3）Agents替代人力勞動，疊加DS大幅降低算力成本、國內(nèi)勞動力工資持續(xù)提升的背景下，“機器換人”或逼近拐點時刻。
工業(yè)AI中臺回應(yīng)模型側(cè)與數(shù)據(jù)側(cè)高頻“無痛”迭代訴求，商業(yè)化正處于滲透率0到1階段。工業(yè)客戶行業(yè)知識庫與外界AI大模型迭代速度較快，一方面，AI決策直接影響工業(yè)客戶生產(chǎn)質(zhì)量，因而AI必須基于制造業(yè)的專業(yè)知識進行定制化（預(yù)訓(xùn)練、微調(diào)、RAG），并伴隨客戶的知識庫變化同步更新；另一方面，過去兩年AI大模型迭代加速，且不同的AI模型適配的應(yīng)用場景有所差異。工業(yè)AI中臺能夠在不影響正常生產(chǎn)經(jīng)營的前提下實現(xiàn)AI模型兩端的平滑升級和優(yōu)化，具備“開源大模型+云API”混合推理、多模型綜合管理、模型全生命周期管理、可觀測性四項核心能力。商業(yè)化方面，賽意信息近期中標(biāo)合同金額達4,867萬元的AI中臺項目，內(nèi)容包括基于AI工具鏈實現(xiàn)數(shù)據(jù)處理、大模型訓(xùn)練與微調(diào)、AI應(yīng)用開發(fā)等端到端能力，并具備接入DeepSeek大模型的能力。
發(fā)布于2024年6月的中控技術(shù)流程工業(yè)時序大模型TPT，結(jié)合大量行業(yè)知識和工業(yè)數(shù)據(jù)基礎(chǔ)，融合工藝參數(shù)的設(shè)備異常監(jiān)測及診斷、實現(xiàn)全過程質(zhì)量精準(zhǔn)模擬與優(yōu)化控制、將難以機理建模的裝置運行優(yōu)化、幫助石化裝置實現(xiàn)精準(zhǔn)模擬優(yōu)化和動態(tài)路徑規(guī)劃。目前已在萬華化學(xué)、興發(fā)集團、鎮(zhèn)海煉化等數(shù)十家大型企業(yè)的氯堿、熱電、石化等裝置實現(xiàn)落地應(yīng)用。我們認為，工業(yè)AI中臺目前尚處于滲透率早期，以“華為晟騰+賽意信息”合作模式為例，工業(yè)AI中臺部署對算力整合、模型管理、工業(yè)數(shù)據(jù)治理、領(lǐng)域Knowhow、工程化交付等能力提出較高要求。
工業(yè)AI應(yīng)用中生產(chǎn)控制環(huán)節(jié)成熟度持續(xù)保持領(lǐng)先，全環(huán)節(jié)垂類Agent應(yīng)用點狀涌現(xiàn)。在20230409《AI+工業(yè)信息化，高價值、高普及、高認可之路》報告中，我們曾基于信通院《工業(yè)智能白皮書(2022)》梳理認為，生產(chǎn)控制環(huán)節(jié)的AI應(yīng)用占比超57%，擁有表面缺陷檢測、生產(chǎn)過程控制優(yōu)化、質(zhì)量關(guān)聯(lián)分析、預(yù)測性維護、安全管理與巡檢、生產(chǎn)作業(yè)視覺識別、物料識別與操作等一批典型細分場景。本篇報告中，我們進一步基于2023年605個工信部智能制造優(yōu)秀場景統(tǒng)計認為，出現(xiàn)頻率排名前10的場景生產(chǎn)環(huán)節(jié)約占7個，生產(chǎn)制造仍是工業(yè)AI落地成熟度最高的環(huán)節(jié)。究其原因：一是場景需求成效顯著，產(chǎn)品質(zhì)量、效率以及設(shè)備管理直接與企業(yè)經(jīng)濟掛鉤，是幾乎所有工業(yè)企業(yè)共同關(guān)注的重點環(huán)節(jié)。二是數(shù)據(jù)獲得性強，生產(chǎn)過程數(shù)據(jù)、設(shè)備運行過程數(shù)據(jù)等數(shù)據(jù)量較大、采集相對簡單，為AI技術(shù)落地提供了基本條件。三是技術(shù)成熟度較高，以機器學(xué)習(xí)、圖像識別等傳統(tǒng)AI算法面向特定問題實現(xiàn)識別、參數(shù)預(yù)測及優(yōu)化為主。垂類Agent場景中：1）賽意信息AI+PCB方案打通MI參數(shù)解析？BOM成本查詢？自動生成報價全流程。2）中控技術(shù)基于TPT大模型推動流程工業(yè)APP訂閱制轉(zhuǎn)型，基于DCS+物流機器人實現(xiàn)電解液桶“洗、檢、存”“零人工”干預(yù)。3）PLM+DS構(gòu)建知識問答智能體，優(yōu)選物料智能推薦；打造數(shù)字設(shè)計工程師，自動生成研發(fā)圖紙。4）鋼鐵IT企業(yè)發(fā)布“鋼鐵行業(yè)大模型”，推出廢鋼智能檢判SaaS化平臺。5）基于金蝶云·蒼穹開發(fā)企業(yè)服務(wù)智能體，在單據(jù)審核、財務(wù)分析、人才招聘、征信等多個垂類場景落地Agent。6）EDA企業(yè)智能問答+缺陷分類+模型自動分析優(yōu)化+良率分析。
投資建議
我們認為，AI大模型問世2年多后再談工業(yè)AI，“易部署、高可靠、低成本”的“不可能三角”或有破局可能，我們看好工業(yè)AI中臺+垂類Agent應(yīng)用落地，推薦關(guān)注中控技術(shù)、賽意信息、中望軟件等工業(yè)AI重點標(biāo)的。
風(fēng)險提示
工業(yè)AI落地節(jié)奏不及預(yù)期的風(fēng)險；工業(yè)數(shù)據(jù)隱私保護的風(fēng)險；傳統(tǒng)工業(yè)軟件企業(yè)轉(zhuǎn)型節(jié)奏不及預(yù)期的風(fēng)險。
|
|
