微软：GenAI时代的制造业再造

工业家 | 2024年3月 2哪个词最能描述你？我选‘好奇’。我喜欢理解事物是如何运作的，这就是我选择制造业和交通出行行业的原因。现在好奇心尤其令人兴奋，周围发生了许多事情。微软：在GenAI时代重塑制造业制造 & 生成式AI应用案例的现状与微软制造与移动业务的首席运营官多尼克·维对话多米尼克·维微软制造与移动企业副总裁解决跨多样化工厂足迹的云迁移每月，我们都会与一位不同的行业领导者交谈，了解他们对创新的看法以及影响工业部门的新兴趋势。在本期中，我们与微软制造与移动企业副总裁多米尼克·维讨论了生成式AI在制造业中的快速采用及其价值。多米尼克阐述了他为何将GenAI视为一种真正变革性技术的理由，以及他认为每家制造企业都应该考虑的“无悔”用例。此外，他还谈到了与多样化的工厂足迹相关的挑战，并分享了工业公司在成功迁移到云端和部署GenAI方面的宝贵见解。 在汉诺威工业博览会2024上你能期待什么工业公司的生成式人工智能部署策略 工业家 | 2024年3月 3我已经做了相当一段时间的管理咨询，我在麦肯锡开始我的职业生涯，成为了高级合伙人。我的关注始终围绕着制造和移动性；我开始我的职业生涯是在制造车间，在工业工程中与半导体一起工作。那项工作极其迷人，也满足了我的好奇心，让我深入探究事物运作的复杂细节，因为半导体确实是相当复杂的东西。之后，我加入了谷歌云，在那里我负责谷歌云在汽车、制造和能源领域的全球业务。2022年9月，我加入微软，担任制造和移动性企业副总裁，我负责这些行业领域的业务运营。制造基本上包含所有被制造的东西，而移动性则涵盖了将人们从A点运送到B点的所有事物。这是一个有趣且异质性的行业混合体，这让我觉得非常令人兴奋。你能向我们介绍一下你的职业历程以及你目前在微软担任制造与移动副总裁的职责吗？ 4 工业家 | 2024年3月根据当前面临的挑战和进展，您对未来有何看法在制造业中？有哪些趋势或者也许是一些你看到的让你惊讶的因素？2022年11月ChatGPT的公开发布——虽然不算太早——令人兴奋，但我认为没有人会预料到它会给世界带来怎样的轰动。我越来越发现的是这项技术为实际价值增值的速度。我们过去经历了无数次新技术，随着Gartner 技术炒作周期，而且并非所有这些都为终端用户带来了与最初想象相同的价值水平。这就是生成式AI特别引人入胜的原因——即使在早期周期阶段，我们已经看到了真正价值的产生。让我举几个例子。在汽车行业，梅赛德斯早在2023年6月就通过车辆向近百万美国客户提供了ChatGPT。然后大众汽车紧随其后，在CES上宣布将在几乎所有其生产的车辆中实施类似的系统。汽车是一个高度复杂的环境，由于其产品开发周期可能长达数年，在汽车内部引入创新通常具有挑战性。然而，由于所有这些都在后台进行，因此可以几乎立即无缝集成到车辆中。采用规模太棒了，这两个品牌有数百万人在从中受益。考虑到一辆车过去六到十二个月是一段非常有趣的时期。在很多方面都发生了许多事情，我相信这让我们中的许多人感到意外——尤其是生成式人工智能技术的快速传播。 是一个实施新技术很难的应用。此外，这两者结合起来创新步伐简直令人震惊：就在ChatGPT公开介绍后的几个月内就发生了此事——一项新技术达到其最终用户并创造价值的速度——是罕见的。让我给你举另一个例子。我们与一家专注于重型资本设备的生产型公司合作。在这个庞大且保守的公司内部，仅仅用了三个月的时间，其就将这项技术部署给了数千名员工，让他们能利用它作为数据科学工具，并借助自然语言。这就是那些我们之前使用其他技术无法见证的类型的例子。正是采用的速度和用例的广度，证明了生成式AI确实是一种基础性技术。这就是它区别于前一个AI时代的所在。我确信，在生成式AI出现之前，你们在工业环境中实施AI方面积累了大量经验。过去，它高度专业化——我们会为某个特定部件开发机器学习模型用于质量控制，一旦它投入运行，然后尝试将其应用于另一个部件，需要数千张额外的图像来重新训练模型。因此，从一个用例转换到另一个用例所需的努力是巨大的，即使这些用例之间关系密切也是如此。所需的专业化程度以及扩展到邻近用例的成本，是可扩展性的一大障碍。生成式AI真正独特之处在于，它赋予我们能够以最小的增量努力完成一系列任务。 5 工业家 | 2024年3月此外，各种类别的产品正变得日益复杂，其中许多他们集成了软件。而它增强了产品的功能有可能创造新的收入来源，它也延长了产品开发周期与其缩短它。因此，我们有了众多客户正在寻找答案至于“我如何能减少\"开发时间？\" 我相信生成AI 提供了一套全新的解决方案应对这一挑战。最明显的一个—if you have a somewhat significant software开发运维持续进行中—是我们的最悠久的生产式AI产品GitHub Copilot. 那已被证明是高度有效的提高开发人员生产力为顾客最高可达约50%在大规模使用。我们现在看到的是我们的客户正在探索如何扩展github copilot 的全部能力开发周期，从需求管理以符合监管要求。在各个领域，生成式AI最普遍的应用之一体现在与语言相关的任务中，特别是客户销售和服务如果你有一个呼叫中心，那就是一个明显的起点。此外，在工业B2B环境中，在预售阶段协助客户存在潜在的相邻领域，因为产品复杂或多样性可能会构成挑战。如果一个制造公司生产种类繁多的高度专业化的产品，例如有10,000种不同的螺丝，他们的客户可能难以识别他们需要的的确切螺丝，从而导致应用销售问题。对于这种情况，建立一个数字顾问是理想的。此外，许多工业公司通过直接和间接渠道向客户提供服务。生成式AI可以帮助增强他们的数字销售能力，使公司能够直接向更多客户销售，从而提高利润和客户体验。此外，在售后：我们许多客户生产电梯、ATM机、需要安装在某处并需要庞大的现场部队确保其24/7正常运行的产品。这是他们损益表上的一个重要部分。通过生成式AI——以及其内置在自然语言界面中的功能——公司可以显著提高其售后服务质量和生产力。这可以通过从客户报告问题阶段到现场技术人员维修产品的阶段，使其整个知识库以自然语言形式可供访问来实现。这项能力是您是否已经看到在制造业中有哪些具体的GenAI应用案例正在获得广泛采用？还有哪些“没有遗憾”的应用案例是每家制造企业都应该现在考虑的？尤其对全球性企业有价值，这些企业拥有庞大的现场力量，在多样化的语言和地理环境中运作。我们正在看到的第二大需求集群是围绕创新与产品开发由于新的竞争对手行事更加敏捷，许多行业面临着减少开发时间和加速创新速度的日益增长的竞争压力。 返回到第2页在他们的旅程中整合多样化的数据来源。这反映了我在制造车间背景下描述的方法。问题是：我们能开发一个自然语言界面来增强与供应链数据的交互吗？ 工业家 | 2024年3月 6最后，我们许多客户的供应链非常复杂。他们在一定程度上取得了解决供应链可视性的进展。现在，下一个前沿第三个集群位于车间，在那里可以使用生成式人工智能来更好地理解车间运营。从我开始职业生涯的经验来看，制造运营中的许多简单问题往往已经被解决。但真正区分优秀与平庸的，是识别问题根本原因的能力；理解事情为何出错以及如何防止其再次发生。揭示这些见解需要筛选大量数据。生成式人工智能基本上使每个车间工人都能像专家一样使用数据科学。在我看来，它基本上将能力提升到了非凡的水平。我认为，这就是我们现在在车间看到的主要创新。 7工业家 | 2024年3月许多工业企业由于多种原因，仅将部分机器和车间数据迁移到云端。这对他们的GenAI部署能力有何影响？您如何看待您的客户应对这一挑战？当然，数据需要放在云端才能获得基于云的好处。生成式人工智能等技术。但再次，混合云是我们正在工作的现实。组织通常有各种各样的首先，我想要强调的是，我们相信多云和混合云解决方案的未来——一种计算环境，它结合了本地数据中心（也称为私有云）和公有云，允许数据和应用程序在它们之间共享——作为利用技术的途径。在当今的大多数褐地环境中，强加严格的非此即彼意识形态是不切实际的。话虽如此，数据无法总是迁移到云端有其内在原因，例如数据驻留、延迟，以及有时云计算技术的成熟度和能力限制。在这个领域，我们在安全方面也取得了显著进展。关键在于区分这些因素，并探索可能性。地理位置分散的站点，每个站点拥有自己的设备和设备类型、人员以及流程——所有这些都通常产生大量需要被处理和分析的数据，处理和分析可以在边缘、云或两者结合进行。我们最近对物联网技术栈的重大更新，Azure IoTOperations通过将所有云功能延伸至边缘，这直接解决了该问题。这种方法为我们的客户提供了一种统一的技术基础，以加速其物理运营的数字化转型，确保跨环境的无缝管理。随着时间的推移，有很多创新和让事情更容易的方法。 工业家 | 2024年3月 8返回到第2页特别是大型工业企业，其工厂分布具有多样性，整体上并非采用一致的技术栈，而是呈现“一厂一制”的设置。对于如何在这样的环境下高效扩展用例，您有何看法？我们经常观察到的另一个因素是去中心化治理。许多制造公司选择赋予单个工厂很大的权力，这有利，但也使得难以以集中方式推动创新。这是我们不断应对的一个常见问题。除了我之前提到的方法外，我们还那确实是我们经常遇到的问题。我们很少遇到拥有绿色field环境的客户。但有时我们确实有幸支持客户从头开始建造一座新的、大型制造设施，但在大多数情况下，我们面对的是一个高度异构的占地面积。与两家合作伙伴合作，视距机和Cognite，或多或少将此作为其整个使命。他们专注于从零散多样的车间环境中整合数据，使工厂人员能够从中获得宝贵见解。连接性通常只是问题的一小部分，而大部分挑战在于理解可用的数据。根据您的具体情况，这两家公司都装备精良，能够帮助您从数据中获取更多价值。 9 工业家 | 2024年3月利用这项技术的优势？在其 GenAI 之旅的早期并且现在旨在采用并成功你对工业企业有什么建议在我们客户的这段旅程中，我们观察到的第一个成功模式是在运营模型中形式化 GenAI，或者在现有结构和角色内部，或者通过建立专门实体。让我给你举个例子。我们与施耐德电气作为客户和合作伙伴，他们几年前任命了一位首席人工智能官，其使命是推动技术的普及和集中能力与决策。这项战略举措极大地帮助他们推动了人工智能的势头。我最近观察到另一件有趣的事情是基座人工智能采用初始模式在我们客户之间涌现。从商业角度来的人往往会先问，“最佳应用场景是什么？”这符合技术采用的典型方法：优先考虑应用场景，相应地分配资源，并专注于最有潜力的应用场景。然而，有些客户采取了完全不同的方法，并取得了显著进展。他们的策略更像是，“我不知道或不关心具体应用场景。我们这是一个很好的问题。非常常见的情况是，技术采纳的瓶颈不是技术本身。关键在于你如何支持你组织内的人员去接受它。 返回到第2页只要尽可能让更多人接触到这项技术，他们就会找到办法。我雇佣了聪明的人，让他们做好自己的工作。”这种方法已被证明对众多客户非常成功。我对这件事的理解是，这项技术本身非常易于使用，不太像过去的AI，更像Excel。从没有人问过：“Excel的杀手级应用场景是什么？”它只是被交给人们，他们找到了利用它的方法，以意想不到的方式出现，让人们的生活变得更便捷。因此，GenAI也是AI，但从价值创造的角度来看，它的工作方式与AI过去的工作方式不同。 2024年3月 10日 工业家 10汉诺威工业博览会将于四月举行，微软届时将有大型的展位。您对此次活动将重点关注哪个领域，以及您期望在展览上看到哪些趋势？微软一直坚持不懈做的事情，并且无疑将在即将到来的汉诺威工业博览会上更加突出的，是我们与合作伙伴的强大联盟。当您参观微软展台时，您可以期待看到我们合作伙伴的大量优秀成果，包括埃森哲这就是微软的运营方式——通过合作伙伴为我们的客户创造价值。汉诺威工业博览会对我们来说意义重大。它是年度最重要的活动，我非常期待它。我们的团队从去年开始基本上一直在努力，以确保我们为它