AI Agent应用 | AI+制造业赋能沙龙学习心得1

01

—

AI发展进程部分网上有很多资料，就不再复述，重点关注嘉宾对AI全球发展趋势的理解；

一、大模型的商业范式：

工作方式变革->组织模式变革->用户体验变革->商业模式变革->竞争优势变革

心得：

重点关注“产品化/工程化”；对于制造业来说，AI是工具、是生产资料，没有必要自己去生产生产工具，而是要拿生产工具去创造价值；所以，预训练和微调就不是一般企业去做的；prompt工程用“红衣大叔”的话来说，但凡教怎么设计prompt的都是骗子；随着AI的自主发展，越来越接近自然语言的理解能力，prompt不再是重点，过往prompt的经验随着大模型的升级变得毫无用处；

三、知识库应用三个阶段

制造业企业智能化实践

一、工业知识管理

制造企业大量高价值的经验和知识分散在各类文档或系统中，无法及时反馈生产环节，企业知识资产缺乏有效沉淀，知识存而不用

制造业人才流动率提升，"老带新" 的知识传承和培训方式成本高、周期长，且企业经验知识随人员流失而流失，无法形成资产

传统知识库建设运营成本高，用户使用体验差，不利于知识价值释放

二、工业数据分析

降低用数门槛：自然语言交互简化操作，降低了数据分析门槛，让业务用户可以更自主、快速获
取所需要的数据

提升决策效率与灵活性：支持更灵活的数据分析需求，充分发掘数据赋能业务的可能性

提升数据分析质量：极大地简化即席分析过程，让数据分析师能够更专注于分析逻辑和数据洞察，提高数据分析质量

四、设备运维

五、安全生产监管

六、技术合同审核

七、智能问答专家

八、销售问答助手与智能问答

画重点，AI让我们赚钱更轻松；