3、主导阶段：大模型的出现是AI领域的一个重要里程碑，拉开了AI时代新的序幕。通过NLP优化、简化模型开发、多任务学习、预训练与微调、推理、迁移学习能力等"技能"叠加，AI自主意识越来越强，能够自主地进行决策、控制和优化生产流程，完成高度自动化、定制化、智能化的生产制造，实现"人"的部分"解放"。AI主导下的生产制造，不仅仅在流程等方面实现跨越式升级，更核心的价值是对离散型制造本身的创新和变革，使得产品设计优化、柔性生产、敏捷制造达到稳态和敏态的高度统一，满足消费者个性化需求的同时，让企业的核心竞争力与护城河愈发坚固。
朱金童表示，"客观上讲，当下的工业AI应用依然存在不确定性，但工业制造本身追求的是确定性结果，其对精度的要求很高。尤其在先进制造和高端制造领域，试错成本太大，这直接导致了AI快速落地与制造业审慎决策之间的矛盾不可调和。"
以当前应用最广泛的机器视觉为例，在工厂缺陷检测中，依然会存在误判、漏判的可能。这就衍生出另一个问题，AI的工程化问题。
AI的工程化指的是将人工智能的理论、模型和技术转化为可在实际环境中稳定运行、可维护、可扩展的产品和服务的过程。
而真实的场景环境往往是，开发工业软件的人、研发AI算法模型的人、业务落地使用的人，各不相同。这就需要大家在作业过程中实现高度的配合与协作。通过团队协作，来弥合研究到生产的差距、技术栈的复杂性、模型的泛化能力等挑战。
当然，缺陷检测中误判、漏判问题，有时候可能并不是技术本身造成的，而是来自于场景的特殊属性，比如光线、位置等等。
要解决光线、位置等问题，就需要一线资深工程师Know-How构成的专家知识库来克服，因此具有制造业背景的工业智能服务商才具备市场核心竞争力。
采访中朱金童认为，"格创东智一直坚信，'做好工业软件，需要工业基因'。而这也是格创东智坚守工业AI最大的底气是，'从工业中来，到工业中去'。"
AI是制造业转型升级的强大引擎
从事物发展角度看，不管是工厂、城市、园区等，都符合熵增规律。即随着时间的推移，这个体系会增加各种各样的功能、模块，后续慢慢成长为一个复杂的系统，随之出现越来越多的管理对象。
此时对"集中管理"能力的要求"水涨船高"，一旦临界值出现，就需要打破现有体系，进行专业化分工管理，有人管生产、有人管设备、有人管工艺，但与专业化分工同时出现的问题是体系的"割裂感"。
以此，周而复始，不断循环的后果是越来越复杂，越来越割裂。这时候就需要新的解决方案，例如标准化SOP的出现，大家都在同样的SOP逻辑里按规则行事，做一些熵减的工作，来平衡这个体系。
AI的出现，最大的作用是这个"超级大脑"会将集中管理的临界阀值的指数级拉高，对管理的半径和能力也都是极大的扩容。其次，AI处处都会以"优化师"的身份，让熵增变慢，让熵减变快，一增一减将极大改善现有困境。
朱金童透露，"从工厂的角度看，工厂里最重要的投入之一就是设备，其次是原料、能耗、工艺等，以上所有都需要软件来管理。如出一辙的是，当越来越多的软件管理不过来的是时候，就需要AI来赋能。
"这也是格创东智一直坚持"AI+工业软件+智能装备"战略三支柱布局，围绕制造业生产、设备、品质、能碳、物流、供应链等场景化开展AI赋能的意义所在。
