專題：服貿會2025中國AIGC創新應用論壇
中國國際服務貿易交易會-2025中國AIGC創新應用論壇於2025年9月12日在北京舉行。主題爲“從大模型到智能體，驅動AI新生態”。思科大中華區資深副總裁、首席技術官侯勝利出席並演講。
以下爲演講實錄：
尊敬的各位專家、各位領導：
大家好！非常感謝能有這個機會，向各位彙報思科在AI時代智能製造領域的觀察體會與實踐經驗。
當前，AI技術正迎來爆發式發展。自2012年深度學習技術突破以來，AI已從感知型、預測型演進至生成式階段，在這兩年大家看到越來越多的各種AI的應用，應用場景也從諮詢問答，拓展到行業應用，從智能銷售，智能客服到智能生產。人工智能正使每個組織重新思考其運營方式。銀行爲員工提供人工智能助手以輔助日常工作，連鎖餐廳推出人工智能驅動的無人駕駛外賣服務，電動汽車日益成爲移動的數據中心，研究人員和醫生正在改變患者護理方式。總之AI正在重塑生產模式。
當你在使用AI應用的時候，你首先要有數據進行分析，得出正確的結論，然後在行動；這樣就要有各種傳感器收集信息，有網絡把數據傳送到CPU、GPU進行分析和處理。
處理這些信息，尤其是在生產製造行業，你需要在最邊緣的階段，在車間，在產線，甚至在機牀上做實時的分析和處理，不能夠把這些數據都傳到數據中心或者雲端來做分析之後再發送決策，也就是說你要在邊緣去做AI處理。另外涉及到企業運行的安全，這些數據不能都放在公有云平臺，需要在本地進行存儲與分析。
如果我們要在生產的環境引入AI，進行智能製造。我們要從業務層面和基礎設施層面來分析。在業務的層面，我們怎麼樣把AI技術應用到各種的生產場景，AI可以幫助我們：
將專家經驗“模型化”，提升工藝一致性；實現預測性維護、缺陷自動識別；優化資源調度，降低能源消耗；實現數據驅動的智能決策。 在基礎設施層大家會看到各種的工業數據，各種的傳感器，需要一個IT，OT融合的系統把不同場景的數據連接起來，傳到業務層面進行邊緣計算，再採取行動。
人工智能正在重塑製造業的根基，改變着各個層面遵循ISA-95標準的傳統自動化框架。以機器人技術的進步爲引領的硬件自動化與以人工智能爲首的軟件自動化的融合，對於充分發揮這些創新的潛力至關重要。大型語言模型（LLMs）將作爲人與機器之間的對話橋樑，使資產和機械能夠與人類“交流”，從而徹底改變製造業的面貌。通過解讀海量的製造數據，大型語言模型（LLMs）有助於做出明智的決策，併爲未來在生產和管理中使用自然語言鋪平了道路。
今天我們在首鋼園開會，那我們就以鋼鐵行業爲例看看大模型對鋼鐵行業的重要性。鋼鐵製造過程超高溫環境、多源複雜數據匯聚，數據認知、生產決策、知識積累，應用平臺構建都具有挑戰性，是人工智能領域大規模數據智能分析與智能製造的典型應用。
我們既需要一個大模型進行預訓練，也需要多個小模型滿足不同業務的靈活需求。
比如鍊鋼行業我們要有L0層 - 通用大模型基座：爲系統提供基礎的計算架構和通用的處理能力，支持下層決策模型的高效運行。
L1層 - 行業級模型：提供基礎性機理知識支撐，爲上層決策模型提供行業通用的科學理論基礎。
L2層 - 場景決策模型：基於L1層的行業知識，針對冶煉、鑄造等特定生產場景進行深度優化。
L3層 - 專用決策模型：在L2層的基礎上，進一步細化到具體操作層面，關注質量控制、資源調度、設備維護等具體決策場景。
同時因爲這是生產方式，我們要保證數據的韌性，也就是說系統要安全、可靠，發生了故障時，有很好的冗餘。
這是一個視覺類機器學習模型的案例，爲了監控生產狀態，我們使用3D攝像頭爲機器學習模型提供數據，這些模型會驗證並觸發相應操作。每天會產生數以TB計的原始數據，這些數據需要存儲和處理，因此需要一個專用的高帶寬網絡。我們看到，機器人手臂配備了各種傳感器、3D攝像頭以及相應的集成工具，以滿足生產的需求。
現在機器人不使用固定的夾具，能夠從零件或零件箱中挑選出正確的物體，以正確的角度拾取，而所有這些都需要深度感知以及在移動時避免碰撞物體的能力。這需要機械臂配備各種類型的攝像頭和傳感器。所有這些組件都需要實現互聯互通，以便數據能夠反饋到邊緣推理系統。爲了支持這一用例，我們推出了新的IE 3100H系列體積小巧，可融入狹窄空間，如機械臂和定製機械中，對灰塵、碎屑、振動、液體溢出和沖洗的抵抗力增強，爲運動應用提供一流的PTP（位置、速度和時間）支持，爲配置等實現零信任遠程訪問的安全設備訪問。
這是最典型的工廠分揀應用。
當我們去做面向製造業的生成式AI應用時，需要把各種不同的技術，或不同的技術場景打通。從網絡的角度，從傳感器的角度把怎麼樣去聯通。從工業的安全的角度怎麼樣去防止你的設備不會受到別人的攻擊，保證它的安全性，從應用的角度怎樣做AI工業大模型場景的實時應用。
這樣把IT和OT完全融合在一起，就成爲智能製造的一個基礎條件。
我們來看個例子，這是一個食品、飲料、生活用紙等行業的自動化與智能工廠解決方案。如果沒有AI介入，也可以有自動化機器人進行服務，但是要事先定義機器人工作流程
缺乏靈活性，碰到異常沒有無響應能力，機器人孤立運行；AI 之前的網絡需求：
僅需少量數據（kbps 級別），數據不敏感。
如果我們把生成式的AI引入，形成自主機器人，和整個產線結合在一起。我們需要給機器人生成式編程，他需要學習，需要理解環境。機器人可以自主決定工作模式，機器人以 AI 羣組形式運行。機器人之間都是可以聯動的，知道下一個工序的情況，整個的生產線都可以實現無人化、全自動的生產，這是我們通過AI的方式可以更好的幫助你做業務的應用。
AI 時代的網絡需求：數據量達到兆字節級別，數據敏感，網絡安全至關重要。
我們要保證企業的韌性，也就是說它不能夠有宕機，不能有非法的攻擊或者非法的訪問。 在網絡和數據整合之後，我們需要一個完整的安全的機制，把安全控制中心從原來的IT平臺擴展到OT的平臺，去做統一的管理。
再看一個例子，這是生產樂器的產線。通過智能化的方式連接起來，有各種的傳感器，攝像機做控制。同時我們有一個看板，可以看到所有的信息包括產品質量，產線狀態，安全信息。同時系統會通過AI算法去調整每一個樂器，調出廠時候的音質。系統根據相應的算法，自動比對最優質量時的狀態，機器臂自動去調絃，保證它是最好的方式進行出廠。
自動化是推動生產率提升的最重要因素，人工智能將推動自動化的下一次大發展。
數以百萬計的無線且支持人工智能的協作機器人將更快速地出現在工廠，讓智能製造更上一層樓。
如果想要讓製造業很好的去實現智能化或者叫AI-Ready的產線，我們總結幾點，第一要有前期準備工作，需要各種傳感器，3D攝像機，PLC，會產生非常多的數據。第二需要有一個非常強壯的網絡平臺，包括有線，無線，把這些數據傳遞到相應的系統。
第三需要有一個結合AI邊緣運算和集中運算混合的平臺來做數據的分析，有針對業務需要的各種大模型來滿足業務的需求。最後需要有一個安全的架構，來保證整個系統的可靠、穩定的運行。這些系統結合在一起，你就能夠讓製造更加靈活、更加方便，來滿足業務的發展。
謝謝大家！
新浪聲明：所有會議實錄均爲現場速記整理，未經演講者審閱，新浪網登載此文出於傳遞更多信息之目的，並不意味着贊同其觀點或證實其描述。
責任編輯：王翔