中国一汽上线GPT-BI,如何用大模型改变制造型企业?

吉林长春,中国第一汽车集团有限公司(下称“一汽”)总部的一栋大楼里,几间会议室变成了公司高级经理们的考场。厚重的大长条形红实木会议桌摆在中间,每一张桌子能坐下二十多个人,连续六周,…

吉林长春,中国第一汽车集团有限公司(下称“一汽”)总部的一栋大楼里,几间会议室变成了公司高级经理们的考场。厚重的大长条形红实木会议桌摆在中间,每一张桌子能坐下二十多个人,连续六周,一汽的许多高级经理在几间会议室里手写考试。考不及格的要重考,董事长会亲自看他们的成绩。考试的科目是数字化。

这是去年发生在一汽的故事。过去几年里,“如何用数字化重构业务?”是许多传统企业反复研究的问题。随着大模型的横空出世,这个问题再度升级,传统企业和大模型厂商迎来新的考题:“如何用大模型改变制造型企业?”

2024年1月,一汽联合阿里云通义千问打造的大模型应用GPT-BI落地,这也是汽车行业的首个大模型BI应用。大模型在汽车企业中具体能做什么?企业数字化积累的数据资产如何与大模型相连?这个过程又给企业和大模型厂商带来了哪些挑战?GPT-BI落地的背后,大模型的产业落地进程仍有许多疑问,但一些尝试也正在开始。

大模型正在改变什么?

“我们的企业以销售数据为主体,比如销量、客流、经销商排名,原先是做表的,现在我们只要拿起手机问,表自动做出来。”一汽的一位工作人员向记者展示了GPT-BI的问答过程,只要输入提问,数秒后,近期一汽的销售情况就会以数据和报表的形式输出,汽车分区域销售情况、销售排名等都能一键生成。目前,这是一汽领导层最常使用GPT-BI的场景。

“AI应用到我们的实际工作中还有更多场景。”中国一汽红旗品牌运营委员会副总裁门欣表示,整车在开发过程中有大量的数据,汽车生产的尺寸匹配、工艺评审、装配策略等都有着文件式严格的专业方向要求,这些环节原先都是用人去衡量的,如今红旗基于这些数据和要求生成了红旗汽车的自动评价模型,引进到整车诞生过程中,一些原本需要花费20天、50天甚至80天以上的环节,在工作台上只需要秒级或天级就能解决。

缩短BI分析的报表设计、数据建模等交付周期的同时,从GPT-BI的研发方向来看,它也可能为一汽的决策提供更多参考。相关工作人员介绍,例如,当问到“为什么某车型产量不及预期”时,未来大模型可先将预期产量和实际产量对比,得出差值后,不仅仅对显性变量的分析(例如:生产因设备等原因的异常停产20分钟、某型号配件质量异常等),而且能够分析涉及的所有变量(例如:原材料供应波动、能源消耗及供应稳定性)。通过对数据排查,最终找出关联性最大的原因并生成可视化报表。

同时,门欣透露,大模型的出现也很大程度上改变了企业做数字化的思路。在数字化过程中建立了业务单元工作台后,一汽原本设想通过传统的方式去做解构、训练工作台中积累的数据,来提升工作台的能力。但大模型的出现改变了AI训练逻辑,工作台生成的海量数据有了更大的可能。

“目前业务单元之间上下游的关系都是按传统定义好的方式输入输出的,但有了大模型后,我们可以把业务单元的传递关系,从传统关系型调整成数据相似型。就像DNA一样,汽车开发过程的数据也是线性、相似地衍变,一个车型的车身尺寸,一道一道工序的开发过程,一定是基于现有的数据发生一部分的增删查改的变量,带来价值的矢量。”这成了门欣最近常和团队探讨的问题,他认为:“我们有可能改变整个企业原有的管理模式,变成完全基于数据的一个业务模式构建的流程。”

行业大模型仍需闯关

尽管大模型正将制造行业的未来蓝图徐徐展开,但在当下,大模型与传统行业的“接轨”仍有众多关隘要过。

一汽GPT-BI的落地很大程度得益于其过往在技术上的积累。从2022起,一汽开始布局数智化转型升级,到了2023年,一汽组成专项团队,成立大模型能力中心。一汽体系数字化部数据创新与试验部总监蒋汉卿介绍,一汽做GPT-BI的大模型能力中心主要有两部分成员,一部分是原本负责一汽数字应用的人员,一部分来自于一汽的2053实验室。2053实验室是一个以机器视觉为出发点的实验室,许多企业做机器视觉都是买模型,但在过往两年布局数字化的过程中,一汽坚持自研从而培养出了AI团队。最终,一汽大模型能力中心在阿里云专家的加持下,用一个月的时间上线了基于一汽场景的GPT-BI。

对许多想要做专属大模型的公司来说,能不能在内部找到相关的人才是一个重要的问题。2020年人社部发布的《新职业——人工智能工程技术人员就业景气现状分析报告》显示,我国人工智能人才缺口已超过500万,国内的供求比例为1∶10,供求比例严重失调。预计到2025年,人才缺口会突破1000万。脉脉高聘数据显示,2023年1月至5月,各行各业人工智能方向的人才供需比均低于1,人工智能成为“最缺人”的行业。大模型厂商的技术支持或许能为企业解决部分问题,但即便抛开企业的安全顾虑,技术与业务场景的结合也需要一些内部视角。

“我们在营销领域也引进了大模型,变成对话交互的时候让大模型回答顾客的问题,这样就变成了销售顾问自身的人的处理能力和大模型对汽车亮点、特点的学习双线服务顾客。”门欣透露,此前团队觉得这个模块做得还不错,但一听销售顾问的意见,才发现做的东西根本不对路,后来把4S店的销售顾问引进团队,让他们提意见、参与共创,才有了更好的创新。即便有了打造大模型的能力,对业务场景的理解不够,也会让大模型难以真正发挥效能。

2023年下半年,行业大模型成为国内大模型“下半场”竞赛的关键。阿里云发布基于通义千问的八大行业大模型,华为云发布盘古医学大模型等消息层出不穷,在医疗、金融、法律等行业的大模型应用中也不乏腾讯、百度等大模型厂商的身影,小到汽车的智能座舱,大到各行各业的营销、客服场景都在因大模型而变化。但无法回避的是,行业大模型仍处在初级阶段,大模型在产业侧的落地仍需找到更多的场景。

“一汽要把所有的业务用GPT-BI大模型重做一遍,因为大模型是面向未来生产力、生产关系的基石。”门欣如是说。但谈及大模型应用后给一汽在成本、产品设计等方面带来的具体提升时,一汽体系数字化部副总经理陈韵坦言,系统重构是真正获利的,过去一汽是24个月做一个车型,现在是以周来衡量,但总的来说,一汽的AI驱动刚开始,AI还需要积累一段时间才能拿出数据去说明其效果。

云厂商的转身

“阿里云在我这里挣不了多少钱的,因为强总跟我谈合同的时候,我说不要谈合同,我们和阿里云团队更多是在共同探索传统企业数字化转型如何走,如何面向未来发展路径的问题。”门欣谈起与阿里云智能副总裁、汽车能源行业总经理李强沟通合作时的场景,阿里云从最开始希望简单做一个商务转化,或者把云卖给一汽,转向了与一汽联合打造大模型。

事实上,在大模型落地行业的过程中,大模型厂商要做的服务正在变得更为复杂。 阿里云智能通义业务负责人徐栋介绍,目前大模型有四种部署方式,第一种是基于token,可以简单理解为SaaS模式,账号进来就可以用;第二种是公有云的VPC(Virtual Private Cloud)方案,数据不会落到大模型上,有可控的日志的管理和监控;第三种模式是私有化输出,相当于模型独立地对外输出;第四种模式是在端上的部署。四种方式在算力消耗、场景上都会有很大的不一样。

四种部署方式的背后,大模型厂商要面对更多不同需求的客户。第一种方式最简单,通过调用API,非常直接高效,李强透露一些车企已经在用了,部署非常快,以周为单位。而阿里云未来将和一汽长期合作的主要方向则是公有云的VPC方案,它首先要解决客户的数据安全感问题。一汽体系数字化部数据创新与试验部总监蒋汉卿表示,数据的问题是一汽在和阿里云共同做GPT-BI探索时非常关注的问题,按照国家数据的分类分级要求,有些企业的核心数据是不能上传的,数据泄露成了一大担忧。面对这类客户,公有云要有VPC的专属区域,在区域里做到隔离的状态,来解决数据的专属性。

在将大模型推向行业、制造型企业的过程中,如何解决企业的数据安全焦虑将是大模型厂商的长期课题。“我还是想再说一下,大家谈到公共云就好像是不安全的。其实从阿里云2009年开始做,到今天已经15年的时间了,我认为(上公共云)就像把钱存到银行里是一样的。”李强在接受媒体采访时以此回应着企业对数据安全的担忧,但云厂商们显然仍要拿出更多解决方案去回答这个问题。

同时,尽管大模型在端上部署的话题今天看起来还很遥远,但徐栋透露,阿里云和手机厂商们已经在探讨大模型放在终端跑起来的问题,1.8T的小模型2023年就跑在了手机上。目前也有一些芯片厂商和阿里云联合做4D模型,计划跑在2025年之后的手机上面。未来,大模型跑在手机端、自动驾驶汽车终端等场景的机会,大模型厂商都需要关注。

值得一提的是,与一汽联合做GPT-BI的案例背后,阿里云对政企业务的态度也值得关注。2023年11月。阿里云提出公共云优先战略,对所有产品和业务模式做取舍,减少项目制销售订单。一时间,阿里云还要不要做一些央国企、政府的订单受到外界关注。

与一汽的合作意味着阿里云并未放手政企业务。某种程度上,行业大模型落地中的安全性、专属性在让云厂商回到必要的项目制订单中。“无论是做行业大模型、AI应用还是企业内部的系统重构,外部IT厂商一定是做不长的,毕竟企业才真正掌握场景、知识、数据等。我觉得阿里云跟政府、各个层面的合作中,还是做好一个基础资源、基础能力、基础组建的提供, 更大的创新想法和空间一定来自客户自身。”一位阿里云内部人士表示。

免责声明:文章内容不代表本站立场,本站不对其内容的真实性、完整性、准确性给予任何担保、暗示和承诺,仅供读者参考,文章版权归原作者所有。避免网络欺诈,本站不倡导任何交易行为。如您私自与本站转载自公开互联网中的资讯内容中提及到的个人或平台产生交易,则需自行承担后果。本站在注明来源的前提下推荐原文至此,仅作为优良公众、公开信息分享阅读,不进行商业发布、发表及从事营利性活动。如本文内容影响到您的合法权益(内容、图片等),请及时联系本站,我们会及时删除处理。

作者: 云小编

云排名智能化采编助手,如您有疑问请参阅 https://www.idcseo.com/aboutus
返回顶部