本文將為您解答以下兩個(gè)問(wèn)題: 一、OpenAI宣布7月9日終止對(duì)中國(guó)大陸提供API接口服務(wù),對(duì)漢得提供的AI服務(wù)有沒(méi)有影響? 二、漢得當(dāng)前在AI方面做出了什么應(yīng)用價(jià)值?未來(lái)的方向在哪里? OpenAI宣布7月9日終止對(duì)中國(guó)大陸提供API接口服務(wù),對(duì)漢得提供的AI服務(wù)有沒(méi)有影響? 就在6月25日,Open AI宣布將于7月9日終止對(duì)包括中國(guó)大陸在內(nèi)的地區(qū)提供API服務(wù)。OpenAI對(duì)中國(guó)大陸的停服決定,對(duì)漢得提供的AI服務(wù)來(lái)說(shuō)究竟影響多大? 實(shí)際上,ChatGPT爆火以來(lái),Open AI一直未曾真正開(kāi)放過(guò)中國(guó)市場(chǎng)的服務(wù)。當(dāng)前漢得在國(guó)內(nèi)對(duì)接的大模型呈現(xiàn)多樣化特點(diǎn),既有國(guó)外商用大模型,也有國(guó)內(nèi)商用大模型,還涉及開(kāi)源大模型以及私有化模型等,而通過(guò)微軟調(diào)用的Open AI服務(wù)只是眾多選擇之一。目前來(lái)看,微軟云提供的Open AI接入服務(wù)仍可以正常訪問(wèn)。也并沒(méi)有消息表明這個(gè)通道會(huì)關(guān)閉,預(yù)計(jì)將來(lái)仍可正常使用。此外,國(guó)產(chǎn)大模型這一年里進(jìn)步非???,我們的很多應(yīng)用場(chǎng)景,調(diào)用其他模型也一樣能達(dá)到效果,甚至在某些場(chǎng)景上,其他大模型的表現(xiàn)會(huì)更優(yōu)秀。 同時(shí),很多國(guó)內(nèi)企業(yè)原本首選的大模型也并非Open AI,因此即便Open AI完全無(wú)法調(diào)用,對(duì)我們開(kāi)展AI業(yè)務(wù)來(lái)說(shuō)影響也很有限。如今Open AI停服,外部競(jìng)爭(zhēng)減少,對(duì)國(guó)內(nèi)通用人工智能行業(yè)或許是最好的機(jī)遇,國(guó)內(nèi)通用人工智能行業(yè)或?qū)⑦M(jìn)入一個(gè)加速整合與創(chuàng)新的階段。 漢得當(dāng)前在AI方面做出了什么應(yīng)用價(jià)值?未來(lái)的方向在哪里? 漢得自去年7月率先發(fā)布AIGC應(yīng)用平臺(tái)之后,一年的時(shí)間里已經(jīng)為50余家企業(yè)客戶提供AIGC產(chǎn)品和應(yīng)用服務(wù),這里通過(guò)三個(gè)典型案例來(lái)介紹漢得在AIGC應(yīng)用領(lǐng)域的探索和突破。 案例一 構(gòu)建AIGC知識(shí)庫(kù) 開(kāi)發(fā)專屬實(shí)驗(yàn)?zāi)P?/em> 首先,A客戶每年都有大量的分子細(xì)胞實(shí)驗(yàn)項(xiàng)目,在課題立項(xiàng)之后、正式開(kāi)始實(shí)驗(yàn)之前需要做實(shí)驗(yàn)計(jì)劃,這時(shí)候就需要查閱與該課題相關(guān)的歷史文獻(xiàn)和各類論文,以獲取相關(guān)的數(shù)據(jù)來(lái)規(guī)避不必要的實(shí)驗(yàn)路徑。 但是歷史文獻(xiàn)數(shù)量龐大且存在各國(guó)語(yǔ)言和不同時(shí)期的版本,靠人工查閱基本是不可能完成的,以前通過(guò)掃描存檔進(jìn)數(shù)據(jù)庫(kù),可以進(jìn)行關(guān)鍵字檢索,但不夠智能,實(shí)際應(yīng)用下來(lái)不是很理想。希望通過(guò)AIGC形成知識(shí)庫(kù),解決查閱文獻(xiàn)的難題。 其次,在AIGC知識(shí)庫(kù)的基礎(chǔ)上建立知識(shí)圖譜記錄分子細(xì)胞實(shí)驗(yàn)的邏輯關(guān)系。AIGC知識(shí)庫(kù)解決了對(duì)歷史知識(shí)的管理和利用提供便利,但實(shí)際實(shí)驗(yàn)的原始細(xì)胞、環(huán)境參數(shù)、催化劑以及最終結(jié)果之間是有邏輯上的唯一性的關(guān)系,這種關(guān)系用AIGC來(lái)表達(dá)反而不夠精確。 故而在記錄實(shí)驗(yàn)結(jié)果上,漢得研發(fā)團(tuán)隊(duì)通過(guò)知識(shí)圖譜技術(shù),用圖數(shù)據(jù)庫(kù)來(lái)記錄和表達(dá)精確的邏輯關(guān)系,幫助客戶更好的對(duì)知識(shí)進(jìn)行沉淀和傳承。 最后,漢得還幫助A客戶開(kāi)發(fā)了自己的實(shí)驗(yàn)?zāi)P汀?/span>通過(guò)對(duì)大量歷史數(shù)據(jù)的訓(xùn)練,最終實(shí)現(xiàn)在計(jì)算機(jī)模型上輸入實(shí)驗(yàn)的關(guān)鍵參數(shù),由AI模擬出實(shí)驗(yàn)結(jié)果以提供給科研人員作為課題實(shí)驗(yàn)規(guī)劃中的輔助判斷。該技術(shù)投入運(yùn)行,可以幫助科研團(tuán)隊(duì)有效縮短實(shí)驗(yàn)周期,并節(jié)省實(shí)驗(yàn)經(jīng)費(fèi)。 案例二 “手中實(shí)時(shí)有數(shù)、心中時(shí)時(shí)有數(shù)” B客戶很早就做了數(shù)字化建設(shè),也做了不少BI報(bào)表,但我們調(diào)研下來(lái),發(fā)現(xiàn)高管在看數(shù)據(jù)、用數(shù)據(jù)上仍然存在不少痛點(diǎn)。 例如:老板常常因?yàn)槟硞€(gè)具體的業(yè)務(wù)問(wèn)題,在業(yè)務(wù)現(xiàn)場(chǎng)需要了解某個(gè)數(shù)據(jù)指標(biāo),需求產(chǎn)生于電光火石之間,這時(shí)候業(yè)務(wù)人員或者高管的助理開(kāi)始查BI報(bào)表去找這個(gè)數(shù)據(jù),但有時(shí)候這些數(shù)據(jù)雖然數(shù)據(jù)庫(kù)中是有的,并沒(méi)有在現(xiàn)成的BI報(bào)表中已經(jīng)開(kāi)發(fā)出來(lái),需要進(jìn)行再處理,帶來(lái)的結(jié)果就是IT部門(mén)或者財(cái)務(wù)部門(mén)要加班加點(diǎn)處理數(shù)據(jù),第二天早上打印出來(lái)放在老板的辦公桌上。 這種延時(shí)實(shí)際上已經(jīng)錯(cuò)過(guò)了現(xiàn)場(chǎng)處理問(wèn)題的最佳時(shí)機(jī),同時(shí)又可能帶來(lái)新的問(wèn)題,由于需求的一層層傳遞可能出現(xiàn)誤差,拿過(guò)來(lái)的數(shù)據(jù)有時(shí)候跟老板要的數(shù)據(jù)是不一致的,又或者老板看了這個(gè)數(shù)據(jù)之后,又對(duì)其中某項(xiàng)指標(biāo)產(chǎn)生了疑問(wèn),繼續(xù)追問(wèn)下去… 這種類似的問(wèn)題,我們發(fā)現(xiàn)在很多企業(yè)都存在,其本質(zhì)是用數(shù)據(jù)的人不是開(kāi)發(fā)數(shù)據(jù)的人,開(kāi)發(fā)數(shù)據(jù)的人并不真正要用這些數(shù)據(jù),這種錯(cuò)位導(dǎo)致了企業(yè)內(nèi)部開(kāi)發(fā)了一大堆BI報(bào)表,實(shí)際上真正有用的并不多,并且真正要用的時(shí)候卻發(fā)現(xiàn)用不了。 漢得針對(duì)這一類型的問(wèn)題,將自研的ChatBI產(chǎn)品與AIGC大模型進(jìn)行結(jié)合,不再需要提前開(kāi)發(fā)一大堆BI報(bào)表,而是通過(guò)語(yǔ)音或者文字將要看的數(shù)據(jù)提交給大模型,大模型轉(zhuǎn)譯之后,由ChatBI直接從數(shù)據(jù)庫(kù)中實(shí)施取出數(shù)據(jù)并組裝成BI報(bào)表呈現(xiàn)出來(lái),同時(shí)對(duì)數(shù)據(jù)權(quán)限進(jìn)行管理。 這一技術(shù)功能的實(shí)現(xiàn),支持企業(yè)內(nèi)部各個(gè)不同層級(jí)、不同領(lǐng)域的人員真正做到“手中實(shí)時(shí)有數(shù)、心中時(shí)時(shí)有數(shù)”。 案例三 實(shí)現(xiàn)良品率提升 收益可達(dá)數(shù)千萬(wàn)元 C客戶是光伏切片領(lǐng)域的龍頭企業(yè),國(guó)內(nèi)光伏切片行業(yè)平均良品率大約在95%左右,C客戶希望提高良品率,從而降低生產(chǎn)成本,而良品率提升1個(gè)點(diǎn),對(duì)企業(yè)每年帶來(lái)的收益可達(dá)數(shù)千萬(wàn)元。 光伏切片的數(shù)控機(jī)床產(chǎn)線參數(shù)多達(dá)2000多個(gè),其組合方式更是無(wú)窮無(wú)盡,要通過(guò)人工來(lái)調(diào)優(yōu)是不可能完成的任務(wù)。 我們通過(guò)對(duì)生產(chǎn)過(guò)程的調(diào)研,發(fā)現(xiàn)對(duì)良品率有直接影響的參數(shù)約為60多個(gè),我們用回歸算法,對(duì)數(shù)百萬(wàn)條生產(chǎn)線上的歷史數(shù)據(jù)進(jìn)行回歸分析,最終找到了這60多個(gè)參數(shù)的分布狀態(tài)與良品率之間的規(guī)律。 通過(guò)建立模型,并進(jìn)行大量的機(jī)器學(xué)習(xí),最終形成了模型應(yīng)用,即在車(chē)間里用該模型實(shí)時(shí)監(jiān)測(cè)產(chǎn)線上參數(shù)數(shù)據(jù)的變動(dòng)趨勢(shì),當(dāng)呈現(xiàn)良品率下降趨勢(shì)的概率達(dá)到某一閾值時(shí),通過(guò)對(duì)產(chǎn)線進(jìn)行干預(yù)避免良品率快速下降。 這一應(yīng)用在C客戶成功上線后繼續(xù)不斷迭代調(diào)優(yōu),6個(gè)月后,整體生產(chǎn)良品率提升了1個(gè)點(diǎn)。同時(shí)C客戶自有IT團(tuán)隊(duì)在這一過(guò)程中學(xué)習(xí)了AI的技術(shù),在除良品率以外的其他各環(huán)節(jié)上已經(jīng)能自主進(jìn)行AI開(kāi)發(fā)應(yīng)用創(chuàng)新和迭代,目前每天在運(yùn)行的AI任務(wù)已經(jīng)達(dá)到120多個(gè)。 漢得在信息化和數(shù)字化領(lǐng)域深耕二十余年,服務(wù)超過(guò)6000家大中型企業(yè),其中超過(guò)300家中國(guó)五百?gòu)?qiáng)企業(yè)、超過(guò)100家世界五百?gòu)?qiáng)企業(yè),在各行業(yè)領(lǐng)域積累了豐富的數(shù)字化經(jīng)驗(yàn)。 目前,漢得正致力于通過(guò)AI這一新質(zhì)生產(chǎn)力,與我們的客戶積極開(kāi)拓新場(chǎng)景、提升新效能、攜手創(chuàng)造新價(jià)值!
漢得信息與西門(mén)子數(shù)字化工業(yè)軟件已走過(guò)了17年的合作歷史。這是西門(mén)子數(shù)字化工業(yè)軟件與漢得全新合作的開(kāi)始,同時(shí)也是更高層面的合作共贏,未來(lái)可期!
2019年,漢得國(guó)際化戰(zhàn)略首次在歐洲落子,于 “歐洲硅谷”荷蘭埃因霍溫設(shè)立其漢得歐洲,也完成了以荷蘭為中心輻射歐洲市場(chǎng)的布局。為什么選擇荷蘭,又有哪些國(guó)際化的經(jīng)驗(yàn)可以借鑒?