从生成式 AI 到可靠 AI：制造业中的高风险

2023 年，AI 热潮爆发，随着生成式 AI 的出现和随后的资金注入。伴随而来的是一种盲目 AI 乐观主义，组织在没有明确了解其 ROI 和实际用例的情况下推崇该技术。一些组织只是跟随 AI 人群，出于害怕被甩在后面的恐惧而采用该技术。回顾过去，思考 2025 年的展望，AI 期望是否有所改变？我们是否仍然处于盲目 AI 乐观主义的阶段？

简而言之，不。我们已经走得更远了，沿着成熟的道路。我们可以看到热潮的消散，从盲目 AI 乐观主义转变为可靠 AI。制造业已经在可靠 AI 上取得了巨大的进步，这为其他行业提供了一个案例研究。然而，在我们深入探讨之前，我们必须解决 AI 泡沫可能会破裂的现实问题。

不理性的 AI 狂热？

盲目 AI 乐观主义——或对最新、最闪亮的 AI 技术的兴奋，没有明确的理解其影响和有形成就——已经引起了大量关注和资本。例如，分析师正在关注微软、Meta 和亚马逊在英伟达的 AI 驱动 GPU 上进行大量投资，但人们担心这些投资可能不会带来这些公司期望的收入增长。

我们开始看到这种特定的 AI 泡沫破裂的低语。 麻省理工学院经济学家 Daron Acemoglu 警告说，流入 AI 基础设施投资的资金可能不会符合投资者的 ROI 期望。人们对 AI 的承诺感到兴奋，但现在他们开始担心它会像点网泡沫一样。这种事件可能会触发其他投资者变得更加怀疑 AI 叙事，并寻求更快的回报时间框架或减少这些投资。幻灭感正在酝酿。

毫无疑问，AI 将改变各个行业的工作方式，但这不会通过跟随闪亮的物体来实现。可靠的 AI 是可量化的，并且具有真正的影响力，通常在幕后嵌入到现有的流程中。

那么，什么是可靠 AI 的例子，它已经显示出成功并且能够经受住时间的考验？制造业提供了重要的用例。

衡量制造业的成功

一家领先的化学公司希望提高其机器的效率和可靠性，以避免计划外的停机和运营中断。他们投资了一种 AI 驱动的预测维护解决方案，该解决方案为他们的团队提供了机器健康洞察和建议，以主动解决问题。他们在不到一年的时间内实现了 7 倍的 ROI。

同样，一家世界顶级的食品和饮料公司希望减少产品浪费和优化其工厂容量，因此他们在四个工厂中试验了 AI 启用的机器监控。他们看到每年容量增加了 4,000 小时，产品浪费减少了超过 200 万磅。结果如此令人印象深刻，以至于试验扩展到他们所有的北美设施。

这些现实世界的例子表明了可靠 AI 的可衡量影响，并且它们符合更广泛的行业趋势。在最近对 700 多名全球制造商的调查中，衡量 AI 对业务目标影响的前三项是供应链管理/优化（41%）、使用预测分析改善决策（41%）和流程健康/最大化产量和容量（40%）。

年复一年，调查结果显示了从盲目乐观到可靠结果的真正进展。与前一年相比，三倍多的受访者现在能够量化 AI 对流程健康的影响，两倍多的受访者能够衡量其对计划外机器停机的影响。这表明制造商在使用 AI 方面变得更加自信和舒适，这有助于他们实现更深层次的投资回报率。

随着这种信心的增加，83% 的全球制造业领导者正在增加他们的 AI 预算，这对于业务增长和有效地可视化和处理工厂数据至关重要。那么，其他在 AI 成功方面落后的行业怎么办？它们扩张的速度还不够快。

扩张缓慢

到目前为止，制造商和其他行业领袖在扩张 AI 方面一直很缓慢，这阻碍了我们看到有意义的结果的速度。事实上，近 7 成（67%）的商业领袖正在缓慢采用 AI，根据一份 tech.co 报告。

AI 是一种工具，而不是结果。为了实现这些投资的真正好处，必须进行文化转变——它不仅仅是将传感器安装在机器上。熟练劳动力已经很难找到，更难的是留住他们。美国人口正在以更快的速度老龄化，劳动力人口正在减少。现在是推进可靠 AI 的时候，因为它对于保留知识和推动行业发展至关重要。

生成式 AI 工具，如 ChatGPT，令人印象深刻，但商业世界需要的不仅仅是这些。它需要专门为特定和困难问题设计的 AI——并且需要结果。可靠的 AI 正是如此，制造业已经提供了一个令人印象深刻的剧本。知识和推动行业发展。生成式 AI 工具，如 ChatGPT，令人印象深刻，但商业世界需要的不仅仅是这些。它需要专门为特定和困难问题设计的 AI——并且需要结果。可靠的 AI 正是如此，制造业已经提供了一个令人印象深刻的剧本。知识和推动行业发展。