【环球时报驻德国特约记者 昭东 环球时报记者 李迅典 陈欣】编者的话：“人工智能（AI）有潜力改变制造业，欧洲希望在这一领域走在前列。”多家外媒近日关注到，欧洲工业巨头希望利用数十年来积累的生产数据，在人工智能驱动的工厂自动化进程中占据主导优势。在通用基础模型及其商业化生态领域已处于相对落后地位的欧洲，能否在工业AI领域“扳回一局”？
多维合作，加快追赶步伐
德国电视一台19日报道称，德国政府与美国英伟达公司达成AI合作协议，计划共同开发用于“物理人工智能”的先进模型。德国政府表示，合作旨在推动工业AI应用，并在欧洲建立先进的AI生态系统。英伟达将扩大与德国合作伙伴的合作，向大型企业、中小企业和研究机构提供AI模型。当日，德国总理默茨还与英伟达创始人黄仁勋在“投资德国”峰会上进行对话，重点探讨德国在工业领域整合AI的战略。
德国联邦数字化和国家现代化部长维尔德贝格尔表示，德国工业在利用AI创造价值方面潜力巨大，与英伟达合作能帮助企业保持产业价值创造能力。他坦承，欧洲目前缺乏自主计算芯片。德国政府希望借助美国技术加快追赶步伐，减少对外部技术的长期依赖。
上述合作是欧洲加码工业AI领域的最新案例。据彭博社报道，西门子、ABB集团和施耐德电气等欧洲老牌工业企业希望，凭借其积累的海量生产数据，能在工业AI领域占得先机。
施耐德电气首席执行官布鲁姆表示，随着AI技术越来越多地融入产品、机器、流程和能源系统，重大机遇正在涌现。英国《金融时报》称，由于欧洲错失了面向消费者的AI模型的发展机遇，其工业巨头转而押注“工业AI”。这是一个新兴领域，旨在挖掘生产线产生的大量数据，并利用这些数据来实现高效运营。
彭博社称，工业AI开发者们构想了这样的未来场景：只需将产品设计图交给AI模型，它就能协助确定制造方案、设计必要工具、规划工厂布局，并指挥机器、协调各类机器人，完成从组装到成品包装的全过程。
“欧洲可能占据优势的一个领域是工业流程中的AI开发。”西门子智能基础设施部门负责人科尔特告诉美国《财富》杂志，西门子计划未来3年在工业AI领域投资超过10亿欧元。宝马集团已与法国AI企业Mistral AI达成合作，将大模型技术应用于车辆碰撞仿真与数字孪生开发。卢森堡钢铁巨头安赛乐米塔尔扩大与微软合作，推动AI应用于其全球业务。
积累了数十年的工业数据
彭博社称，中国似乎已具备在工厂车间主导人工智能部署的优势。其工厂运营着超过200万台工业机器人，大约是使用量排名第二的日本的4.5倍。比亚迪和TCL等公司都在努力建设“黑灯工厂”（即生产线上无需人员即可运转的工厂）。中国是制造业强国，北京方面还在推进“人工智能+制造”专项行动。
不过，欧洲企业也具有一定优势，其在自动化和机器人技术应用方面拥有更悠久的历史。
彭博社称，欧洲安装机器人和实现制造业数字化的时间更早，这是应对该地区相对较高劳动力成本的一种方式。而且，全球工厂安装的许多设备都是在欧洲制造的。欧洲企业在利用这些数据预测设备故障、提高产品质量以及提升现有机械效率方面尤为擅长。
炒股杠杆平台元股证券:ygzq.hk
《财富》杂志称，与训练大型语言模型不同，工业AI模型是使用制造和工程数据进行训练的，以便专门应用于这些领域。在欧洲《财富》500强企业中，有超过一半的公司历史超过100年。德国企业软件公司Celonis联合创始人诺米南歇表示：“欧洲的工程巨头积累了数十年的工业数据。利用AI将这些数据转化为竞争优势的机会是巨大的。”
上海外国语大学世界智库研究中心人工智能项目负责人张志鹏对《环球时报》记者分析称，欧洲在精密物理仿真软件、底层控制协议及高端装备装机存量上拥有优势，中国则在车间规模、部署速度和本土模型生态上具有优势。例如，中国在机器人新增部署规模、规模化应用速度以及“灯塔工厂”等标杆场景上具备显著的增量优势。此外，中国已经形成较强的本土模型、云服务与制造业应用协同生态，但在高端控制系统与工业软件底层方面仍面临自主化挑战；欧洲则在基础模型、云平台和计算生态上对美国存在较强依赖。由于欧洲本土工厂改造周期较长，部分欧洲巨头选择将数字化成熟度更高的中国车间作为前沿算法的测试场所。
《金融时报》称，谁能在这场竞赛中获胜，取决于谁能利用好目前从全球数千个站点收集到的制造、工程和能源领域的数据。这些数据有望在汽车、飞机组装、化工和石油生产等领域带来可观的投资回报。
一件复杂的事情
虽然潜力巨大，但工业AI的部署仍面临诸多挑战。彭博社称，将AI应用于物理世界是一件复杂的事情。AI系统必须遵守物理定律，生产线上的一条错误指令可能会损坏设备、毁掉数千件产品，在最坏的情况下甚至可能伤害工人。
而且对于机械制造商而言，想要“一键”将系统升级为最先进的AI版本几乎是不可能的，因为世界上没有两家完全相同的工厂。有的工厂可能运行着30年前的西门子控制系统，旁边却配备了全新的库卡机器人；另一家工厂可能使用罗克韦尔自动化的控制器和ABB的设备。要将这些不同的组件连接起来，让它们在AI赋能的生态系统中实现无缝协作，是一项巨大的挑战。张志鹏分析称，欧洲庞大的存量设备既是销售入口，也是沉重的技术包袱。改造旧工厂通常比在新工厂从头部署统一架构更加复杂。异构系统并存也可能导致“海量数据”难以直接转化为符合统一标准的有效资产。
欧洲自身也有不少限制因素。作为欧洲主要出口国，德国花了十多年时间在“工业4.0”计划下推动工厂数字化和互联，但许多企业仍然在基础环节举步维艰。根据德国数字协会（Bitkom）的一项研究，近半数的德国工业企业表示，它们缺乏足够的IT基础设施来使用“数字孪生”技术。张志鹏分析说，欧洲制造业的核心竞争力在于生产高附加值、多品种、小批量的定制化精密部件。然而，这种模式难以像大规模流水线那样迅速摊薄AI研发与硬件改造成本，这使欧洲中小企业在应用AI时面临严重的成本难题。
此外，欧洲还面临整体AI发展方面的限制。“德国之声”称，欧盟希望借助AI提振经济、缩小与中美的差距，但欧洲AI发展仍面临投资不足、技术依赖、监管争议和能源消耗等挑战。张志鹏表示，与中美鼓励试错的氛围不同，欧洲企业面临严苛的合规要求股票行业市场，而繁琐的合规审计可能拖慢技术创新的落地速度，这在客观上增加了动态试错的成本。
美港股提示：本文来自互联网，不代表本网站观点。
相关文章
大盘行情指数走势
热点资讯