AI赋能智能制造业 安全、合规成关键破局点

从Chat GPT到大模型登陆智能汽车，AI（Artificial intelligence，即人工智能）正在不断融入人类的日常生活。但同时也带来一系列诸如行业普及、用户隐私安全等问题。

据SAS统计数据显示，目前在银行、电信、生命科学、制造业等在内的多个行业已经开始助力客户将生成式AI全面集成至常规业务流程中。但AI对于各行各业的赋能也有显著差距，具体来看，银行、电信等行业使用生成式AI的比例已经达到了15%以上，但制造业的这一比例仅有7%。另一方面，AI的逐步普及也开始引发外界对于用户隐私安全的担忧。

SAS副总裁兼大中华区董事总经理何伟信在接受记者采访时表示，这与制造业的传统有一定关系。“制造业对相关数据的敏感度、成熟度和银行、电信等行业不同，使得AI对制造业的赋能步伐稍显缓慢。”

SAS首席数据科学家马宁也对记者表示，相较于金融业的同质化，制造业细分赛道众多，对于AI的普及进展相对滞后。

AI加速赋能

据SAS委托Coleman Parkes Research公司进行的一项最新全球研究显示，目前中国的生成式AI应用率最高。参与调研的中国企业决策者表明，83%的中国企业正在使用生成式AI，超过了英国（70%）、美国（65%）和澳大利亚（63%）。不过，在成熟度和全面部署生成式AI技术方面，美国（24%）领先于中国（19%）和英国（11%）。

具体来看，在各个领域中，AI也在加速赋能。其中，电信、零售、银行等行业已经将生成式AI投入到日常使用中，但制造业、医疗保健、公共部门等领域的使用比例较低，其中制造业仅为16%。

马宁告诉记者，相较于金融行业，制造业的数据获取成本更高。“可能需要一定的专业设备才能够获得制造业全链路的信息，在此情况下，制造业在数据方面相较于金融行业天然地处于劣势。”

“同时，相较于银行、证券、保险等金融行业的同质化，制造业细分领域众多。”马宁对记者表示，金融行业中优秀的AI能够在同行业中进行传播和复制，但是由于制造业的垂直划分过于细致，优秀的AI不便于在制造业中进行传播和复制。

“制造业产业链较长，生成式AI在使用过程中有许多环节，这可能会导致AI在应用场景的使用受到限制。”马宁进一步表示，制造业的AI可能更多是出于质量控制端进行安全检查。“并且生成式AI前期在算力、数据、人才等方面的投入较大，回报周期较长，对于制造业企业而言，大规模投入生成式AI，可能会对企业自身的经营状况带来一定影响。”

不过，目前我国的汽车制造业“生成式AI+制造”应用试点已在展开。据相关媒体报道，近期已有研究机构在配合工信部开展“生成式AI+制造”应用试点工作，覆盖电子信息、汽车、化工、钢铁、民爆和生物制药六个行业领域。据了解，在汽车行业，生成式AI能够提升涉及效率，实现生产线预测性维护，优化供应链，并支持个性化定制、品质控制和智能制造。

隐私安全受关注

除了加速普及赋能行业外，AI带来的用户隐私安全问题也颇受市场关注。

以汽车智能座舱为例，目前不少智能汽车搭载了AI大模型，能够通过用户对话等方式，获取用户的需求，进而提高乘坐体验，但这也带来一系列涉及用户的隐私安全问题。

在何伟信看来，AI搜集、处理数据的标准要透明，并且接轨国际标准，采用全球认同的数据处理方法。

“除了透明外，AI的隐私安全还应当保证用户自主可控，一些场景比如客服对话、游戏运维等都收集了很多数据，如果缺乏自主可控，可能引发用户的担忧。”何伟信告诉记者，更重要的是AI的主导权要可控，并且应不停地更新。“数据收集的方法在不停地改变，或有更多渠道利用人工智能收集数据。”

除了采集数据透明以及用户自主可控外，第三方管理以及控制不相关数据的采集成本等也是AI在隐私安全方面需要面对的问题。

何伟信表示，AI的隐私安全需要规划好路径图，在盈利和管理之前寻找平衡。“大数据不代表无限的数据，对于企业而言，过分采集数据以及采集不相关的数据，成本非常高昂，并且数据的管理、处理方法以及监管缺一不可。”

马宁也对记者表示，AI的数据收集既要遵循相关法律法规也要获得用户的授权。“但如果企业没有遵循最小化原则，过度收集用户数据，违规使用用户数据，这可能会导致用户的隐私数据泄露。并且，在与第三方进行数据传输时，要有一些加密的手段，防止数据泄露。”