视频生成、语音交互等AI应用近年来持续火热，在2024年已让越来越多用户得到高效便捷的体验。更令业界瞩目的是，2024年各传统行业开始拥抱AI技术，将行业数据、计算模型赋予具备深度学习能力的AI，在工业生产领域开启规模化应用的路径。

　　部署持续加力

　　施耐德电气集团董事长赵国华日前分析工业智能化发展现状时表示，工业企业需要在数字化智能化领域加大部署和应用力度，这是保证全球竞争力和实现可持续发展的必由之路。

　　近期推出AI新产品的AVEVA剑维软件首席执行官贺凯博认为，AI规模化应用的序幕已经拉开，将为工业企业提供更广泛更深入的智能服务，实现生产力提升。

　　相关机构预计，2025年全球工业数据将由2024年的147泽字节（zettabyte）显著上升至175泽字节（zettabyte），而未来工业数字化转型有望带来75万亿美元的增长潜力，AI等技术的复合应用于数字化重要环节将使全球工业出现显著加速转型趋势。

　　零一万物首席执行官李开复表示，以大模型技术为代表的AI技术将重塑各行各业的生产力格局，颠覆现有的企业组织结构和规模。但是目前大模型能力并未在 To B 应用上释放出全面潜能，只有进入业务核心系统、快速轻量级大批量部署才能最大程度地为企业降本增效。

　　“今天在大模型领域内，大部分To B项目都集中在私有化定制模型，如何能够真正让大模型进入客户核心业务场景，形成一个大模型赋能下、标准化、可规模复制的应用产品是未来To B的一大挑战。”零一万物联合创始人祁瑞峰说。

　　收益逐渐扩大

　　随着AI的应用和实践已经渗透进多个行业，具体规模和参与度是业界普遍关注焦点。2024年新发布基于AI新产品的剑维软件产品线执行副总裁库斯托表示，在其接触的大型炼油、石化、机械制造等工业领域，AI技术正通过长期积累的行业数据和运营参数不断学习，协助人工提高设备的检测和运行效率。

　　她认为，语言交互类AI的数据积累具有独特优势，发展速度快于产业类的应用。但在被称为AI应用元年的2024年，已经逐步显现加速和大规模应用的方向发展，未来随着数据红利和学习成果的释放，AI参与生产的比重将大幅提升。

　　库斯托表示，剑维较早就接触AI的研发和应用，近年来细分行业的应用正在逐步加深。“未来在工业领域应用的关键是因地制宜，根据不同的企业和商业方案给予应用的客户创造价值，达成其所需目标。今年我们发布了新的AI产品，显示出我们大规模运用AI赋能客户的决心。”

　　另外在埃克西尔能源公司，其超过20%的能源供应都来自风能，通过部署PI System，其利用数据驱动工具将风力预测误差减少三分之一以上，并在六年时间里实现了4500多万美元的运营降本增效。

　　难点问题依然突出

　　业内人士表示，未来在能源效率、数据积累应用方面的问题限制了工业领域AI应用，需要各方提前布局加以解决。

　　面对丰富的制造业场景，AI解决方案厂商很难开发出一个唯一的解决方案。大模型加入后，工业AI应用已经加深，但目前距离做出一个通用的工业大模型尚远，要获取足够的数据也存在困难。

　　《日本经济新闻》评论员中山淳史撰文分析称，个人数据仅占全世界数据量的一成左右，而盘活约九成的工业数据，或者BtoB（企业间）数据，包括企业之间的订单及工厂运营情况、“IoT”（物联网）等信息，此外还包括可再生能源和汽车行驶相关数据。

　　围绕工业数据的争夺战今后将愈演愈烈。这些数据目前大多静静躺在各企业的自家系统或云上，尚未有平台运营商对这些数据进行加工并为其赋予各种附加值。

　　如果企业间可以深化在数据方面的合作，那么经营效率提高及技术创新将更加容易实现，“工业数据巨人”也有可能诞生。保护数据隐私和维护经济安全固然重要，但是企业意识到信息产生的价值，开始推进数据驱动型经营，这样一天的到来更加令人期待。

　　近日，咨询公司Gartner在最新调查报告中发出警告，预计到2027年，40%的现有AI数据中心将因电力供应不足而面临运营困境。报告称，在处理和训练大模型方面，AI所需的计算资源和能源消耗达到了前所未有的水平。

　　为满足AI数据中心巨大能源需求，业界显现出加力发展清洁能源的举措。谷歌、微软、亚马逊和Meta等科技巨头正在积极投资核能发电设施，相继宣布将推动建设小型模块化核反应堆（SMR）。另外，《自然》杂志网站最近报道显示，地热技术正处于广泛商业成功的边缘，包括Meta和谷歌在内的几家公司正在投资布局此领域。