【华泰科技】AI大模型+工业: AI大模型赋能制造业升级

（以下内容从华泰证券《【华泰科技】AI大模型+工业: AI大模型赋能制造业升级》研报附件原文摘录）
　　如果您希望第一时间收到推送，别忘了加“星标”！ 随着以ChatGPT为首的生成式AI同工业领域深度融合，工业或将成为大模型重点应用垂直领域。我们认为生成式AI将赋予工业智能化制造更大发展潜力、更强劲增长动能、更广阔应用场景。我们看好：1）研发设计，AI有望增进用户使用EDA/CAD设计及CAE仿真优化等软件的效率；2）生产制造，AI有望强化工业机器人的信息处理、感知执行等能力；3）管理服务，AI已经被用于基本办公领域，预计未来将进一步扩展至供应链管理、客服服务和市场营销等其他应用场景。 核心观点 生成式AI从研发设计、生产制造、管理服务等角度为工业全环节赋能 ChatGPT引领AI大模型突破，随着AI技术和工业领域深度融合，工业AI应用或将迎来高速发展窗口。随着2023年3月OpenAI正式发布大型自然语言处理模型ChatGPT-4，同月微软将其旗下Azure云服务Azure、Microsoft365办公软件、Bing搜索引擎、Power Platform低代码开发平台等产品与ChatGPT深度融合，生成式AI在文本、代码、视频等一系列应用领域的前景逐渐明晰。伴随以ChatGPT为首的生成式AI同工业领域深度融合，工业或将成为大模型重点应用垂直领域。我们认为生成式AI将赋予工业智能化制造更大发展潜力、更强劲增长动能、更广阔应用场景。我们看好：1）研发设计，AI有望增进用户使用EDA/CAD设计及CAE仿真优化等软件的效率；2）生产制造，AI有望强化工业机器人的信息处理、感知执行等能力；3）管理服务，AI已经被用于基本办公领域，预计未来将进一步扩展至供应链管理、客服服务和市场营销等其他应用场景。 AI+工业研发设计：有效提升芯片设计、机械设计、工程仿真等精度和效率 在工业研发设计环节，生成式AI可以与CAD、EDA、CAE等工业设计软件融合，连接云计算数据库，更好地调用已有的设计模块，有效提升研发效率和开发精度。例如Cadence公司推出Allegro X AI technology新一代系统芯片设计技术，研发人员运用其生成式AI功能可简化系统设计流程，将PCB设计周转时间缩短至原来的十分之一；CAD有望借助生成式AI一方面调用大量已有的设计模块生成设计草图，另一方面对设计进行参数优化；工业设计软件与数字孪生结合，一方面可以促进全球工厂协作能力，优化工作效能，另一方面数字孪生生成的大量数据可以反哺AI工业大模型训练。 AI+工业生产制造：深度强化工业机器人的信息处理、感知执行等能力 在工业生产制造环节，自然语言处理工具ChatGPT可帮助机器逐渐实现像人类一样交流、执行大量任务。随着生成式AI发展，将促进制造环节向智能化和数字化转型，而工业机器人和自动化工厂作为智能制造核心载体，将作为生成式AI与智能制造中间桥梁。西门子将ChatGPT技术与其现有的自然语言技术相结合，有效实现了操作者与系统自然语言的交互；BMW依靠英伟达Omniverse平台，以虚拟方式优化生产线、机器人和物流系统的布局，加强全球工厂联系，提升服务效率；国内方面创新奇智发布“奇智孔明”AIGC引擎，该产品将提升工业生产制造环节的生产效率，降低生产成本。 AI+工业管理与服务：因其通用性或成为可行度最高的工业应用场景 相较于前两个专业性更强的领域，管理服务环节或因其具备更强通用性，成为生成式AI最易突破得到工业应用场景。3月，微软推出GPT互动式AI能力商业产品Dynamics 365 Copilot及Microsoft 365 Copilot，大幅提升用户在经营管理类软件上的工作效率，我们看好后续此模式推广至供应链管理、客服服务和市场营销等其他场景。国内AI领先企业第四范式也已经上线的企业级4Paradigm SageGPT，将大型生成式语言模型与垂直领域专业知识进行融合，已具备企业级场景下的多模态及Copolit能力；旷视科技已开始在视觉大模型领域开始布局以探索生成式AI在仓储物流领域的可行性。 正文 AI大模型+工业所形成的核心产品、方案与服务，是AI赋能工业的主要载体。其中主要包括四个方面，按层级关系可分为基础软硬件、智能工业装备、自动化与边缘系统、平台/工业软件与方案。其中，基础软硬件是指各类芯片/计算模块、AI框架、工业相机等相对通用的软硬件产品；智能工业装备是指融合智能算法的机器人、AGV（自动导向机器人）、机床等工业生产制造设备；自动化与边缘系统是指融合了智能算法的工业控制系统；平台/工业软件与方案则是指各类具有AI能力的工业互联网平台及其衍生解决方案和应用服务。以上应用通过识别类应用、数据建模优化类应用及知识推理决策类应用三种模式被广泛用于工业研发、生产、管理及服务等全环节。 01 AI大模型+工业研发设计：增进芯片设计、CAD设计及仿真优化效率 AI大模型+工业软研发设计软件将加快推动工业数字化进程，极大解放生产力。工业数字化进程大致始于20世纪50-70年代，以图形化、自动化为代表性技术，将计算机设计、调度能力首次带融入工业生产领域，替代人工操作，解放生产力的同时提升生产效率，这一时期的典型代表有50-60年代出现的CAD软件，60-70年代出现的CAE、EDA、PLC软件，极大地提升了生产效率。在当前时间点， AI与工业研发设计软件积极相融合，借助云计算，进行超大数据量的推理训练，进一步优化软件工作效率，简化研发流程和复杂度，帮助企业提升效率的同时还能优化成本结构。 AI大模型+EDA将成为未来芯片设计软件的主流趋势，大幅加快芯片研发设计的进度。2023年4月7日，美国Cadence公司推出Allegro X AI technology新一代系统设计技术，本技术依托于Allegro X Design Platform平台，利用云端的扩展性实现物理设计自动化，在提供PCB生成式设计的同时，确保设计在电气方面准确无误，并可用于制造。本项新技术可自动执行器件摆放、金属镀覆和关键网络布线，并集成了快速信号完整性和电源完整性分析功能。使用本技术的生成式AI功能，客户可以简化系统设计流程，将PCB设计周转时间缩短至原来的十分之一。国内方面，概伦电子在3月的业绩会上表示正在关注AI+EDA软件的发展机遇并将未来在该领域加大投入。 AI大模型+CAE有效提升仿真效率，优化代码生成能力。CAE（computer aided engineering），指用计算机辅助求解分析复杂工程和产品的结构力学性能，以及优化结构性能等，把工程（生产）的各个环节有机地组织起来，其关键是将有关的信息集成，使其产生并存在于工程（产品）的整个生命周期。CAE软件可作静态结构分析，动态分析；研究线性、非线性问题；分析结构（固体）、流体、电磁等。因为CAE已经在工业领域得到了大量的多年的应用，积累了大量的数据可以作为生成式AI的训练数据来源。未来基于生成式AI的新型CAE建模将基于历史设计数据，通过大数据挖掘不同影响因素之间的关系，而不再过分追求从物理理论生成模型，从而能大幅提升建模的效率。 AI大模型赋能创成式设计，生成式AI未来或可为CAD软件提供大量可供选择的模型。创成式设计是一种利用AI技术根据一系列系统设计来自主创建优化设计的3D CAD功能。其特点在于能在设计师给定的约束条件和目标下，借助AI的能力来快速生成满足要求的目标模型，供设计师从中选择合适的模型进行进一步的设计优化，从而提升设计效率，降低设计成本。从目前来看，生成式AI在严谨理性的数学和逻辑领域的能力相对文字仍然比较有限，但未来随着以GPT为代表的通用大模型逐渐从成熟，工业设计数据库不断丰富，CAD有望借助生成式AI一方面对设计进行参数优化，另一方面借助大量的设计模块数据库生成推荐的设计草图。 AI大模型+数字孪生概念，仿真优化生产流程以改善全球工厂协作能力。数字孪生是指充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。目前已经有企业将数字孪生技术运用在模拟工厂领域，例如BMW依靠英伟达的Omniverse平台，对整座工厂模型中的所有元素进行模拟，并将来自不同制造商的几种设计和规划工具的数据汇总在一起，最终在协作环境中生成物理级逼真的实时仿真；虚拟工厂通过规划工具集成了规划数据和应用程序，从而实现了无兼容性限制的实时协作，宝马全球数千名工程师依托Revit, Catia等软件以及云平台，在同一个3D虚拟环境中进行协作，从而可以在早期规划阶段最大化评估变化和调整，并利用NVIDIA Omniverse构建工厂端到端数字孪生，将规划流程的效率提高了30%。目前宝马已计划将Omniverse推广到其整个全球生产网络，使得其汽车生产更容易跨地点、跨时区协作，跨流程合作，强化全球各地工厂的合作能力。 数字孪生反哺AI大模型，生成数据供以AI模型训练。我们认为不同于金融等其他行业，工业场景相对来说数据样本量较小，AI训练相对困难，在此背景下，工业数字孪生可以通过仿真的形式生成大量数据，帮助AI模型深度优化。目前，微软通过与Ansys Twin Builder合作，其Project Bonsai可同时运行数百个机器或者应用的虚拟模型，并将这些数字孪生生成的数据，直接输入大脑对其进行优化，从而不断克服各种局限性。使用大量虚拟模型（在不减少物理模型的数量的条件下）可以缩短训练大脑的时间，降低成本，还能让工程师在虚拟环境中引入可能对物理机器造成潜在危险或损坏的极端情况，这样大脑在投入运行之前，就可以学习了解所有可能遇到的情况，具体到应用来看，CPCS（机舱压力控制系统）可以将数字孪生技术与Bonsai进行集成，工程师在Bonsai中可以通过图形选择和连接控制代码的功能块构建AI大脑，并在Twin Builder中对系统进行建模，之后简单的Python API，将模型移植到数字孪生工作流中，并用于训练Bonsai大脑，以创建控制器。 02 AI大模型+工业生产制造：强化工业机器人的信息处理、感知执行等能力 自然语言处理工具Chat GPT的出现，可以帮助机器逐渐实现真正像人类一样交流、执行大量任务。随着生成式AI的发展，将真正促进制造环节向智能化和数字化转型，而工业机器人和自动化工厂作为智能制造的核心载体，将作为生成式AI与智能制造的中间桥梁。根据微软发布的《ChatGPT for Robotics: Design Principles and Model Abilities》，目前生成式AI主要通过两个层面对工业机器人进行辅助，第一，ChatGPT作为预训练语言模型，可以被应用于人类与机器的自然语言交互。机器通过ChatGPT理解人类的自然语言指令，并根据指令进行相应的动作。第二，GPT可以帮助机器在执行路径规划、物体识别等任务时做出相应的决策。 生成式AI可进一步加强工业机器人的信息处理和分析能力。ChatGPT可以与数据分析师进行交互，以帮助分析和可视化工业生产数据，或者可以运用于生产线中帮助普通操作员完成多种任务。此外ChatGPT还可以用于监控生产质量，并给出改进质量的建议，以提高产品质量。并且生产出现故障时，ChatGPT还可以提供快速诊断和解决方案从而提高生产效率。从具体应用来看，国外方面西门子将ChatGPT技术与其现有的自然语言技术相结合，通过将生成式AI嵌入智能交互系统的架构中，有效实现了操作者与系统自然语言的交互，目前其自动化生产SIMATIC IT软件已经引入ChatGPT；国内方面，2022年底百度联合TCL搭建文心电子制造行业模型，TCL产线检测mAP指标平均提升10%以上；此外新产线的冷态起动效果可以提高至原来的3倍，产线投产的研发时间缩短了30%。 生成式AI可与机器视觉融合赋予工业机器人更为强大的感知执行能力。 1） 感知方面，根据佐思汽车研究，常用的图像数据拓展多采用平移，变换，拷贝粘贴等策略，多数只是对图像或者目标进行局部处理，很难在保持语义信息和多样性之间找到平衡，而基于Stable Diffusion模型的SIP模型可以拓展使用生成式AI大模型，通过图像的标签和标题指导生成Image-To-Image高清图片，对比常用算法性能有所升。从应用层面来看，2023年4月10日海康机器人发布相关新产品：AI读码器、AI智能相机、2D工业相机、3D相机和软件(Vison Master 3D算法平台和机器人视觉引导平台)。 2） 执行方面，微软研究显示，ChatGPT具备构建“感知-执行”循环模型的能力，该模型先通过API库输出拥有循环结构代码，之后使用图像采集和目标检测等感知函数提取机器人导航和控制的相关信息，并通过文本对话将信息输入到ChatGPT，最终ChatGPT将解析输入的信息流并输出相关的动作指令。 生成式AI依托工业大模型打造工程制造引擎，不断提高生产力。例如，国内方面已有企业开始针对此领域落地应用。例如国内“AI+制造”解决方案供应头部玩家创新奇智，已于2023年4月13日发布“奇智孔明”AIGC引擎（AInnoGC），该产品是针对制造业垂直场景的AIGC工程算法引擎，依托于创新奇智自研MMOC人工智能技术平台，以工业预训练大模型为核心。奇智孔明拥有五大能力，分别是内容生成、智能问答、多轮对话、推理能力、代码生成，能够满足制造行业企业的个性化需求。本引擎将着重应用于制造业、工业软件领域，有效解决行业中大客户的专属需求，如交互式动态业务报表生成，智能产线设计等，打破垂类信息孤岛，提升生产力，实现更全面的数字化转型。 03 AI大模型+工业管理与服务：或成为ChatGPT最易实现的工业应用场景 相较于研发设计和生产制造的环节，管理服务环节或因其具备更强的通用性而成为生成式AI最易突破的工业应用场景。2023年3月，微软陆续推出GPT互动式AI能力其商业产品Dynamics 365 Copilot及Microsoft 365 Copilot，大幅提升用户在经营管理类软件上的工作效率，后续此模式或将被推广至供应链管理、客服服务和市场营销等其他应用场景。 AI大模型+CRM帮助销售人员快速相应客户需求，提升市场营销的效率。例如，国外Dynamics 365 Customer Service中，Copilot能帮助服务专员提供更好的客户体验，其能够针对聊天对话和电子邮件中的问题，撰写出符合上下文语境的答案，其互动式的对话基础来自知识库和过往案例，从而帮助销售人员快速响应客户需求。此外销售人员可以使用该平台用自然语言与客户数据平台进行对话以获得高度定制化和目标明确的客户分类，从而准确定位特定客户群体。国内方面，AI领先企业第四范式也在大模型研发上也取得了阶段性进展，其已经上线的企业级4Paradigm SageGPT，将大型生成式语言模型与垂直领域专业知识进行融合，并具备企业级场景下的多模态及Copolit能力。以上案例充分证明生成式AI可以在工业管理服务环节发挥降本增效的作用，具有极强的应用落地的可行性。 AI大模型+ERP软件，多场景发挥产品能力。ERP管理软件是以管理会计为核心的信息管理系统，其将企业内部所有资源整合在一起，对采购、生产、成本、库存、分销、运输、财务、人力资源进行规划，从而达到最佳资源组合，取得最佳效益。基于AI辅助的ERP系统，可以通过庞大的数据训练，帮助企业做出最有效的决策。具体应用有，国内汉得信息已经基于AI技术打造了多场景应用解决方案，其所开发的数字员工通过积累多家企业的数字化和智能化财务系统的经验，在AI的加持下，以数字化形式帮助客户培养用于审核、计税、支付、稽核等多场景的数字化员工，满足全天候工作需求。 AI大模型+供应链与物流管理推动智能调度、智能跟踪和智能预警。因为供应链和物流管理涉及从原始供应商到客户终端的全链条管理，具有监控难度高，人为调节难度大等特点，生成式AI的出现可有效降低人员对此的管理难度。需求端，生成式AI可以通过对更多数据的训练，包括经济周期、地缘政治、时事新闻和天气等外部因素，从而能对需求实现更准确、更及时的预测，帮助企业增效降本。仓库和物流端，生成式AI可以分析仓库的布局和工人的移动模式，以优化产品布局，此外还可以开发提高仓库效率的策略，例如存货运输路线规划，最大限度地减少移动时间，节省大量时间成本。另一方面可以根据业务场景选择最高效的仓储地址，合理布局仓网。目前，国内旷视科技已开始在视觉大模型领域开始布局，希望从“感知-决策-执行-反馈”全链条探索生成式AI在仓储物流领域的可行性。 风险提示： 1）AI技术落地不及预期。虽然 AI技术加速发展，但由于成本、落地效果等限制，相关技术落地节奏可能不及我们预期。 2）本研报中涉及到未上市公司或未覆盖个股内容，均系对其客观公开信息的整理，并不代表本研究团队对该公司、该股票的推荐或覆盖。 相关研报 研报：《AI大模型如何赋能制造业升级》2023年4月23日 黄乐平 S0570521050001 | AUZ066 廖健雄 S0570122020002 关注我们 华泰证券研究所国内站（研究Portal） https://inst.htsc.com/research 访问权限：国内机构客户 华泰证券研究所海外站 https://intl.inst.htsc.com/mainland 访问权限：美国及香港金控机构客户 添加权限请联系您的华泰对口客户经理 免责声明 ▲向下滑动阅览 本公众号不是华泰证券股份有限公司（以下简称“华泰证券”）研究报告的发布平台，本公众号仅供华泰证券中国内地研究服务客户参考使用。其他任何读者在订阅本公众号前，请自行评估接收相关推送内容的适当性，且若使用本公众号所载内容，务必寻求专业投资顾问的指导及解读。华泰证券不因任何订阅本公众号的行为而将订阅者视为华泰证券的客户。 本公众号转发、摘编华泰证券向其客户已发布研究报告的部分内容及观点，完整的投资意见分析应以报告发布当日的完整研究报告内容为准。订阅者仅使用本公众号内容，可能会因缺乏对完整报告的了解或缺乏相关的解读而产生理解上的歧义。如需了解完整内容，请具体参见华泰证券所发布的完整报告。 本公众号内容基于华泰证券认为可靠的信息编制，但华泰证券对该等信息的准确性、完整性及时效性不作任何保证，也不对证券价格的涨跌或市场走势作确定性判断。本公众号所载的意见、评估及预测仅反映发布当日的观点和判断。在不同时期，华泰证券可能会发出与本公众号所载意见、评估及预测不一致的研究报告。 在任何情况下，本公众号中的信息或所表述的意见均不构成对任何人的投资建议。订阅者不应单独依靠本订阅号中的内容而取代自身独立的判断，应自主做出投资决策并自行承担投资风险。订阅者若使用本资料，有可能会因缺乏解读服务而对内容产生理解上的歧义，进而造成投资损失。对依据或者使用本公众号内容所造成的一切后果，华泰证券及作者均不承担任何法律责任。 本公众号版权仅为华泰证券所有，未经华泰证券书面许可，任何机构或个人不得以翻版、复制、发表、引用或再次分发他人等任何形式侵犯本公众号发布的所有内容的版权。如因侵权行为给华泰证券造成任何直接或间接的损失，华泰证券保留追究一切法律责任的权利。华泰证券具有中国证监会核准的“证券投资咨询”业务资格，经营许可证编号为：91320000704041011J。

点此查看微信公众号原文全部内容>>

大部分微信公众号研报本站已有pdf详细完整版：https://www.wkzk.com/report/（可搜索研报标题关键词或机构名称查询原报告）