在智能制造与数字化转型的浪潮中，企业如何把握AI机遇？清华大学软件学院副研究员、大数据系统软件国家工程实验室副主任刘英博博士在近期到访爱波瑞的交流过程中，分享了关于工业AI应用、数据基础与人才培养的深刻见解。
数据质量：工业AI应用的基石
刘博士开宗明义地指出数据在AI应用中的基础地位。他表示，“如果没有把数据这件事情搞好，就去用AI，很有可能它输出的结果你也不能辨别正确性。生成式AI的“幻觉”问题在工业场景中尤为危险。如果你不是一个专业选手，本身知识不足以分辨反馈信息的正确性，AI很有可能把你带到一个平均水平上去，这样子就非常糟糕。”
数据与业务：用精益思想识别浪费
“数据反映的是我们日常的业务。精益的核心是要消灭浪费，有看得见的浪费，也有看不见的浪费。那些看不见的浪费在数据上面能反映出来。” 刘博士提出了一个重要观点：“你得教AI去看那些看不见的浪费。”这需要业务理解、数据理解和精益思想三者的结合，才能识别出潜在的改善点。
不变的本质：抓住数字化转型的锚点
回顾技术发展历程，刘博士观察到有趣的现象：“十年前大数据概念兴起时，大家宣称用大数据在工业界能解决的问题，比如预测性维修、优化流程管理，今天一看好像还是这些问题，只是换了一个技术。”
他引用贝索斯的观点“我不关心一两年会有些什么新技术，我关心10年什么东西不变。” 除了技术挑战，刘博士还指出了企业面临的心理与现实矛盾：“企业里面的人既想搞生产，又想搞革命。没有这么多时间去了解AI，但又担心如果不了解可能会落后。如何妥善处理AI快速发展与现有需求的关系，分步骤、有次序地把它组织起来，是摆在所有管理者和员工面前的挑战。”
数据与业务：用精益思想识别浪费
“数据反映的是我们日常的业务。精益的核心是要消灭浪费，有看得见的浪费，也有看不见的浪费。那些看不见的浪费在数据上面能反映出来。” 刘博士提出了一个重要观点：“你得教AI去看那些看不见的浪费。”这需要业务理解、数据理解和精益思想三者的结合，才能识别出潜在的改善点。
不变的本质：抓住数字化转型的锚点
回顾技术发展历程，刘博士观察到有趣的现象：“十年前大数据概念兴起时，大家宣称用大数据在工业界能解决的问题，比如预测性维修、优化流程管理，今天一看好像还是这些问题，只是换了一个技术。”
他引用贝索斯的观点“我不关心一两年会有些什么新技术，我关心10年什么东西不变。” 除了技术挑战，刘博士还指出了企业面临的心理与现实矛盾：“企业里面的人既想搞生产，又想搞革命。没有这么多时间去了解AI，但又担心如果不了解可能会落后。如何妥善处理AI快速发展与现有需求的关系，分步骤、有次序地把它组织起来，是摆在所有管理者和员工面前的挑战。”
复合型人才培养：高校教育的创新实践 面对业务与技术的融合需求，复合型人才培养成为关键。刘博士分享了清华大学的创新实践——“书院制教学模式”。“我们在清华内部大力推进书院制本科生教学。先在书院里规定一个大方向，再由各个专业院系支撑培养工作。”
以笃实书院为例，“书院目标是围绕‘大国重器’的创新型人才培养，采用宽口径培养模式。支撑院系由软件学院、工业工程系和航院三个院系组成。在大一、大二期间，我们有组织地让学生到企业参观交流，建立感性认识。这与10年、20年前的培养模式不一样，让学生能够深度了解工业软件与工业的关系，尽快形成自己对问题的意识。到大四、研究生时，他们可能更清楚自己的追求目标”
结语
工业AI的应用不是简单的技术移植，而是需要坚实的数据基础、深刻的业务理解与持续的人才培养三者结合。面对技术快速迭代，企业应锚定业务本质，抓住不变核心，以精益思想指导技术应用，同时通过产学合作培育既懂业务又懂技术的复合型人才，才能在数字化转型浪潮中行稳致远。
扫码关注
返回顶部
