设计工具
洞察

工业 5.0 时代:卓越思想所见略同

美光科技 | 2023 年 1 月

人类认知与人工智能(AI)相结合标志着第五次工业革命已拉开序幕,人类与机器人开始协同工作,共同推动社会进步。工业 5.0 时代,AI 技术将推动边缘计算进一步拓展,引领我们进入一个崭新的世界,在这个世界中,人类发展将实现空前繁荣。

对于这种演变,一个明显的例子是 OpenAI 的 ChatGPT™。迄今为止,AI 模型非常擅长提取大量数据、识别其中的模式,并从诊断角度确定根本原因。如今,大多数 AI 研究人员都在关注下一个发展阶段,即生成式 AI。这不仅因为 ChatGPT 大受欢迎,还因为它对企业有着深远的潜在好处。

美光智能制造和人工智能副总裁 Koen De Backer 指出:“生成式 AI 在美光内部的一项重要应用是智能搜索。不妨想一想,使用传统互联网搜索时,用户须通过多次点击或梳理,才能获得有价值的结果。现在再想想 ChatGPT 查询,它可以替您完成所有这些评估,然后以综合摘要的形式为您提供结果。我们在美光应用的,就是这样的智能功能。它的效率相当惊人。”

然而,生成式 AI 也让许多人感到担忧:我的工作是否会被机器人取代? 我是否必须要放弃开车? 未来人类是不是毫无个人隐私可言? 在工业 5.0 时代,无需过于担心这些问题。在新技术加持下,机器会自然而然地执行它们最擅长的任务,从而让我们能够专注于其他更重要的任务。

事实上,这项新技术非但不会让大家失业,反而会增强我们的能力。通过在制造流程中应用 AI 技术,美光团队成员得以从繁琐的工作中解脱出来,运用创造性思维,积极尝试创新洞察和行动,来开发高效、可持续的产品。

历史上的前四次工业革命

回顾:

  1. 机械化——1780 年。第一次工业革命发生在 18 世纪中叶至 19 世纪中叶,历时约 100 年。其开始的标志是采用水和蒸汽作为动力来实现制造流程的机械化。
  2. 电气化——1870 年。19 世纪末至 20 世纪初,工厂引入电力,实现了工业流水线和大规模生产。
  3. 自动化——1970 年。包括机器人技术在内的数字技术自 1970 年左右进入制造流程,使许多之前由人工执行的任务实现了自动化,随后又通过互联网实现了全球化。
  4. 连接和数字化——2011 年。人类进入“互联时代”,从汽车、计算机、机器人到面包机,万物皆可“互联互通”,几乎无需人为干预便可相互通信甚至互相控制。工厂正在向“无人工厂”过渡。“信息物理系统”不仅负责生产制造,还负责采购、维护和修理等工作。物联网、机器人开发和 AI 技术是实现一切自主运行的幕后功臣,如同人脑一样,这由数据、分析和内存驱动。

众所周知,数字技术加速了工业革命的更迭换代。当今时代,新技术的发展日新月异,因此第四次工业革命(互联时代)紧随第三次工业革命(自动化时代)而至。毫无疑问,我们现在已经步入工业 5.0,亦即“协作时代”。

工业 5.0:人机融合

第五次工业革命的标志是人类与机器开始融合。智能手机和应用程序逐渐让位于那些与人类身体融合的技术。例如,虚拟助理会在我们耳中悄声建议、推荐晚餐餐厅、代替我们预订餐位,还能做许多其他的事情。但更具颠覆性的变革将发生在工作场所。

工业 5.0 旨在将工业 4.0 的“信息物理”制造工厂(利用数字技术运营工厂,几乎无需人工参与)转变为“人类信息物理”系统。

在这种新的范式中,人类与协作式机器人(英文简称“cobot”)一同工作,教导它们完成任务并在它们犯错时进行纠正。机器负责执行更加琐碎、重复、危险的任务,而人类则运用他们复杂、灵活的大脑来做出高级决策。例如,人们现在可以专注于使用“数字孪生”设计产品和流程,“数字孪生”是制造产品的工厂或使用流程的环境的虚拟副本。在此过程中,在某些行业,工厂能够与客户直接沟通,从而为客户量身定制个性化产品。想象一下,您可以访问汽车制造商的网站、选择钟爱的车型,然后从成千上万种功能中挑选,打造自己专属的个性化爱车!

当然,智能工厂无法全程自主运行,需要人类来从事编程、指导、引导和故障排除等工作。工厂中的机器人在处理、分析和响应来自各种数据源(传感器、在线订单、计算设备和可穿戴设备等)的数据时,其速度取决于内部处理器的速度和内存容量。(限制人类智能的因素同样适用于人工智能。)

内存的重要作用

AI 要在正确的时间作出正确的响应,离不开内存和快速处理。自动驾驶汽车需要对来自多个数据源的数据流进行整理分析,然后快速作出决策,而这一过程对故障的容忍度为“零”。制造工厂则需要自主决定何时扩大或缩小生产规模、订购物资、发运成品,以及维修和更换设备。

工业 5.0 与第四次工业革命一样,都依赖于数据、设备和生成式 AI。如果没有内存的支持,这些组件都将无法工作。事实上,正是内存为 AI 赋予了“智能”,为其提供运行算法所需的数据以及行动和反应所需的环境。

人类的各种行为都是对感官输入信息的反应:去吃午饭、听到笑话会大笑、说“我爱你”或买车。为了执行这些行动,我们从各种感官(视觉、嗅觉、味觉、听觉和触觉)以及记忆、情感、信仰、思想和直觉中获取信息,然后一次性处理这些信息。这与中央处理器(CPU)不同,CPU 中拥有数量不等的核心,负责接收数据,分析和整理后将数据发送出去,以执行操作或得出结果,而人类大脑中没有这种“核心”,只能分解传入的信息,然后分配给相应的专门区域,如视觉数据处理区域、声音处理区域,以及情感信息处理区域等等。

同样,大多数 AI 系统也不使用 CPU 来处理数据,而是使用图形处理器(GPU),这是另一种计算芯片,需要利用特定类型的内存才能充分发挥性能。CPU 的芯片或小芯片内可能有 8 个、16 个或 32 个处理核心,而 GPU 芯片内部则有数千个处理核心。这种架构使 GPU 能够同时处理数千个数据输入,而数据密集型 AI 工作负载正需要这种能力。

美光的高带宽内存(HBM)产品,特别是新推出的高速节能型产品 HBM3E,旨在为这些数量众多的 GPU 核心提供足够数据,以满足这些性能强大的认知计算芯片的需求。美光业界前沿的 232 层 NAND 产品可满足 AI 的海量数据存储需求,其中的高端产品美光 9400 NVMe™ 固态硬盘,可在 AI 工作负载中将显卡直接存储(GDS)的性能提高 25%,响应时间缩短 23%1 利用这些产品,配备了大容量内存和存储解决方案的 AI 应用能够近乎实时地做出响应。

鉴于生成式 AI、机器人、无人机、自动驾驶汽车和其他形式的 AI 在学习、智能和响应时间方面的出色表现,美光正在利用 AI 技术从根本上优化公司流程。从制造流程到业务流程,美光正在从根本上构建高度差异化的企业核心竞争力,在全公司范围内打造 AI 智能生态系统,创新内存和存储产品,以推动工业 5.0 的发展,未来必将大有可为。

1. 在繁忙的 GDS 系统中执行 4KB 传输时,与竞争对手相比,性能提升 25%,响应时间缩短 23%