鉴于其作为工业中心的历史积淀，欧洲可通过聚焦物理人工智能，在人工智能（AI）领域获得竞争优势。
没有共享的真实世界数据，物理人工智能就无法实现规模化。欧洲已拥有丰富的工业数据，瓶颈在于互操作性与协作。
欧洲的优势不在于单打独斗，而在于通过结构化对话和公私合作，将共同挑战转化为协调一致的行动。
在紧跟人工智能（AI）飞速发展步伐的竞赛中，欧洲可以通过聚焦物理人工智能实现“取胜”。以工业为主导的人工智能布局对欧洲而言具有现实意义，既能充分利用欧洲作为工程与制造中心的历史积淀，也能发挥其在化工、制药和航空航天等关键行业的当前制造业领先优势。
欧洲企业建立在强大的能力之上，这些能力可推动效率与成效提升、确保质量，并实现卓越运营。欧洲商业领袖拥有清晰的机遇，可通过将人工智能应用于供应链、物流、运营、机械及机器人领域，巩固这些优势。
此外，聚焦物理人工智能也符合欧盟（EU）的人工智能监管规定，因为所有主要法规均针对消费者与公民的数据隐私，而非机密的企业知识产权。
灵丹妙药并非新技术，而是协作。
欧洲企业为何应聚焦物理人工智能
欧洲深厚的工程传统使其在未来发展中占据有利地位。在物理人工智能领域，劳动力成本高昂的经济体受益最大，因为其回报更快且更可预期。
欧洲企业可通过投资“隐形冠军”来发挥人工智能的潜力。美国虽拥有众多行业巨头和创业新秀，但欧洲的优势在于中间层。
“隐形冠军”是指那些或许不会登上头条、却推动卓越发展并在细分市场中引领潮流的中型企业，其中许多都位于欧洲。它们持有专利、塑造市场，是人工智能驱动的机器人与机械改进的理想应用场景。
欧洲可通过为这些“隐形冠军”创新物理人工智能，进一步强化其优势。
美国的初创企业生态系统以软件为优化方向，而欧洲的企业生态系统则以资产密集型行业为优化方向，例如：德国、法国、意大利和瑞典的汽车产业；德国、奥地利和意大利的工业机械产业；荷兰、比利时、捷克和波兰的物流与制造业；以及北欧国家、德国、瑞士和意大利的医疗保健/制药业。
若运作得当，欧洲由工业集团、具有工程传统的隐形冠军以及公私合作伙伴关系构成的环境，有利于长周期、资本密集型的创新。
欧洲企业要抓住物理人工智能机遇需要具备哪些条件
欧洲拥有强大的研究机构，但缺乏将人工智能和机器人技术商业化的规模。为了形成竞争力，欧洲需要制定有利于人工智能发展的监管政策、培育人工智能人才，并拥抱数据共享。
1. 监管改革
监管变革将加快欧洲迈入人工智能时代的步伐。各国可以共同制定欧洲具身人工智能模型的联合计划，类似于过去在半导体和航空航天领域开展的区域性举措。
政府可以制定统一的安全标准，使在一个欧盟成员国获得认证的机器人能够在整个欧盟范围内运行。
此外，政府应激励共享基础设施建设（包括计算集群、机器人测试平台和仿真环境）。领导者还应考虑为无人机、工业机器人和人形机器人等自主物理系统的测试设立快速通道监管路径。
总体而言，采用灵活的监管模式，将使企业能够在受控环境中开展试验，同时维护公众信任。
2. 人工智能人才
大多数高管认为，传统的流程优化与自动化已接近极限，因此，迈向物理人工智能需要具备“人工智能优先”思维、并已准备好引领变革的领导者。
我们发现，“人工智能优先”的思维模式能够将传统线性运营的企业重塑为可大规模执行的人工智能驱动型转型引擎。
更广泛地看，欧洲需要制定技能与劳动力战略，涵盖机器人技术员、人工智能工程师、维护专家以及人机交互相关岗位的人才培养。
3. 数据共享
如果欧洲继续走向分裂之路，它将无法成功；相反，各机构必须开展协作并共享非机密数据，以构建“世界模拟”和“数字孪生”，并训练人工智能模型。
物理人工智能需要海量、异构的真实世界数据。无论规模多大，任何单一欧洲企业都无法覆盖足够多的环境、行业和运营条件，从而训练出稳健的模型。
因此，共享数据空间与协作方式将有助于实现更广泛的统计多样性、降低模型脆弱性，并加速面向物理世界的基础模型的开发。
在生成式人工智能之后，欧洲将由那些愿意公开共享、从自身数据中学习并从整个行业中汲取洞见的企业所塑造。
为何企业层面的数据共享至关重要
数据共享将加速各行各业的创新。例如，如果汽车企业共享供应链数据并直接开展协作，它们就有望打造出可与特斯拉相媲美的自动驾驶系统。
在制药行业，企业需要在整个供应链中开展协作。要加快汽车领域的创新，汽车企业需要共享数据。
支撑物理人工智能的世界模拟（数字孪生、物理引擎、生成式3D）的质量，取决于其所逼近的真实世界数据分布。
借助共享数据空间，企业可以构建制造、物流、出行、能源和医疗保健环境的高保真数字孪生；建立模拟数据与真实数据相互持续优化的训练循环；并生成在真实世界中不安全或难以实现的场景。
欧洲拥有巨大优势，因为其工业领域已生成大量结构化运营数据。缺失的环节在于互操作性与数据汇聚，而非数据可得性。灵丹妙药并非新技术，而是协作。
各行业如何展现“人工智能优先”思维
企业已在运用“人工智能优先”思维重塑其工业运营。例如：
1. 人工智能驱动的供应链
一家全球工业企业致力于在未来十年实现宏伟增长，但需要更强大的供应链运营作为支撑。多年的并购使其知识产权格局趋于分散，而全球供应链的持续中断也影响了其可靠交付的能力。
供应链负责人部署了一套由人工智能驱动的库存模型。该模型以企业资源计划（ERP）数据为基础，并与工厂的本地库存管理人员共同验证和校准。该模型确定了如何在各SKU（库存单位代码）和工厂中降低库存水平17%，节省了数百万欧元。
2. 人工智能驱动的运营
一家领先的全球汽车原始设备制造商需要改造其低效且易出错的人工采购流程。
管理层运用人工智能改造采购流程：他们借助开箱即用的自动化、人工智能应用及单点解决方案，实现了采购职能的自动化与流程优化，使效率提升超过20%，并打造了无缝的采购体验。
为何共享数据已成为新的竞争优势
要充分发挥物理人工智能的潜力，企业必须拥抱数据共享。欧洲的人工智能监管保护的是消费者和公民数据，而非企业知识产权。非消费者数据不受政府监管约束，其使用由企业领导者自行决定。
许多领导者出于本能囤积数据，但数据孤岛会限制学习和价值创造。更明智的问题已不再是：“我们如何在数据周围筑起护城河？”，而是：“我们能借助数据与人工智能建立怎样的新护城河？”
是时候开展协作了。在生成式人工智能之后，欧洲将由那些愿意公开共享、从自身数据中学习并从整个行业中汲取洞见的企业所塑造。
无论您持何种观点，人类都能塑造造福于人的人工智能
当我们阅读有关人工智能的内容时，会接触到从令人担忧、乐观到怀疑等各种情景。有一点是确定的：当我们审视人工智能领域的全部投资时，一场重大变革正在发生，但我们仍无法就这项技术将如何改变人类达成共识。
政治和商业领袖必须做出积极决策，确保人类不会
在人工智能时代变得过时。我们需要更多辩论，探讨如何运用人工智能推动社会
进步。在欧洲，我们由人工智能驱动的变革应以工业实力为基础，聚焦于实现繁荣与社会凝聚力的增长。
作者谨此感谢科尔尼（Kearney）合伙人Roland Scharrer对本文作出的宝贵贡献。
