着眼长远,推动工业人工智能规模化发展的四项措施

undefined
从设计之初就将人工智能应用纳入规划的电网展现出更强的韧性。图片: Getty Images/zhongguo
  • 工业资产往往需要运行数十年,而人工智能规划仍主要围绕短短几年的预算周期展开。

  • 对于使用寿命较长的基础设施,应在设计之初就将人工智能纳入规划,方能提升其韧性,并避免日后付出高昂的改造成本。

  • 系统地梳理和留存行业专家的专业知识,并建立跨企业的协作生态,有望推动人工智能从测试验证走向实际生产应用。

目前,所有推动人工智能规模化发展的方案,都着眼于短期。国家战略以数年为一个周期。企业的投资规划则止于本十年末。对于一个模型、一代芯片或一轮预算安排来说,这样的时间跨度是合理的。但对于实际交由人工智能运行和管理的资产而言,这样的规划期限并不合适。

一座发电厂的运行寿命是40年。一张电网的运行寿命是50年。机队、铁路网络、供水系统、港口——这些系统的设计使用年限都比设计者的寿命更长。如今,它们都被要求加上一层人工智能能力,而全球的人工智能规划却仍然只以数年为周期。这种时间尺度上的错位,给工业领域带来了难题。正因如此,我们呼吁建立工业人工智能的新范式:通过集体行动和长期规划,以与这些系统需求相匹配的规模,推进这一新范式的建设。

长期规划的复利效应

我们已经开始看到,少数国家认识到了这种脱节。例如,中国发展工业人工智能以长期规划为基础,并在自动驾驶等领域实行强制性数据共享,使其制造业和供应链能力的提升速度超过了全球几乎所有其他国家和地区。这并不是在主张采用某一种特定的规划模式。这一事实说明,以恰当的时间跨度开展规划,并配合适当程度的协作,能够产生复利效应。这一经验提供的是方向上的启示,而非政治主张:规划最长远、共享最充分的行业,往往能够胜出。

这个问题涉及的远不只是技术。从设计之初就将人工智能纳入考量的电网,具有更强的韧性,能够在热浪期间维持稳定供电,保障医院持续运转。工厂是否在设计之初就考虑人工智能的应用,决定着一个国家是自主生产芯片、汽车和药品,还是依赖进口。从设计之初就将人工智能纳入考量的电力和交通系统,能够按期实现净零排放目标,避免既延迟达标又超出预算,因为为实现这一目标做好规划的机会只有一次,必须从一开始就安排妥当。一个能够留住即将退休员工的专业知识和经验、避免这些积累流失的工业体系,到2050年将拥有更多、而非更少的工程师和发明家。

从组件到系统

有一项转变,与延长规划的时间跨度同样重要:思考工业人工智能时,应从逐一关注单个资产,转向关注整个系统。能源领域就是最鲜明的例子。相关讨论往往局限于如何在核能、燃料电池和可再生能源之间作出选择,仿佛只靠某一种技术就能解决问题。事实上,答案从来不在于某一种技术。真正的机遇在于,让不同能源协同运行,并通过数据和人工智能将它们连接起来,使它们形成智能协作的整体,而不是偶然拼凑在一起。同样的逻辑也适用于工厂车间、供应链和电网。单台设备各自产生数据,其价值远不及一个能够整体学习的系统。要做到这一点,必须在设计阶段就作出相应安排,不能等到事后再补充。与人工智能层本身一样,系统层面的协同也应从一开始就纳入规划。

为弥合这种脱节,确保工业运营能够适应未来需求,我们建议采取以下四项措施,而这些往往是短期思维容易忽视的。

1. 将人工智能融入资产设计,而不只是部署在外围

本十年内投入运行的每一座新工厂、每一段新建电网、每一支新机队和每一个新网络,都应在技术规范中明确整个运行生命周期所需的数据架构,以及支持人工智能应用的各项条件,就像明确安全和负荷要求一样。

这应当成为现在就落实到采购和许可审批中的标准,而不是留待日后重新考虑的建议。对已有50年历史的基础设施进行智能化改造,当然可行。但在设计之初就融入智能化,成本更低、安全性更高,也是让其效益持续积累、产生复利效应的唯一途径。

2. 将行业专业知识视为关键基础设施

那些深知设备为何发生故障、故障如何发生的工程师、技术人员和操作人员,正在陆续退休,而相关知识的留存速度却跟不上他们退休的速度。一项五年规划可以跨越一个预算周期,却来不及应对一场已经开始的退休潮。

趁掌握这些知识的人仍在生产一线,将他们的运营知识保留下来,这样的机会只有一次。这项工作不能被当作一个可以年复一年安排预算的常规项目,而应与今年承诺的其他资本投入一样,以同等的紧迫感推进。

3. 治理应覆盖资产的整个生命周期,而不只是着眼于下一次审查

缺乏长期治理支撑的自主运行,算不上战略,只是把隐患留到了未来。即使资产已经运行到第四个十年,对其可审计性、可追溯性和人工监督的规定,也必须与投运第一年同样严格。

4. 构建生态系统,而不只是促成交易

近期,旨在打通芯片、软件和工厂车间硬件的合作公告接连发布,这确实代表着进步。但两家公司达成一笔交易,本身并不足以形成一个生态系统。未来发展最快的行业,将是那些能够让硬件供应商、数据中心运营商、电力供应商、软件企业和实施合作伙伴建立持久合作关系的行业,而不只是让各方分别签订点对点合同。

世界经济论坛全球灯塔网络社区将全球部分最先进的设施向同行开放,为同行之间的交流与学习创造了前所未有的条件,也展示了这类协作大规模开展后能够取得的成效。工业人工智能同样需要这样的协作意识:无论彼此是竞争对手还是合作伙伴,都应分享经验和见解,因为一台压缩机的维护数据,一旦不再被当作竞争机密,就能为各方创造更大的价值。

着眼长远,推动工业人工智能规模化发展

上述建议并不是要放慢步伐,恰恰相反。目前,四分之三的企业仍停留在试点阶段,仅仅加快规划的推进节奏,并不能帮助它们走出困境。摆脱试点困境的最快途径,是把规划做得足够长远,让一次规模化部署能够长期持续发挥作用,而不必在未来半个世纪里,每到一个新的规划周期就重新来过。

我们呼吁,为使用寿命长达50年的资产提供资金、负责其建设和运营的领导者,应按照这些资产实际需要的时间跨度开展规划。这并不是要取代当前建设智能基础设施、以负责任的方式推进规模化发展的各项工作,而是要依据资产的设计寿命,让这些工作建立在与之匹配的长期规划之上。我们深知,这种转变无法靠任何一方独自完成,也已准备好与各方共同推动。

聊天机器人可以按月迭代,但支撑其运行的基础设施做不到,其设计初衷也从来不是为了适应这样的节奏。在这一问题上作出正确选择的行业,不仅能够更快地采用人工智能,还能在炒作热潮退去后依然屹立不倒。这项工作必须现在就开始,不能等到下一个规划周期。

本文作者:

Mark Moffat,IFS首席执行官

Kiva Allgood,世界经济论坛执行董事

本文原载于世界经济论坛Agenda博客,转载请注明来源并附上本文链接。

授权与转载
世界经济论坛发布的文章,可依据《知识共享署名-非商业性使用-禁止演绎4.0国际公共许可协议》以及我方《使用条款》进行转载。 本文所表达的观点仅代表作者个人立场,并不代表世界经济论坛的观点。