欢迎访问媒体管家官方网站!

媒体管家|AI赋能智能制造业 安全、合规成关键破局点

  从Chat GPT到大模型登陆智能汽车,AI(Artificial intelligence,即人工智能)正在不断融入人类的日常生活。但同时也带来一系列诸如行业普及、用户隐私安全等问题。

  据SAS统计数据显示,目前在银行、电信、生命科学、制造业等在内的多个行业已经开始助力客户将生成式AI全面集成至常规业务流程中。但AI对于各行各业的赋能也有显著差距,具体来看,银行、电信等行业使用生成式AI的比例已经达到了15%以上,但制造业的这一比例仅有7%。另一方面,AI的逐步普及也开始引发外界对于用户隐私安全的担忧。

  ba30c07a2932c23f47febaa1a75b9c52_1537236914985355.jpg

  SAS副总裁兼大中华区董事总经理何伟信在接受记者采访时表示,这与制造业的传统有一定关系。“制造业对相关数据的敏感度、成熟度和银行、电信等行业不同,使得AI对制造业的赋能步伐稍显缓慢。”

  SAS首席数据科学家马宁也对记者表示,相较于金融业的同质化,制造业细分赛道众多,对于AI的普及进展相对滞后。

  AI加速赋能

  据SAS委托Coleman Parkes Research公司进行的一项最新全球研究显示,目前中国的生成式AI应用率最高。参与调研的中国企业决策者表明,83%的中国企业正在使用生成式AI,超过了英国(70%)、美国(65%)和澳大利亚(63%)。不过,在成熟度和全面部署生成式AI技术方面,美国(24%)领先于中国(19%)和英国(11%)。

  具体来看,在各个领域中,AI也在加速赋能。其中,电信、零售、银行等行业已经将生成式AI投入到日常使用中,但制造业、医疗保健、公共部门等领域的使用比例较低,其中制造业仅为16%。

  马宁告诉记者,相较于金融行业,制造业的数据获取成本更高。“可能需要一定的专业设备才能够获得制造业全链路的信息,在此情况下,制造业在数据方面相较于金融行业天然地处于劣势。”

  “同时,相较于银行、证券、保险等金融行业的同质化,制造业细分领域众多。”马宁对记者表示,金融行业中优秀的AI能够在同行业中进行传播和复制,但是由于制造业的垂直划分过于细致,优秀的AI不便于在制造业中进行传播和复制。

  “制造业产业链较长,生成式AI在使用过程中有许多环节,这可能会导致AI在应用场景的使用受到限制。”马宁进一步表示,制造业的AI可能更多是出于质量控制端进行安全检查。“并且生成式AI前期在算力、数据、人才等方面的投入较大,回报周期较长,对于制造业企业而言,大规模投入生成式AI,可能会对企业自身的经营状况带来一定影响。”

  不过,目前我国的汽车制造业“生成式AI+制造”应用试点已在展开。据相关媒体报道,近期已有研究机构在配合工信部开展“生成式AI+制造”应用试点工作,覆盖电子信息、汽车、化工、钢铁、民爆和生物制药六个行业领域。据了解,在汽车行业,生成式AI能够提升涉及效率,实现生产线预测性维护,优化供应链,并支持个性化定制、品质控制和智能制造。

  隐私安全受关注

  除了加速普及赋能行业外,AI带来的用户隐私安全问题也颇受市场关注。

  以汽车智能座舱为例,目前不少智能汽车搭载了AI大模型,能够通过用户对话等方式,获取用户的需求,进而提高乘坐体验,但这也带来一系列涉及用户的隐私安全问题。

  在何伟信看来,AI搜集、处理数据的标准要透明,并且接轨国际标准,采用全球认同的数据处理方法。

  “除了透明外,AI的隐私安全还应当保证用户自主可控,一些场景比如客服对话、游戏运维等都收集了很多数据,如果缺乏自主可控,可能引发用户的担忧。”何伟信告诉记者,更重要的是AI的主导权要可控,并且应不停地更新。“数据收集的方法在不停地改变,或有更多渠道利用人工智能收集数据。”

  除了采集数据透明以及用户自主可控外,第三方管理以及控制不相关数据的采集成本等也是AI在隐私安全方面需要面对的问题。

  何伟信表示,AI的隐私安全需要规划好路径图,在盈利和管理之前寻找平衡。“大数据不代表无限的数据,对于企业而言,过分采集数据以及采集不相关的数据,成本非常高昂,并且数据的管理、处理方法以及监管缺一不可。”

  马宁也对记者表示,AI的数据收集既要遵循相关法律法规也要获得用户的授权。“但如果企业没有遵循最小化原则,过度收集用户数据,违规使用用户数据,这可能会导致用户的隐私数据泄露。并且,在与第三方进行数据传输时,要有一些加密的手段,防止数据泄露。”



最近更新

热点聚焦