計算機行業市場分析一、ChatGPT引領AI突破，工業AI應用前景可期1.1通用AI技術工業領域落地周期逐步縮短，帶動工業AI應用發展提速ChatGPT引領通用AI大模型突破，伴隨通用AI技術同工業領域融合應用的滯后周期不斷縮短，工業AI應用亦有望迎來快速發展。ChatGPT是由人工智能研究實驗室OpenAI于2022年底推出的一款AI驅動的自然語言處理（NLP）工具，其通過突破性的“Transformer架構大模型+RLHF（人類反饋強化學習）算法”帶來自然語言處理在表述邏輯性、自然性等人機交互體驗領域的巨大提升，杰出的用戶體驗首先帶來ChatGPT在AI生成文本領域的潛在廣泛應用。隨著2023年3月OpenAI正式推出大型多模態模型GPT-4，以及微軟陸續將其旗下Bing搜索引擎、Dynamics365商業應用解決方案、PowerPlatform低代碼開發平臺、Azure云服務、Microsoft365辦公套件及MicrosoftSecurity安全等產品融入ChatGPT的AI能力，AIGC（AI生成內容）在生成文本、圖片、視頻、代碼等一系列應用領域的前景更加廣闊明朗。同ChatGPT等通用AI不同，工業AI高價值應用通常集中在與機理強融合的場景，如設備預測性維護、生產過程控制優化、基于知識的綜合決策等，具有碎片化特點，同時工業對AI可解釋性等嚴苛要求導致技術創新與應用落地錯位相對嚴重。上世紀60年代專家系統誕生與80年代的工業領域應用間隔近20年，統計機器學習的工業領域應用滯后周期基本在10年左右，而深度學習、生成對抗網絡等新技術于2012年后在通用領域開展應用，不足4年便產生了工業領域探索實例。總體來看，由于人工智能技術可用性增強以及工業信息化水平提升，通用技術的工業落地間隔由20年逐步縮短至小于5年，我們認為，伴隨ChatGPT帶來的通用AI大模型突破，工業AI應用領域亦有望迎來快速發展。1.2工業AI應用場景貫穿工業研發設計、生產制造、經營管理等全環節技術層面，工業AI的核心賦能技術主要包括算法技術和應用技術。其中，算法技術主要包括以機器學習、深度學習和其他學習方式為主的數據科學，以專家系統、知識圖譜為代表的知識工程等兩大類；應用技術則主要包括機器視覺、自然語言處理及語音識別等。根據核心賦能技術不同，工業AI形成識別、數據建模尋優及經驗知識推理決策三大類核心應用模式，貫穿工業研發設計、生產制造、經營管理等全環節。其中，識別類應用對應以機器視覺、自然語言處理及語音識別等為代表的應用技術，包括工業視覺檢測、表單識別和工業語音信號識別等；數據建模尋優類應用對應以機器學習、深度學習和其他學習方式為主的數據科學算法技術，主要包括智能排產、設備運維、工藝參數優化等；知識推理決策類應用則對應以專家系統、知識圖譜為代表的知識工程算法技術，主要包括設備故障診斷專家系統、供應鏈知識圖譜等應用。從工業AI落地場景形成的產品及服務載體角度看，主要包括基礎軟硬件、智能工業裝備、自動化與邊緣系統、平臺與工業軟件方案四大類。其中，基礎軟硬件為各類芯片/計算模塊、AI框架、工業相機等通用軟硬件產品；智能工業裝備為融合智能算法能力的機器人、AGV（自動導向搬運車）、機床等通用或專用工業生產制造裝備；自動化與邊緣系統主要為融合了智能算法的工控系統；平臺與工業軟件方案則主要為工具軟件同AI的融合升級以及具有AI能力的工業互聯網平臺兩類產品。本文將主要聚焦于工業AI在平臺與工業軟件方案產品中的融合應用場景展開研究與展望。二、應用場景透視：“AI+”助力傳統工業軟件效率提升2.1研發設計環節：“AI+”可賦能創成式設計、仿真優化、電子設計優化等2.1.1CAD：AI賦能創成式設計，CAD軟件價值量有望同步提升創成式設計（GenerativeDesign），是一項利用AI技術根據一系列系統設計要求來自主創建優化設計的3DCAD功能。工程師可通過交互方式指定他們的要求和目標，包括首選材料和制造工藝，創成式引擎將自動生成可用于制造的設計作為初步設計或最終解決方案。這樣，工程師就可以與技術進行互動，更快地打造出優秀的設計和創新產品。創成式設計的優點在于：（1）提升效率，用戶可在短時間內探索更多設計方案，以幫助他們更快地創建更高效和創新的設計；（2）增強性能，通過考慮材料、制造工藝、性能要求等廣泛因素，創成式設計可幫助用戶創建針對特定目標進行優化的設計，比使用傳統方法設計的方案更堅固、更輕或更高效；（3）減少設計時間，通過自動化設計過程和快速探索更多設計替代方案，創成式設計可大大減少設計產品或組件所需時間。目前，創成式設計功能已在SiemensSolidEdge、PTCCreo及AutodeskFUSION360等主流CAD產品中使用。我們認為，未來隨著以GPT為代表的多模態通用大模型進一步成熟，加之垂直領域大量工業設計數據的進一步調優，CAD軟件的創成式設計能力有望進一步增強，從而大幅提升工程師設計生產效率、降低設計成本，CAD軟件的單體價值量亦有望得到同步提升。PTC將AI驅動的創成式設計融入Creo產品。Creo是PTC推出的一款用于產品設計和開發的3D計算機輔助設計（CAD）/計算機輔助制造（CAM）/計算機輔助工程（CAE）軟件和解決方案。Creo在AI驅動的創成式設計領域推出了突破性的功能，新版創成式拓撲優化擴展包（GTO）和基于云的創成式設計擴展包（GDX）可幫助設計師開發出質量更高、成本更低且在現實環境中表現更好的設計。GTO可根據設計師的要求和約束，優化特定材料和制造工藝設計；GDX還支持同時開發材料和制造工藝設計。借助Creo創成式設計，設計師可在更短的時間內交付更好的設計。2.1.2CAE：AI賦能仿真優化及工業數字孿生，工業數字孿生反哺AI模型訓練AI可賦能CAE仿真優化及工業數字孿生。CAE（ComputerAidedEngineering），是用計算機輔助求解復雜工程和產品結構剛度、強度、動力響應、熱傳導等性能的一種近似數值分析方法。隨著技術進步，有限元分析（FEA）、有限體積法（FVM）、時域有限差分法（FDTD）提高了求解器效率，動態可視化技術則進一步提升了用戶友好性，但仿真領域仍存在需要權衡結果準確性、出結果速度、工作流的易用性和穩健性等挑戰。目前，以Ansys為代表的CAE龍頭廠商已開始探索使用AI解決上述問題，如使用AI自動尋找仿真參數，可同時提高速度和準確性；使用增強仿真，通過數據驅動或物理知識方法訓練神經網絡，可將仿真速度提高100倍等。除此之外，AI還可賦能CAE軟件實現設計空間優化，結合基于數據分析和基于仿真的數字孿生，準確快速地創建數字孿生混合體。工業數字孿生可通過仿真運行生成數據，助力AI模型訓練。工業場景具有數據樣本量相對較小的特點，是深度學習落地工業領域的最大制約。工業數字孿生可通過仿真運行方式生成數據，助力AI模型訓練。目前，微軟ProjectBonsai正使用AnsysTwinBuilder軟件創建設備或流程的數字孿生，以助力其模型訓練。ProjectBonsai是微軟推出的一款低代碼AI平臺，其以圖形化的方式連接那些通過編程可執行AI功能的軟件模塊，使得工程師們在不使用數據科學的情況下就可實現AI驅動的自動化。ProjectBonsai采用機器教學訓練模型，但模型一經良好訓練，就需要大量數據進行優化，這就需要通過反復運行物理過程來生成大量數據，然后將這些數據輸入模型，微調在整機上的操作或實現自動化的過程。但從物理過程中生成如此多的數據，既耗時成本又高，且某種極端情況（如果這種情況每萬億次只發生一次）在訓練過程中沒有發生的話，則模型也不會預見到這種情況，如果以后實際發生了，模型就不知道該如何應對。通過與AnsysTwinBuilder合作，微軟ProjectBonsai就可同時運行數百個機器或應用的虛擬模型，并將這些數字孿生生成的數據直接輸入模型對其進行優化，從而不斷克服各種局限性。我們認為，長期來看伴隨著以GPT為代表的通用大模型進一步成熟，工業大模型的搭建也有望成為趨勢，與使用物理機器生成數據相比，數字孿生可更快速、以更低成本生成訓練AI模型所需的大量數據，伴隨工業AI模型持續發展，對以CAE為代表的數字孿生相關軟件需求也有望進一步放量。2.1.3EDA：AI賦能EDA工具，可大幅提升設計效率及設計產品性能AI技術可有效賦能EDA工具，大幅提升設計生產效率及設計產品的PPA（功耗、性能、面積）。2021年7月，Cadence正式推出首款AI驅動的EDA設計工具Cerebrus，其具有獨特的強化學習引擎，可自動優化工具和芯片設計選項，以顯著減少工程工作量和總體流片時間來提供更好的PPA。根據公司官微披露數據，Cerebrus采用獨特的增強版機器學習技術，可實現10倍的生產效率提升和20%的PPA（功耗、性能、面積）提升。此外，Cadence還于2022年6月推出AI驅動的系統設計優化工具Optimality，其利用類似于Cerebrus中使用的AI技術實現了突破性結果，對設計進行了優化，平均速度比傳統手動操作快10倍，在一些設計上甚至實現了高達100倍的速度提升。我們認為，未來AI+EDA的結合將是大勢所趨，而AI帶來的EAD工具設計效率及設計產品效果的顯著提升亦有望進一步提升EDA產品價值量，打開EDA產品更高市場天花板。2.2生產運維環節：“AI+”可賦能早期缺陷檢測、預測性維護、產品質量分析等AI在工業生產及運維環節可應用場景較多，我們選取早期缺陷檢測、設備預測性維護、產品質量分析及生產預測等4類較為典型的落地場景進行分析。早期缺陷檢測：資產需要處于良好工作狀態才能實現可靠生產，而在復雜的制造系統中工廠、車間可能發生故障的預測并不簡單，準確的預測需要測量盡可能多的可能導致缺陷的參數，而整合來自這些參數的海量數據幾乎不可能手動完成，AI模型的構建可使用實際運營數據，根據各種參數有效預測資產狀況，工程師在資產發生故障前就能關注并維護資產。預測性維護：對資產設備的預測性維護能夠有效防止故障發生、延長資產壽命、保證設備可用性，但傳統上企業為不同資產定期制定維護計劃在日期選擇上并沒有太多科學依據，等故障出現再采取糾正措施往往成本高昂。AI模型可使用來自設備端的運行數據，并根據這些數據對預測性維護進行科學規劃，同時工程師可通過AI持續監控設備運行狀態，大幅減少人工監控時間，有效降低資產設備維護成本。產品質量分析：產品質量直接影響企業品牌和客戶滿意度，是企業最為重視的一環，劣質產品會造成產品返工或召回并提高保修成本，使企業付出巨大代價。然而，手動測量和檢測等傳統質量分析技術非常容易出現人為錯誤，導致缺陷產品上市。通過機器視覺則能夠找出會被肉眼漏過的缺陷，并提高質量分析效率。同時，AI還可用于檢測運行環境中的異常，從而改進質量流程。生產預測：有效的生產預測能夠助力企業制定高效的供應鏈策略、降低庫存成本，同時更高效的進行企業資源計劃，分配人力和原材料。傳統生產預測缺乏準確的預測模型，預測效果不佳。應用AI后，企業可通過準確收集生產時序數據和關聯的生產參數創建AI預測模型，并通過生產流程仿真生成數據優化模型，通過這些模型找出生產過程中發生異常的原因及潛在問題，并持續修改資源規劃策略，達到精益生產目的。美國工業互聯網領域明星創業公司Uptake，將AI能力引入設備預測性維護，并取得良好運營效果。Uptake在獲取客戶訂單后會首先同客戶探討明確其痛點，并接入和收集相應設備數據，通過設備故障診斷數據建立故障模型，利用故障模型分析實際問題，并讓技工判斷模型分析結果是否正確，對模型調優。最后根據采集的大量設備運轉數據，結合AI算法等進行擬合建模，得出故障預測模型，將該模型應用在實際問題分析上，結合技工反饋，持續優化迭代。AI能力的引入，大幅提升了設備預測性維護的準確率和運維效率。與此同時，國內工業互聯網廠商亦在進行AI同工業設備狀態監測與故障診斷的結合研究。根據容知日新2022年半年報披露信息，其在研項目中即包括工業AI項目，工業AI項目（PHM引擎）在功能建設目標上是為幫助企業實現設備預測性健康管理方向上的數字化洞見能力；在業務定位上主要作為數據深度加工的工具，致力于提供PHM方法論的最佳工程實踐；在架構上兼容各類工業數據的應用場景，未來可覆蓋到工藝優化等生產環節場景。整個引擎主要由數據管理、算法管理（含算力）2個部分組成。我們認為，AI同工業企業生產制造和運維服務環節的融合將是大勢所趨，國內外企業已陸續在該領域投入相關研究或已有成熟解決方案落地。ChatGPT的誕生讓人們看到了AI大模型的跨越性突破，伴隨AI大模型進一步成熟，工業生產制造及運維環節的AI技術融入亦有望得到快速發展。2.3經營管理環節：“AI+”可賦能CRM、SCM、ERP等經營管理類軟件相較于研發設計、生產制造及運維服務環節具有專業性較強的特點，經營管理環節更具通用性，也是以GPT為代表的通用大模型更易落地實現的應用場景入口。2023年3月，微軟陸續推出全面引入GPT互動式AI能力的商業應用產品Dynamics365Copilot及Microsoft365Copilot，AI能力的引入帶來上述經營管理類軟件用戶體驗及工作效率的跨越式升級，并有望帶來經營管理軟件價值量的同步提升。后文將主要參考微軟Dynamics365Copilot、及部分國內管理軟件廠商AI應用產品，探索AI在CRM、SCM、ERP等領域可能的融合應用場景。2.3.1CRM：AI可助力銷售人員快速響應，并升級市場營銷體驗AI能幫忙編寫給客戶的電子郵件回復，賦能銷售人員隨時快速響應。在Dynamics365Sales和VivaSales中，AI能幫忙編寫給客戶的電子郵件回復，也能在Outlook中自動生成一個Teams會議的總結郵件，并從CRM系統中自動提取產品、報價等細節，以及由Teams通話中總結出核心要點一并匯總到郵件里，大幅提升銷售人員響應速度。AI可提升虛擬客服交流能力，幫助服務專員提升客戶體驗。Dynamics365Copilot能夠針對聊天對話和電子郵件中的問題，撰寫出符合上下文語境的答案，其互動式的對話體驗基礎來自于知識庫和過往案例，因此其總能找到問題答案，進一步提升企業虛擬客服同客戶的交流能力，向客戶提供更好的服務體驗。AI可助力營銷人員升級市場營銷體驗，并輕松找到目標受眾。借助Dynamics365CustomerInsights中的Copilot，市場人員只要用自然語言與客戶數據平臺進行一些簡單對話，就能得到高度定制化和目標明確的客戶分類，這一功能可應對復雜計算并準確定位特定客戶群體。利用Dynamics365Marketing中的Copilot，市場人員可以用自己的語言來描述客戶群體，從而創造出一個支持檢索輔助功能的全新目標客戶類別。2.3.2SCM：AI可提升供應鏈敏捷性，并通過數據采集分析提升決策有效性AI可提升供應鏈敏捷性，將風險降到最低。參考MicrosoftSupplyChainCenter中的Copilot功能，其能主動為影響供應鏈流程的事件發出告警，如天氣、財務或地理環境等；隨后預測篩選出受影響的訂單，并將物料、庫存、承運商、配送網絡等信息一一呈現；供應鏈規劃功能隨后會自動撰寫一封由Dynamics365Copilot生成的電子郵件向受到影響的合作伙伴發出預警，提醒防范可能出現的破壞性影響等。AI可助力招投標信息、商品價格信息、競品信息等市場信息的采集分析，提升企業供應鏈決策的有效性。隨著政企數字化轉型加速，各行業大量線下場景轉移到線上，促進了各類數據的爆發式生產，進一步加快了海量數字資產的形成，如和企業供應鏈緊密相關的招投標信息、商品價格信息、競品信息等，而手動采集和分析數據效率、效果低下。泛微網絡通過融合RPA+AI兩大系統引擎能力，構建了采集提煉一體化的信息采集智能機器人平臺“千里聆”，其能夠7×24小時模擬人自動完成訪問目標網站、抓取網頁數據、收取郵件內容、填寫上報數據等工作，實時獲取需要的有效信息，進一步提升企業供應鏈決策的有效性。2.3.3ERP：AI可在多場景提升EPR產品能力AI可在財務領域、信息采集等多場景提升ERP產品能力。根據漢得信息3月17日在投資者互動平臺披露信息，漢得已基于AI技術打造了多種場景的應用解決方案，數字員工是其中一個成熟能力，目前已在各個領域尤其是財務領域應用。數字員工已積累數百家大型企業的數字化、智能化財務系統的建設經驗，同時依靠自身的創新能力，幫助眾多企業培養了應用于記賬、審核、收單、算稅、支付、歸檔、對賬、稽核、客服及培訓等場景的數字員工，集數據采集、識別、校驗、NLP自然語言等多項技能于一體，能夠在無人工值守下24小時持續工作。我們認為，ERP作為企業傳統的重要管理軟件，應用模塊向外集成了財務、人力、供應商、合同管理等各類應用場景，而AI在上述不同模塊的賦能，能夠全面提升ERP的功能能力及客戶使用體驗，進一步提升ERP產品的價值量，打開行業更大成長空間。三、工業互聯網平臺匯聚AI要素，有望成為工業AI絕佳入口3.1工業互聯網平臺匯聚算力、算法、數據和應用，是工業AI的絕佳入口工業互聯網平臺的本質是通過工業互聯網網絡采集海量工業數據，并提供數據存儲、管理、呈現、分析、建模及應用開發環境，匯聚制造業企業及第三方開發者，開發出覆蓋產品全生命周期的工業APP應用，以提升工業生產經營效率。工業互聯網平臺匯聚了算力、數據、算法及應用場景的AI全要素，有望成為工業AI融合應用的絕佳入口。算力方面：工業互聯網平臺采用云化部署方式，底層IaaS基礎設施能夠提供彈性可伸縮的基礎算力資源。數據方面：數據是AI模型的“燃料”，工業互聯網平臺能夠打通和匯聚企業內部從研發設計、工藝管理、生產制造、運維服務到經營管理的全環節數據，為AI模型的構建提供海量數據資源。此外，隨著區域級及行業級工業互聯網平臺的逐步發展，跨區域及行業的海量數據逐步匯聚亦有望為工業AI大模型的訓練奠定更加堅實的基礎。算法方面：工業互聯網平臺PaaS層封裝了工業互聯網平臺企業大量的垂直行業Know-how知識經驗，并基于此構建大量可復用的低代碼開發模塊和原理模型組件，能夠為工業AI模型的訓練奠定良好的算法層基礎。應用方面：工業互聯網平臺應用層可提供覆蓋不同行業、不同領域的工業APP及工業創新應用，是工業AI模型落地應用的有效載體。西門子通過其工業互聯網平臺MindSphere實現AI同工業物聯網的集成。2016年