轰轰烈烈的人工智能吸引了所有人的眼球，并且向工业软件或者说工业应用场景等延伸与渗透也越来越强烈。不管是企业用户还是软件供应商，都必须要经历这方面的思考与调整。

对于企业来说，其实这里面存在着一个悖论。如果企业的数字化已经做得挺好了，可能也就不需要人工智能干什么事情了，估计要做也是一些锦上添花，或者是某些点上的提升。如果企业的数据化基础还非常薄弱，希望通过人工智能来系统性的一劳永逸的解决企业的业务问题，可能也是没有基础或根据的，比如人工智能一般都需要一些有效力的数据集，可能这就是一个过不去的坎。好高骛远的务虚讨论也好，取法乎上得其中也好，实际做事执行的话，还是要脚踏实地才好。

对于企业来说，企业的运营管控，或者说业务问题都是非常明确的，不管有没有数字化系统，就是靠人企业也是在运行的。出于管控效能的考虑，企业规划和建设了的各种各样的数字化系统，或者最起码是解决了企业的程序文件的数字化执行。人工智能当前其实对于企业来说，最直观的感受就是目前需要靠人的智能来解决的问题，不管解决的好不好吧，其实这都是人工智能应该要做的事情，把人工的智能雾化或者沉淀下来。对于任何企业来说，当前人工的knowhow或者智能，其实都是企业的竞争优势的根本或者源动力。不同企业的竞争优势是不一样的，否则大家不就都一样了吗？也就看不出差别了。所以即使企业规划或者应用一些人工智能技术解决问题，自然而然的也是有自己的差别的。

之前的人工智能主要就是大模型，人们寄希望于通过大模型来实现比较综合或者深入的问题回答或者资料检索，或者形成这种需求的总结报告。另外还有一个重要的实践就是通过大模型实现语义（声音或文本等）的理解，将其转换为当前既有的业务系统能够识别的指令，通过自动的指令执行，实现业务系统的智能化体现。这应该是当前一段时间内最为常见的应用范式，数字化系统该保留保留，但是可能作为底座或者说日常运行的系统来保留，通过以大模型为代表的人工智能技术实现逐步的渗透。这种应用范式其实对于当前的系统来说变化并不大。

但人工智能的发展一直在持续，估计也是不会停止的，所以又衍生出了和业务结合的AGENT或者说智能体这种方式，这才是真正动摇当前数字化系统架构模式的根本。并且这种方式具有较为强烈和终将的低门槛通用性，甚至会逼得当前数字化系统的一些有处理模块演变成相应的被调用的TOOLS，从而变成了碎片化的后台工具。照着这个趋势发展下去，畅想一下，也许有一天会将比如管控系统当中的每一个角色人员及自身业务都变成一个另外类型的agent，就类似通过一堆数字化机器人实现业务协同，这可能是更加终极的一种数字化系统架构模式。（这种方式，其实现在很多大公司也在走这个路子，相当于发展数字员工，前景可怕，但是也可期）

但是工业软件不仅仅是管控系统，还有很多深度依赖工业物性知识的工业软件。这个其实是对于当前大模型的一种深度考验，虽然对于一个业务需求来说，可能既有的工业物性知识并不能够完全解决，但是通过大模型纯粹的文本（或者多模态）的检索或者知识重新发现显然也是不行的。大模型想要走向通用人工智能，或者说演变成所谓的世界模型，其实本质也就是在体现物性知识。虽然这个方面一直在持续发展，但显然还不足够。所以这也是当前各种各样工业智能发展的热点。

人工智能相关技术与应用的涌现是必然的，工业软件或者工业智能必须要实现结合和融合。一切的都是过程，终点不好描述。

来源：微信号  智能制造随笔

作者：王爱民

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。