中国国际服务贸易交易会-2025中国AIGC创新应用论坛于2025年9月12日在北京举行。主题为“从大模型到智能体，驱动AI新生态”。思科大中华区资深副总裁、首席技术官侯胜利出席并演讲。
以下为演讲实录：
尊敬的各位专家、各位领导：
大家好！非常感谢能有这个机会，向各位汇报思科在AI时代智能制造领域的观察体会与实践经验。
当前，AI技术正迎来爆发式发展。自2012年深度学习技术突破以来，AI已从感知型、预测型演进至生成式阶段，在这两年大家看到越来越多的各种AI的应用，应用场景也从咨询问答，拓展到行业应用，从智能销售，智能 *** 到智能生产。人工智能正使每个组织重新思考其运营方式。银行为员工提供人工智能助手以辅助日常工作，连锁餐厅推出人工智能驱动的无人驾驶外卖服务，电动汽车日益成为移动的数据中心，研究人员和医生正在改变患者护理方式。总之AI正在重塑生产模式。
当你在使用AI应用的时候，你首先要有数据进行分析，得出正确的结论，然后在行动；这样就要有各种传感器收集信息，有 *** 把数据传送到CPU、GPU进行分析和处理。
处理这些信息，尤其是在生产制造行业，你需要在最边缘的阶段，在车间，在产线，甚至在机床上做实时的分析和处理，不能够把这些数据都传到数据中心或者云端来做分析之后再发送决策，也就是说你要在边缘去做AI处理。另外涉及到企业运行的安全，这些数据不能都放在公有云平台，需要在本地进行存储与分析。
如果我们要在生产的环境引入AI，进行智能制造。我们要从业务层面和基础设施层面来分析。在业务的层面，我们怎么样把AI技术应用到各种的生产场景，AI可以帮助我们：
将专家经验“模型化”，提升工艺一致性；实现预测性维护、缺陷自动识别；优化资源调度，降低能源消耗；实现数据驱动的智能决策。 在基础设施层大家会看到各种的工业数据，各种的传感器，需要一个IT，OT融合的系统把不同场景的数据连接起来，传到业务层面进行边缘计算，再采取行动。
人工智能正在重塑制造业的根基，改变着各个层面遵循ISA-95标准的传统自动化框架。以技术的进步为引领的硬件自动化与以人工智能为首的软件自动化的融合，对于充分发挥这些创新的潜力至关重要。大型语言模型（LLMs）将作为人与机器之间的对话桥梁，使资产和机械能够与人类“交流”，从而彻底改变制造业的面貌。通过解读海量的制造数据，大型语言模型（LLMs）有助于做出明智的决策，并为未来在生产和管理中使用自然语言铺平了道路。
今天我们在首钢园开会，那我们就以钢铁行业为例看看大模型对钢铁行业的重要性。钢铁制造过程超高温环境、多源复杂数据汇聚，数据认知、生产决策、知识积累，应用平台构建都具有挑战性，是人工智能领域大规模数据智能分析与智能制造的典型应用。
我们既需要一个大模型进行预训练，也需要多个小模型满足不同业务的灵活需求。
比如炼钢行业我们要有L0层 - 通用大模型基座：为系统提供基础的计算架构和通用的处理能力，支持下层决策模型的高效运行。
L1层 - 行业级模型：提供基础性机理知识支撑，为上层决策模型提供行业通用的科学理论基础。
L2层 - 场景决策模型：基于L1层的行业知识，针对冶炼、铸造等特定生产场景进行深度优化。
L3层 - 专用决策模型：在L2层的基础上，进一步细化到具体操作层面，关注质量控制、资源调度、设备维护等具体决策场景。
同时因为这是生产方式，我们要保证数据的韧性，也就是说系统要安全、可靠，发生了故障时，有很好的冗余。
这是一个视觉类机器学习模型的案例，为了监控生产状态，我们使用3D摄像头为机器学习模型提供数据，这些模型会验证并触发相应操作。每天会产生数以TB计的原始数据，这些数据需要存储和处理，因此需要一个专用的高带宽 *** 。我们看到，机器人手臂配备了各种传感器、3D摄像头以及相应的集成工具，以满足生产的需求。
现在机器人不使用固定的夹具，能够从零件或零件箱中挑选出正确的物体，以正确的角度拾取，而所有这些都需要深度感知以及在移动时避免碰撞物体的能力。这需要机械臂配备各种类型的摄像头和传感器。所有这些组件都需要实现互联互通，以便数据能够反馈到边缘推理系统。为了支持这一用例，我们推出了新的IE 3100H系列体积小巧，可融入狭窄空间，如机械臂和定制机械中，对灰尘、碎屑、振动、液体溢出和冲洗的抵抗力增强，为运动应用提供一流的PTP（位置、速度和时间）支持，为配置等实现零信任远程访问的安全设备访问。
这是最典型的工厂分拣应用。
当我们去做面向制造业的生成式AI应用时，需要把各种不同的技术，或不同的技术场景打通。从 *** 的角度，从传感器的角度把怎么样去联通。从工业的安全的角度怎么样去防止你的设备不会受到别人的攻击，保证它的安全性，从应用的角度怎样做AI工业大模型场景的实时应用。
这样把IT和OT完全融合在一起，就成为智能制造的一个基础条件。
我们来看个例子，这是一个食品、饮料、生活用纸等行业的自动化与智能工厂解决方案。如果没有AI介入，也可以有自动化机器人进行服务，但是要事先定义机器人工作流程
缺乏灵活性，碰到异常没有无响应能力，机器人孤立运行；AI 之前的 *** 需求：
仅需少量数据（kbps 级别），数据不敏感。
如果我们把生成式的AI引入，形成自主机器人，和整个产线结合在一起。我们需要给机器人生成式编程，他需要学习，需要理解环境。机器人可以自主决定工作模式，机器人以 AI 群组形式运行。机器人之间都是可以联动的，知道下一个工序的情况，整个的生产线都可以实现无人化、全自动的生产，这是我们通过AI的方式可以更好的帮助你做业务的应用。
AI 时代的 *** 需求：数据量达到兆字节级别，数据敏感， *** 安全至关重要。
我们要保证企业的韧性，也就是说它不能够有宕机，不能有非法的攻击或者非法的访问。 在 *** 和数据整合之后，我们需要一个完整的安全的机制，把安全控制中心从原来的IT平台扩展到OT的平台，去做统一的管理。
再看一个例子，这是生产乐器的产线。通过智能化的方式连接起来，有各种的传感器，摄像机做控制。同时我们有一个看板，可以看到所有的信息包括产品质量，产线状态，安全信息。同时系统会通过AI算法去调整每一个乐器，调出厂时候的音质。系统根据相应的算法，自动比对更优质量时的状态，机器臂自动去调弦，保证它是更好的方式进行出厂。
自动化是推动生产率提升的最重要因素，人工智能将推动自动化的下一次大发展。
数以百万计的无线且支持人工智能的协作机器人将更快速地出现在工厂，让智能制造更上一层楼。
如果想要让制造业很好的去实现智能化或者叫AI-Ready的产线，我们总结几点，之一要有前期准备工作，需要各种传感器，3D摄像机，PLC，会产生非常多的数据。第二需要有一个非常强壮的 *** 平台，包括有线，无线，把这些数据传递到相应的系统。
第三需要有一个结合AI边缘运算和集中运算混合的平台来做数据的分析，有针对业务需要的各种大模型来满足业务的需求。最后需要有一个安全的架构，来保证整个系统的可靠、稳定的运行。这些系统结合在一起，你就能够让制造更加灵活、更加方便，来满足业务的发展。
谢谢大家！
新浪声明：所有会议实录均为现场速记整理，未经演讲者审阅，新浪网登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。
