作者：彭昭（智次方創始人、雲和資本聯合創始合夥人）

物聯網智庫 原創

導讀

今天這篇文章，我們來觀察奔馳如何使用ChatGPT改進汽車的生產流程，並且探討GPT大模型與AIoT相結合的場景以及最新實踐。

這是我的第289篇專欄文章。

這周“百模大战”愈演愈烈，一向冷靜的蘋果公司也被爆出正在暗中开發Apple GPT，直接與OpenAI和谷歌打擂台。

此前，微軟一手抓閉源GPT-4，一手抓开源LLaMA 2，股價一路飆升。這次，坐擁15億用戶的蘋果一旦加入，有可能快速改變大模型的競爭格局。

自從2023年初以來，關於大模型的各種新聞不絕於耳，其中大部分消息都是來自大模型的供應方，相信你也和我一樣，產生了某種程度的審美疲勞。

OpenAI、Meta、微軟、蘋果…無論各家的做法是激進還是保守，帶着大模型從“炫技”走向“實用”才是真諦。

經過大量信息的狂轟濫炸之後，大家普遍進入了冷靜期。大模型想要真正成爲生產力的變革工具，唯一的路徑就是與各種場景相結合，產生落地應用。

本周，梅賽德斯·奔馳透露，他們正在使用ChatGPT進行智能汽車的生產測試。

這個消息就像是一股清流，讓我們可以一窺大模型使用方的看法和進展。

奔馳的工程師們利用GPT大模型學習汽車生產數據隨着時間推移的變化，從而形成快速制定战略決策的技能。

曾有觀點認爲多模態大模型+物聯網將是下一個“風口”，這一說法還有待時間的驗證。

不過隨着大模型的快速更新與普及，確實有越來越多的企業正在嘗試和使用它。

如果GPT大模型要從數字世界走向物理世界，與AIoT結合是必經之路。

因此今天這篇文章，我們來觀察奔馳如何使用ChatGPT改進汽車的生產流程，並且探討GPT大模型與AIoT相結合的場景以及最新實踐。

數據“民主化”，奔馳在智能汽車生產中測試ChatGPT

奔馳公司本周透露，他們在MO360系統中啓動了ChatGPT項目。ChatGPT主要用於質量管理、故障識別和分析，以及流程優化。

大名鼎鼎的MO360是“梅賽德斯·奔馳乘用車生產運營360”（Mercedes-Benz Cars Operations 360）的縮寫，代表了生產體系中一整套數字化生態體系，360則寓意生產管理過程的360度全方位的數字化。

該生產體系連接了包括車輛、機器人、生產流程等，生產人員能夠通過無縫連接的數字交互界面訪問以上任一部分的數據，讓工作更有效率，同時也更輕松。

在現有的MO360中已經整合了一系列的數字化工具，力求實現最大的透明度，從而提升生產效率、優化質量管理流程。

從2020至2022年，憑借優化的流程、豐富數據以及基於實時數據的迅捷決策，MO360將生產效率提升了15%以上。

這次ChatGPT在MO360中的測試，可以說起點很高。

因爲MO360已經連接了完整的生產數據庫，隨時掌握每輛汽車的精准生產狀況，每當檢測到偏差時，管理系統會直接在智能手機上通知質量經理和生產人員。

ChatGPT的引入，讓數據更加“民主化”，更多相關的工程師可以使用這些生產數據來實時評估流程和修正錯誤。

通過ChatGPT，工程師與系統的交互以最常用的語言進行，降低了溝通門檻，並且促進了工程師之間的彼此協作。

查詢不再是復雜的編程功能，而是由對話引導自然而然進行的流程。即便是沒有編程知識的員工，也可以進行查詢操作。

引入ChatGPT的目的是，奔馳希望在最短時間內，產生支持整個生產鏈路的战略決策。

基於ChatGPT的集成，奔馳還實現了全天候的員工顧問支持，生產員工通過MO360的自助服務門戶進行溝通，獲得所需答案。

作爲車主也可以使用ChatGPT提高溝通體驗，奔馳讓客戶可以觀看愛車的裝配過程，購买體驗從造車階段就已經开始。

同時奔馳也考慮了數據安全與隱私問題，生產數據保留在MO360數據平台中，並對關鍵信息進行了匿名處理。

根據奔馳公司管理委員會成員、生產和供應鏈管理經理Jörg Burzer的介紹，ChatGPT降低了會議、溝通、差旅的時間和成本，使用可持續的方式優化了生產流程和質量管理。

試點階段成功之後，ChatGPT將在整個梅賽德斯·奔馳的全球生產網絡中使用。

奔馳的情況並不是個例，另據Statista的研究分析，生成式AI對於企業的成本節約效果非常顯著，在供應鏈管理、生產流程、產品服務等環節都有突出表現（如上圖所示）。

與AIoT結合是GPT大模型從數字世界走向物理世界的必經之路

由GPT大模型所指向的AGI通用人工智能，其背後的真諦是“實用”，在行業場景中落地用實際效果說話。

只有從數字世界走向物理世界，真正的賦予萬物智能，GPT大模型才可以脫離“炫技”的嫌疑，給生活帶來真正的改變。

然而，GPT大模型在物理世界中並不適用，它只是一個數字模型，無法處理物理世界中的實際對象和事件。

而AIoT正是大模型與物理世界的連接器。

物聯網可以將物理世界中的各種實體，如傳感器、設備、機器等…連接起來，從而將數字世界和物理世界結合在一起。

AIoT的出現，讓物聯網設備不再僅僅是數據的收集和傳輸工具，而是能夠進行數據的理解和決策。這無疑提升了物聯網的功能性和效率，也讓物聯網設備更加智能。

AIoT的關鍵並不在於硬件本身，而在於數據和智能。

根據IDC發布的數據，全球數據總量由2019年的45ZB將增長至2025年的175ZB，年均復合增長率高達25.40%。而且中國的數據總量將會以每年30%的平均速度快速發展，在2025年達到48.73ZB。

也就意味着，2025年中國將擁有全球最大的數據圈（每年被創建、採集或是復制的數據集合就是全球數據圈）。

這些數據包含家庭數據、公共數據、個人數據以及商務數據，但目前80%的數據沒有經過很好的整合和結構化。

萬物智能的關鍵就在於將數據進行點對點的歸類和邏輯關聯。數據背後的分析才能真正運用在實際生產、生活之中，起到指導作用。

通過與AIoT的結合，GPT大模型可以獲取來自物理世界的數據，並將其轉換爲語言，從而實現物理世界與數字世界之間的交互。

因此，與AIoT結合，是GPT大模型在行業落地的必經之路。

從路徑上來看，在數字化時代AIoT已然在逐漸影響着生產、制造、生活的方方面面，AIoT與大模型的結合，可以從以下5個方面進行自然延伸和應用：

1.數據收集和訓練

AIoT可以提供豐富的實時數據來訓練和改進GPT大模型。傳統上GPT大模型主要依賴於網絡文本數據，而AIoT設備可以提供更多體現日常物理世界的聲音、視頻和傳感器數據。

2.智能設備交互

訓練好的GPT大模型可以部署到智能設備上，與用戶進行更自然的對話交互。在目前GPT基本上只能與PC進行文本交互，而AIoT設備能讓GPT與用戶的交互超越文本，利用語音和視覺等多模態。

3.自動化控制

GPT大模型有機會不僅僅止步於交互，還能用於實現基於語言的自動化控制。比如用戶可以說“關閉廚房的空調”、“把台燈調亮一些”等指令，GPT大模型理解然後控制相關的AIoT設備。

4.場景推理

結合AIoT設備收集到的豐富物理世界數據，GPT大模型有望做出更復雜的場景推理。比如看到用戶打开洗手液瓶蓋，GPT大模型可能推理出用戶想要洗手，自動打开水龍頭，完成日常物理場景的推理。

5.安全隱私

GPT與AIoT未來有望更緊密結合，但也需要關注新的安全和隱私問題。在處理大量敏感個人數據時，證明GPT大模型的安全性和透明性將變得至關重要，同時GPT大模型也可被用來模擬黑客強化系統的安全性。

總的來說，GPT大模型與AIoT的結合將會是一條不可逆的趨勢，有望讓AI模型從數字世界走向物理世界，提供更人性化的服務。面對這種轉變，我們應積極擁抱，不斷探索和創新，以實現萬物智能的更大價值。

從“炫技”到“實用”，GPT大模型走進物理世界的最新實踐

在實現萬物智能的道路上，文初提到的奔馳等車企對於GPT大模型的態度尤爲關鍵。

因爲汽車是一個相當典型的AIoT終端，無論是汽車的生產线還是汽車本身，尤其最能體現出AIoT與GPT大模型相結合的功效和作用。

隨着消費者與汽車之間關系的不斷變化，“开車”的含義不再僅僅是“駕駛車輛”。未來，汽車可以知道乘坐人員是誰，爲他們作出決策，甚至可以成爲可信的夥伴。

消費者非常渴望汽車成爲生活中的一種“親密”智能設備，盡管它是重量以噸計的“大家夥”。

隨着從傳統到智能的轉變，汽車正在成爲我們身邊最大的“數據發生器”，這些數據如果善加利用，可以很好的提升我的生活品質和工作效率。

因此當這些數據在线、當服務連接的時候，更爲重要的是如何發揮數據的價值。

當大量的數據被沉澱、被分析之後，還可以用於改善用戶的駕駛習慣、補充道路數據、幫助產品功能改善等。甚至是如果這種數據和相關部門合作之後，很可能會帶來更大的效果——在智慧交通以及城市規劃，甚至是用戶衍生需求上會產生更大的作用。

因此汽車行業對於AIoT與GPT大模型的結合應用場景非常豐富，值得重視。

在我們此前發布的《2023年中國智能網聯汽車產業洞察暨生態圖譜報告》中，對大模型在汽車領域的應用做過詳細梳理，歡迎感興趣的朋友查閱。

還有一些企業，比如谷歌和阿裏等，將GPT大模型與AIoT機器人相結合，探索具身智能領域的應用。

GPT大模型的突破爲人機交互提供新的思路，有望充當機器人大腦，讓人們能夠採用更直接、輕便、靈活的方式對機器人實現操控。

多模態的引入更進一步拓展交互的豐富性，大幅提升人機交互和環境交互能力，助力機器人能力再上新台階。在工業自動化、醫療健康、家用服務、教育、娛樂等衆多領域，幫助人類實現極端環境作業、多領域降本增效。

在機器視覺領域，360和宇視進行了諸多嘗試，他們將多模態垂直大模型與AIoT系統相結合，可以針對安防等場景做出行業數據微調。

一般情況下AIoT攝像頭普遍用於事後的回溯、追查，當與GPT大模型結合之後，攝像頭可以更准確的對當前事件進行判斷，爭取做到同步的告警、提示。

智能家居領域，智能音箱成爲了GPT大模型的“登陸”入口。

在GPT大模型能力加持下，智能音箱能作爲智能家居的管家，可以通過理解用戶意圖，調動其它設備，比如電視、空調、電燈和掃地機器人等，助力智能家居實現多場景之間相互配合。

還有一些企業將GPT大模型在特定的場景落地，比如數字化門店解決方案提供商漢朔將大模型應用於智能零售領域。

隨着GPT大模型的全面接入和應用，AIoT智能零售解決方案的工作效率和自然交互得到提升，特別是在門店體驗、數據分析和工作流程自動化等領域，加速了零售產業數字化轉型和發展。

寫在最後

如果說數據是新的石油，那么大模型就是新的電力。

萬物互聯變成基礎設施，數據變成新的生產資料，AI大模型變成新型的服務，這三者裂變的結果是新經濟的出現。

AIoT的關鍵並不在於硬件本身，而在於數據和智能。

隨着由AIoT所帶動的各行各業深度信息化，形成了各行各業的數據；同時場景得到的數據和智能，又可以應用到各行各業；各行各業的應用又產生了新場景，反向地增強數據來源、處理能力以及智能，不斷地去循環往復…

從“炫技”到“實用”，善用數據而產生智能，與AIoT結合是GPT大模型從數字世界走向物理世界的必經之路。

參考資料：

1. 大模型是大腦、物聯網是感官，阿裏判斷AIoT大爆發的背後邏輯，來源：物聯網智庫

2. 周鴻禕：多模態是大模型發展的必經之路，與物聯網結合是下一個風口，來源：36Kr

3. 天貓精靈回應大模型內測：眼鏡、APP、AIoT將陸續覆蓋可用，來源：搜狐

       原文標題 : 與AIoT結合是GPT大模型從數字世界走向物理世界的必經之路

---

標題：與AIoT結合是GPT大模型從數字世界走向物理世界的必經之路

地址：https://www.utechfun.com/post/242209.html