最前沿｜喻川：AIGC在工业领域应用难度要大得多，但市场规模可观将达万亿美元

PIX Moving创始人、CEO 喻川

(资料图片)

出品｜搜狐科技

作者｜郑松毅

编辑｜杨锦

由ChatGPT引发的人工智能浪潮逐渐涌入到大众的视野中，同时也渗透到各行各业中。AIGC在国内工业领域的应用就正在发生。

近日，自动驾驶滑板底盘及整车开发制造公司PIX Moving宣布，开放其AI工业设计工具PAM™已开放内测申请。该工具号称“工业界的ChatGPT”，是国内在该领域的首次落地。

搜狐科技与PIX Moving创始人、CEO喻川对话中了解到，PAM™可以将零部件设计效率提升60%，在轻量化方面的设计效率，可比成熟工程师高至20%以上。

谈及AIGC在工业领域的应用，喻川表示，工业制造最本质的优化是减少复杂工序，使用智能生成应用，从简化部件结构的方面做到了这一点。

“传统工业流程下，大概需要3-4个专业工程师用几个月的时间设计一款合格的汽车底盘，而使用智能生成应用的情况下只需1个专业工程师独立操作几天的时间即可完成设计。无论从人力成本，还是时间成本上来讲都是十几倍的提升。”

如果说ChatGPT、Midjourney等应用只要征服了用户的眼睛耳朵就行，那么工业中的AIGC应用可就没这么容易了，必须还要经得住实际应用的考验。

从性能上来讲，使用智能生成应用可以在短短几分钟内生成数十种方案供用户选择。同时，PAM™又是一个可塑性极强的助手，用户只需更改几个参数即可完成设计方案的调整，而在传统方式下，即使是熟练的工程师不花个几天大概是做不到的。

相比于ChatGPT、绘画类等AI应用基于庞大的训练数据量，在反复训练后生成的智能系统。工业领域的数据量往往难以达到与ChatGPT同级的水平，这意味着AIGC在工业领域的应用难度要大得多。

为了解决这个问题，“工业版ChatGPT”需要根据工业场景特征，基于小模型与大模型结合的策略，使用大模型通过学习海量车辆数据生成近似设计，然后通过经典算法来将近似设计优化为精确的工程文件，从而符合工业场景的制造需求。

喻川表示，面向B端工业设计领域的生成工具，可应用的场景包括建筑、汽车制造、航空航天等，在整体工业领域的通用性很强。此外，在C端也能找到AIGC应用的场景，比如为家具用品设计，无论用户是否具备专业设计背景都可以根据尺寸、风格需求设计出具有实际应用价值的家具产品，并转至制造工厂完成生产。

喻川认为，目前全球工业AIGC市场规模从软件供应开看，大概是4000多亿美元存量市场，未来伴随越来越多的应用面向C端用户，还可能带来更大的增量，预计市场规模将达到万亿美元。

责任编辑：

关键词：