【摘要】本文通过实践分享介绍某车企的智慧园区方案如何融入AI元素,帮助业务实现7*24小时安全生产监控、试车跑道监控、员工安全等场景的安全值守。对于同行业和其他行业探索大模型落地具有参考意义。
一、AI大模型背景
AI大模型是指具有极大规模、高度复杂性和强大能力的人工智能系统。这些模型通常由数十亿甚至数千亿个参数组成,能够处理海量数据并学习复杂的模式。通常广泛应用于自然语言处理(NLP)、计算机视觉、语音识别等领域,并展现出强大的性能和广泛的应用潜力。如Google的BERT模型、OpenAI的GPT系列模型、Facebook的BLIP等模型。
在20世纪90年代初,人们就已经开始在研究如何利用神经网络来模拟人类大脑的学习和推理过程,但是由于技术限制,直到2012年才有了突破性的进展,加速了AI大模型的发展和应用。随着算力的加强、算法的优化和数据激增,AI大模型逐渐在多个领域取得了重大突破性进展和场景化应用。
制造业作为较为传统的行业,也在数字化转型的浪潮中,已积极拥抱各种技术,其中就包括AI大模型。寄托于大模型的应用,某车企在数据处理、模式识别、预测分析等方面的能力得到了显著提升,落地了多个场景,如信息安全领域、数据分析治理领域及智慧园区领域等,覆盖辨别式大模型和生成式大模型两种形态。本文将通过实践分享介绍某车企的智慧园区方案是如何融入AI元素,帮助业务实现7*24小时安全生产监控、试车跑道监控、员工安全等场景的安全值守。
二、智慧园区应用实践分享
某车企也和行业内的其他车企一样,搭乘了国家高度重视制造业的数字化转型和智能化升级这趟“高铁”,利用国家出台的一系列支持AI模型在制造业应用的政策措施来来进行创新和应用。对于企业而言,通过它来提升生产效率、降低成本、优化运营等,本篇幅重点介绍某车企是如何把AI用于视觉识别中,来提升整个园区的安全能力,助力智慧园区落地。
根据规划,本次主要应用辨别式AI用于安防、安全生产、道路安全、消防安全等场景,详细情况如下。
(一) 安防场景
1、场景描述
汽车制造工厂因占地面积大,噪音等硬性问题,一般都会坐落在郊区或者远离城市的区域。厂区内会放置若干数量的较大零部件或者整车,每天都会有专人进行盘点和巡查。但现实情况是现有安保人员数量有限,责任心各不相同,导致巡检效果差异较大,存在不同程度的配件丢失问题。
2、业务需求
为解决此问题,IT与安保部门配合,收集关键业务需求