EBC成长模型是金蝶于2024年4月26日首度发布的新一代数字化转型方法论的核心内容框架，是新型工业化时代企业发展新质生产力实现高质量发展而进行数字化转型的重要参考模型。

　　在人工智能这轮科技竞赛中，美国一直在领先，标志性事件有：2022年11 月30日，OpenAI通过GPT-3.5系列大型语音模型微调而成的全新对话式AI模型ChatGPT正式发布，展现出了优秀的语言生成能力;2023年3月15 日，OpenAI推出了大型多模态模型GPT-4，不仅能够阅读文字，还能识别图像，并生成文本结果，GPT-4已经跨越了单领域、多模型的限制，能够实现多模态任务的执行，使得AI的生成效率再一次实现了跨越;2024年2月16日，OpenAI发布人工智能文生视频大模型;2024年3月29日，根据知名科创媒体The Information报道，微软和OpenAI正在进行一项分为五个阶段的超级计算机建设项目，拟动用的投资将超过1150亿美元，解决大模型背后的算力问题，这个项目建成后，OpenAI大模型的未来值得期待。

　　人工智能发展有四大要素，分别是模型、算力、能源和样本数据，前三大要素美国已经领先也不会有大的瓶颈，唯独在样本数据方面未来可能会(或者已经)遇到瓶颈。据说互联网几十年积累的数据(包括文本和视频)都被ChatGPT大模型学习过了，还有一个“数据金矿”就是制造企业大量的工业KNOW HOW及实际运行数据，但是美国自上世纪90年代开始去工业化以来，其制造业“空心化”很严重，虽然近几年在地缘政治背景下制造企业有所回流，但是未有根本性改变。

　　我国人工智能发展从四要素分析，与美国恰恰相反：大模型研发仍处于跟随状态;美国限制英伟达高端芯片(GPU)对我国的出口，甚至“阉割版”的芯片也限制，导致我们在大模型所依赖的算力方面短期内很难跟上大模型的发展速度;算力中心所需的电力能源，两国基本持平;唯独在样本数据方面我们占有相当优势，因为我国拥有41个工业大类、207个工业中类、666个工业小类，是全世界唯一拥有联合国产业分类中全部工业门类的国家，2023年我国制造业增加值占全球比重约30%，连续14年位居全球首位。前工信部部长苗圩近日在2024赛迪论坛开幕式主论坛上说我国大模型的发展机会在于差异化发展，具体就是如何赋能制造业，赋能各个具体的领域;360公司周鸿祎也建议我国应该重点发展垂直大模型和场景大模型，将制造企业的“暗知识”和“隐知识”(“暗知识”和“隐知识”指制造企业大量的工业KNOW HOW，且在实践中产生的数据，而不是理论模型数据)显性化，赋能企业数字化转型，发展新质生产力，深度降本提质增效，实现高质量发展。

　　目前通用大模型参数都在千亿级别，对算力要求非常高，而垂直场景大模型参数在几亿、几十亿或上百亿就基本够用，对算力要求不算高，我国有数量庞大的工业业务场景，场景大模型应用空间非常大。那么场景大模型如何构建?模型固然重要，但更为基础的是数据，而且是“因果链”数据。这是因为制造企业生产运营严格遵循控制论体系，无论是单输入单输出，还是多输入多输出，中间的算法就是“因果”关系模型，因此输入和输出数据都是“因果链”数据，这些数据有机组合在一起，才能成为有价值的信息，组织加工后形成工业知识，进而应用知识预测未来，这就是场景小模型的基本逻辑(见图1)。

　　图1 DIKW模型基本反应场景小模型内在逻辑

　　企业真实场景中，数据完整性、准确性和实时性通常得不到保证，“眼见不一定为实”的情况时常发生，如：在仓库管理中，员工手动记录货物的出入库数量，可能会因为疏忽而写错数字;设备出现故障或不准确会导致数据质量问题;在不同的数据库中存储了相同的客户信息，但更新不同步等等情况。这与消费互联网有很大不同，消费互联网的大数据， “相关关系”的数据也能找出其特殊规律，如啤酒和尿不湿的故事就是个经典案例。

　　毋庸置疑，工业企业建设场景小模型的根本目标是高质量降低运营成本、提高产品质量和提高效率或增加效益，终极目标是跨越经济周期和应对市场不确定性，实现韧性成长。其核心内容是通过数字能力建设，构建企业差异化竞争优势，持续提升管理价值，这也是EBC成长模型的核心要义。

　　数字业务能力建设首先要以客户价值创造为目标，重构内外价值链，编织生态价值网络，通过数字平台(包括云计算、大数据、区块链、场景大模型等新兴信息技术)促进资源共享、多方协同和知识复用，持续加速单业务环节、具体业务场景、价值链乃至价值网络的整体运行效率，持续降低价值链/网络运营成本，快速满足客户需求。

　　“报价要快”、“个性化研发要快”、“交付要快”等都已经成为多数企业运营的常态，“快”是定制化时代企业赖以生存和发展的核心竞争力，按照控制论的思想出发来理解“快”的内在逻辑(见图2)。

　　图2 以控制论思想解读“快”的运行逻辑

　　01 快速感知

　　在工业场景中，快速感知具有至关重要的意义。它就像是企业的敏锐触角，能够迅速捕捉到各种关键信息，为高效生产和精准决策提供有力支持。物联网平台提供的万物互联能力能提高感知效率、降低感知成本和提高感知质量，一起来看几个工业场景。

　　设备状态监测：在工业生产中，设备的正常运行是保证生产效率和质量的关键。场景小模型可以通过传感器实时采集设备的运行数据，如温度、压力、振动等，快速感知设备的状态。例如，当设备的温度或振动超出正常范围时，场景小模型可以立即发出警报，提醒工作人员进行检查和维修，避免设备故障导致生产中断。

　　产品质量检测：工业生产中的产品质量检测是一个重要环节。小模型可以利用图像识别、传感器等技术，快速感知产品的质量问题。例如，在电子产品制造中，小模型可以通过对电路板的图像进行分析，检测是否存在焊接不良、元件缺失等问题;在食品加工行业，小模型可以通过传感器检测食品的温度、湿度、酸碱度等指标，判断食品是否符合质量标准。

　　环境监测：工业生产过程中会产生各种污染物，对环境造成影响。小模型可以通过传感器实时监测环境中的污染物浓度、空气质量、水质等指标，快速感知环境变化。例如，在化工企业中，小模型可以监测废气排放中的有害物质浓度，一旦超标立即发出警报，提醒企业采取措施进行治理;在污水处理厂，小模型可以监测水质指标，确保处理后的水符合排放标准。

　　安全监控：工业生产中的安全问题至关重要。小模型可以通过视频监控、传感器等技术，快速感知安全隐患。例如，在工厂车间中，小模型可以通过视频监控识别工人的不安全行为，如未佩戴安全帽、违规操作等，并及时发出警报;在仓库中，小模型可以通过传感器监测火灾隐患，如烟雾、温度等，一旦发现异常立即启动灭火系统。

　　物流管理：在工业生产中，物流管理也是一个重要环节。小模型可以通过 RFID、传感器等技术，快速感知货物的位置、状态等信息。例如，在物流仓库中，小模型可以通过 RFID 技术实时跟踪货物的存储位置和数量，提高仓库管理的效率;在运输过程中，小模型可以通过传感器监测货物的温度、湿度等环境参数，确保货物在运输过程中的质量安全。

　　研产协同：图纸版本错误造成产品质量问题，过去是纸质图在企业内部流转，经常出现因为图纸版本变化而造成的生产不良品，产生不必要的浪费，现在是通过PLM和ERP的一体化实现图纸随生产订单的自动更新和工序流转，不仅提升了工人获取信息的准确性和及时性，而且减少了不必要的浪费，提高了质量合格率。

　　02 快速决策

　　在工业场景中，快速决策如同企业高效运转的关键引擎，起着至关重要的作用，场景模型在快速决策方面有着广泛的应用，以下是一些场景应用示例。

　　生产调度：工业生产中，合理的生产调度对于提高生产效率和降低成本至关重要。通过建立生产调度模型，可以根据订单需求、设备状态、原材料供应等因素，快速制定最优的生产计划。例如，在汽车制造企业中，生产调度模型可以根据不同车型的订单量、生产线的产能以及零部件的库存情况，快速确定各生产线的生产任务和生产顺序，确保生产的高效进行。

　　设备维护：设备故障是影响工业生产的重要因素之一。通过建立设备维护模型，可以实时监测设备的运行状态，预测设备的故障发生时间，并提前制定维护计划。例如，在化工企业中，设备维护模型可以通过分析设备的振动、温度、压力等参数，预测设备的故障风险，并在故障发生前安排维护人员进行检修，避免设备故障对生产造成影响。

　　质量控制：产品质量是企业的生命线。通过建立质量控制模型，可以快速检测产品的质量问题，并采取相应的措施进行改进。例如，在电子产品制造企业中，质量控制模型可以通过对生产过程中的数据进行实时分析，检测出产品的缺陷率和不良品率，并及时调整生产工艺和参数，提高产品的质量。

　　能源管理：工业生产中，能源消耗是企业的重要成本之一。通过建立能源管理模型，可以实时监测能源的消耗情况，优化能源的使用效率，降低能源成本。例如，在钢铁企业中，能源管理模型可以通过分析生产过程中的能源消耗数据，优化炼钢炉的加热时间和温度，降低能源消耗，提高生产效率。

　　供应链管理：供应链的高效运作对于工业企业的生产和销售至关重要。通过建立供应链管理模型，可以快速响应市场需求的变化，优化供应链的各个环节，提高供应链的效率和可靠性。例如，在服装企业中，供应链管理模型可以根据市场的销售数据和预测，快速调整原材料的采购计划、生产计划和配送计划，确保产品的及时供应和销售。

　　03 快速执行

　　在工业场景中，快速执行是企业提高竞争力，实现可持续发展的重要保障。通过建立高效的执行体系，企业可以在激烈的市场竞争中脱颖而出，为客户提供优质的产品和服务。工业场景模型可以在快速执行方面发挥重要作用，以下是一些场景应用示例。

　　生产计划优化模型：在制造业中，生产计划的制定和执行至关重要。通过建立生产计划优化模型，可以根据订单需求、设备能力、原材料供应等因素，快速制定出最优的生产计划。例如，在汽车制造企业中，该模型可以根据市场需求预测和生产线的实际情况，合理安排生产任务，确保生产线的高效运行。

　　物流配送优化模型：在工业生产中，高效的物流配送对于保证生产的连续性至关重要。物流配送优化模型可以根据订单需求、仓库库存、运输能力等因素，快速制定出最优的物流配送方案。例如，在电商物流企业中，该模型可以根据客户订单的分布情况和配送车辆的实际情况，合理规划配送路线，提高配送效率，降低物流成本。

　　采购优化模型：在小批量、多品种、短交期订单日期增多背景下，原料种类的需求会急剧增加，如果通过增加库存来解决这个问题，成本会显著增加。采用人工智能驱动的供应链管理系统，可以实时监控库存水平、预测需求、优化物流配送，减少库存积压和缺货风险，提高供应链的稳定性和灵活性。

　　总之，工业场景模型在快速感知、快速决策和快速执行方面都有广泛的应用前景，企业通过物联网平台、信息系统平台、客户体验平台、生态协同平台和数据智能平台建设，搭建各工业场景模型，不断提升万物互联能力、员工协作能力和智慧决策能力，可以帮助企业快速响应市场变化和生产需求，提高生产效率和质量，降低成本和风险，实现可持续发展。

免责声明：以上内容为本网站转自其它媒体，相关信息仅为传递更多信息之目的，不代表本网观点，亦不代表本网站赞同其观点或证实其内容的真实性。如稿件版权单位或个人不想在本网发布，可与本网联系，本网视情况可立即将其撤除。