上期談到有效使用生成式AI，首先要有明確的組織資料戰略。而有了高品質的資料基礎，企業下一步就需要從實際應用與解決方案出發。
對於To B端的製造業來說，打造生成式AI應用解決方案需要推論，其中不可避免的就是高昂的推論成本。因此，製造業極需注重投入產出比，找到模型精確度和推論成本之間的平衡點。
在深刻瞭解企業痛點和需求的前提下，針對製造業嚴重依賴人工參與的工業產品設計和行銷材料生成、企業內外部資料繁雜等具體業務場景，AWS與合作夥伴一起開發客製化解決方案，讓製造企業充分發揮生成式AI的潛力。希望能推動生成式AI重塑製造業，並透過降低生成式AI應用的門檻，充分應用於製造業價值鏈。
在工業產品設計領域，傳統工業的概念設計一般由人工手繪，需要應對設計週期較長，設計師的業務承載能力與快速增長的業務需求之間的挑戰，以及設計品質波動，產出品質因人員水準有差異、設計品質受人員流動影響等。上述因素綜合導致了概念設計階段人力成本耗費高、概念產出效率低、概念透過率低等問題。而透過文生圖、圖生圖等生成式AI方案進行快速概念草圖設計，可以一次性生成多張改良方案圖，方便企業從中挑選最佳方案。
在企業知識庫領域，由於資料不斷激增，且通常較為分散，企業員工在查詢關鍵資訊時，常面臨內容不準確，關鍵資訊難以查詢等痛點。這時，利用生成式AI技術打造企業級智慧知識庫，結合搜尋引擎和大語言模型，從智慧知識庫的架構設計、大語言模型預訓練、AI與機器學習技術等方面幫助客戶快速打造知識庫對話應用，助力企業員工在知識庫中快速找到精確和即時更新的內容，將原始企業資料轉化為可利用的數位資產，可大幅提升生產與辦公效率，並提升使用者體驗。
以西門子中國為例，在AWS的助力下，西門子打造了基於自有模型的智慧知識庫暨智慧會話機器人「小禹」。「小禹」整合了西門子獨特的內部知識系統，如西門子的各種產品和解決方案、內部流程等，能夠自動定位內容、提供知識。而不是傳統搜尋方式提供許多頁面，員工還需費時費力地找到相應的答案，這大幅提升了員工取得工作資訊的效率。
從蒸汽機、電力到資訊技術，每一次工業革命都帶來巨大的科技進步與產業變革，並對人類社會產生深遠影響。如今，隨著生成式AI的迅速發展與廣泛應用，以AI為代表的新一輪科技浪潮已成為第四次工業革命的重要推動力。而聯合全球數十萬家合作夥伴，共同開發針對關鍵製造場景的生成式AI解決方案，將助力企業打造成長動能，促進製造業進階化、智慧化、綠色化發展。
＜本文作者：王定愷現為AWS台灣暨香港總經理＞