随着人工智能技术的快速发展，AIGC(AI-Generated Content)已成为引领新一轮科技革命和产业变革的重要驱动力。AIGC在服务业中已经得到广泛应用，并创造出巨大社会价值;AIGC在制造业中的应用则正在加速，不仅提高了生产效率、优化了产品质量，还推动了产业链的升级和转型。连接器行业急需把握AIGC的发展机遇，推动制造业高质量发展，从而在全球制造业竞争中取得先机。
01 AIGC在全球制造业的应用案例与意义
案例启示：
中美两国均有不少成功AIGC应用案例，以下为网络上收集的一些具体AIGC应用案例。
在质检与缺陷检测方面，富士康等EMS制造商、ODM制造商、以及PCB板行业、连接器行业，都已经大规模应用。
在材料研发方面，博威(深连协会员单位)的数字化研发平台早在2021年10月底就 启动上线，新材料数字化研发全链条由数字化市场洞察、数字化需求转化、数字化成分设计、 数字化工艺设计、数字化应用研究等五个阶段构成，运用大数据分析、计算仿真、知识图谱、数字孪生和数据中台等前沿技术，将基础研究和应用研究有效融合，使得公司拥有第三、 第四范式研发能力;2023年11月，谷歌DeepMind 发明了一种新工具，该工具使用深度学习来显著加快发现新材料的过程 ，这项被称为材料探索图形网络(GNoME ，graphical networks for material exploration)的技术已经被用于预测220万种新材料的结构，其 中700多种已经在实验室中创造出来， 目前正在测试中。
在财务管理方面：某大型医药企业在进行全面信息化升级过程中，发现在费用报销这一 流程，存在重复性高、效率低、数据量大等问题，企业员工需要核对卡号金额、区分30多个企业U盾、记住60多组密码，平均每天需处理50笔付款，高峰期时则高达120笔， 容易出现复制粘贴出错等人为风险。人工单笔操作需4~5分钟，通过AIGC技术全程不超过1.5分钟，且软件机器人在7* 24小时不间断工作的同时，还能保证100%的准确率。
在设备预维护方面：GE(美国通用电气)公司是AI技术应用的先行者，通过直接分析飞机发动机的数据来识别潜在问题、进行必要维护并确保飞机的整体安全。设备预维护的AIGC工具近年来发展较快，美国有SparkCognition、IS Predict等;中国的天泽智云、西安因联已经为海尔、富士康、上海电气等众多企业对生产设备进行实时监控和预测性维护， 可以有效降低设备故障率，提高设备利用率。
在平台工具方面：2017年美国国防部高级研究计划局(DARPA)， 提出实现“设计工具在版图设计中无人干预能力 ”，即通过人工智能和机器学习等方法将设计经验固化，进而形成统一版图生成器，以实现通过版图生成器在24小时之内完成 SoC(系 统级芯片)、SiP(系统级封装)及印刷电路板(PCB)版图设计。2022年，Autodesk发布了新版本的 Fusion 360创成式设计软件，可以在其三维CAD建模环境中直接运行仿真。通过现代计算机的GPU功能加速，这些仿真使设计人员能够以交互的步伐做出明智的决策，而无需等待分析人员对设计进行网格划分并运行有限元分析(FEA)。2023年4月，新思科技推出Synopsys.ai整体解决方案，涵盖设计、验证、测试和模拟电路设计阶段，Synopsys.ai 在减少功能覆盖率漏洞方面实现10倍提升，IP验证效率提高30%，IBM、英伟达、微软等公司已率先采用该解决方案。华大九天、西安星天外公司(联合西工大智能 制造研究所)、等中国企业也已经将AI技术应该在相关产品中;2023年12月22日，中工互联(北京)科技集团有限公司发布了智工·工业大模型3.0产品，为业界提供了轻量化的开源大模型预训练底座和嵌入式多模态大模型产品。
技术潜力：
利用AIGC技术，可以处理和分析大量数据，为制造业提供洞察力，帮助企业优化生产 流程，提高质量和效率，增强供应链管理能力，提高决策运营效率。AIGC作为前沿性、颠 覆性、基础性技术，在制造业有巨大应用前景，未来将为制造业的基础能力带来重大的改进和提升，推动制造业的创新和发展。
竞争优势：
AIGC在制造业的应用，必须和制造业的工业数据结合，才能更好地了解行业内的特定 术语、趋势和应用场景，从而生成更相关、更高质量的内容。率先应用AIGC的制造业企业， 将获得数据结构化和高质量数据积累的先机，从而在全球竞争中取得领先优势。
02 AIGC在连接器行业应用面临的挑战
技术挑战：
尽管AIGC在制造业中的应用前景广阔，但仍面临诸多挑战。AIGC技术，尤其是深度学习模型，通常非常复杂，需要大量的数据和计算资源来训练和维护。其技术复杂性、技术可及性、以及与现有的制造系统和技术集成，需要额外的投资和时间，可能导致企业在技术实 施上面临困难。
基础薄弱：
根据深圳市连接器行业协会的调研，大部分连接器企业 在AIGC应用方面还欠缺基础能力， 硬件基础如支持大模型私有化部署的AI服务器，软件基础如AI人才和体系建设 等，都几乎是空白。
深圳市连接器行业协会会长熊藤芳指出，连接器行业应用AIGC，数据缺失是一个挑战。训练机器学习模型，支撑深度学习算法，都需要海量工业数据支撑，连接器行业一个个数据孤岛如何打通?如果从技术方面引入加密计算，效率如何提高?要应对上述挑战，需要构建政府、科研机构、行业协会、企业等多个主体参与协同创新的新机制。
决策风险：
目前，AIGC大模型、大模型应用开发框架(如LangChain)、基于大模型开发的垂直AIGC应用，数量众多，技术迭代迅速，如何评估其易用性、场景适配性、可持续性是一个难题，在选择AIGC技术方案时面临诸多风险。比如：选择一个即将被淘汰的技术方案可能导致企业在短时 间内就需要进行技术升级，造成资源的浪费;不是所有先进的技术都适合所有制造业场景， 选择与业务需求不匹配的技术可能会导致效率低下甚至业务失败;大模型的训练和运行可能需要较高的计算资源，如果选择不当，可能会导致运营成本的增加。
安全挑战：
如何解决AIGC技术在数据隐私和安全、合规性和标准方面的问题，产业链还在探索阶段。
03 AIGC在连接器行业应用现状
从AIGC技术成熟度和业务影响度两个关键维度，对AIGC在连接器行业的应用现状进行四象限初步分析：
高业务影响 - 成熟技术
CCD视觉识别：在连接器制造过程中，CCD视觉识别技术已经相当成熟。深耕连接器行业15年的三瑞科技，其CCD视觉识别系统搭载AIGC技术，可快速实现产品瑕疵检测、分类、聚类、识别等复杂任务，能够高效地检测产品缺陷，提高生产效率和产品质量，对业务有显著的正向影响。
注塑(高级自动化和预测性维护)：成熟的注塑技术结合高级自动化和预测性维护，能 够减少停机时间，提高设备利用率，对连接器行业的生产效率和成本控制有重要影响。发那科的注塑系统中集成了AI功能，功能包括对注塑机螺杆工作状态进行监测等，减少了非正常停机风险。
人力资源、法律顾问、财务分析、供应链管理：上述AIGC应用工具十分丰富，已经相对成熟，并在制造业广泛应用，能够为连接器企业提供高效、准确的服务，降低运营成本， 提升业务运营效率。
高业务影响 - 不成熟技术
连接器工程制图&仿真：虽然AI技术在连接器工程制图&仿真等方面有着巨大的潜力，但目前应用还不够成熟。如果能够进一步发展和完善，整合连接器行业工业数据、知识资源、管理工具，AIGC应用将对连接器企业的产品设计、优化和测试等方面产生深远影响。
连接器专利检索与分析：AIGC应用在专利检索和分析方面的应用尚处于起步阶段，但其潜力巨大。随着技术的不断进步，它将有助于企业更好地了解行业趋势，规避潜在风险，提升创新能力。
生产流程优化：虽然AIGC技术在生产流程优化方面有着广阔的应用前景，但目前AIGC技术还不够成熟，需要更多的研发和实践来完善。
低业务影响 - 成熟技术
连接器产业研究：虽然AIGC技术在产业研究方面的技术已经相对成熟，但由于其更多地关注宏观趋势和数据分析，对连接器行业具体业务的直接影响较小。
文档处理工具、思维工具、会议助手： 这些AIGC应用虽然能够提高工作效率， 但对于连接器行业的核心业务影响有限。
低业务影响 - 不成熟技术
实验阶段的技术：这部分AIGC技术可能还在实验室阶段，尚未找到合适的应用场景或商业模式，因此对连接器行业的业务影响较小。这些技术可能需要更多的研发和投资才能成熟并产生实际价值。
综上所述，AIGC技术在连接器行业的应用呈现出多样化的特点。随着技术的不断进步和应用场景的不断拓展，相信未来会有更多的AIGC应用为连接器行业带来更大的价值。
04 连接器中小企业应用AIGC的一些建议
第一阶段
初步建议先从“低业务影响-成熟技术入手”，公司行政体系对各种AI文档处理工具、 思维工具、会议助手进行试用。同时：
建立AI工具评价体系，比如从成本效益(此类工具大部分免费)、易用性与可集成性、 稳定性、安全性和可靠性多个维度进行评价;
对公司业务流程进行梳理，列出公司内低度互动且高度标准化的工作与项目，作为AIGC应用的初步方向;
指定专人学习AI应用技术，掌握提示词和提示词工程技术，掌握人工智能体(AI Agent)搭建技术，了解服务器、LangChain、深度学习、神经网络等基本概念。
深连协秘书处正在对数十个AIGC大模型、专用模型和垂直领域AIGC应用进行试用、评价，欢迎会员单位联系协会秘书处交流经验。
第二阶段
建议开始在人力资源、法律顾问、财务分析、供应链管理等“高业务影响-成熟技术 ”象限类别中进行小规模试验，实时监控AIGC应用的效果，收集数据，评估试点项目的成效。 在取得经验和成果后，将AIGC应用推广到更广泛的区域或流程中;乃至进行技术集成：将AIGC的成熟技术与现有系统进行集成，实现流程的自动化和优化。
第三阶段
探索“高业务影响 - 不成熟技术 ”的AIGC应用。在中科院计算所郝沁汾研究员的指导下，深连协正在积极调研，征求会员企业意见，布局3至5年的长期工作规划。力争将AIGC应用于连接器的研发辅助设计，并扩展到决策层面，帮助企业实现更加精准和高效的决策。
上述内容，是结合深连协秘书处工作场景提出的一些粗浅的建议。不同的连接器企业，对“业务影响度”这个维度的评价指标不一，因此，本文只是文抛转引玉，希望大家积极参与AIGC讨论。
05 结语：坚持以“人为本”的基本方针
在AIGC应用实施的过程中，要坚持“以人为本”的基本方针。
制造业的核心是员工， 他们是企业运营的重要支柱。以人为本意味着在引入AIGC技术时，要充分考虑员工的实际需求，确保技术能够辅助他们更好地完成工作，而不是增加负担。通过满足员工的需求，可以提高员工的工作满意度和忠诚度，从而有助于企业的长期发展。
AIGC技术旨在提高生产 效率和质量，但这并不意味着要完全取代员工，在高度创造性、复杂协同、情感交流等多个场景中，AIGC替代不了人类。相反，人机协作是实现这一目标的关键。以人为本的实施策略意味着要确保AIGC技术能够与员工形成良好的互动和配合，共同完成任务。这样不仅可以发挥技术的优势，还能充分利用员工的智慧和经验。 |
