Przemysłowa sztuczna inteligencja jest szerszą dziedziną niż inteligencja ucieleśniona, a jej potencjalny rozmiar rynkowy jest jeszcze większy.

Scenariusze przemysłowe zawsze były jednym z najważniejszych obszarów komercjalizacji sztucznej inteligencji (AI). W ciągu ostatnich dwóch lat wiele firm zaczęło szeroko stosować technologię AI w urządzeniach, centrach danych oraz internetowych interfejsach człowiek-maszyna (HMI). Według prognoz IDC, wskaźnik penetracji i udział rynkowy AI gwałtownie rosną, zarówno w oprogramowaniu ogólnego przeznaczenia, jak i w programowaniu przemysłowym, oprogramowaniu do przemysłowego przetwarzania obrazu, czy w innym oprogramowaniu przemysłowym. W związku z tym, zapotrzebowanie na moc obliczeniową AI, zarówno po stronie urządzeń, jak i centrów danych, również będzie nadal rosło.

Oprócz ucieleśnionej inteligencji, konkretne scenariusze zastosowań przemysłowej sztucznej inteligencji obejmują również:

Widzenie maszynowe: Jako pionier we wdrażaniu sztucznej inteligencji, splotowe sieci neuronowe (CNN) od dawna są szeroko stosowane w klasyfikacji i detekcji na każdym etapie swojego rozwoju. W ostatnich latach, wraz z rozwojem dużych modeli, do widzenia maszynowego wprowadzono więcej technologii AI, takich jak wykorzystanie modeli big data do generowania próbek lub wykrywania anomalii, przezwyciężając w ten sposób ograniczenia tradycyjnych sieci CNN, które wymagają ponownego trenowania w obliczu nowych problemów.

Sterowanie przemysłowe: W dziedzinie sterowania dotychczas stosowano klasyczne algorytmy. Jednak w ciągu ostatnich dwóch lat uczenie przez wzmacnianie stopniowo stało się popularnym trendem wdrożeniowym, zarówno w sterowaniu ruchem robotów, jak i w innych tradycyjnych układach sterowania.

Digitalizacja przemysłu: Wcześniej koncentrowano się na funkcjach takich jak optymalizacja harmonogramowania produkcji oraz eksploatacja i konserwacja. Funkcje te, oparte na uczeniu maszynowym, stopniowo włączały coraz więcej algorytmów sztucznej inteligencji (AI). W ciągu ostatnich dwóch lat wzrost liczby dużych modeli doprowadził do znacznego postępu w dziedzinie technologii RAG (Retrieval Augmentation Generation). Wiodący światowi producenci, a także wielu krajowych producentów ODM, a nawet niezależnych dostawców oprogramowania (ISV), powszechnie wdrożyli technologię RAG w swoich produktach programowych, aby obniżyć koszty i zwiększyć wydajność.