Ang Industrial AI ay isang mas malawak na larangan kaysa sa embodied intelligence, at ang potensyal na laki ng merkado nito ay mas malaki pa.

Ang mga senaryo sa industriya ay palaging isa sa pinakamahalagang larangan para sa komersiyalisasyon ng AI. Sa nakalipas na dalawang taon, maraming kumpanya ang nagsimulang malawakang maglapat ng teknolohiya ng AI sa mga device, sa mga data center, at sa mga online human-machine interface (HMI). Ayon sa mga pagtataya ng IDC, ang penetration rate at market share ng AI ay mabilis na tumataas, maging sa general-purpose software, industrial programming software, industrial vision software, o iba pang software sa industriya. Kaugnay nito, ang demand para sa AI computing power, maging sa device man, sa device, o sa data center, ay patuloy ding lalawak.

Bukod sa embodied intelligence, kabilang din sa mga partikular na sitwasyon ng aplikasyon para sa industrial AI ang mga sumusunod:

Pananaw ng makina: Bilang isang tagapanguna sa implementasyon ng artificial intelligence, ang mga convolutional neural network (CNN) ay matagal nang malawakang ginagamit sa klasipikasyon at pagtuklas sa buong pag-unlad nito. Sa mga nakaraang taon, kasabay ng pag-usbong ng malalaking modelo, mas maraming teknolohiya ng AI ang ipinakilala sa paningin ng makina, tulad ng paggamit ng mga modelo ng malalaking datos upang makabuo ng mga sample o makatuklas ng mga anomalya, sa gayon ay nalalampasan ang mga limitasyon ng mga tradisyonal na network ng CNN, na nangangailangan ng muling pagsasanay kapag nahaharap sa mga bagong problema.

Kontrol sa industriya: Sa larangan ng kontrol, dating ginamit ang mga klasikong algorithm. Gayunpaman, sa nakalipas na dalawang taon, ang reinforcement learning ay unti-unting naging isang popular na trend sa pag-deploy, kapwa sa robotic motion control at iba pang tradisyonal na controller.

Industriyal na digitalisasyon: Dati, ang pokus ay sa mga tungkulin tulad ng pag-optimize ng iskedyul ng produksyon at mga operasyon at pagpapanatili. Ang mga tungkuling ito, batay sa machine learning, ay unti-unting nagsama ng mas maraming AI algorithm. Sa nakalipas na dalawang taon, ang pagsikat ng malalaking modelo ay humantong sa makabuluhang pag-unlad sa RAG (Retrieval Augmentation Generation). Ang mga nangungunang tagagawa sa buong mundo, pati na rin ang maraming domestic ODM at maging ang mga ISV, ay malawakang gumamit ng RAG sa kanilang mga produkto ng software upang mabawasan ang mga gastos at mapataas ang kahusayan.