订阅我们的每日和每周新闻通讯，获取有关行业领先的人工智能报道的最新更新和独家内容。了解更多
微软推出了针对制造业、农业和金融服务领域特定挑战而设计的一系列专业人工智能模型。这家科技巨头与西门子、拜耳、罗克韦尔自动化等合作伙伴合作，旨在将先进的人工智能技术直接引入长期依赖传统方法和工具的行业核心。
这些定制模型现已通过微软的 Azure AI 目录提供，代表着微软迄今为止最专注的努力，旨在开发针对不同行业独特需求的人工智能工具。该公司的举措反映了更广泛的战略，即超越通用人工智能，提供能够在农业和制造业等行业提供直接运营改进的解决方案，这些行业正面临着越来越大的创新压力。
“微软拥有独特的优势，可以通过微软云、我们的行业专业知识和全球合作伙伴生态系统相结合，为组织提供他们需要的行业特定解决方案，”微软商业和行业解决方案公司副总裁萨蒂什·托马斯在 LinkedIn 上发布新人工智能模型的帖子中表示。
他补充说：“通过这些模型，我们正在解决行业中最重要的用例，从管理金融通信的合规性到帮助一线员工进行工厂车间的资产故障排除——最终，使组织能够在每个行业和地区大规模采用人工智能……未来更新中将有更多内容！”
该计划的核心是与西门子合作，将人工智能集成到其 NX X 软件中，该软件是广泛使用的工业设计平台。西门子的 NX X 副驾驶使用自然语言处理，使工程师能够发出命令并询问有关复杂设计任务的问题。此功能可以大幅减少新用户的入职时间，同时帮助经验丰富的工程师更快地完成工作。
通过将人工智能嵌入设计流程，西门子和微软正在解决制造业中的一个关键需求：能够简化复杂任务并减少人为错误。这种合作关系也突出了企业技术中日益增长的趋势，即公司正在寻找能够改善日常运营的人工智能解决方案，而不是实验性或未来应用。
微软的新计划严重依赖其 Phi 系列小型语言模型 (SLM)，这些模型旨在执行特定任务，同时使用比大型模型更少的计算能力。这使得它们非常适合制造业等行业，这些行业中的计算资源可能有限，并且公司通常需要能够在工厂车间高效运行的人工智能。
也许该计划中最新颖的人工智能应用之一来自 Sight Machine，它是制造数据分析领域的领导者。Sight Machine 的工厂命名空间管理器解决了一个长期存在但经常被忽视的问题：不同工厂在标记机器、流程和数据时使用的不一致命名约定。这种缺乏标准化使得制造商难以跨多个站点分析数据。工厂命名空间管理器通过自动将这些不同的命名约定转换为标准化格式来提供帮助，使制造商能够更好地集成其数据并使其更具可操作性。
虽然这看起来可能是一个很小的技术修复，但其影响是深远的。在全球制造网络中标准化数据可以释放出难以实现的运营效率。
像 Swire 可口可乐美国公司这样的早期采用者计划使用这项技术来简化其生产数据，他们可能看到了在效率和决策方面取得收益的潜力。在一个即使是流程管理方面的微小改进也能转化为大量成本节约的行业中，解决这种基础问题是迈向更复杂的数据驱动运营的关键一步。
在农业领域，拜耳 E.L.Y. 作物保护模型有望成为农民应对现代农业复杂性的关键工具。该模型经过数千个与作物保护标签相关的现实世界问题的训练，为农民提供了有关如何最佳应用杀虫剂和其他作物处理方法的见解，并考虑了从监管要求到环境条件的所有因素。
该模型出现在农业行业的关键时刻，该行业正在应对气候变化、劳动力短缺以及提高可持续性的需求的影响。通过提供人工智能驱动的建议，拜耳的模型可以帮助农民做出更明智的决策，这些决策不仅可以提高作物产量，还可以支持更可持续的农业实践。
该计划还扩展到汽车和金融领域。Cerence 开发车载语音助手，将使用微软的人工智能模型来增强车载系统。其 CaLLM Edge 模型允许驾驶员控制各种汽车功能，例如气候控制和导航，即使在云连接有限或没有云连接的情况下也是如此——这使得该技术对于偏远地区的驾驶员来说更加可靠。
在金融领域，富达投资旗下的监管技术初创公司 Saifr 正在推出旨在帮助金融机构更有效地管理合规性的模型。这些人工智能工具可以分析经纪自营商的通信，以实时识别潜在的合规风险，从而显着加快审查流程并降低监管处罚的风险。
与此同时，罗克韦尔自动化正在发布 FT Optix 食品和饮料模型，该模型可以帮助工厂工人实时解决设备故障。通过在工厂车间直接提供建议，这种人工智能工具可以减少停机时间并帮助维护生产效率，在运营中断可能代价高昂的行业中尤其如此。
这些人工智能模型的发布标志着企业采用和实施人工智能方式的转变。微软的方法不是要求公司适应广泛的、一刀切的人工智能系统，而是允许企业使用针对其特定运营挑战而定制的人工智能模型。这解决了那些由于担心成本、复杂性或与特定需求的相关性而犹豫不决地采用人工智能的行业的重大痛点。
对实用性的关注也反映了微软的理解，即许多企业正在寻找能够提供直接、可衡量结果的人工智能工具。在制造业和农业等行业，利润率通常很低，运营中断可能代价高昂，能够部署提高效率或减少停机时间的人工智能比具有不确定回报的投机性人工智能项目更具吸引力。
通过提供针对行业特定需求的工具，微软押注企业将优先考虑其运营中的切实改进，而不是更具实验性的技术。这种策略可能会加速那些传统上对采用新技术速度较慢的行业的 AI 采用，例如制造业和农业。
微软进军行业特定人工智能模型的时机正值云计算和人工智能领域竞争加剧之际。亚马逊网络服务和谷歌云等竞争对手也在人工智能领域投入巨资，但微软专注于定制行业解决方案使其脱颖而出。通过与西门子、拜耳和罗克韦尔自动化等行业领导者合作，微软正在将自己定位为数字化转型中的关键参与者，这些行业正承受着越来越大的现代化压力。
这些模型通过 Azure AI Studio 和 Microsoft Copilot Studio 提供，这也体现了微软更广泛的愿景，即不仅让科技公司，而且让每个行业的企业都能使用人工智能。通过将人工智能集成到制造业、农业和金融等行业的日常运营中，微软正在帮助将人工智能从实验室带到现实世界。
随着全球制造商、农业生产者和金融机构面临着供应链中断、可持续发展目标和监管要求带来的越来越大的压力，微软的行业特定人工智能产品可能会成为帮助他们适应和在快速变化的世界中蓬勃发展的必不可少的工具。
