图片来源：艾默生
人工智能（AI）应用不断普及，过程制造商们已察觉到这一趋势。全球各地的企业都在规划如何利用强大的AI分析改善运营，解锁自适应先进过程控制（APC），以实现更高程度的自主运行，赢得竞争优势。
更广泛的应用AI，意味着将孤立存储在不同层级自动化与专业领域中的情境数据，安全释放出来并迁移至云端，让AI工具可以充分利用。随着AI创新成果的不断涌现，为数据湖、数据科学家、分析应用、企业资源规划（ERP）系统及其它领域高效输送数据，变得愈发关键。
随着AI工具对工厂关键数据的调用不再局限于云端或边缘设备，也不再受限于单一工厂或企业总部，愈发凸显构建"无界自动化"架构的重要性。其结果是，AI将重新定义对运营技术（OT）与信息技术（IT）架构的认知。
AI的新应用场景需要跨越本地部署与云端技术，实现OT与IT的深度融合。这将需要边缘环境（Edge Environment）解决方案作为推动无缝集成和数据移动性的工具，弥合IT/OT及云端/边缘之间的技术鸿沟，同时在数据流经全新管道时，实现对数据、计算资源及安全性的全程管控。
过程制造中的AI应用前景
尽管AI领域仍在进行大量实验，但过程制造从业者正在见证AI应用场景的显著增长。在许多方面，感觉AI似乎已经超越了实验阶段，进入了发展阶段，如今大部分工作集中在增强大型语言模型 (LLM) ——特别是使用专有数据增强私有 LLM。
这些新兴私有LLM催生了众多令人振奋的应用。许多企业都在开发新工具，以帮助新一代运行人员（大多为数字新生代）提升决策效率。基于大模型的聊天机器人和嵌入式顾问系统，能通过自然语言交互为不同经验水平的运行人员和技术人员提供实时指导。
AI技术正加速项目设计与实施进程。工程团队运用AI驱动的软件开展3D工厂设计，该软件可以即时响应自然语言指令，来进行布局设计与修改，并在数分钟内生成多种设计方案——相较动辄需要数天甚至数周时间的传统方法，效率显著提升。
基于云的现代化软件正在使用 AI 来更好地理解传统代码，并在工程师将传统控制系统转换为新系统时为他们提供支持（图 1）。这类AI现代化工具可自动完成高达70%的配置转换工作，将过程现代化项目的初始成本降低 15%，因此优势显著。
▲图1：基于云的现代化软件正在利用AI更好地理解传统代码，从而显著缩短控制系统升级项目的时间与成本。
新工作负载催生AI新需求
AI应用的复杂性，首先体现在基础设施需求的差异化上。一些AI工具需要部署在边缘端运行，而另一些则必须依托云端算力。对于闭环控制、先进过程控制等对延迟极度敏感的应用，为确保最佳性能，相关系统必须靠近设备部署。许多企业出于数据治理考虑，需要将AI工具置于本地环境以进行管控。例如，制药企业在整合文档类非结构化数据与实时生产数据时，可能因合规要求或知识产权保护而拒绝上云。此时采用轻量化本地语言模型既能实现同等效益，又能规避核心风险。
相比之下，一些计算密集型AI工具则难以通过本地部署实现。所有需要持续训练以生成概率性答案的AI系统，都存在这类需求。大多数情况下，这些工具需要部署在云端，借助云端的计算资源来快速扩展，方能应对波动性极大的AI算力需求。
边缘环境在AI部署中的优势
由于潜在需求的多样性，AI的不同应用场景（包括可靠性分析、过程控制、决策支持、运营自动化、操作人员辅助等），通常都需要在边缘端和云端灵活部署。为弥合这一差距，许多企业将采用定制化的边缘环境解决方案。
边缘环境能为基础设施团队提供安全连接OT资产与本地或云端IT环境的能力，由此实现无缝数据流动，构成安全数据管道的基础。该管道能够整合实时数据、历史数据和非结构化数据，从而为企业的AI应用提供支持。
在最简单的层面上，边缘环境为团队提供了一种将运营数据交付到边缘或云中的AI应用程序的方法。边缘环境使用简化的安全连接架构，通过提供从控制层向外的单向数据流来降低网络复杂性。数据不再被困在孤岛中，而是可以在企业内的任何位置被工具使用，而不会有访问控制层的风险（图2）。
▲图2：边缘环境解决方案能帮助团队应对OT基础设施的复杂性，实现从控制层到云端系统的数据传输。
现代边缘环境解决方案的价值不仅在于数据访问，它还能让运营团队利用优化的硬件来运行AI工具，而这些硬件可能并不属于其原有的OT基础设施。目前，大多数为OT设计的应用资源开销基本差不多。但随着AI工具的不断发展、自主学习和适应，这种情况将发生改变。AI应用越普及，其所需的计算资源消耗也随之增加。
目前，最先进的边缘环境已提供基于容器化的应用工具数据沙箱，以鼓励多样化的执行与实验——这正是未来几年将带来竞争优势的AI工具的理想孵化器。此外，随着边缘环境的进一步发展，它们将借助容器化技术提供专属的优化计算能力，以及与数据的安全连接，以实现AI工作负载的智能安排，确保任务被精准分配至最合适的计算平台。
边缘计算环境能帮助团队在关键时刻调配最优资源，从而提升业务成效。它们不仅可以确保将数据安全传输至云端及边缘AI系统，还具备动态监测与分配算力的能力，可按需为AI处理提供计算资源。
关键概念：
■ 理解新兴工作负载如何催生过程制造对AI的新需求。
■ 剖析边缘计算环境下AI的技术优势及未来潜力。
思考一下：
您是否开始为更深入的AI应用做准备？
