马基纳拉克斯代表尹成浩：AI准确度80%无法应用于现场，3年内实现自主工厂
马基纳拉克斯代表尹成浩针对前沿人工智能（AI）模型无法解决的工业现场“长尾”问题，提出将在三年内实现完全自主工厂的物理AI路线图。尹代表强调，企业是否拥有和控制数据、模型及执行过程的“企业AI主权”是物理AI时代竞争力的基础，而不仅仅是引入多少AI。 尹代表在3日的会议上表示：“80%的准确度无法应用于现场。我们应该问的是，AI是否真正为公司的竞争力做出了贡献。” 他以“AI技术迅猛发展，但为何现场生产力没有改善？”为开场，指出尽管AI自主完成的任务时间在几年间从几秒钟延长至数小时，但根据美国全国经济研究局（NBER）的调查，约90%的企业管理层表示，过去三年内AI对生产力没有产生可测量的影响。尹代表提到麦当劳的AI自助点餐撤回案例，认为“噪音和复杂的订单等快餐店的现实对AI来说过于复杂”。 他指出，长尾问题是现场面临的挑战。长尾问题指的是AI能够处理频繁发生的少数情况，但无法解决无数稀有的例外情况。尹代表解释说，前沿模型能够处理一般请求，如绘制传感器值的趋势线，但对于“特定设备的热敏电阻值超过40时该如何处理”或“立即停止运行并呼叫负责人”等现场要求则无法作出回应。 这是因为现场专家积累的数十年经验和知识从未在网上公开。尹代表指出，前沿模型在解决长尾问题的20%难题上停滞不前，准确度仅为80%，因此“80%的准确度无法应用于现场”。 尹代表提出了以所有权、独立性和控制力为支柱的企业AI主权解决方案。即企业独有的数据和现场专家的判断标准不外泄，成为内部资产的“所有权”；不依赖特定基础模型或GPU、云的“独立性”；以及记录AI如何判断和执行的依据及成本的“控制力”。 他解释道：“通过这三大支柱，企业内部的所有知识和经验都将被积累到可控的AI中。”为此，尹代表提出了将数据中心、工厂服务器和边缘设备整合为一个闭环网络的AI操作系统“Runway”，以便在闭环网络中开发、部署和运营AI模型及代理。 他还公开了现场成果： 设计文件变更审核每年节省超过1000小时 在6个汽车生产工厂中应用于超过1400台机器人 首次参与韩美联合训练（UFS），在军用战场网络中试点引入AI 马基纳拉克斯表示，其现场派遣工程师（FDE）团队投入了7万小时，支持了5个国家、32个城市的80多个客户现场，并且6000个AI模型在工业现场实际运行。 此外，在当天的主题演讲中，KAIST教授兼Daim Research代表张英宰提出，基于理解时空的体化智能的无人自主工厂“黑暗工厂”可以将设备投资和人工成本分别降低50%；HD现代的常务理事金英玉介绍了智能自主造船厂的构想；韩国安公司常务理事金成镇则介绍了与马基纳拉克斯合作的轮胎图案生成AI案例。※ 本报道经人工智能（AI）系统翻译与编辑。
2026-09-03 23:20:10
