作為計(jì)算機(jī)科學(xué)家和互聯(lián)網(wǎng)企業(yè)家，拉里?佩奇于1998年與謝爾蓋?布林共同創(chuàng)立了谷歌公司，其發(fā)明的谷歌搜索排名算法PageRank更是改變了互聯(lián)網(wǎng)搜索的格局。在他的領(lǐng)導(dǎo)下，谷歌大力投入AI研發(fā)，其中谷歌大腦項(xiàng)目便是典型代表，該項(xiàng)目專(zhuān)注于推進(jìn)機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)技術(shù)，將AI應(yīng)用拓展至醫(yī)療、機(jī)器人、自動(dòng)駕駛等多個(gè)領(lǐng)域。5WTesmc

2015年，在埃隆?馬斯克于加州納帕谷舉辦的生日派對(duì)上，佩奇與馬斯克就“AI最終會(huì)不會(huì)取代人類(lèi)”展開(kāi)激烈討論的場(chǎng)景其實(shí)仍歷歷在目。佩奇認(rèn)為人類(lèi)最終會(huì)與AI融合，未來(lái)將有多種智能爭(zhēng)奪資源，強(qiáng)大的種族將成為贏家；而馬斯克則擔(dān)憂(yōu)人類(lèi)會(huì)因此走向滅亡。這場(chǎng)爭(zhēng)論雖以不愉快收?qǐng)?，但也從?cè)面反映出佩奇對(duì)AI發(fā)展趨勢(shì)有著獨(dú)特且超前的思考。5WTesmc

此外，作為Alphabet CEO，佩奇積極推動(dòng)戰(zhàn)略投資與收購(gòu)，包括對(duì)著名AI研究公司 DeepMind Technologies的收購(gòu)。2019年，拉里?佩奇與謝爾蓋?布林正式從母公司Alphabet的職位上退下，此后便一直保持著相對(duì)低調(diào)的狀態(tài)。5WTesmc

據(jù)悉，Dynatomics致力于開(kāi)發(fā)一種能夠?yàn)槲矬w創(chuàng)建“高度優(yōu)化”設(shè)計(jì)渲染的AI產(chǎn)品。這些經(jīng)過(guò)AI優(yōu)化設(shè)計(jì)的物體，最終可在工廠(chǎng)中進(jìn)行制造。該項(xiàng)目目前由克里斯?安德森（Chris Anderson）負(fù)責(zé)領(lǐng)導(dǎo)，他曾擔(dān)任佩奇支持的電動(dòng)飛機(jī)初創(chuàng)公司 Kittyhawk 的首席技術(shù)官。雖然該公司后來(lái)因原型機(jī)失敗和監(jiān)管問(wèn)題，已于2022年關(guān)閉，但其在技術(shù)研發(fā)和創(chuàng)新方面積累的經(jīng)驗(yàn)，或許能為Dynatomics的發(fā)展帶來(lái)助力。5WTesmc

將AI應(yīng)用于制造業(yè)有著巨大的潛力。通過(guò)AI分析來(lái)自傳感器、設(shè)備和生產(chǎn)線(xiàn)的大量數(shù)據(jù)，能夠優(yōu)化生產(chǎn)效率、提升產(chǎn)品質(zhì)量并減少停機(jī)時(shí)間。算法可識(shí)別數(shù)據(jù)中的模式，提前預(yù)判潛在問(wèn)題，給出改進(jìn)建議，甚至實(shí)時(shí)自主調(diào)整生產(chǎn)流程。5WTesmc

當(dāng)下，已有不少企業(yè)和初創(chuàng)公司在探索AI在制造業(yè)的應(yīng)用。例如，Orbital Materials 正在構(gòu)建一個(gè)AI平臺(tái)，用于發(fā)現(xiàn)可用于制造電池和二氧化碳捕獲電池的新材料；Physicsx則為汽車(chē)和航空航天行業(yè)的工程師提供AI生成的模擬工具；Instrumental利用視覺(jué)驅(qū)動(dòng)的AI檢測(cè)工廠(chǎng)異常情況。5WTesmc

但從技術(shù)角度來(lái)看，當(dāng)前AI算法的可解釋性較差，對(duì)于復(fù)雜制造工藝的決策過(guò)程是難以清晰解讀的，這就使得工程師在依賴(lài)AI進(jìn)行工藝調(diào)整時(shí)存在顧慮。在數(shù)據(jù)處理方面，制造業(yè)產(chǎn)生的數(shù)據(jù)量龐大且復(fù)雜，如何高效地采集、存儲(chǔ)、管理和分析這些數(shù)據(jù)，以滿(mǎn)足AI模型訓(xùn)練的需求，也是一大難題。5WTesmc

此外，AI模型的泛化能力有待提高。也就是說(shuō)，在一種制造場(chǎng)景下訓(xùn)練好的模型，很難直接應(yīng)用到其他稍有差異的場(chǎng)景中，導(dǎo)致企業(yè)需要投入大量資源進(jìn)行模型的定制化開(kāi)發(fā)。加之企業(yè)在生產(chǎn)過(guò)程中會(huì)收集大量涉及生產(chǎn)工藝、產(chǎn)品設(shè)計(jì)、客戶(hù)信息等敏感數(shù)據(jù)。一旦這些數(shù)據(jù)遭到泄露、篡改或?yàn)E用，將給企業(yè)帶來(lái)巨大的損失，甚至影響整個(gè)行業(yè)的安全，這也使得相當(dāng)多的制造企業(yè)對(duì)AI技術(shù)持觀(guān)望態(tài)度。5WTesmc