人類認知與人工智能(AI) 的結合標志著第五次工業革命的開始。在這個時代，人類與機器人協同工作，共同推動社會進步。工業 5.0正在將計算從邊緣推向世界，人類發展也將空前繁榮，這一切都源自 AI 的力量。

OpenAI 推出的 ChatGPT就是 AI 時代的經典案例。時至今日，AI 模型在獲取海量數據、識別模式、診斷并確定根本原因等方面表現出色。如今，大多數 AI 研究人員聚焦于 AI 發展的下一階段——生成式 AI。這不僅是因為 ChatGPT 引發的技術熱潮，更因為生成式 AI 能為企業發展帶來巨大潛力。

美光智能制造暨人工智能部門副總裁 Koen De Backer 表示：“生成式 AI 在美光內部的一項重要應用是智能檢索。用戶使用互聯網搜索時，需要多次檢索并仔細梳理才能獲得有價值的結果，而 ChatGPT 的查詢功能會自動評估檢索結果并生成全面的摘要。我們正在美光內部應用這種高級智能功能，其效率之高令人贊嘆。”

然而生成式 AI 也讓很多人擔憂：我的工作會被機器人取代嗎？我是否要放棄人工駕駛？未來我是否毫無個人隱私可言？在工業 5.0時代，人們無需過分擔心這些問題。依靠新技術，機器會自動執行它們最擅長的任務，讓人類能專注于其他更重要的工作。

事實上，這項新技術不但沒有取代人們的工作，反而增強了我們的能力。在制造過程中應用 AI 技術，能將美光團隊成員從重復性的工作中解放出來，利用創造性思維積極實踐新的想法，助力開發高效可持續的產品。

歷史上的四次工業革命

回顧：

1

機械化

1780 年

第一次工業革命發生在 18 世紀中葉至 19 世紀中葉，歷時約 100年，其開始的標志是利用水和蒸汽作為動力來實現制造流程機械化。

2

電氣化

1870年

19 世紀末至 20世紀初，工廠引入電力，實現了工業流水線和大規模生產。

3

自動化

1970年

1970 年左右，以機器人技術為代表的數字技術進入制造流程，使很多人工操作實現了自動化，并通過互聯網實現了全球化。

4

互聯和數字化

2011 年

人類進入“互聯時代”，從汽車、計算機、機器人到面包機，萬物皆可“互聯互通”，幾乎無需人為干預便可相互通信甚至相互控制。工廠正在向“無人工廠”過渡。“信息物理系統”不僅能負責生產制造，還能承擔采購、維護和維修工作。物聯網、機器人和人工智能等由數據、分析和內存驅動的技術如同人腦，為自主性賦能。

數字技術加速了產業迭代，技術發展日新月異，第四次工業革命（互聯時代）與第三次工業革命（自動化時代）接踵而至。毋庸置疑的是，我們已經進入工業 5.0 時代，即“協作時代”。

工業 5.0：人機融合

第五次工業革命開始的標志是人機融合。智能手機和應用程序正讓位于那些能夠貼身使用的技術，例如在人們耳中悄聲指示方向，為我們推薦晚餐餐廳并預訂座位的虛擬助理。但更具顛覆性的變革將發生在工作場所。

工業 5.0 旨在將工業 4.0時代的“信息物理”制造工廠——即通過數字技術以最少的人力運營工廠，轉變為“人機物融合”系統。

在此新模式下，人類將與機器人協作，引導它們完成任務，并在它們出錯時予以糾正。機器負責執行最瑣碎、重復與危險的任務，而人類則通過我們復雜靈活的大腦做出高級決策。例如，人們可以利用“數字孿生”技術復刻所需的工廠環境，更好地進行產品設計和流程開發。在一些行業，工廠可與客戶直接溝通，為他們量身定制個性化產品。設想一下，您可以登錄汽車制造商的網站，選擇喜愛的車型及所需功能，為自己打造專屬愛車！

當然，智慧工廠無法完全自主運行，它需要人類進行編程、指示、引導和排除故障。工廠機器人在處理、分析和響應來自不同數據源，比如傳感器、在線訂單、計算設備和可穿戴設備的數據時，其性能取決于內部處理器的速度和內存容量。（人類智能的運作原理也同樣適用于人工智能。）

內存的重要作用

AI 依靠內存和處理速度來適時作出正確響應。自動駕駛汽車需要整合分析來自多個數據源的數據流并快速作出決策，這一過程不允許出現任何故障，而制造工廠則需自主決定何時擴大或縮小生產規模、訂購物資、出貨成品，以及維修和更換設備。

工業 5.0 如同第四次工業革命，需要依靠數據、相關設備和生成式 AI，而這些器件的正常工作都依賴內存。事實上，內存為 AI 賦予了“智能”，為其提供了運行算法所需的數據以及行動和反應所需的環境。

人類的所有行為都是感官輸入的結果，比如吃午飯、大笑、說“我愛你”以及購買汽車。為了做出這些反應，我們從各種感官，包括視覺、嗅覺、味覺、聽覺和觸覺，以及記憶、情感、信仰、思想和直覺中獲取信息并一次性進行處理。不同于中央處理器(CPU) ，人類大腦沒有分布數量不等的內核來接收、分析、整理和輸出數據。我們只能分解輸入的信息并將它們分配給相應的專區，如視覺信息處理、聲音信息處理與情感信息處理區域等。

同樣的，大多數 AI 系統使用 GPU （圖形處理器）而非 CPU 來處理數據，這種不同的計算芯片需要特定的內存來使性能最大化。CPU 中每個芯片或小芯片可能含有 8 個、16 個或 32 個處理內核，而 GPU 芯片內則有數千個處理內核。這種架構使 GPU 能夠同時處理數千個數據輸入，滿足數據密集型 AI 工作負載的需求。

美光高帶寬內存(HBM) 產品，特別是最近推出的第二代 HBM3 內存，作為速度更快、功耗更高的高帶寬內存，能為數據密集型 GPU 內核提供足夠的數據，滿足高性能認知計算芯片的需求。美光業界領先的 232 層 NAND 可滿足 AI 海量數據的存儲需求，其中卓越的美光 9400 NVMe SSD 在 AI 工作負載測試中將 GPU 直接存儲(GDS) 性能提高了 14%，響應時間縮短了 13%。憑借這些高性能大容量的內存和存儲解決方案， AI 應用能近乎實時地做出響應。

美光認識到生成式 AI、機器人、無人機、自動駕駛汽車和其他形式的 AI 應用在學習、智能和響應方面擁有出色表現。因此，我們正利用 AI 技術從根本上優化公司流程。從生產制造到業務流程，我們在公司范圍內打造 AI 智能生態系統，創新內存和存儲解決方案，以推動工業 5.0的發展。我們著力打造高度差異化的企業競爭力，具有廣闊的發展前景。

審核編輯：彭菁