超越破布：Articul8 的供应链模型如何在通用 AI 无法实现的情况下实现 92% 的准确率
快速阅读: 据《VentureBeat 公司》最新报道，Articul8推出专为制造业供应链设计的AI模型A8-供应链，配合ModelMesh动态编排框架，解决复杂工业流程的AI应用难题，准确率达92%。英特尔等企业已采用其技术提升制造效率。
订阅我们的每日和每周通讯，获取最新行业领先的AI资讯及独家内容。了解更多。
在企业运营中实施AI的过程中，许多企业发现参数调整和检索增强生成（RAG）虽有帮助，但对于复杂的供应链等应用场景而言，这往往还不够。这是初创公司Articul8试图解决的难题。今天，该公司推出了针对制造业供应链的系列特定领域AI模型A8-供应链，搭配Articul8的ModelMesh，这是一种由主动型AI驱动的动态编排框架，能够实时决定使用何种AI模型来完成特定任务。Articul8宣称其模型在工业流程中的准确率达到92%，在复杂的顺序推理任务中优于通用AI模型。
Articul8最初是英特尔内部的一个开发团队，于2024年被剥离为一家独立的企业。这项技术源自英特尔的工作，该团队在ChatGPT推出之前就为客户，包括波士顿咨询集团，构建并部署了多模态AI模型。该公司建立在这一核心理念的基础之上，这一理念与当前市场上的许多企业AI方法背道而驰。
“我们基于这一核心理念：没有任何单一模型能让你达到企业目标，你真的需要多种模型的组合，”Articul8首席执行官兼创始人阿伦·苏布拉马尼安在一次独家采访中告诉VentureBeat。“你需要特定领域的模型来应对受监管行业中复杂的实际问题，如航空航天、国防、制造、半导体或供应链。”
**供应链AI挑战：当顺序和上下文决定成败**
制造业和工业供应链带来了独特的AI挑战，通用模型很难有效应对。这些环境包含复杂的多步骤流程，其中顺序、分支逻辑以及步骤间的相互依赖性尤为关键。
“在供应链的世界里，核心原则是所有事情都是一系列步骤，”苏布拉马尼安解释说。“一切都是相互关联的步骤，有时这些步骤之间有联系，有时则有递归。”
例如，假设用户正在组装喷气发动机，通常会有多个手册。每个手册至少有几百页，如果不是几千页的话，需要按顺序遵循的步骤。这些文件不仅仅是静态信息——它们实际上是代表必须精确遵循的顺序过程的时间序列数据。苏布拉马尼安认为，即使是普通的AI模型加上检索技术的增强，也常常无法理解这些时间关系。这种复杂的推理——通过追溯程序来识别错误发生的位置——构成了一个基本难题，一般的模型根本未被设计来处理。
**ModelMesh：不仅仅是另一个编排器的动态智能层**
Articul8技术的核心是ModelMesh，它超越了典型的模型编排框架，创建了公司所描述的“代理中的代理”，用于工业应用。
“ModelMesh实际上是一个智能层，它连接事物，并且持续判断和评估它们，一次一步地进行，”苏布拉马尼安解释说。“这是我们完全从头构建的内容，因为现有的工具中没有一个接近我们需要做的，即在运行时作出成百上千乃至上万次决策。”
与如LangChain或LlamaIndex这类提供预设工作流的现有框架不同，ModelMesh结合了贝叶斯系统和专门的语言模型，以动态判断输出是否正确、下一步采取什么行动，以及如何在整个复杂的工业过程中保持一致性。这种架构使Articul8所描述的工业级主动型AI成为可能——这些系统不仅能推理工业过程，还能积极驱动它们。
**超越RAG：从头开始构建工业智能**
虽然许多企业AI实现依赖于检索增强生成（RAG）将通用模型连接到企业数据，但Articul8采用了一种不同的方式来构建特定领域的专业知识。
“我们实际上会分解底层数据，将其拆分为其组成部分，”苏布拉马尼安解释说。“我们将PDF拆分为文本、图像和表格。如果是音频或视频，我们会将其拆分为其基础组成部分，然后使用不同模型的组合来描述这些元素。”
该公司以Llama 3.2为基础，主要是因为它具有许可的灵活性，但随后通过一个复杂的多阶段过程对其进行转换。这种多层次的方法使得他们的模型比简单地检索相关数据块更能深入理解工业过程。供应链模型经过了专门为工业背景设计的多个阶段的优化。对于定义明确的任务，他们使用监督微调。对于需要专家知识的更复杂场景，他们实施反馈循环，让领域专家评估响应并提供修正。
**企业如何使用Articul8**
尽管这些新模型还处于早期阶段，但该公司已经声称拥有包括iBase-t、伊藤忠电通解决方案公司、埃森哲和英特尔在内的客户和合作伙伴。
像许多组织一样，英特尔通过评估通用模型开始了其生成式AI之旅，探索它们如何支持设计和制造操作。
“虽然这些模型在开放任务中令人印象深刻，但我们很快发现它们在应用于我们高度专业化的半导体环境时存在局限性，”英特尔网络、边缘和AI集团副总裁兼总经理斯里尼瓦斯·林甘姆告诉VentureBeat。“它们在解释半导体特定术语、从设备日志中理解上下文或推理复杂的多变量停机情景方面表现不佳。”
英特尔正在部署Articul8的平台，构建林甘姆所说的制造事件助手——一个基于自然语言的智能系统，帮助工程师和技术人员诊断和解决英特尔工厂中的设备停机事件。他解释说，该平台和特定领域的模型会摄取历史和实时制造数据，包括结构化日志、非结构化维基文章和内部知识库。它帮助英特尔团队开展根本原因分析（RCA），提出纠正措施建议，甚至自动生成部分工作订单。
**对企业AI战略的意义**
Articul8的方法挑战了这样一种假设，即带有RAG的通用模型足以满足所有企业在制造业和工业环境中实施AI的用例。性能差距表明，技术决策者应考虑在关键任务应用中采用特定领域的解决方案，特别是在精度至关重要的情况下。随着AI从实验转向工业环境中的生产，这种特定方法可能会为某些高价值用例提供更快的投资回报，同时通用模型继续服务于更广泛的、不那么专业的应用需求。
**VB每日商业案例洞察**
如果你想给老板留下深刻印象，VB每日可以帮你做到。我们为你提供公司如何使用生成式AI的内幕消息，从监管变化到实际部署，以便你可以分享见解以获得最大投资回报。立即订阅查看我们的隐私政策。
感谢订阅。查看更多VB新闻通讯这里。
这里出现错误。
(以上内容均由Ai生成)
