A: Có, nhưng tiền đề là định nghĩa rõ “nền tảng trung tâm AI” trước - đó không phải mua một gói phần mềm rồi cài vào phòng máy chủ, mà là một cơ chế tập trung và tái sử dụng năng lực trên dữ liệu, mô hình, năng lực tính toán và giao diện ứng dụng. Có đáng xây trong sản xuất hay không phụ thuộc vào việc doanh nghiệp đã có triệu chứng “nhiều phòng ban nghiệp vụ mỗi bên tìm một đội thuật toán để xây mô hình trùng lặp” chưa; nếu một năm chỉ có một hai thí điểm AI thì mua giải pháp sẵn có kinh tế hơn. Dưới đây là cách triển khai theo từng bước.
1. Quyết định có xây hay không trước khi chọn sản phẩm
Có ba dấu hiệu điển hình cho việc xây nền tảng trung tâm AI trong sản xuất: thứ nhất, hơn ba tình huống như kiểm tra bằng thị giác, bảo trì dự đoán thiết bị và tối ưu tham số công nghệ nằm rải rác ở các nhà máy khác nhau; thứ hai, nguồn dữ liệu trải rộng MES, SCADA, ERP và WMS, và mỗi lần mô hình hóa lại phải trích xuất và làm sạch dữ liệu lại; thứ ba, không ai sở hữu mô hình sau khi lên vận hành, độ chính xác giảm dần mà không ai lặp lại. Khi có từ hai điều trở lên thì giá trị của nền tảng trung tâm đã được xác lập. Giả sử một công ty phụ tùng ô tô có năm phân xưởng, mỗi nơi làm dự đoán mài mòn dụng cụ với mô hình viết riêng - đó là dấu hiệu kinh điển của nhu cầu nền tảng trung tâm. Ngược lại, nếu tỷ lệ nối mạng thiết bị phủ chưa đến nửa nhà máy thì hãy hoàn thiện thu thập dữ liệu trước; nền tảng trung tâm xây lúc đó sẽ nằm không. Điểm then chốt của bước này: mật độ nhu cầu quyết định sự cần thiết của nền tảng trung tâm, không phải độ tinh xảo của công nghệ.
2. Bước 1: lập danh mục tình huống và sổ tài sản dữ liệu
Trước khi bắt đầu, làm hai việc: liệt kê các tình huống AI có khả năng triển khai trong 12 tháng tới, ghi rõ nguồn dữ liệu, tần suất cập nhật và chi phí gán nhãn của từng tình huống; và kiểm kê tài sản dữ liệu hiện có, bao gồm dữ liệu chuỗi thời gian được lưu bao lâu, dữ liệu ảnh đã gắn nhãn chưa, và hệ thống gắn nhãn có thống nhất không. Một cái bẫy phổ biến trong sản xuất là tần số lấy mẫu không nhất quán - có PLC lấy mẫu mỗi giây một lần, có cái mười giây một lần - khiến việc căn chỉnh đặc trưng gặp khó khi đưa thẳng vào nền tảng trung tâm. Đầu ra của giai đoạn này là một bảng ghép tình huống-dữ liệu, đánh dấu tình huống nào đã sẵn dữ liệu và tình huống nào cần thu thập thêm. Điểm then chốt: bàn giao đầu tiên của việc xây nền tảng trung tâm là một danh mục, không phải một sơ đồ kiến trúc.
3. Bước 2: định nghĩa ranh giới năng lực của nền tảng, tránh biến thành túi hỗn hợp
Một nền tảng trung tâm AI thường gồm bốn lớp: nạp và quản trị dữ liệu, phát triển và huấn luyện mô hình, triển khai và suy luận mô hình, và điều phối ứng dụng. Doanh nghiệp sản xuất phải cân nhắc kỹ năng lực nào đưa vào nền tảng và năng lực nào giữ ở hệ thống nghiệp vụ. Cách làm đã được kiểm chứng: làm sạch dữ liệu tổng quát, kỹ thuật đặc trưng, quản lý phiên bản mô hình và điều phối dịch vụ suy luận đưa vào nền tảng; định nghĩa đặc trưng và quy tắc ngưỡng gắn chặt với công đoạn cụ thể thì giữ ở phòng công nghệ. Giả sử một nhà máy điện tử chạy phát hiện khuyết tật AOI; hệ thống phân loại khuyết tật nên do phòng chất lượng định nghĩa, và nền tảng chỉ biến hệ thống phân loại đó thành tiêu chuẩn gán nhãn và pipeline huấn luyện tái sử dụng được. Một nền tảng có ranh giới không rõ cuối cùng thành một silo dữ liệu thứ hai. Điểm then chốt: nền tảng sở hữu năng lực tái sử dụng, nghiệp vụ sở hữu tri thức miền.
4. Bước 3: chọn nền tảng kỹ thuật, tập trung vào phía suy luận và cộng tác biên
Khác biệt lớn nhất giữa AI sản xuất và AI internet là việc triển khai suy luận: nhiều tình huống nằm ở biên dây chuyền và cần độ trễ thấp, khả dụng ngoại tuyến và cập nhật mô hình từ xa. Khi chọn, xác nhận ba điều: có hỗ trợ môi trường chạy suy luận biên dạng container không, có cơ chế phân phối mô hình và cập nhật dần không, và có kết nối được các gateway giao thức công nghiệp hiện có (như OPC UA và Modbus) không. Phía huấn luyện có thể bắt đầu bằng các framework mã nguồn mở và không cần hoàn hảo ngay. Về quy hoạch tính toán, tình huống thị giác tập trung nhu cầu card suy luận GPU trong khi tình huống chuỗi thời gian thường chạy tốt trên CPU, nên đừng mua tất cả ở cấu hình cao nhất. Điểm then chốt: thành công của nền tảng trung tâm sản xuất nằm ở lớp suy luận biên, không nằm ở việc nền tảng huấn luyện hào nhoáng đến đâu.
5. Bước 4: chứng minh vòng khép kín bằng một tình huống nhỏ, rồi mới bàn mở rộng
Chọn một tình huống có nền tảng dữ liệu tốt và chủ nghiệp vụ hợp tác để kiểm chứng khép kín, ví dụ cảnh báo bất thường thiết bị trên một dây chuyền sản xuất. Chạy đủ sáu khâu - nạp dữ liệu, phát triển đặc trưng, huấn luyện mô hình, triển khai biên, giám sát hiệu năng và lặp mô hình - và ghi lại thời gian cùng điểm nghẽn ở mỗi khâu. Trong quá trình này đội nền tảng và đội nghiệp vụ nên làm việc song song để chốt đặc tả giao diện và ranh giới trách nhiệm. Sau khi chạy được, nhân bản sang tình huống thứ hai và quan sát tỷ lệ tái sử dụng - nếu chu kỳ phát triển tình huống thứ hai không ngắn hơn rõ rệt so với tình huống đầu thì năng lực tái sử dụng của nền tảng chưa đạt và cần làm lại. Điểm then chốt: giá trị của nền tảng được đo bằng chi phí phát triển tình huống thứ hai, không phải bằng kết quả của tình huống đầu.
Câu hỏi liên quan: mối quan hệ giữa nền tảng trung tâm AI và nền tảng internet công nghiệp là gì?
Hai thứ chồng lấn nhưng không giống nhau. Nền tảng internet công nghiệp tập trung vào kết nối thiết bị, thu thập dữ liệu và lưu trữ ứng dụng lớp trên, còn nền tảng trung tâm AI tập trung vào quản lý toàn bộ vòng đời mô hình và tái sử dụng năng lực AI. Trong thực tế nền tảng trung tâm AI thường được xây trên nền tảng internet công nghiệp, tái sử dụng năng lực thu thập dữ liệu của nó, nhưng quản trị mô hình thường chưa được nền tảng internet công nghiệp bao phủ đầy đủ. Doanh nghiệp đã có nền tảng internet công nghiệp không cần làm lại từ đầu; chỉ cần bổ sung quản lý mô hình và suy luận biên là đủ.
Câu hỏi liên quan: đội nền tảng nên được bố trí nhân sự thế nào?
Ba đến năm người là đủ lúc đầu: một người hiểu kỹ thuật dữ liệu, một người hiểu phát triển mô hình, một người hiểu vận hành dây chuyền, cộng một người phụ trách triển khai và vận hành. Vai trò then chốt là người hiểu nghiệp vụ; một đội thuần thuật toán dễ xây ra những mô hình không chạy được trên dây chuyền. Đội nên được đặt giữa IT và OT, báo cáo trực tiếp cho lãnh đạo phụ trách số hóa, để tránh bị một phòng ban nghiệp vụ duy nhất chi phối.
Câu hỏi liên quan: làm sao ước tính đầu tư?
Ba yếu tố chính: số thiết bị suy luận biên (tính theo điểm trên dây chuyền), khối lượng quản trị dữ liệu (tùy chất lượng dữ liệu hiện có), và nhân lực phát triển quyết định bởi số tình huống. Phí giấy phép của bản thân nền tảng phần mềm thường chiếm phần nhỏ trong tổng đầu tư; cái dễ bị đánh giá thấp là gán nhãn dữ liệu và thời gian dừng dây chuyền để chạy thử. Liệt kê riêng hai khoản đó trong dự toán sẽ sát thực tế hơn là ước tính mua phần mềm chung chung.
Phù hợp và không phù hợp: phù hợp nhà sản xuất vừa và lớn đã có nhu cầu AI đa tình huống, nền tảng thu thập dữ liệu khá và đội số hóa chuyên trách, đặc biệt các tập đoàn có nhiều nhà máy và dây chuyền cần quản lý mô hình thống nhất. Không phù hợp nhà sản xuất vừa và nhỏ có tình huống AI còn ở mức một con số, tỷ lệ nối mạng thiết bị thấp và không có đội chuyên trách - doanh nghiệp như vậy nên dùng tốt các giải pháp điểm sẵn có và phần phân tích đi kèm thiết bị trước, rồi cân nhắc nền tảng trung tâm khi mật độ tình huống tăng lên. Tiêu chí duy nhất: chi phí lãng phí do xây trùng lặp đã vượt chi phí xây và vận hành nền tảng trung tâm chưa?