Articul8宣布推出A8 SupplyChain（供应链），这是该行业首个专门设计的GenAI模型系列，旨在通过自主推理和实时决策能力优化供应链、制造和工业流程操作。

与依赖手动提示并与复杂工业系统斗争的通用大型语言模型（LLM）不同，A8 SupplyChain能够自主地将复杂的技术文档转换为结构化、可操作的序列，从而在需要深入上下文理解的工业环境中实时推理、决策和适应。

A8 SupplyChain无缝集成到Articul8的专有ModelMesh中：这是一个动态智能层，可以调节多个专业模型中的决策和行动节点，即使从零散和遗留的文档中也能提供上下文感知的建议。

Articul8的创始人兼首席执行官Arun Subramaniyan表示：“我们专门构建了A8SupplyChain，以解决通用GenAI无法解决的问题：通过复杂的技术文档和现实世界的工作流程提供准确、透明和完全可追溯的推理。”“这不仅仅是另一种模式，它是一个专为关键任务环境构建的完全自主的系统。”

为工作场所而建

A8 SupplyChain旨在支持复杂的企业生产环境和平台，包括客户和合作伙伴，如iBase-t、伊藤忠技术解决方案公司、英特尔和埃森哲。这些模型能够感知和推理分散的非结构化数据，包括PDF、工程图、维护日志、质量系统和结构化表，而无需移动或集中数据，这是企业级安全性、性能和合规性的核心差异化因素。

这些模型在高保真技术文档上进行训练，并辅以专有的训练方法，包括持续的预训练和多模态强化。A8 SupplyChain自主识别制造和供应链流程中的依赖关系、不一致性和潜在改进，无需大量手动定制即可提供人工智能驱动的建议。

超越现场的表现

在性能基准测试和可重复性测试中，涵盖了装配和制造中的数字工作指令生成、缺陷模式识别和根本原因分析，A8 SupplyChain的表现始终优于领先的开源和闭源通用GenAI模型，包括LLaMa 3.2和GPT 4o。

在复杂的装配和制造工作流程中分配正确的标签和订购元素时，这些模型的准确率达到了92%。与传统方法相比，复杂制造过程序列的推理性能提高了3倍，展示了GenAI支持现实世界生产逻辑的方式发生了重大变化。

A8 SupplyChain模型还展示了专家级的推理能力，在MATH-500（高级数值推理的基准）上得分89.1%，在AIME-2024（现实世界问题解决能力的测试）上得分80%。

这些模型针对生产环境进行了优化，在实时同步执行模式下每秒生成约140个令牌（Token），在L40级图形处理单元（GPU）上的批处理执行模式下，每秒生成高达300个Token，从而实现了在生产和制造环境中的无缝部署。

为GenAI在工业应用树立新标准

通用GenAI模型不是为制造和供应链运营的结构化、受监管和相互依存的性质而设计的。Articul8的领域特定方法提供了自主的洞察力生成，只需最小的调整，跨复杂文档和工作流的结构化推理，以及具有可追溯性和可审计性的合规性输出。

A8 SupplyChain提供了新的东西：一个完全协调的系统，它不仅能产生答案，还能理解、适应和推动结果。Subramaniyan称 “这是企业人工智能的下一个飞跃——智能系统能够大规模运行，并内置上下文、精度和信任。”