富士通有限公司 (Fujitsu Limited) 與領先的 AI 解決方案供應商 Headwaters Co., Ltd. 展開突破性合作，成功完成採用生成式 AI 為日本航空 (Japan Airlines Co., Ltd., JAL) 客艙組員創建交接報告的實地試驗。這些試驗從 2025 年 1 月 27 日至 3 月 26 日進行，明確展現了大幅節省時間和提高效率的潛力。
交接報告的挑戰
JAL 客艙組員傳統上需要投入大量的時間和精力來編寫全面的交接報告。這些報告是連續客艙組員和地勤人員之間資訊傳遞的重要管道，以確保順暢的營運流程。富士通和 Headwaters 意識到簡化此流程的機會，因此共同致力於利用生成式 AI 的強大功能。
全新的解決方案：離線生成式 AI
為了克服依賴持續雲端連線的限制，富士通和 Headwaters 選擇了 Microsoft 的 Phi-4，這是一個經過精心優化的緊湊型語言模型 (SLM)，適用於離線環境。這種策略性的選擇使得他們能夠開發基於聊天的系統，可在平板裝置上使用，從而在飛行期間和飛行後都能夠有效地產生報告。
試驗產生了令人信服的證據，表明這種創新的解決方案使客艙組員能夠產生高品質的報告，同時大幅減少了編寫報告所花費的時間。這轉化為 JAL 客艙組員的效率提升，最終有助於改善為乘客提供的服務。
角色與職責
這項合作倡議的成功取決於每個合作夥伴獨特的專業知識和貢獻：
富士通 (Fujitsu): 該公司在調整 Microsoft Phi-4 以滿足客艙組員任務的特定需求方面，發揮了關鍵作用。富士通利用其 Fujitsu Kozuchi AI 服務，使用 JAL 的歷史報告數據，仔細地微調了語言模型，從而確保了最佳的效能和相關性。
Headwaters: Headwaters 率先開發由 Phi-4 驅動的業務特定生成式 AI 應用程式。透過採用量化技術，Headwaters 使得即使在離線環境中，也能在平板裝置上無縫地建立報告。此外，他們的 AI 顧問在整個專案中提供了寶貴的支援，包括 AI 導入的工作流程分析、試驗導入和評估，以及敏捷開發進度管理。該公司的 AI 工程師還為 Fujitsu Kozuchi 構建了微調環境，並為針對客戶獨特使用環境的優化提供了技術協助。
產業洞察
富士通有限公司全球解決方案業務集團跨產業解決方案業務部門負責人 Shinichi Miyata 強調了這一成就的重要性，他表示：’我們很高興宣布這個在日本航空客艙營運中使用生成式 AI 的案例。這個聯合概念驗證有助於在離線環境中推進生成式 AI，並有可能改變網路存取受限的各個產業和角色中的營運。這次有意義的合作之所以成功，是因為 Headwaters 卓越的提案能力與富士通的技術專長相結合。展望未來，我們將繼續致力於加強我們的合作夥伴關係，以支持客戶的業務擴張並應對社會挑戰。’
未來發展
在實地試驗的良好結果基礎上，富士通和 Headwaters 致力於進行進一步的測試，為 JAL 的生產部署鋪平道路。他們的最終目標是將此解決方案無縫地整合到 JAL 現有的生成式 AI 平台中。
此外，富士通設想將專為 Fujitsu Kozuchi 內各種工作類型量身定制的 SLM 納入其中，進一步提高 AI 服務的多功能性和適用性。
富士通和 Headwaters 將共同透過 AI 的策略應用，繼續支持 JAL 的營運轉型，從而應對關鍵挑戰、提升客戶服務並解決產業範圍內的問題。
深入探討：揭示 AI 導入的細微之處
富士通和 Headwaters 透過 AI 提升 JAL 營運效率的合作，提供了一個引人入勝的案例研究，說明如何利用尖端技術來應對現實世界的挑戰。讓我們剖析支持該專案成功的關鍵要素，並探討其對航空產業及其他產業的廣泛影響。
策略性選擇小型語言模型 (SLM)
採用 Microsoft 的 Phi-4（一種小型語言模型 (SLM)）而不是大型語言模型 (LLM) 是一個策略性的高招。LLM 雖然擁有令人印象深刻的功能，但通常需要大量的計算資源和與雲端伺服器的持續連線。這在網路存取不可靠或不存在的環境中（例如在飛行期間）構成了重大挑戰。
另一方面，SLM 的設計旨在於處理能力和儲存容量有限的裝置上高效運行。Phi-4 尤其經過精心優化，適用於離線環境，使其成為 JAL 專案的理想選擇。這種方法不僅確保客艙組員可以存取由 AI 驅動的報告產生系統，而無需考慮網路可用性，而且還減少了對昂貴雲端基礎架構的依賴。
針對特定領域的微調
雖然 SLM 具有離線運行的優勢，但它們通常缺乏較大型語言模型所擁有的廣泛知識和上下文理解。為了應對此限制，富士通利用其 Kozuchi AI 服務，使用 JAL 的歷史報告數據來微調 Phi-4。
微調涉及在特定數據集上訓練預先訓練的語言模型，以提高其在特定任務或特定領域中的效能。在本例中，透過將 Phi-4 暴露於大量的 JAL 過去報告中，富士通使模型能夠學習客艙組員報告的細微之處，包括特定的術語、格式慣例以及飛行期間遇到的常見問題。
這種針對特定領域的微調顯著提高了 AI 產生報告的準確性和相關性，從而確保它們滿足 JAL 營運程序的嚴格要求。
量化技術以提高效率
Headwaters 對專案的貢獻超出了基於聊天的應用程式的開發。該公司還採用量化技術來進一步優化 Phi-4 在平板裝置上的效能。
量化是一種透過使用較少的位元來表示神經網路的參數，從而減少其記憶體佔用量和計算需求的技術。例如，模型的參數可能使用 8 位元整數來表示，而不是使用 32 位元浮點數。
這種精度的降低會以略微降低準確性為代價，但就提高速度和減少記憶體消耗而言，這種權衡通常是值得的。透過量化 Phi-4，Headwaters 確保 AI 模型可以在平板裝置的有限資源上平穩高效地運行，從而為客艙組員提供無縫的使用者體驗。
敏捷開發與協作專業知識
JAL 專案的成功也歸功於 Headwaters 採用的敏捷開發方法以及富士通與 Headwaters 合作夥伴關係的協作精神。
敏捷開發強調迭代開發、頻繁的回饋以及利害關係人之間的密切合作。這種方法使專案團隊能夠快速適應不斷變化的需求並應對不可預見的挑戰。
富士通和 Headwaters 的互補專業知識對於專案的成功也至關重要。富士通帶來了其對 AI 技術及其 Kozuchi AI 服務的深刻理解，而 Headwaters 則貢獻了其在 AI 應用程式開發、工作流程分析和敏捷專案管理方面的專業知識。這種技能和知識的協同作用使團隊能夠開發出真正創新且有效的解決方案。
對航空產業的廣泛影響
JAL 專案讓我們得以一窺 AI 在航空產業中的未來。透過自動化例行任務（例如報告產生），AI 可以讓客艙組員騰出時間來專注於更重要的職責，例如乘客安全和客戶服務。
此外，AI 可用於提高其他各個領域的營運效率，包括：
- 預測性維護： AI 可以分析來自飛機的感測器數據，以預測何時需要進行維護，從而減少停機時間並提高安全性。
- 路線優化： AI 可以分析天氣模式、交通狀況和其他因素來優化飛行路線，從而節省燃料並減少旅行時間。
- 客戶服務： 由 AI 驅動的聊天機器人可以為乘客提供即時支援，回答問題、解決問題並提供個人化的建議。
隨著 AI 技術的不斷發展，其轉型航空產業的潛力是巨大的。JAL 專案是一個寶貴的範例，說明如何使用 AI 來提高效率、增強安全性並提升乘客體驗。
超越航空業：離線 AI 的多功能性
富士通與 Headwaters 為 JAL 進行的專案突顯了離線 AI 解決方案在各個產業和部門中的廣泛適用性。在網路連線有限或沒有網路連線的環境中部署 AI 模型的能力，為尋求在偏遠或具有挑戰性的環境中利用 AI 強大功能的組織開闢了一個充滿可能性的世界。
偏遠地區的醫療保健
在農村或服務不足的社區，醫療保健提供者通常面臨與可靠的網路連線存取有限相關的挑戰。即使在沒有穩定網路連線的情況下，離線 AI 解決方案也可以為這些提供者提供診斷工具、治療建議和患者監測功能。
例如，可以在可攜式裝置上部署由 AI 驅動的影像辨識演算法，以協助醫療保健工作者從醫學影像（例如 X 光片或電腦斷層掃描）中識別疾病。同樣，由 AI 驅動的決策支援系統可以根據患者的症狀和病史，提供有關治療方案的指導，即使在專科專業知識存取有限的地區也是如此。
開發中國家的農業
開發中國家的農民通常無法獲得最新的農業資訊和技術。即使沒有網路存取，離線 AI 解決方案也可以透過為農民提供有關作物選擇、灌溉技術和病蟲害防治策略的個人化建議來彌合這一差距。
由 AI 驅動的影像分析工具可用於評估作物健康狀況、識別植物疾病和檢測病蟲害侵擾，使農民能夠及時採取行動來保護其產量。此外，由 AI 驅動的天氣預報模型可以為農民提供準確且本地化的天氣預報，幫助他們做出有關種植、收穫和灌溉的明智決策。
災害救援和緊急應變
在地震、洪水或颶風等自然災害發生後，通訊基礎設施通常會中斷，使得救援人員難以協調其工作並向有需要的人提供協助。離線 AI 解決方案可以在這些情況下發揮關鍵作用，透過為救援人員提供用於情勢感知、損害評估和資源分配的工具。
由 AI 驅動的影像辨識演算法可用於分析衛星影像或無人機畫面，以評估損害程度並識別最迫切需要協助的區域。同樣，由 AI 驅動的通訊平台可以使救援人員能夠彼此之間以及與受影響的社區進行通訊，即使在沒有蜂窩或網路連線的情況下也是如此。
製造和工業自動化
在製造工廠和工業設施中，可靠的網路連線並不總是能得到保證，尤其是在偏遠地區或在存在電磁干擾的環境中。即使沒有穩定的網路連線，離線 AI 解決方案也能使製造商自動化各種流程，例如品質控制、預測性維護和庫存管理。
由 AI 驅動的視覺系統可用於檢查產品的缺陷，從而確保只有高品質的產品才能運送給客戶。同樣，由 AI 驅動的預測性維護模型可以分析來自設備的感測器數據，以預測何時需要進行維護，從而減少停機時間並提高生產力。
富士通與 Headwaters 為 JAL 進行的專案有力地證明了離線 AI 解決方案的功能和多功能性。隨著 AI 技術的不斷進步，我們可以期望看到更多離線 AI 的創新應用，涵蓋廣泛的產業和部門，使組織能夠解決現實世界的問題並改善人們的生活，而無需考慮其網路連線的存取。