进军工业“主战场”，大模型胜算几何

　　今年以来，我国大模型行业发展迅猛，尤其工业场景成为大模型应用蓝海。在2024世界人工智能大会暨人工智能全球治理高级别会议上发布的《中国AI大模型工业应用指数（2024年）》显示，国内顶级大模型在工业领域文本生成的准确性已具备竞争力，但数理能力还有待提升。在工业“主战场”，大模型究竟表现如何？

　　全链条展开应用探索

　　当前，我国拥有41个工业大类、207个中类、666个小类，涵盖联合国产业分类中的全部工业门类。在500个工业品种中，我国有四成以上产品产量位居全球第一，具有全、多、大的独特优势。2023年，我国制造业总体规模连续14年位居全球第一。

　　庞大的产业规模，为工业大模型落地提供了肥沃土壤。

　　腾讯研究院发布的《工业大模型应用报告》（以下简称《报告》）显示，我国工业正处于从数字化向智能化迈进的阶段，而大模型凭借其卓越的理解、生成和泛化能力，成为推动工业智能化的关键力量，有望拓展人工智能和工业融合新空间。

　　《报告》指出，大模型的崛起有望为工业领域带来“基础模型+各类应用”新范式。一方面，大模型能深度洞察工业领域复杂问题，理解并处理海量数据，从中挖掘规律和趋势；另一方面，大模型将扩展工业领域人工智能应用新场景。

　　目前，大模型的应用探索已在工业全链条展开。在研发设计领域，大模型通过优化设计过程提高研发效率；在生产制造领域，拓展智能化应用边界；在经营管理领域，基于助手模式提升经营管理水平；在产品服务领域，基于交互能力推动产品和服务智能化。

　　为产业解难题做难事

　　与生产生活中的实际应用场景结合、为千行百业赋能增效，是大模型的必然发展方向。正如中国工程院院士刘韵洁所言，我国人工智能产业的发展出路在于行业大模型。

　　目前，国内已有多家科技企业发布工业大模型产品。作为首个定位于行业的大模型，盘古大模型具有指标性意义。华为常务董事、华为云首席执行官张平安在6月召开的华为开发者大会上详细介绍了盘古大模型的产业实践，展示了产业AI“解难题、做难事”的一个样本。

　　在工业设计领域，盘古大模型可广泛应用于电子产品、汽车造型设计等领域。例如，在汽车造型设计中，设计师可通过对话、画图等方式与大模型交互，完善创意灵感，生成3D汽车数字模型，并能对模型进行风格调整、零部件编辑及颜色更换等操作。这能使原本需要1—2年的设计周期大幅缩短。

　　在建筑设计领域，只需输入设计的黑白草图，盘古大模型即可生成彩色并带有纹理的建筑群360度实景视频，还能构建高真实感的建筑3D模型，将复杂建筑群的概念设计周期从数周缩短到数十分钟。

　　在钢铁领域，盘古大模型也可大显身手。过去，宝武钢铁集团热轧生产线每次调整生产钢板的种类和尺寸时，工程师都要重新调整7道精轧机组的300多个参数，这一过程通常耗时约5天。而现在，盘古大模型能对最优参数进行预测，显著降低调整时间，提高预测精度和钢板成材率。

　　此外，卡奥斯推出工业大模型COSMO-GPT，目前已成功落地工业指标优化、工业信息生成、工业问答等多个应用场景。在讯飞星火认知大模型技术底座支撑下，羚羊工业互联网公司结合工业场景实际需求打造羚羊工业大模型。该模型具备工业文本生成、工业知识问答、工业理解计算、工业代码生成和工业多模态五大核心能力，已服务多家企业……各具特色的工业大模型产品构建了多元化的大模型生态体系，也为工业智能化注入新活力。

　　落地面临三大挑战

　　还要看到的是，相较消费类场景，大模型落地工业场景仍面临一些障碍。《报告》分析，工业大模型应用面临数据质量和安全、可靠性、成本三大挑战。

　　首先，工业涉及领域广泛，且对数据安全要求较高，而目前工业数据结构多样，数据质量参差不齐。工业大模型数据质量和安全性有待进一步提升。其次，工业生产环境往往涉及复杂工艺流程、高精度操作控制以及严苛安全标准，任何模型预测或决策失误都可能导致生产事故、质量问题或经济损失。工业大模型还需满足高可靠性和实时性要求。另外，高额成本限制了工业大模型应用的投入产出比。

　　纵然面临种种挑战，但发展工业大模型是大势所趋。

　　工业大模型的降本增效作用显而易见。张平安举例，高炉冶炼被认为是人工智能落地最难的应用场景，高炉是一个5000立方米的“黑箱”，内部最高温度达2300摄氏度，冶炼过程“看不见、摸不着”，高度依赖人工经验。如果使用盘古大模型，可将“黑箱”变成“灰箱”，甚至“白箱”，指导高炉精准控制，每吨铁水可减少1千克焦炭消耗，使成本降低3元。

　　随着技术演进，工业大模型应用落地将跑得更快更稳。

　　《报告》认为，通过工业基础大模型和工业App的结合，能广泛、快速应对工业领域的挑战，推动各类工业场景智能化升级。同时，随着智能体、具身智能等新技术发展，大模型将在工业领域开辟更多应用场景，提高生产效率和安全性。此外，大模型压缩相关技术将有效减少模型的参数量和计算需求，降低训练和部署成本，使大模型更适用于资源受限的环境，加速在工业领域应用推广。（本报记者 崔 爽）