今年以來，我國大模型行業發展迅猛，尤其工業場景成為大模型應用藍海。在2024世界人工智能大會暨人工智能全球治理高級別會議上發布的《中國AI大模型工業應用指數（2024年）》顯示，國內頂級大模型在工業領域文本生成的準確性已具備競爭力，但數理能力還有待提升。在工業“主戰場”，大模型究竟表現如何？

圖為在2024世界人工智能大會暨人工智能全球治理高級別會議上展出的星辰工業控制大模型。

全鏈條展開應用探索

當前，我國擁有41個工業大類、207個中類、666個小類，涵蓋聯合國產業分類中的全部工業門類。在500個工業品種中，我國有四成以上產品產量位居全球第一，具有全、多、大的獨特優勢。2023年，我國制造業總體規模連續14年位居全球第一。

龐大的產業規模，為工業大模型落地提供了肥沃土壤。

騰訊研究院發布的《工業大模型應用報告》（以下簡稱《報告》）顯示，我國工業正處于從數字化向智能化邁進的階段，而大模型憑借其卓越的理解、生成和泛化能力，成為推動工業智能化的關鍵力量，有望拓展人工智能和工業融合新空間。

《報告》指出，大模型的崛起有望為工業領域帶來“基礎模型+各類應用”新范式。一方面，大模型能深度洞察工業領域復雜問題，理解并處理海量數據，從中挖掘規律和趨勢；另一方面，大模型將擴展工業領域人工智能應用新場景。

目前，大模型的應用探索已在工業全鏈條展開。在研發設計領域，大模型通過優化設計過程提高研發效率；在生產制造領域，拓展智能化應用邊界；在經營管理領域，基于助手模式提升經營管理水平；在產品服務領域，基于交互能力推動產品和服務智能化。

為產業解難題做難事

與生產生活中的實際應用場景結合、為千行百業賦能增效，是大模型的必然發展方向。正如中國工程院院士劉韻潔所言，我國人工智能產業的發展出路在于行業大模型。

目前，國內已有多家科技企業發布工業大模型產品。作為首個定位于行業的大模型，盤古大模型具有指標性意義。華為常務董事、華為云首席執行官張平安在6月召開的華為開發者大會上詳細介紹了盤古大模型的產業實踐，展示了產業AI“解難題、做難事”的一個樣本。

在工業設計領域，盤古大模型可廣泛應用于電子產品、汽車造型設計等領域。例如，在汽車造型設計中，設計師可通過對話、畫圖等方式與大模型交互，完善創意靈感，生成3D汽車數字模型，并能對模型進行風格調整、零部件編輯及顏色更換等操作。這能使原本需要1—2年的設計周期大幅縮短。

在建筑設計領域，只需輸入設計的黑白草圖，盤古大模型即可生成彩色并帶有紋理的建筑群360度實景視頻，還能構建高真實感的建筑3D模型，將復雜建筑群的概念設計周期從數周縮短到數十分鐘。

在鋼鐵領域，盤古大模型也可大顯身手。過去，寶武鋼鐵集團熱軋生產線每次調整生產鋼板的種類和尺寸時，工程師都要重新調整7道精軋機組的300多個參數，這一過程通常耗時約5天。而現在，盤古大模型能對最優參數進行預測，顯著降低調整時間，提高預測精度和鋼板成材率。

此外，卡奧斯推出工業大模型COSMO-GPT，目前已成功落地工業指標優化、工業信息生成、工業問答等多個應用場景。在訊飛星火認知大模型技術底座支撐下，羚羊工業互聯網公司結合工業場景實際需求打造羚羊工業大模型。該模型具備工業文本生成、工業知識問答、工業理解計算、工業代碼生成和工業多模態五大核心能力，已服務多家企業……各具特色的工業大模型產品構建了多元化的大模型生態體系，也為工業智能化注入新活力。

落地面臨三大挑戰

還要看到的是，相較消費類場景，大模型落地工業場景仍面臨一些障礙。《報告》分析，工業大模型應用面臨數據質量和安全、可靠性、成本三大挑戰。

首先，工業涉及領域廣泛，且對數據安全要求較高，而目前工業數據結構多樣，數據質量參差不齊。工業大模型數據質量和安全性有待進一步提升。其次，工業生產環境往往涉及復雜工藝流程、高精度操作控制以及嚴苛安全標準，任何模型預測或決策失誤都可能導致生產事故、質量問題或經濟損失。工業大模型還需滿足高可靠性和實時性要求。另外，高額成本限制了工業大模型應用的投入產出比。

縱然面臨種種挑戰，但發展工業大模型是大勢所趨。

工業大模型的降本增效作用顯而易見。張平安舉例，高爐冶煉被認為是人工智能落地最難的應用場景，高爐是一個5000立方米的“黑箱”，內部最高溫度達2300攝氏度，冶煉過程“看不見、摸不著”，高度依賴人工經驗。如果使用盤古大模型，可將“黑箱”變成“灰箱”，甚至“白箱”，指導高爐精準控制，每噸鐵水可減少1千克焦炭消耗，使成本降低3元。

隨著技術演進，工業大模型應用落地將跑得更快更穩。

《報告》認為，通過工業基礎大模型和工業App的結合，能廣泛、快速應對工業領域的挑戰，推動各類工業場景智能化升級。同時，隨著智能體、具身智能等新技術發展，大模型將在工業領域開辟更多應用場景，提高生產效率和安全性。此外，大模型壓縮相關技術將有效減少模型的參數量和計算需求，降低訓練和部署成本，使大模型更適用于資源受限的環境，加速在工業領域應用推廣。（記者 崔爽）