进军工业“主战场”,大模型胜算几何

发布时间:2024-12-05 22:21:04 来源: sp20241205

原标题: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。(记者 崔 爽)

(责编:郝帅、杨迪)