業內人士將消費端大模落地比作“平原戰”，將工業製造領域落地比作“山戰”和“高原戰”，後者比前者複雜得多。
文：周翔月。
編輯：趙彥秋。
近日，IDC中國副總裁兼首席分析師吳連峰在一次會議上分享了乙個有趣的統計資料：在調查了全球800多個樣本和中國100個樣本後，他們發現只有7%的中國企業在生成式AI應用方面沒有做過任何事情，低於全球12家佔總數的7%。
這意味著，許多中國公司已經在嘗試部署大型模型和生成式人工智慧。金融、教育、醫療、能源、汽車等行業都能看到企業探索模式的身影。 就連蒙牛也在今年8月發布了營養健康領域行業首款車型gpt。
在眾多參會者中，涵蓋能源、電力、化工、汽車、製造等子行業的工業領域，也被認為是將給大模式帶來巨大變化的重要板塊。
一方面關係國計民生，是經濟和產業發展的基礎板塊，2024年佔GDP的33%2%。目前，我國規模以上工業企業超過40萬家，涵蓋41個產業大類、207個工業中類、666個產業子大類，其中存在大量場景和業務痛點。
在過去的幾年裡，國內工業製造領域經歷了智慧型製造和AI1經過階段0的洗禮，很多企業對AI應用有了相當程度的認知，完成了多場景的智慧型化公升級。 大型模型的出現為這一領域帶來了新的機遇和挑戰。
拿錘子找釘子
大模型在年初走紅後，最先激動並採取行動的，是服務於工業領域多年的各類智慧型服務商。 此前，他們一直在研究和思考如何在工業中更好地利用AI，但許多功能和想象都受到技術限制的阻礙，很難真正產生好的效果。
這相當於釘子一直在那裡，只是錘子是否會起作用的問題。 中國工業網際網絡科技集團董事長志震對數智一線表示，大模型的出現帶來了很好的“錘子”，特別是隨著多模態大模型的逐步推進，有望徹底打通在工業領域的應用場景。
業內普遍共識是：AI模型將融入工業企業的研發設計、生產過程、質量管理、運營控制、營銷服務、組織協同和運營管理等環節，大大加速該領域的智慧型化公升級程序
市場機會也在快速擴大，根據資料**，基於中國工業IT支出和全球大模型的增長水平，預計2024年中國工業大模型市場規模將超過5億美元，五年復合增長率為116%。
可以看出，對於工業這個重要市場，華為、騰訊、阿里巴巴、Microsoft、谷歌等國內外大廠都在加速大模型落地。 多家科技公司也紛紛行動起來，中國工業網際網絡在今年6月推出了智慧型工業模型，智慧型製造公司思智莫爾科技也在11月初推出了工業多模態模型IndustryGPT V10。
此前，積累了大量工業資料的各大工業網際網絡平台，幾乎都在探索與大模型的結合。 海爾旗下的工業網際網絡平台卡奧斯（Kaos）推出了基於開源通用模型的工業模型Cosmo-GPT。 科大訊飛投資建立的羚羊產業網際網絡平台，也借助科大訊飛星火提供的技術基礎，推出了羚羊產業大模型。
事實上，很多業內人士都看好大模型與工業網際網絡的結合。 北京市資訊化和工業化融合服務聯盟理事長閆同柱告訴數智一線工業網際網絡平台下有終端軟體，中間有作業系統，但還缺乙個大腦，大模型可以充當這個大腦。 工業網際網絡平台沉澱了大量來自人-機-料法環境測試的資料，也可以滿足大模型的大資料需求。
科大訊飛董事長劉慶峰分享的資料也印證了這種相互促進，在產業模式上線後的短短乙個月零三天裡，羚羊工業網際網絡平台使用者總數增長了59%，平台服務企業數量增長了88%。
* 終端動作頻繁，需求方的態度和動作也發生了明顯變化。 “上半年，大家都在觀望，主要是因為我們去找客戶。 但到了下半年，志臻明顯發現，工業客戶的主動性正在加強，很多企業開始主動尋找他們，**可能的場景，諮詢已經實現的最新功能和案例。
工業客戶普遍關注的問題有兩個，一是：過去人們可以做的工作希望被大型模型所取代；一是過去其他技術無法實現的，我現在就想讓大模型實現。志臻觀察到，幾乎所有企業都希望通過大模型降本增效，但也有部分企業為了保持技術壁壘和先進性，率先關注和應用大模型。
智慧型雲資深人士也告訴數智一線，文心一言公測後，一大批央企非常重視大模型技術應用場景的探索，其中不乏工業企業。 “這些大客戶會拿著一些自己難以處理的場景來找我們，想用大模型來解決問題，”該人士說。
特別是能源、電力和其他傳統行業，以及汽車、新能源以行業本身為代表的高階製造業，具備智慧型化更高的剛性需求和資金相對充裕，在這波大模型熱潮中，反應是最迅速和最積極的
例如，在對安全生產要求非常高的礦山領域，據知情人士透露，數智化一線採礦業的大模型幾乎成為落地最快的行業之一。華為、騰訊等大型廠商都曾在這一領域實踐過。
但除了一些先鋒企業跑在前面，工業製造行業終究還是乙個比較傳統的領域業內企業普遍對新技術的應用比較謹慎，多數仍處於觀望狀態
閆同柱觀察到，尤其是傳統製造業本身的資料量不算太大，而且目前大模型的門檻比較高，大模型能帶來多少價值，投入產出比是多少，“他們還是看不清”，這將影響其在大模型上的投資進度。
“明年將是應用爆炸的一年”。
工業領域細分場景很多，不僅涉及研發設計、製造、售後運維等，而且碎片化、複雜化，不同細分行業之間的場景差異也很大。 隨著行業內大模型的不斷推廣和探索，行業內很多企業都開始梳理各種可能引入大模型能力的場景。
一位業內人士坦言，一些企業最初對大模型應用的預期其實有些高估了，但目前，大模型在製造業中的應用並沒有想象中的那麼好，也沒有想象的那麼糟糕。
智臻告訴數智一線，這半年來，他們接觸到了大量的客戶反饋需求，客戶提出的一些需求會非常詳細，但當他們一步一步地拆解到技術層面時，會發現其中的一些需求還是很難打通的。
例如，在前端研發和設計過程中，一些客戶向他們提出，他們希望使用大型模型來實現將舊圖紙轉換為3D圖紙的功能。 然而，中國工業網際網絡的實踐發現，目前將乙個**自動轉換為3D遊戲相對容易，但行業對精度的要求非常高用大模型將二維CAD轉換為三維CAD，解決設計過程中重複性工作的問題，還是很困難的，但一旦實現，“就會帶來很大的變化”。
業內人士觀察，由於工藝機理複雜，在研發設計過程中，從真正看到價值來看，還有很多痛點需要解決，但目前一些簡單的功能是可以實現的。例如，一些公司將自己多年來積累的解決方案庫與大模型相結合，當客戶提出需求時，他們可以快速匹配解決方案庫中的解決方案。
事實上，在工業領域，最先使用大模型的還是**生成、文件整理、內部知識問答等最通用、相對外圍的場景。由於容錯率相對較高，容易產生結果，這也是幾乎所有行業在大模型應用中收穫成果的首要位置。
騰訊雲智慧型製造首席專家冰錦友表示，在知識問答場景中，他們幫助一家汽車廠完成了汽車手冊的知識，讓大車型代替了部分銷售工作一家國內飛機製造廠也與他們接洽建議將企業內部管理流程和管理方法訓練成大模型，實現報銷申請的自動化、智慧型化
中國工業網際網絡在智慧型問答、**生成等場景上也取得了不錯的落地效果。 志臻透露，他們為企業打造的專家系統已經能夠達到90%以上的準確率，大模型可以替代20%-30%的程式設計。 目前，智慧型工業模型已在能源化工領域近10個專案落地，覆蓋智慧型裝置運維、工業網路安全分析、智慧型質檢等多個場景。
除了前端設計開發、後端售後運維和內部管理外，一些廠家也處於中間端在製造過程中，我們將探索利用大模型生成能力，幫助企業檢測工業場景中的缺陷。Smartmore聯合創始人劉澍舉例說，在工業場景中，往往很難收集到真正的缺陷資料，這將直接影響不良品的檢出率。 現在，通過大模型資料生成技術，他們可以將破膠的洩漏率從1%降低到001%。
工業網際網絡公司卡奧斯打造了基於大模型的人工智慧裝配系統解決離散製造效率低下的痛點。根據官方披露的資訊，該系統可減少洗衣機工廠生產線非加工時間不少於20%，工藝設計環節效率提高不少於30%，生產變更和除錯環節效率提高不低於50%。
另外大型和小型模型的組合這也是該行業目前看到更多成果的乙個方向。
東莞某汽車電子公司，由於一輛汽車使用的PCB線路板數量多達100多塊，設計工程師往往需要將過去加工生產中涉及的大量引數進行轉換，然後進行加工，容易出錯。 但在大模型到來後，公司和騰訊探索了將大模型與OCR小模型相結合的方法，可以直接識別圖紙，將其結構化成可復用的東西，並將引數傳遞給相應的加工機器。
更多場景正在探索中。 業內人士認為，隨著大模型的不斷發展和多模態技術的逐步成熟，在工業領域的應用場景將進一步開放。
“明年可能是各行各業大模型應用的爆發之年我特別看好未來多模態大模型的應用支援，一旦多模態做輕量級，場景就會太多。 志臻表示，他也看好大模型在端側和邊緣側的應用，“未來的體量可能遠遠超出現在的想象。
資料仍然是乙個挑戰
今年以來，行業內一直對大模型落地有乙個形象隱喻將大模型在消費端的落地比作“平原戰爭”。，並把落地放在工業製造領域它被比作“山地戰”和“高原戰”。。總之，大模型落地行業比落地消費者端要困難得多，也複雜得多。
冰錦友告訴數智前沿，他們與大量工業企業，尤其是製造企業進行了溝通，發現大模型與產業的結合依然存在成本、人才、資料和大模型技術本身這些方面的困難。
實現大模型的成本不僅包括算力和部署成本，還包括試錯成本、人工成本等。 目前，落地大模型的成本高達數百萬至數千萬。 但是，許多製造企業的毛利相對較低，在投資新技術方面相對謹慎。
從技術本身來看，冰錦友認為，大模型的錯覺問題決定了它仍然是乙個概率輸出，但在行業內，它要麼是經濟輸出，需要100%正確，要麼需要干預，即大模型能否與原有的傳統數字技術相結合， 就像人既有左腦又有右腦一樣。
資料是乙個更難解決的痛點。
一方面，雖然工業領域場景多、資料量大，但碎片化現象明顯資料採集和治理水平因企業而異，甚至企業數量較多，在歷史資料採集方面可能不夠
閆同柱舉例說，過去有大量的工業知識和工業資料，只存在於老工程師和專家的腦海和電腦裡如果不及時轉化為企業知識資產，就會在人才的更替中逐漸流失。“就像中國的石油勘探技術一樣，它得到了全世界的認可，但隨著老專家的離開或去世，一些知識被打破了，導致許多新員工進來，不得不從頭開始探索。 ”
另一方面，中國資料要素市場仍處於早期發展階段資料共建共享、資料產權界定等機制尚未建立此外，工業企業普遍非常重視資料安全資料是企業或園區的剛性需求，產業領域存在嚴重的跨行業、跨場景資料壁壘。事實上，數智化一線已經了解到，目前幾乎所有的工業企業在布局大模型時，都會要求私有化和部署。
成本、人才、大模型本身的困難，都需要隨著時間的流逝和技術的不斷進步而逐漸填補。 然而，資料的問題要給大型樣板服務商和一大批工業企業注入更多的主動性從現在開始，讓我們開始解決它。
今年10月，中國工業網際網絡推出的萬家企業賦能計畫中，其中一項就是聚焦資料問題。 “只要你提供資料，所有小企業都可以免費使用它，我們對其進行培訓。 我們想看看是否有公司願意在明年取出資料並將其新增到平台上。 “志臻說。
中國電信旗下智庫平台天一智庫的報告也顯示，合作正在成為解決資料問題的主要途徑，部分行業在資料共建共享方面已有較好基礎，正在開展實踐，如東北大學、阿里等單位已經構建了超過15個鋼鐵表面缺陷公開資料集， 紡織品和其他產品。
今年8月，財政部發文稱，資料資產入錶自明年1月1日起實施。 “這是乙個長期計畫。 志臻認為，基於這一趨勢，未來像他們這樣的廠商，在訓練工業大模型時，將有機會找到一些大資料分布群，獲得訓練所需的高質量工業資料。
業內人士觀察，大模型在工業領域的應用將是乙個循序漸進的發展過程，雖然仍有許多難點需要突破，但其價值將在未來週期內逐步釋放。
在此背景下，不少業內人士建議，工業企業應盡快擁抱大模型。 簡單來說，企業不一定要投入大量的精力和金錢來自己訓練乙個模型，但他們必須更加關注這方面的進展提前進行場景規劃、資料儲存等工作