▶ 本报记者 李洋

　　大模型从“会聊天”的消费领域，迈向了“能干活”的工业领域。

　　在不久前举行的2024中关村论坛年会上，网络安全企业奇安信带来了其自主研发的工业级大模型应用QAX-GPT安全机器人，展示了大模型在安全服务领域提升防护能力的应用案例。与人工相比，安全机器人不仅提高了告警研判效率和响应时间，同时可以为网络安全从业者提供专业知识和决策支持。

　　“工业大模型典型应用正从研发、生产、管理、服务、设备等单一环节赋能阶段向垂直行业多场景覆盖拓展。”中国电子信息产业发展研究院安全产业研究所所长袁晓庆在2024赛迪论坛数字化赋能分论坛上表示，工业大模型将重塑研发、生产、管理、服务、设备等生产制造全要素、全产业链、全价值链，推动制造业迈向数字化、网络化、智能化新阶段。

　　已有试点示范

　　据悉，工业大模型主要分为三类：通用工业大模型，以理解并管理通用工业知识为目的；行业大模型，以服务工业垂直行业为目的；场景大模型，以解决工业细分场景问题为目的。

　　“相较于以往的小模型，大模型有望挖掘工业领域人工智能应用的新场景，提升人工智能应用的普及率。”腾讯研究院近日发布的《工业大模型应用报告》认为，在研发设计领域，大模型能够深度挖掘和分析海量数据，为产品设计提供更为精准和创新的思路。在经营管理领域，大模型能够实现对生产流程、供应链管理等各个环节的监控和智能优化，从而提升企业的运营效率和市场竞争力。

　　工信部今年2月公布的2023年工业互联网试点示范项目名单中不乏工业互联网+大模型试点示范的身影。比如，卡奥斯工业大模型COSMO-GPT内置4300多个机理模型与200多个专家算法库，功能覆盖智能问答、文本生成、图文识别、控制代码生成、辅助决策、运筹规划等，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。再比如，蓝卓的“基于supOS工业操作系统的工业大模型研究及应用”项目，目前已打造了4个应用场景解决方案，包括智能问答、工业APP生成、多模态的指标预测、缺陷图像检测等，已成功应用于生物制药、石油化工、汽车制造等行业。

　　“目前国内原生工业大模型发展还处于早期阶段，市场普遍采取的是通用大模型+领域数据和知识注入的方式。未来空间很大，比如在排工排产、工业质检、能源管理与节约、供应链优化等方面有很大应用潜力。”易观合伙人、易观企业数字化中心总经理张澄宇说。

　　数据、成本和安全是挑战

　　当前，越来越多的企业开始认识到工业大模型在提升生产效率、优化资源配置等方面的巨大潜力，并积极投入研发和应用。

　　“但从现实来看，工业大模型应用面临三大挑战：数据质量和安全、可靠性、成本。”福建华策品牌定位咨询创始人詹军豪说。

　　中国商业经济学会副会长、华德榜创始人宋向清表示，工业级深度学习模型“胃口”更大，“消化”能力更强，一般可以包含数百万个参数，可以处理海量数据。这也决定了大模型的算力消耗大，在模型预训练、日常运营和模型调优等方面需要不断调整，才能确保一直处于最佳应用状态，而这也为应用大模型的企业带来了投入增加、成本增加等现实问题。

　　此外，宋向清还谈到，在能源消耗层面，人工智能服务器的功率较普通服务器高6-8倍，训练大模型所需的能耗是常规云工作的3倍，大量的能源消耗和巨大的碳排放，可能增加碳达峰、碳中和压力。

　　在数据层面，数十亿甚至上万亿个海量数据的收集、处理、使用，面临着4大困境，即数据获取的便利性、数据来源的合法性、数据质量的可靠性、数据使用的安全性。在立法尚缺少针对性的情况下，大模型要么面临数据不足、数据不准等问题，要么面临数据侵权等投诉，这也是大模型在融入行业发展中不得不面对的问题。

　　工业场景如何适配

　　“大模型的优势在于其强大的泛化能力，可以在不同的领域和任务中进行迁移学习，而无需重新训练。但大模型无法充分捕捉到某个行业或领域的特征和规律，也无法满足某些特定的应用场景和需求。”《工业大模型应用报告》指出。

　　“大模型在真正融入行业的过程中，面临的主要问题包括技术适配性、行业知识和企业know-how的掌握等。”科方得智库研究负责人张新原表示，大模型在真正融入行业的过程中，需要适配不同的工业场景，其核心就是要解决不懂行业、不熟企业、存在幻觉这三大问题。

　　“问题主要在特定工业行业和场景有效数据的缺失。”张澄宇认为，解决的方向首先在数据方面，只有将更多关键领域的数据进行沉淀，才有可能进行标签化和向量化处理，进而提供给模型进行训练。随着场景丰富度的提升和数据量的增大，才会进一步面临算力等瓶颈。

　　宋向清表示，人才培育和引进是加速我国大模型适配工业应用场景的重要一环。此外，大模型商业模式和大模型市场开发滞后，也是大模型难以高质量适配工业场景的主要问题之一。“只有建立成功的商业模式，在市场上获得收入，大模型才能实现良性循环，不断实现发展和进步。”

　　“大数据、大计算和大模型是国家新型基础设施建设中的‘三驾马车’，未来国家间科技战略的竞争，大数据、大计算和大模型必然是主战场。”宋向清建议，国家从战略层面统筹考虑大模型研发运营等相关问题，充分发挥“集中力量办大事”的制度优势，强化顶层设计，加大统一规划，加大政策支持和资源投入力度，推动中国大模型从“跟跑”迈向“领跑”。