本文来自微信公众号“工联网iitime”，作者/刘艳玲。
当前，人工智能发展迅猛，大模型凭借其强大的文本推理和迁移学习能力，已然成为人工智能发展进程中全新的里程碑。数据表明，截至2024年第一季度，国内已发布243个人工智能大模型。
工业领域积极拥抱大模型
我国作为工业门类最为齐全的国家，工业正处于从数字化向智能化迈进的关键阶段。在数字化转型浪潮的有力推动下，工业领域积极拥抱大模型所带来的机遇，有力推动智能制造，优化生产流程，提升产品质量等，从而拓展了人工智能与工业融合的崭新空间。
工业大模型如今已经受到产业界的广泛关注，其展现出的巨大潜力和应用价值吸引着众多目光，不同厂商纷纷围绕自身优势投身于此领域。
工联网记者获悉，近日，羚羊工业互联网股份有限公司发布羚羊能源大模型。羚羊能源大模型以讯飞星火大模型的通用能力为技术底座，结合能源行业实际需求打造。它具备能源内容生成、知识问答、理解计算、任务规划、多模态五大核心能力；拥有云边端协同、自主可控、数据与模型安全三大特性；涵盖风、光、水、火、核、储六大能源领域。目前，羚羊能源大模型能够在设备运检、电力问数、电力营销客服、辅助电力交易、新能源功率预测、安全生产6个场景进行应用。
卡奥斯推出了工业大模型COSMO-GPT，其参数达百亿以上，内置丰富的机理模型和专家算法库，功能涵盖智能问答、文本生成、图文识别、控制代码生成、数据库查询、辅助决策、运筹规划等，能够覆盖多种应用场景。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。
中工互联(北京)科技集团有限公司发布了“智工3.0”嵌入式多模态大模型产品和轻量化的开源工业大模型预训练底座，面向边缘计算和智能终端，以1.6B参数实现了模型参数的轻量级化。该底座产品提供高度灵活的预训练框架，能够将能力扩展至工业设备、智能设备和工业产品，为工业应用场景提供更高效的计算性能。
大模型的崛起为工业智能化带来了新的机遇，其强大的理解、生成和泛化能力正在推动工业制造向更高效、更智能的方向发展。随着技术的不断进步，大模型将在工业领域发挥越来越重要的作用。
大模型与工业结合的难点所在
工业大模型的蓬勃发展，绝非仅仅依靠技术层面的单点突破，而是需要全方位、系统性地应对并化解一系列错综复杂的难题。
有专家指出，大模型的不确定性是其在工业领域难以落地的关键所在。工业领域需要逻辑严密、结果精确的计算结果，要求的是100次运算都必须“0失误”，因为任何一次错误都可能导致生产线的中断、设备的损坏甚至引发安全事故。这种不确定性目前难以满足工业领域对百分之百准确性的要求，是工业企业不太敢采用大模型的重要因素。
高质量、大规模且标注精准的数据资源是工业大模型训练与优化的坚固基石。然而，在实际操作中，数据的获取常常面临诸多阻碍。与互联网上存在海量开放数据不同，工业领域存有大量极具价值的“暗数据”。同时，大量工业数据的质量参差不齐，数据结构繁杂多样，而且在安全要求极高的情况下，企业通常因担忧数据泄露，出于对数据安全和商业机密的考虑，不愿将数据公开。如此一来，工业大模型在训练时便缺少充足且高质量的数据支撑，致使模型的泛化能力与准确性受到极大限制。
此外，成本问题也是一道横亘在工业大模型发展道路上的阻碍。从模型的研发、训练到部署和维护，每一个环节都需要耗费巨大的资源和资金。不仅需要购置昂贵的硬件设备和计算资源，还需要承担高昂的人力成本和时间成本。而且，随着模型规模的不断扩大和性能的持续提升，成本压力还将呈指数级增长。对于众多工业企业而言，尤其是那些利润率相对较低的制造业企业，能否承受如此沉重的成本负担，直接关系到工业大模型在实际应用中的推广和普及程度。
