今天，通用大模型浪潮刚起，业界又将注意力转向行业大模型赛道。工业作为我国国民经济的压舱石和主引擎，与大模型的融合成为各企业竞逐的焦点。9月5日，百度智能云工业解决方案开物，宣布基于文心大模型重构升级。紧接着，9月8日腾讯云发布智能制造WeMake2.0。
   然而，工业较其他领域其广度和深度更为复杂，如何真的让大模型推动工业的发展，仍面临诸多挑战。
大模型行业化成趋势将重塑竞争格局
   为解决这个问题，我们先来了解下什么是行业大模型？
   工业大模型，是各行业用户利用MaaS（Model-as-a-service，模型即服务）构建专属的行业模型，可以根据自有数据进行精调，通过训练加速、推理加速完成模型的构建。MaaS通常内置了行业大模型和工具箱，配套标准化流程和落地服务，支持行业用户进行行业大模型的精调，生成符合需求的定制化模型，用户在此基础上进行公有云、私有化，以及混合化多样化方式部署，构建行业用户的智能应用。
   据悉，过去的百度开物聚焦于垂直行业的特定场景化赋能，通过与文心大模型的融合与重构，新开物将实现从 “产线智能”到 “企业智能”再到 “产业链智能”的跨越与提升。腾讯云WeMake2.0覆盖了决策、人效、成本、运营四大关键环节。为了帮助企业搭建决策能力，腾讯云从全工厂设备物联出发，建立运营仿真能力，实现实时辅助决策能力，建立从销量预测-产销协同-生产计划-排产派工-执行反馈的端到端闭环。
   当然，对于行业大模型的赛道发展，行业专家都给出高度评价。
   腾讯集团高级执行副总裁、腾讯云与智慧产业事业群首席执行官汤道生认为，当前，通用大语言模型在应对产业场景落地时存在一定的局限性，选择与具备一站式行业大模型服务能力的云厂商合作，打造企业专属的行业大模型至关重要，在好用、易用的同时还能降低企业的成本和时间投入。
   “AI大模型百花齐放的现象表明了一个趋势，即生成式AI在未来可能会对产业结构以及社会带来深刻的影响。现在只是刚刚拉开帷幕，AI对产业的渗透正在加深。”百度集团副总裁、深度学习技术及应用国家工程研究中心副主任吴甜表示。
   全联并购公会信用管理委员会专家安光勇认为，行业大模型相对于通用大模型具有更大的潜力。在他看来，通用大模型面向广泛的应用领域，但在实际应用中可能无法充分满足特定行业的需求。行业大模型则针对特定行业的场景和问题进行优化，能够提供更精准、高效的解决方案。随着人工智能的发展，行业大模型有望成为人工智能技术在不同行业落地应用的最终展示形态。
   此外，在业内人士看来，工业尤其是制造业有着丰富的场景与落地可能，因此在未来，有着强大技术实力的大厂与丰厚场景沉淀的工业软件企业将共同塑造制造业行业模型新的竞争格局。
技术+应用双重挑战工业大模型亟须克服
   当前各企业推出的工业大模型，发展中面临着哪些挑战，成为企业用户关注的核心。
   众所周知，Google从2017年6月，发布Transformer架构以来，陆续发布了BERT、T5等预训练模型，参数规模也在逐步提升。当前大部分大模型均利用Transformer架构搭建。
   在8月24日上海市科协举办的青年科学家论坛上，复旦大学MOSS系统负责人邱锡鹏指出，大模型之所以称为大模型，是因为可以涌现出丰富的知识和能力。目前大家熟知的Transformer架构非常强大，但缺点也明显，当文章长度变得更长的时候，它的复杂度就变得非常高，因此也限制了模型的进一步扩大。“我们要找到一种可能比Transformer更有效的架构，才能支持未来模型的进一步扩大。”
   在应用层面，工业大模型自主理解和自主决策能力有限。腾讯云发布的 《行业大模型标准体系及能力架构研究报告》中指出，由于工业领域环境易变化、应用复杂度高、数据多模态等特征，工业大模型在落地进程中仍显不足，因此需构建一套围绕多模型协同、自适应、隐私和安全保护等方面的标准能力体系，用于引导工业大模型良好发展，推动工业大模型产业化进程。
   鼎捷软件营运长刘波认为，虽然AI大模型正在逐渐普及，但其全面进入企业还需要较长时间，这背后主要有模型能力和场景适配两方面的原因。一方面，目前AI大模型只能在自主生成这一层面有所突破，但并不能完全进行自主理解和自主决策，因此对企业的帮助有限；另一方面，当前各个企业有大量的领域知识和个性化内容，并且其对大模型的容错率非常低。
   港华燃气集团高级副总裁席丹期待，无论是气源调度的应用，还是整个设备设施的预防性维护管理优化，期待大模型对于整体管理效能的提升。中电工业互联网有限公司总工程师朱达平表示，今天跟百度联合发布PCBA产业基于轻量化5G专网的AOI质检大模型，从长远来讲，我们希望用大模型贯穿整个SMT的产业链，从生产环节进行数据收集到大模型的应用，再去回馈到上层的行业的knowhow，或者整个行业信息化的软件里面。
   不可否认，无论是在技术层面，还是应用层面，今天AI大模型与工业行业的融合已迈出重要一步，但长远发展仍面临众多未知的挑战需要行业共同克服。“AI大模型百花齐放只是一个阶段性现象。在演变的过程中，各家企业和机构会逐渐找到自己的定位，走向细分市场。大模型的终局是，未来只有少量的几个大模型会留下来。因为从底层做起来的大模型成本非常高，需要多年积累、坚定信心和持续投入才能做好。未来我们可能只会依托于少量几个大模型，这些大模型将会有非常广泛的应用生态。”吴甜说道。
（耿鹏飞）