經(jīng)歷“百模大戰(zhàn)”，AI大模型今年迎來應(yīng)用爆發(fā)元年。不久前發(fā)布的《中國AI大模型工業(yè)應(yīng)用指數(shù)（2024年）》顯示，國內(nèi)模型在語句能力和專業(yè)知識掌握上比國外模型更加優(yōu)秀，在數(shù)理能力還有待提升。

據(jù)星礦數(shù)據(jù)不完全統(tǒng)計，鼎捷軟件、京東方、科大訊飛、中興通訊、三聯(lián)虹普、飛利信等多家上市公司均有拓展大模型在工業(yè)領(lǐng)域的應(yīng)用。

IDC中國高級研究經(jīng)理崔粲告訴《科創(chuàng)板日報》記者，工業(yè)大模型經(jīng)過一年多的發(fā)展，目前總體處于小規(guī)模商業(yè)應(yīng)用落地的階段。IDC2024年工業(yè)企業(yè)用戶調(diào)研顯示，已經(jīng)應(yīng)用的企業(yè)只占9.6%，13.3%的企業(yè)尚未應(yīng)用但在規(guī)劃和探討，75%的企業(yè)在觀望和了解。應(yīng)用較快的領(lǐng)域集中在電力、采礦、油氣、半導(dǎo)體、汽車、消費品等行業(yè)頭部企業(yè)；應(yīng)用較多的場景主要是4類，包括智能搜索/問答、智能問數(shù)（數(shù)據(jù)分析助手）、視覺安全監(jiān)測、各類文檔內(nèi)容生產(chǎn)等。

▌生成式AI將重構(gòu)工業(yè)軟件

不少制造業(yè)企業(yè)已經(jīng)開始探索自研工業(yè)模型。比如京東方推出了顯示工業(yè)大模型，涵蓋多個工業(yè)細分業(yè)務(wù)版塊，第一期成果已率先落地；海爾研發(fā)了卡奧斯工業(yè)大模型COSMO-GPT，落地工業(yè)指標優(yōu)化、工業(yè)信息生成、工業(yè)問答等應(yīng)用場景。

某知名鋼鐵集團某工廠的數(shù)智辦負責人向《科創(chuàng)板日報》記者介紹，正在積極探索生成式大模型的工業(yè)領(lǐng)域的應(yīng)用。目前信息系統(tǒng)已有11個大的業(yè)務(wù)模型、30多個小模型，涉及配煤配礦、性能預(yù)測，鐵鋼平衡、鐵回收能源平衡等領(lǐng)域。

“比如，配料模型通過大數(shù)據(jù)的挖掘把不同的原料品種進行配煤配礦，使得成本最低化、產(chǎn)能最大化。原來這些都是靠人的大腦來處置，現(xiàn)在把大腦里面的經(jīng)驗?zāi)Ｐ湍贸鰜碜兂上到y(tǒng)。”

工業(yè)軟件企業(yè)也在積極向AI轉(zhuǎn)型。今年，德國工業(yè)軟件巨頭SAP宣布了一項面向人工智能時代的重組轉(zhuǎn)型計劃，預(yù)計將花費約22億美元，包括對員工進行人工智能技能再培訓，或通過自愿裁員計劃替換人員，大約8000職位會受影響。

SAP預(yù)計，生成式AI將從根本上改變其業(yè)務(wù)，并承諾通過其投資部門Sapphire Ventures支持人工智能驅(qū)動的技術(shù)初創(chuàng)公司，投資超過10億美元。

國內(nèi)工業(yè)軟件上市企業(yè)鼎捷軟件今年基于制造業(yè)Knowhow，在鼎捷雅典娜裝備制造云、零部件云、財務(wù)云等開發(fā)了近20款支持數(shù)智化場景的AI新應(yīng)用。

鼎捷執(zhí)行副總裁、財務(wù)長張苑逸向《科創(chuàng)板日報》介紹，針對多行業(yè)開發(fā)場景化AI應(yīng)用，公司將已在大陸區(qū)驗證應(yīng)用能力的企業(yè)級知識機器人ChatFile導(dǎo)入既有方案提升客戶決策效率，帶動中國臺灣地區(qū)AI應(yīng)用營收同比增長179%。隨著大陸AI技術(shù)的深度應(yīng)用和更多合作伙伴的加入，大陸區(qū)營收也有望迎來一輪新的增長。

鼎捷軟件執(zhí)行副總裁劉波分析，在AI的發(fā)展和協(xié)助之下，所有的系統(tǒng)都有機會重做一遍，所有的實際作業(yè)和工作都有機會重構(gòu)，也使得國內(nèi)企業(yè)有機會實現(xiàn)彎道超車。“AI技術(shù)和AI應(yīng)用相關(guān)工具正是讓數(shù)據(jù)成為生產(chǎn)力的關(guān)鍵因素。AI將創(chuàng)造新業(yè)態(tài)，并且大幅度提高生產(chǎn)效率，使數(shù)據(jù)真正成為生產(chǎn)要素。因此深層次AI也加速了鼎捷平臺的智能水平。“

不過，當前AI與人的互動過程還處于嵌入式模式，即人類在企業(yè)任務(wù)模型下，借助AI網(wǎng)絡(luò)能力協(xié)助和輔助某個環(huán)節(jié)的判斷，類似于副駕駛模式。劉波認為，未來有望轉(zhuǎn)變?yōu)橹悄芟到y(tǒng)模式。在此模式下，多數(shù)工作將交給AI完成，人只負責設(shè)定目標、進行資源評估和結(jié)果控制，其他輔導(dǎo)流程則由智能體組織完成。“目前，鼎捷雅典娜平臺已經(jīng)封裝了超過500個制造業(yè)組件，未來計劃與伙伴共同打造超過1000個制造業(yè)AI應(yīng)用場景。如果能夠?qū)崿F(xiàn)，將有機會對制造業(yè)的作業(yè)方式和形態(tài)進行重構(gòu)。”

▌仍處于小規(guī)模商業(yè)應(yīng)用階段

ChatGPT掀起大模型熱潮至今已一年半有余。當大模型逐步走向商業(yè)化，其高昂的投入成本、幻覺問題等令其落地尚存在諸多難點。

崔粲表示，大模型要從小規(guī)模商業(yè)應(yīng)用，邁向規(guī)?；瘡?fù)制和推廣階段，存在很多現(xiàn)實挑戰(zhàn)有待解決。

在認知層面，很多行業(yè)用戶不懂技術(shù)，大模型技術(shù)供應(yīng)商不懂行業(yè)，對一個具體的行業(yè)、企業(yè)該如何通過大模型實現(xiàn)降本增效，鮮有人能講清楚。

在技術(shù)層面，當前的大模型推理能力并不強，面向智能問答、問數(shù)等也仍然存在很多具體技術(shù)問題有待解決，如幻覺問題、非文本數(shù)據(jù)的讀取識別、多表聯(lián)查等。

在用戶基礎(chǔ)層面，大模型應(yīng)用成效與企業(yè)的數(shù)據(jù)基礎(chǔ)有很強相關(guān)性，很多工業(yè)企業(yè)的數(shù)據(jù)基礎(chǔ)不足，開展數(shù)據(jù)收集、治理和整理成本很高，限制大模型應(yīng)用成效的發(fā)揮。

在商業(yè)模式層面，從供應(yīng)商視角來看，大模型的應(yīng)用場景相比傳統(tǒng)AI更加碎片化，供應(yīng)商不易做出標準化產(chǎn)品，同時研發(fā)投入又高，實現(xiàn)商業(yè)正循環(huán)不易跑通。從用戶視角看，大模型項目的投入產(chǎn)出難以清晰測量，ROI（投資回報率）不清晰，推動立項難度大。

崔粲稱，從長遠角度出發(fā)，一方面，大模型有望逐步融入企業(yè)的很多業(yè)務(wù)流程，化身業(yè)務(wù)系統(tǒng)，并在和人類員工的使用過程中，學習人類的處理過程，逐步像人一樣自動化完成很多業(yè)務(wù)流程的處理。另一方面，底層大模型的技術(shù)還在持續(xù)進步，如果有新的技術(shù)突破將帶動新的場景應(yīng)用機會，仍值得期待。