經歷“百模大戰(zhàn)”，AI大模型今年迎來應用爆發(fā)元年。不久前發(fā)布的《中國AI大模型工業(yè)應用指數（2024年）》顯示，國內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，在數理能力還有待提升。

據星礦數據不完全統(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)領域的應用。

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

▌生成式AI將重構工業(yè)軟件

不少制造業(yè)企業(yè)已經開始探索自研工業(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)問答等應用場景。

某知名鋼鐵集團某工廠的數智辦負責人向《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)領域的應用。目前信息系統(tǒng)已有11個大的業(yè)務模型、30多個小模型，涉及配煤配礦、性能預測，鐵鋼平衡、鐵回收能源平衡等領域。

“比如，配料模型通過大數據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)在把大腦里面的經驗模型拿出來變成系統(tǒng)。”

工業(yè)軟件企業(yè)也在積極向AI轉型。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型計劃，預計將花費約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預計，生成式AI將從根本上改變其業(yè)務，并承諾通過其投資部門Sapphire Ventures支持人工智能驅動的技術初創(chuàng)公司，投資超過10億美元。

國內工業(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、財務云等開發(fā)了近20款支持數智化場景的AI新應用。

鼎捷執(zhí)行副總裁、財務長張苑逸向《科創(chuàng)板日報》介紹，針對多行業(yè)開發(fā)場景化AI應用，公司將已在大陸區(qū)驗證應用能力的企業(yè)級知識機器人ChatFile導入既有方案提升客戶決策效率，帶動中國臺灣地區(qū)AI應用營收同比增長179%。隨著大陸AI技術的深度應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，也使得國內企業(yè)有機會實現(xiàn)彎道超車。“AI技術和AI應用相關工具正是讓數據成為生產力的關鍵因素。AI將創(chuàng)造新業(yè)態(tài)，并且大幅度提高生產效率，使數據真正成為生產要素。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)任務模型下，借助AI網絡能力協(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，未來有望轉變?yōu)橹悄芟到y(tǒng)模式。在此模式下，多數工作將交給AI完成，人只負責設定目標、進行資源評估和結果控制，其他輔導流程則由智能體組織完成。“目前，鼎捷雅典娜平臺已經封裝了超過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應用場景。如果能夠實現(xiàn)，將有機會對制造業(yè)的作業(yè)方式和形態(tài)進行重構。”

▌仍處于小規(guī)模商業(yè)應用階段

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)應用，邁向規(guī)模化復制和推廣階段，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，大模型技術供應商不懂行業(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。

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

在用戶基礎層面，大模型應用成效與企業(yè)的數據基礎有很強相關性，很多工業(yè)企業(yè)的數據基礎不足，開展數據收集、治理和整理成本很高，限制大模型應用成效的發(fā)揮。

在商業(yè)模式層面，從供應商視角來看，大模型的應用場景相比傳統(tǒng)AI更加碎片化，供應商不易做出標準化產品，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)務流程，化身業(yè)務系統(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)務流程的處理。另一方面，底層大模型的技術還在持續(xù)進步，如果有新的技術突破將帶動新的場景應用機會，仍值得期待。