工业大模型赋能新型工业化的路径探索.docxVIP

工业大模型赋能新型工业化的路径探索

人工智能是引领新一轮科技革命和产业变革的战略性技术，具有溢出带动效应很强的“头雁”作用。在十四届全国人大二次会议上，开展“人工智能+”专项行动被首次写入《政府工作报告》，这为人工智能赋能新型工业化提供了深刻的理论支撑。当前，人工智能飞速发展，大语言模型(以下简称“大模型”)凭借强大的文本推理和迁移学习能力已成为人工智能发展新的里程碑，有望下沉到研发、生产、运维、测试等制造业各环节，实现对新型工业化的高效有力支撑和赋能。

1、工业大模型是人工智能深度赋能新型工业化的重点方向

随着高质量训练数据的不断扩充、高性能计算技术的发展以及模型训练架构的更新迭代，大模型在自然语言处理、图像识别、语音识别和多模态识别领域接连取得重要突破。自2022年以来，全球范围内大模型市场规模迅速增长，迎来爆发期。根据相关机构测算，到2030年全球大模型市场规模将突破千亿美元。因此，国内外龙头企业成为了大模型高地争夺的主角。以美国为代表的国际科技巨头纷纷加入大模型竞赛，OpenAI(美国开放人工智能研究中心)作为业界领先机构发布大模型ChatGPT(基于生成式人工智能预训练模型的聊天机器人)和GPT-4、文生视频大模型Sora;微软将GPT-4相关能力整合入Windows11系统、Office365、Bing(必应)等重点产品，形成Copilot系列应用;谷歌推出新一代多模态大模型Gemini;Meta发布LLaMA(基于人工智能的大型语言模型);Anthropic发布Claude3系列大模型。国内大型科技企业亦相继加入大模型角逐，“文心一言”、“通义千问”、“星火认知”、ChatGLM(基于通用语言模型的聊天机器人)等国产大模型经过迭代更新，也实现了性能飞越。

然而，目前国内外推出的主流大模型仍为公共数据集训练出的基础大模型，知识面够广但不够专，在工业各垂直领域的性能表现并不突出。根据中国工业互联网研究院2024年3月发布的《人工智能大模型工业应用准确性测评》报告，国内外主流大模型的工业应用准确性平均得分低于60分，处于明显领先位置的GPT-4、“文心一言”等大模型总体评分也仅在70分上下，可见基础大模型在赋能新型工业化方面还有较大的提升空间。

面向智能制造新需求，以基础大模型为技术底座、工业应用为切入点的工业大模型正成为人工智能深度赋能新型工业化的新方向。工业大模型依托基础大模型的结构和知识，融合工业细分行业的数据和专家经验，形成垂直化、场景化、专业化的工业应用模型。相对于基础大模型，工业大模型具有参数量少、专业度高、落地性强等优势，可以为工业垂直领域的技术突破、产品创新、生产变革等提供低成本解决方案。

2、工业大模型深度赋能新型工业化的三大方向

一是工业大模型推动生产制造高效化发展，大幅缩短生产周期。

大模型可以依托自身强大的知识储备和推理能力，代替传统生产中大量重复性、机械性的劳动，从而大幅缩短生产周期，使生产效率产生质的飞跃。

在研发环节，大模型可以通过对产品结构数据进行分析，从微观层面探究产品的构型和机理，并创造性地生成具有新结构、新特性的产品。例如在石化行业，人工智能大模型可以在对大量已知材料的分子数据进行训练的基础上，找到适合目标场景的最优候选材料，并生成适合的催化剂分子设计方案，从而大大缩短催化剂研发时间，降低催化剂研发成本。在药物研发的核心环节——靶点发现环节，需要对靶点做大量的生物学假设，并设计一系列实验进行验证，周期非常漫长。用药物分子结构数据和与疾病相关的知识图谱对大模型进行微调训练，使模型掌握与疾病靶点相互作用的分子特征，从而可以自动生成新的药物分子设计方案。

在设计环节，大模型可以生成创新性的产品设计方案，更好地辅助技术人员将设计构思和意图快速转化为具体实施方案。以传统工业设计为例，大模型可以嵌入在CAD软件的后端，实现设计草图的快速生成，并辅助进行布局优化、参数校核，大幅缩减工业设计耗时，提升产品研发效率。例如，国内某头部家电制造企业目前已探索基于自研工业大模型的工业信息生成系统，根据用户需求交互，进行产品工程图等可视化文件的辅助生成，后续可利用文生视频大模型实现标准三维产品模型的快速制作及动态仿真，提升产线的智能化水平和研发设计的效率。

在工艺优化环节，传统方法需要采用不同的工艺参数组合进行多轮次测试，以获得最佳结果，而这需要花费大量时间进行人工调试和实验。大模型可以利用历史工艺数据进行微调训练，结合新的工艺参数组合，在碰撞测试中快速预测出碰撞响应情况。这有助于在短时间内缩小最佳工艺参数的筛选范围，以缩短测试优化周期。

二是工业大模型将有效降低生产制造的成本消耗，推进制造业绿色化、集约化发展。

在产品仿真环节，大模型可以利用自身的生成能力提供符合设计要求的虚拟化仿真测试场景/环境。近