大模型的横空出世，AI由此迎来了奇点时刻，由ChatGPT引发的“百模大战”屡屡见诸报端。以Bing、百度为代表的搜索厂商首先打响了第一枪，同时也不免让人思考，下一枪将从哪里打响。

　　从多家厂商近期动作来看，制造业或将是下一阶段的主战场。除此之外，“十四五”数字经济发展规划中也提到，“十四五”时期数字经济发展要以数字技术与实体经济深度融合为主线。

　　不过，制造业接入大模型并不简单，这背后的原因不言而喻，我国制造业品类繁多，诸如化工、汽车、食品行业等之间数据复杂且差别较大，企业之间筑起高高的数据壁垒。

　　“数据在企业之间流通并不现实，最终数据闭环一定是在企业内部。制造业场景里应该是模型私有化，与工业互联网发展历程相同。”腾讯云副总裁、智能制造负责人曹磊接受21世纪经济报道记者采访时表示。

　　9月初，腾讯发布了混元大模型，并宣布通过腾讯云对外开放。目前混元已经接入超过50个腾讯业务和产品测试，并取得初步效果。

　　在此之前，腾讯云还推出了MaaS（Model—as—Service）服务底座。至此，客户可以直接通过API调用混元，也可以将混元作为基底模型，为不同产业场景构建专属应用。

　　腾讯的思路也反映了目前大模型厂商的常规做法，即基于行业大模型向企业交付，再由企业结合自身数据进一步训练出符合业务场景的大模型，单纯靠某一家公司不可能完成所有环节，这也将形成大模型百花齐放的生态。

　　“最后一公里”交给制造业

　　众所周知，一个大模型从数据采集、推理和精调，到最终运用到产业实践中，是一个超级复杂的系统工程，而且也是费钱费时的事情。

　　这其中数据是大模型的营养来源，大模型依靠数据喂养，不断训练提升性能，但每家工厂之间的数据流通并不现实。综合来看，各家厂商都力图将大模型训练成“中学生”，也就是基础大模型。

　　“我们更希望基于混元已有的能力，完成制造业模型‘最后一公里’的训练和精调，再结合具体制造业企业加入自有的独立数据。这样一方面确保了企业数据的安全，同时又降低了企业应用大模型的成本。”曹磊表示。

　　由于工业大模型还处于应用的早期阶段，如何落地，何时出现颠覆性的应用仍有待观察，各家具备大模型开发能力的公司也正在摸索过程中。

　　油气、矿业是大众印象中相对传统的产业，也是大模型重点发力的地方。今年4月，阿里云便连同中国石油集团旗下昆仑数智共建油气大模型，力求在勘探开发、炼油化工等业务领域广泛开展油气地质工程模型化协同研究、油气田开发方案智能决策和优化等领域展开合作。

　　另一方面，百度智能云则是在矿山安全生产流程、安全和预警等场景，探索通过大模型进行更智能化升级。

　　种种举动说明，大模型正在加快与工业制造之间的应用探索，各家厂商正与行业客户探索合作的场景和切入点，寻找意向性方向，最终摸索出双方均认可的地方。

　　曹磊谈到，某大型飞机光是设计图纸用A4纸堆叠便有十层楼高，在设计打样过程中难免出错。如果采用大模型进行数据校验，版本迭代的速度加快，一方面减少出错的概率，同时也可以极大提升效率，释放劳动力参与到大模型完成不了的事情。

　　“我们也在不断探索，通过MaaS形式和客户进行联合创新，大模型本身发展很快，可能在产业的应用也会呈几何指数的增长，相信上述场景在不远将来便可以实现。”

　　工业多模态难题何解？

　　工业领域应用大模型相对于ChatGPT的自然语言处理模型更复杂，它涉及到多模态的问题。比如需要积累大量且真实的视觉数据，包括各种模态的数据如何对齐，这些都是摆在工业大模型面前的一道难题。

　　在曹磊看来，车间生产设备具备多重要素，最终转变成为文本或是数据，回归模型计算、精调和推理当中，确实对大模型应用提出了新要求。

　　事实上，在ChatGPT爆发之前，包括腾讯在内的多家云厂商便就已经着手解决多模态问题，比如工业质检领域，工厂通过光学摄像头，采集产品外表层的缺陷数据，并进行数据分析，最终训练成AI模型，依托视觉识别能力，可以广泛用于图像识别或缺陷检测。

　　曹磊拿起手中的手机向记者举例，“摄像机的镜头盖、边上的按键、中框和外屏，均有相应的计算机视觉算法支持。”因此，腾讯在制造业多模态数据处理上已具备一定基础，摆在面前的难题是如何将多种AI技术相互结合，进一步提升大模型的能力，目前仍处于探索阶段。

　　一家厂商就在近期推出了基础大模型、行业大模型、场景大模型三层架构、多个模型，采用了“完全的分层解耦设计”。

　　这是因为企业对图像和文案生成的需求均有所不同，基础大模型和能力集解耦后，可以实现按需调用，这个解耦架构，也实现了模型的并行迭代。

　　综合来看，工业大模型落地的场景基本在企业的研发设计、生产制造和管理环节，提升人机效率以及畅通业务流程。

（文章来源：21世纪经济报道）