冷语欣等：MaaS应用对工业领域有哪些影响？
作者 冷语欣 清华大学互联网产业研究院研究专员
栾晓曦 清华大学互联网产业研究院研究专员
罗培 清华大学互联网产业研究院研究主管
企业大模型落地挑战重重
如何将AI大模型应用到各行各业？MaaS(Model-as-a-Service，模型即服务)服务或许是一种新的思路。近日，腾讯云正式公布行业大模型研发进展，并发布腾讯云MaaS解决方案。
目前，通用大模型已经成为人工智能领域的研究热点，国内外均有研究成果和商用模型陆续发布。其中国外大模型研究起步较早，以OpenAI、谷歌等为代表的公司经过多年研究，大模型版本不断迭代，规模逐渐扩大，性能不断提升。
国内目前已有百度、阿里等互联网头部企业入局，另有清华大学、复旦大学、中科院等科研院所以及商汤科技、智谱AI等人工智能企业已发布或在研大模型产品。
历史的发展进程不止一次的表明，任何科技如果不能做到产品化落地，特别是普通人触手可及的产品，那它无论如何先进都是没有意义的，目前火热的大模型也不可避免地会遇到同样的问题。市面上一些通用大模型产品，训练数据主要来自公开数据或者网络采集；同时它需要大量计算资源和漫长的训练周期，这对企业来说昂贵且耗时。所以选择合适的场景，对于企业大模型的落地至关重要。
眼下大模型难以落地，简单地概括，痛点在于行业想要大模型更好用，同时兼有更低的部署成本，效果还要达到预期。首先，通用大模型的训练数据主要来自公开数据集或网络数据，对于特定行业的专业领域知识了解有限。此外，通用大语言模型的训练需要大量计算资源和漫长的训练周期，这对企业来说可能昂贵且耗时。同时，安全和合规也是必要考量因素。因此，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，好用、易用的同时还能降低企业的成本和时间投入。
MaaS应用对工业领域有哪些影响
大模型时代下，需要拥抱以工业大模型为基础、轻量化微调的MaaS服务，快速形成智能化的MaaS应用，优化传统工业互联网赋能方式。
在开发设计方面，开发人员可以直接通过自然语言生成代码，提升产品易用性和个性化程度。PaaS的开发可以基于MaaS平台，或者直接由MaaS替代，实现数据和功能的定制化。应用模型的图像生成能力，设计人员可以用更低的时间成本进行三维可视化设计，建立智能工业知识库。例如：汽车外形的研发设计可以直接通过大模型生成并给出对应的设计说明及优缺点，辅助设计师创新。
在生产制造方面，大模型能在生产制造流程中帮助工人精准设定设备的工艺参数，提供有效的精细化操作指引，在突发故障时提供快速诊断和应急解决方案建议。例如：针对复杂的仪器设备和多流程的工艺环节，大模型可以自动生成各环节工艺参数，并在数字孪生系统进行仿真输出报告供人类选择。
在运营管理方面，大模型通过对ERP、CRM、SRM等系统的运营数据与模型代码的理解，用户直接使用自然语言描述需求，生成仪表盘、报告或AI分析。同时也能与图像识别处理系统、时间序列分析等系统融合，通过深层次、多维度的数据分析。例如：大模型直接生成Excel并进行数据分析，供管理人员了解整个工厂的运营情况、提供可参考的最终决策。
在产品服务方面，大模型可以提高响应效率并创新产品服务形式。既可以通过智能客服的形式协助人工进行会话、业务处理、操作讲解，也可实现社媒推广、智能面试等创新服务。例如：大模型可以充当社交媒体KOL，为抖音、微博、微信公众号等各种平台创建内容并与关注者互动，以推广产品或服务。
在人员培训方面，大模型可以被视为一个规模庞大、拥有专业知识体系的数据库，通过与员工的交互来输出知识，在工业领域的人员培训中多功能应用，实现智能培训。例如：模拟应急事件、安全事故等各种突发场景，让员工在模拟实践中学习应对突发情况的方法和技能。
然而互联网领域通用的AI模型开发和应用与工业领域有着非常明显的差异，主要体现在数据、需求规模、精度要求、算力支持、模型部署等五个方面。百度、腾讯、阿里巴巴、华为等国内科技企业在MaaS领域已经展现了强大的研发实力和实践能力，在工业领域模型应用上探索了路径。
