“

当前，工业大模型落地集中在生产制造、研发设计和经营管理等场景，如何应用到工艺设计则是待啃的“硬骨头”。

本文字数1154，阅读时长约4分钟

文｜财经E法 杨柳 特约撰稿人 郭思嘉

编辑｜郭丽琴

“如果说AI大模型落地消费者端是‘平原战’，落地工业领域则是一个又一个‘山地战’。” 中国计算机学会计算机应用专委会副秘书长刘晶如此形容大模型在工业场景中的应用难度。

在9月21日举行的2023成都创交会兴隆湖·“数实蓉合”数字转型腾讯专场对话活动上，刘晶分析介绍，大模型在工业制造落地效果较好的场景，主要是生产流程上：利用大模型控制机械手/臂、实现人机协同和设备之间的协同运作，以及进行瑕疵检测。她认为大模型在辅助人类进行诸如排产排程的决策方面还有挖掘空间，而对于工业中最核心的工艺方案设计，由于工艺机理复杂，大模型落地面临难题。

训练数据缺乏是工业AI大模型应用面临的另一阻碍。刘晶表示，提升大模型适用于工艺方案设计的能力，离不开大量数据喂养。但工艺这一块的数据是各个工厂非常核心的数据，“谁愿意把它共享给行业大模型？”

2023成都创交会兴隆湖·“数实蓉合”数字转型腾讯专场对话活动现场图

行业大模型被业界普遍视为解决AI大模型“最后一公里”问题的关键，在工业制造领域的应用尚处于起步阶段。据IDC2023年7月发布《AI大模型在工业应用展望，2023》报告，概括了AI大模型在工业上的应用，目前在生产制造、研发设计和经营管理领域都形成一些场景。而生产制造领域的应用，可细分为质量检测及生成检测结果、生产排产与调度、PLC代码编程和对工业机器人进行自动化控制等。

上述IDC报告中还指出，大模型在工业应用中仍存在多重挑战：现有技术难以确保数据内容可靠无误；应用成本高；如何与现有企业各方应用对接和集成；面向具体应用场景的模型开发和积累依然不可避免。

“大模型工业化落地的现实非常骨感，用数据训练行业大模型会踩很多坑。”腾讯智能制造行业高级战略总监王巍说，每一处具体工业场景的大模型落地，都离不开百万级数据和开源模型进行碰撞测试。

在对话活动中，腾讯云、东方电气集团等企业界人士还围绕制造业数字化转型分享了相关案例。其中，腾讯云工业行业首席解决方案架构师张强提到，制造业企业寻求数字化转型的两大驱动因素：一方面，受制造业竞争加剧、利润率下降影响，企业越来越追求提质增效，对借助数字化降低产品研发及生产过程的成本、提高生产质量的诉求进一步提升；另一方面，新能源等赛道企业纷纷出海，这些企业迫切期望利用数字化手段在海外拓展市场。

作为2023成都创交会期间的系列活动，本次“数实蓉合”对话腾讯专场以“数实共生 擎动未来”为题，聚焦先进制造业与产业数字化转型，交流分享制造业中的产业机遇、场景实践与未来引擎，共话数智协同生态构建、共谋未来产业新动能。