工業(yè)大模型賦能新型工業(yè)化的路徑探索

人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術(shù)，具有溢出帶動效應(yīng)很強的“頭雁”作用。在十四屆全國人大二次會議上，開展“人工智能+”專項行動被首次寫入《政府工作報告》，這為人工智能賦能新型工業(yè)化提供了深刻的理論支撐。當(dāng)前，人工智能飛速發(fā)展，大語言模型（以下簡稱“大模型”）憑借強大的文本推理和遷移學(xué)習(xí)能力已成為人工智能發(fā)展新的里程碑，有望下沉到研發(fā)、生產(chǎn)、運維、測試等制造業(yè)各環(huán)節(jié)，實現(xiàn)對新型工業(yè)化的高效有力支撐和賦能。

工業(yè)大模型是人工智能深度賦能新型工業(yè)化的重點方向

隨著高質(zhì)量訓(xùn)練數(shù)據(jù)的不斷擴充、高性能計算技術(shù)的發(fā)展以及模型訓(xùn)練架構(gòu)的更新迭代，大模型在自然語言處理、圖像識別、語音識別和多模態(tài)識別領(lǐng)域接連取得重要突破。自2022年以來，全球范圍內(nèi)大模型市場規(guī)模迅速增長，迎來爆發(fā)期。根據(jù)相關(guān)機構(gòu)測算，到2030年全球大模型市場規(guī)模將突破千億美元。因此，國內(nèi)外龍頭企業(yè)成為了大模型高地爭奪的主角。以美國為代表的國際科技巨頭紛紛加入大模型競賽，OpenAI（美國開放人工智能研究中心）作為業(yè)界領(lǐng)先機構(gòu)發(fā)布大模型ChatGPT（基于生成式人工智能預(yù)訓(xùn)練模型的聊天機器人）和GPT-4、文生視頻大模型Sora；微軟將GPT-4相關(guān)能力整合入Windows 11系統(tǒng)、Office365、Bing（必應(yīng)）等重點產(chǎn)品，形成Copilot系列應(yīng)用；谷歌推出新一代多模態(tài)大模型Gemini；Meta發(fā)布LLaMA（基于人工智能的大型語言模型）；Anthropic發(fā)布Claude 3系列大模型。國內(nèi)大型科技企業(yè)亦相繼加入大模型角逐，“文心一言”、“通義千問”、“星火認(rèn)知”、ChatGLM（基于通用語言模型的聊天機器人）等國產(chǎn)大模型經(jīng)過迭代更新，也實現(xiàn)了性能飛越。

然而，目前國內(nèi)外推出的主流大模型仍為公共數(shù)據(jù)集訓(xùn)練出的基礎(chǔ)大模型，知識面夠廣但不夠?qū)＃诠I(yè)各垂直領(lǐng)域的性能表現(xiàn)并不突出。根據(jù)中國工業(yè)互聯(lián)網(wǎng)研究院2024年3月發(fā)布的《人工智能大模型工業(yè)應(yīng)用準(zhǔn)確性測評》報告，國內(nèi)外主流大模型的工業(yè)應(yīng)用準(zhǔn)確性平均得分低于60分，處于明顯領(lǐng)先位置的GPT-4、“文心一言”等大模型總體評分也僅在70分上下，可見基礎(chǔ)大模型在賦能新型工業(yè)化方面還有較大的提升空間。

面向智能制造新需求，以基礎(chǔ)大模型為技術(shù)底座、工業(yè)應(yīng)用為切入點的工業(yè)大模型正成為人工智能深度賦能新型工業(yè)化的新方向。工業(yè)大模型依托基礎(chǔ)大模型的結(jié)構(gòu)和知識，融合工業(yè)細(xì)分行業(yè)的數(shù)據(jù)和專家經(jīng)驗，形成垂直化、場景化、專業(yè)化的工業(yè)應(yīng)用模型。相對于基礎(chǔ)大模型，工業(yè)大模型具有參數(shù)量少、專業(yè)度高、落地性強等優(yōu)勢，可以為工業(yè)垂直領(lǐng)域的技術(shù)突破、產(chǎn)品創(chuàng)新、生產(chǎn)變革等提供低成本解決方案。

工業(yè)大模型深度賦能新型工業(yè)化的三大方向

一是工業(yè)大模型推動生產(chǎn)制造高效化發(fā)展，大幅縮短生產(chǎn)周期。

大模型可以依托自身強大的知識儲備和推理能力，代替?zhèn)鹘y(tǒng)生產(chǎn)中大量重復(fù)性、機械性的勞動，從而大幅縮短生產(chǎn)周期，使生產(chǎn)效率產(chǎn)生質(zhì)的飛躍。

在研發(fā)環(huán)節(jié)，大模型可以通過對產(chǎn)品結(jié)構(gòu)數(shù)據(jù)進(jìn)行分析，從微觀層面探究產(chǎn)品的構(gòu)型和機理，并創(chuàng)造性地生成具有新結(jié)構(gòu)、新特性的產(chǎn)品。例如在石化行業(yè)，人工智能大模型可以在對大量已知材料的分子數(shù)據(jù)進(jìn)行訓(xùn)練的基礎(chǔ)上，找到適合目標(biāo)場景的最優(yōu)候選材料，并生成適合的催化劑分子設(shè)計方案，從而大大縮短催化劑研發(fā)時間，降低催化劑研發(fā)成本。在藥物研發(fā)的核心環(huán)節(jié)——靶點發(fā)現(xiàn)環(huán)節(jié)，需要對靶點做大量的生物學(xué)假設(shè)，并設(shè)計一系列實驗進(jìn)行驗證，周期非常漫長。用藥物分子結(jié)構(gòu)數(shù)據(jù)和與疾病相關(guān)的知識圖譜對大模型進(jìn)行微調(diào)訓(xùn)練，使模型掌握與疾病靶點相互作用的分子特征，從而可以自動生成新的藥物分子設(shè)計方案。

在設(shè)計環(huán)節(jié)，大模型可以生成創(chuàng)新性的產(chǎn)品設(shè)計方案，更好地輔助技術(shù)人員將設(shè)計構(gòu)思和意圖快速轉(zhuǎn)化為具體實施方案。以傳統(tǒng)工業(yè)設(shè)計為例，大模型可以嵌入在CAD軟件的后端，實現(xiàn)設(shè)計草圖的快速生成，并輔助進(jìn)行布局優(yōu)化、參數(shù)校核，大幅縮減工業(yè)設(shè)計耗時，提升產(chǎn)品研發(fā)效率。例如，國內(nèi)某頭部家電制造企業(yè)目前已探索基于自研工業(yè)大模型的工業(yè)信息生成系統(tǒng)，根據(jù)用戶需求交互，進(jìn)行產(chǎn)品工程圖等可視化文件的輔助生成，后續(xù)可利用文生視頻大模型實現(xiàn)標(biāo)準(zhǔn)三維產(chǎn)品模型的快速制作及動態(tài)仿真，提升產(chǎn)線的智能化水平和研發(fā)設(shè)計的效率。

在工藝優(yōu)化環(huán)節(jié)，傳統(tǒng)方法需要采用不同的工藝參數(shù)組合進(jìn)行多輪次測試，以獲得最佳結(jié)果，而這需要花費大量時間進(jìn)行人工調(diào)試和實驗。大模型可以利用歷史工藝數(shù)據(jù)進(jìn)行微調(diào)訓(xùn)練，結(jié)合新的工藝參數(shù)組合，在碰撞測試中快速預(yù)測出碰撞響應(yīng)情況。這有助于在短時間內(nèi)縮小最佳工藝參數(shù)的篩選范圍，以縮短測試優(yōu)化周期。

二是工業(yè)大模型將有效降低生產(chǎn)制造的成本消耗，推進(jìn)制造業(yè)綠色化、集約化發(fā)展。

在產(chǎn)品仿真環(huán)節(jié)，大模型可以利用自身的生成能力提供符合設(shè)計要求的虛擬化仿真測試場景/環(huán)境。近期OpenAI推出的文生視頻大模型Sora已經(jīng)展示出模擬真實世界物理環(huán)境的能力，并能實現(xiàn)符合簡單物理規(guī)則的人-物、物-物互動，后續(xù)有望通過文字提示，快速構(gòu)建工業(yè)級三維仿真場景和產(chǎn)品設(shè)計模型，輔助進(jìn)行工業(yè)設(shè)計、測試等，實現(xiàn)對生產(chǎn)過程的真實模擬，從而大幅減少傳統(tǒng)工業(yè)設(shè)計中因構(gòu)建三維虛擬環(huán)境所消耗的人工和計算資源。

例如在汽車制造中必不可少的碰撞測試環(huán)節(jié)，通過引入前期積累的車輛結(jié)構(gòu)、碰撞數(shù)據(jù)以及材料特性等數(shù)據(jù)并進(jìn)行微調(diào)訓(xùn)練，大模型可以了解車輛結(jié)構(gòu)、材料屬性與碰撞響應(yīng)程度之間的內(nèi)在關(guān)系，并模擬生成特殊場景中的碰撞情況，減少傳統(tǒng)生產(chǎn)中因構(gòu)建此類測試環(huán)境而花費的大量人力、物力成本。

在生產(chǎn)調(diào)度環(huán)節(jié)，大模型可以對產(chǎn)線的關(guān)鍵節(jié)點進(jìn)行智能化調(diào)度和控制，以減少因流程冗余而導(dǎo)致的物料消耗。生產(chǎn)方可以利用產(chǎn)線流程的歷史數(shù)據(jù)對大模型進(jìn)行微調(diào)，使其更好地理解生產(chǎn)需求、資源可用性、任務(wù)優(yōu)先級之間的復(fù)雜關(guān)系，從而優(yōu)化各節(jié)點的任務(wù)分配和調(diào)度，減少物料和能源的消耗。

例如在大型制造產(chǎn)線的多機協(xié)同中，大模型可以利用不同工序機器人的生產(chǎn)流程數(shù)據(jù)進(jìn)行微調(diào)訓(xùn)練，掌握機器人的技能、任務(wù)復(fù)雜性、工作站之間的轉(zhuǎn)移時間等復(fù)雜信息，并預(yù)測不同機器人執(zhí)行不同任務(wù)的效率。當(dāng)新的任務(wù)或物料到達(dá)時，模型可以快速決策分配給哪個機器人，從而減少因機器人閑置、物料冗余配送所帶來的成本消耗。同時，大模型自身就可以對不同格式、不同來源的數(shù)據(jù)進(jìn)行快速整理分類，輔助制作微調(diào)訓(xùn)練的數(shù)據(jù)集，降低人工整理數(shù)據(jù)的成本，實現(xiàn)數(shù)據(jù)和模型的良性互動。

三是工業(yè)大模型推動生產(chǎn)制造柔性化發(fā)展，實現(xiàn)解決方案在不同場景中的快速適配。

在質(zhì)量檢測環(huán)節(jié)，大模型強大的遷移學(xué)習(xí)能力可以助力實現(xiàn)對不同生產(chǎn)場景中產(chǎn)品質(zhì)量缺陷、人員違規(guī)操作、零部件裝配誤差等的快速高效視覺檢測。

例如在印刷電路板的缺陷檢測中，通用視覺大模型可以憑借強泛化能力，在不依賴工廠樣本數(shù)據(jù)和本地化訓(xùn)練的情況下，直接對原始圖像進(jìn)行像素級分割，再配合簡單的規(guī)則，實現(xiàn)對短路、焊橋、開路等瑕疵的識別，從而規(guī)避本地化訓(xùn)練調(diào)參帶來的數(shù)據(jù)獲取難、訓(xùn)練調(diào)參慢等問題，并可快速適配到不同批次、不同型號的其他電路板檢測中，實現(xiàn)柔性生產(chǎn)。同時，技術(shù)人員可以通過語言提示細(xì)化檢測需求，實現(xiàn)對同一塊電路板不同類型、不同區(qū)域、不同等級缺陷的檢測，擴展檢測范圍，提升應(yīng)用靈活性，實現(xiàn)定制化檢測。

在運動控制環(huán)節(jié)，生產(chǎn)人員可以通過文本、語音等交互方式，根據(jù)不同的任務(wù)需求，通過大模型快速生成定制化的運動控制代碼，以控制機器人執(zhí)行不同的任務(wù)。例如，在大型結(jié)構(gòu)件的裝配中，給大模型輸入指令“請寫一段PLC程序，控制機械手抓取零件A，并通過最短路徑放置在零件B的上表面”。這種基于大模型的運動控制指令生成模式可以大幅提升工業(yè)機器人的靈活度，實現(xiàn)柔性化的產(chǎn)線控制。

在供應(yīng)鏈管理環(huán)節(jié)，可以利用大模型對供應(yīng)鏈中各類別、各模態(tài)的數(shù)據(jù)進(jìn)行管理和整合，提升貨品信息流的運行效率，打造更便捷、響應(yīng)更快速的工業(yè)產(chǎn)品供應(yīng)鏈體系。例如在倉儲管理中，使用以多模態(tài)大模型為“大腦”的機器人進(jìn)行貨架管理、庫存管理和訂單揀貨等操作，通過人工進(jìn)行簡單的場景需求提示，結(jié)合模型的強視覺泛化能力，可以由同一機器人執(zhí)行自主貨架定位、貨物分揀和貨物轉(zhuǎn)運等操作，并能根據(jù)提示詞快速應(yīng)用到不同類型的貨倉中，提升倉儲管理的柔性化程度。

工業(yè)大模型深度賦能新型工業(yè)化的發(fā)展建議

當(dāng)前，受制于計算資源、工業(yè)數(shù)據(jù)、模型可解釋性等因素，我國對工業(yè)大模型的探索還處于初期階段，深度賦能新型工業(yè)化還有較****展空間。在工業(yè)大模型的應(yīng)用推廣中，主要面臨三個突出問題：一是缺乏高質(zhì)量的工業(yè)語料數(shù)據(jù)為大模型的微調(diào)訓(xùn)練提供支撐；二是工業(yè)需求方與基礎(chǔ)大模型技術(shù)支持方難以深入場景形成有效合作，缺乏具備明顯成效的工業(yè)大模型應(yīng)用范式；三是缺少工業(yè)大模型的應(yīng)用性能、測試評估等機制。針對上述問題，建議從以下三方面進(jìn)行突破。

一是構(gòu)建大模型工業(yè)數(shù)據(jù)集供給體系。鼓勵信息技術(shù)龍頭企業(yè)、工業(yè)企業(yè)、高等院校、科研院所及其他具備相關(guān)研究基礎(chǔ)的機構(gòu)，構(gòu)建工業(yè)語料庫公共平臺，聚焦重點行業(yè)的典型場景，沉淀高質(zhì)量工業(yè)語料數(shù)據(jù)，為工業(yè)大模型供給必要數(shù)據(jù)。通過資金補貼、稅費減免、政策傾斜等措施，引導(dǎo)鋼鐵、電子裝備、電力和石油化工等重點工業(yè)行業(yè)的市場主體，將工業(yè)場景數(shù)據(jù)開放至公共平臺，形成涵蓋國內(nèi)重點工業(yè)領(lǐng)域的數(shù)據(jù)資源池。

二是加強大模型工業(yè)應(yīng)用的生態(tài)推廣。整合碎片化的工業(yè)場景，提煉出以產(chǎn)品輔助設(shè)計、精細(xì)化質(zhì)量檢測、智能供應(yīng)鏈管理等為代表的大模型工業(yè)應(yīng)用典型場景，明確各場景對大模型的量化需求指標(biāo)，并推動建立相關(guān)行業(yè)標(biāo)準(zhǔn)。建立大模型供給側(cè)與企業(yè)應(yīng)用側(cè)之間的供需對接機制，促進(jìn)形成若干大模型研發(fā)與制造業(yè)協(xié)同發(fā)展的特色產(chǎn)業(yè)集群、企業(yè)聯(lián)合體，并推動樹立一批工業(yè)大模型的標(biāo)桿性、示范性應(yīng)用。

三是完善大模型工業(yè)應(yīng)用的評測機制。在模型側(cè)，建立標(biāo)準(zhǔn)化的大模型工業(yè)應(yīng)用問題測試集，構(gòu)建高效可信的評測體系，圍繞大模型知識能力、穩(wěn)定性、安全性等關(guān)鍵性能進(jìn)行周期性評估工作；在企業(yè)側(cè)，制定工業(yè)大模型應(yīng)用滲透度等指標(biāo)體系，輔助進(jìn)行大模型應(yīng)用實施情況的評估診斷。根據(jù)產(chǎn)業(yè)結(jié)構(gòu)、數(shù)據(jù)要素分布的變化對評測評估指標(biāo)進(jìn)行動態(tài)調(diào)整，以促進(jìn)工業(yè)大模型持續(xù)賦能新型工業(yè)化。