2023工業互聯網大會
6月15日,2023工業互聯網大會在蘇州舉行,在“工業互聯網平臺創新發展”論壇上,中國信通院兩化所工互創新部王海萍指出,從應用視角來看,工業大模型發展分為四個階段,當前正處于以直接嫁接基礎大模型為主要模式的第一階段,并不斷向工業核心環節演進,逐步提升工業大模型多任務執行能力;從產業視角來看,未來工業大模型有望形成“基礎大模型+領域大模型”的產業格局,其中領域大模型的企業主體類型將更加多樣、市場競爭將愈加激烈。
演講整理
當前,以ChatGPT為代表的大規模預訓練模型已經展現出涌現能力、自主學習、跨模態理解、推理抽象思維和人類社會理解等特征優勢,已形成通用人工智能雛形,讓我們對傳統人工智能產生顛覆性認知。
在2019年之前,工業智能還處于專用智能階段。隨著大模型技術的躍遷式發展,工業智能演變出了以工業大模型和專用小模型為主的兩條路線。工業大模型將加速與領域適配,提升多任務的執行能力,專用小模型將與強工業機理環節融合的更加深入。
工業大模型未來應用發展分為兩大模式、四個階段。第一階段是以直接嫁接大模型為主要模式實現輔助操作環節應用。第二、三、四階段是以自研細分領域工業大模型為主要模式,并不斷向工業實時核心環節演進,同時提升多任務執行能力。
以直接嫁接基礎大模型功能為主的模式一是利用基礎大模型的自然語言理解、代碼生成等能力,實現OA輔助辦公、裝備語義操控和代碼調試等探索應用,但均已提升效率為主,尚未觸及工業核心環節。
在裝備語義操控場景中,能夠利用ChatGPT的語義理解能力進行機器人智能操控,其實現邏輯是定義高級機器人函數庫,再構建文本提示,然后通過人工評估代碼輸出質量,滿足質量要求后機器人即可執行分揀和巡檢等任務,這意味著人機交互范式正在加速創新。
以自研細分領域大模型為主的模式二已在設計研發環節實現初步應用。產品設計場景可基于生成式AI的創新能力實現產品結構性能提升;醫藥研發場景可基于生成式AI加快新藥物研發效率。
以產品設計場景為例,通過利用Transformer模型的自然語言處理能力提升研發效率。其本質是將輸入的CAD數據轉化為序列數據以充分適配Transformer模型,通過構建研發領域大模型實現CAD圖像生成與優化功能,這意味著傳統人工設計正加速向生成式設計轉變。
隨著大模型技術的融入,工業大模型或將打造以基礎大模型為賦能底座,逐步深入工業場景化應用的產業格局。其中,領域大模型是核心,工業軟件廠商、平臺企業等憑借自身數據優勢正加速構建工業大模型。
在領域大模型生態中,工業軟件廠商憑借細分場景數據優勢,通過與AI廠商合作加速搶占市場先機;平臺企業具備工業機理與實時生產數據雙重優勢,將彰顯巨大價值潛能;同時,AI廠商已具備基礎大模型技術優勢,再疊加數據優勢,能夠快速滲透工業構建領域大模型。
工業大模型的發展過程中面臨著數據、產業、技術三大挑戰,亟需從頂層設計到落地實踐提出發展策略,引導“需求側”和“供給側”兩端發力,加速工業大模型規范有序發展。