今年以来，我国大模型行业发展迅猛，尤其工业场景成为大模型应用蓝海。在2024世界人工智能大会暨人工智能全球治理高级别会议上发布的《中国AI大模型工业应用指数（2024年）》显示，国内顶级大模型在工业领域文本生成的准确性已具备竞争力，但数理能力还有待提升。在工业“主战场”，大模型究竟表现如何？

图为在2024世界人工智能大会暨人工智能全球治理高级别会议上展出的星辰工业控制大模型。

全链条展开应用探索

当前，我国拥有41个工业大类、207个中类、666个小类，涵盖联合国产业分类中的全部工业门类。在500个工业品种中，我国有四成以上产品产量位居全球第一，具有全、多、大的独特优势。2023年，我国制造业总体规模连续14年位居全球第一。

庞大的产业规模，为工业大模型落地提供了肥沃土壤。

腾讯研究院发布的《工业大模型应用报告》（以下简称《报告》）显示，我国工业正处于从数字化向智能化迈进的阶段，而大模型凭借其卓越的理解、生成和泛化能力，成为推动工业智能化的关键力量，有望拓展人工智能和工业融合新空间。

《报告》指出，大模型的崛起有望为工业领域带来“基础模型+各类应用”新范式。一方面，大模型能深度洞察工业领域复杂问题，理解并处理海量数据，从中挖掘规律和趋势；另一方面，大模型将扩展工业领域人工智能应用新场景。

目前，大模型的应用探索已在工业全链条展开。在研发设计领域，大模型通过优化设计过程提高研发效率；在生产制造领域，拓展智能化应用边界；在经营管理领域，基于助手模式提升经营管理水平；在产品服务领域，基于交互能力推动产品和服务智能化。

为产业解难题做难事

与生产生活中的实际应用场景结合、为千行百业赋能增效，是大模型的必然发展方向。正如中国工程院院士刘韵洁所言，我国人工智能产业的发展出路在于行业大模型。

目前，国内已有多家科技企业发布工业大模型产品。作为首个定位于行业的大模型，盘古大模型具有指标性意义。华为常务董事、华为云首席执行官张平安在6月召开的华为开发者大会上详细介绍了盘古大模型的产业实践，展示了产业AI“解难题、做难事”的一个样本。

在工业设计领域，盘古大模型可广泛应用于电子产品、汽车造型设计等领域。例如，在汽车造型设计中，设计师可通过对话、画图等方式与大模型交互，完善创意灵感，生成3D汽车数字模型，并能对模型进行风格调整、零部件编辑及颜色更换等操作。这能使原本需要1—2年的设计周期大幅缩短。

在建筑设计领域，只需输入设计的黑白草图，盘古大模型即可生成彩色并带有纹理的建筑群360度实景视频，还能构建高真实感的建筑3D模型，将复杂建筑群的概念设计周期从数周缩短到数十分钟。

在钢铁领域，盘古大模型也可大显身手。过去，宝武钢铁集团热轧生产线每次调整生产钢板的种类和尺寸时，工程师都要重新调整7道精轧机组的300多个参数，这一过程通常耗时约5天。而现在，盘古大模型能对最优参数进行预测，显著降低调整时间，提高预测精度和钢板成材率。

此外，卡奥斯推出工业大模型COSMO-GPT，目前已成功落地工业指标优化、工业信息生成、工业问答等多个应用场景。在讯飞星火认知大模型技术底座支撑下，羚羊工业互联网公司结合工业场景实际需求打造羚羊工业大模型。该模型具备工业文本生成、工业知识问答、工业理解计算、工业代码生成和工业多模态五大核心能力，已服务多家企业……各具特色的工业大模型产品构建了多元化的大模型生态体系，也为工业智能化注入新活力。

落地面临三大挑战

还要看到的是，相较消费类场景，大模型落地工业场景仍面临一些障碍。《报告》分析，工业大模型应用面临数据质量和安全、可靠性、成本三大挑战。

首先，工业涉及领域广泛，且对数据安全要求较高，而目前工业数据结构多样，数据质量参差不齐。工业大模型数据质量和安全性有待进一步提升。其次，工业生产环境往往涉及复杂工艺流程、高精度操作控制以及严苛安全标准，任何模型预测或决策失误都可能导致生产事故、质量问题或经济损失。工业大模型还需满足高可靠性和实时性要求。另外，高额成本限制了工业大模型应用的投入产出比。

纵然面临种种挑战，但发展工业大模型是大势所趋。

工业大模型的降本增效作用显而易见。张平安举例，高炉冶炼被认为是人工智能落地最难的应用场景，高炉是一个5000立方米的“黑箱”，内部最高温度达2300摄氏度，冶炼过程“看不见、摸不着”，高度依赖人工经验。如果使用盘古大模型，可将“黑箱”变成“灰箱”，甚至“白箱”，指导高炉精准控制，每吨铁水可减少1千克焦炭消耗，使成本降低3元。

随着技术演进，工业大模型应用落地将跑得更快更稳。

《报告》认为，通过工业基础大模型和工业App的结合，能广泛、快速应对工业领域的挑战，推动各类工业场景智能化升级。同时，随着智能体、具身智能等新技术发展，大模型将在工业领域开辟更多应用场景，提高生产效率和安全性。此外，大模型压缩相关技术将有效减少模型的参数量和计算需求，降低训练和部署成本，使大模型更适用于资源受限的环境，加速在工业领域应用推广。