飛象網(wǎng)訊（魏德齡/文）通用大模型現(xiàn)在很熱，甚至已經(jīng)成為了很多人在日常工作中離不開的工具。例如相比傳統(tǒng)翻譯軟件，能提供更加通順的翻譯內(nèi)容。還能迅速在一篇篇幅較大的文字資料中，找尋到可能忽略的重點，或整理出主旨摘要。又或者依據(jù)文字或草圖來創(chuàng)造出一副畫作，甚至是創(chuàng)作出一段視頻內(nèi)容。
于是，在通用大模型火了之后，所謂的“千�！币辉~也火了，原理上在于依托了某一個通用大模型的基礎(chǔ)，來灌注上所屬行業(yè)的知識，進(jìn)而成為行業(yè)大模型。一時間甚至出現(xiàn)了似曾相識的“千模大戰(zhàn)”格局。客觀的說，人工智能技術(shù)對于千行百業(yè)的賦能確實是大勢所趨，不過尤其是應(yīng)用在智能制造這類工業(yè)場景中，其實并沒有外界想象中的那么順理成章。
兩個利好信號
在2023年，有兩個事件被外界看來間接的堅定了以智能制造為主攻方向的信心和決心。其一是ChatGPT橫空出世。人工智能進(jìn)入了大模型時代，它的應(yīng)用性能也將發(fā)生質(zhì)變，使能百模千態(tài)，賦能千行萬業(yè)，實現(xiàn)各行各業(yè)的智能化轉(zhuǎn)型，人類社會正在加速邁向智能世界。其二是電動汽車的異軍突起。意味著汽車的數(shù)字化，以及進(jìn)一步向網(wǎng)聯(lián)汽車、智能汽車的方向前進(jìn)，隨著新一代人工智能技術(shù)的深入應(yīng)用，未來汽車一定會進(jìn)入無人駕駛時代，汽車將成為一個智能的移動終端。
這兩個事件背后意味著人工智能、數(shù)字化、網(wǎng)絡(luò)化、智能化目前均已具備了不錯的技術(shù)條件。而制造業(yè)同樣需要完成數(shù)字化轉(zhuǎn)型與智能化升級，首個階段是到2027年，規(guī)上企業(yè)基本實現(xiàn)數(shù)字化轉(zhuǎn)型，數(shù)字化制造在全國工業(yè)企業(yè)基本普及；第二個階段是智能化升級，深入推進(jìn)“制造業(yè)智能化升級重大行動”。第二階段是到2035年，規(guī)上企業(yè)基本實現(xiàn)智能化升級，數(shù)字化網(wǎng)絡(luò)化智能化制造在全國工業(yè)企業(yè)基本普及，我國智能制造技術(shù)和應(yīng)用水平走在世界前列，中國制造業(yè)智能升級走在世界前列。
有專家表示，新一代人工智能技術(shù)和先進(jìn)制造技術(shù)融合而成的新一代智能制造技術(shù)，將引起制造業(yè)革命性轉(zhuǎn)型升級。
大模型如何應(yīng)用到工業(yè)領(lǐng)域
目前5G+工業(yè)互聯(lián)網(wǎng)在落地過程中，在系統(tǒng)、工業(yè)軟件、網(wǎng)絡(luò)通訊的技術(shù)融合方面還有很多事情要做，例如通過人工智能技術(shù)如何賦能工業(yè)互聯(lián)網(wǎng)及相關(guān)軟件，使其在工業(yè)中發(fā)揮更大作用，在技術(shù)上還有一些挑戰(zhàn)性問題。
更重要的是，通用大模型與工業(yè)大模型其實很還存在很多差異。例如，通用大模型目前主要是進(jìn)行文本處理和語音處理，很多深入的問題還無法解決。而工業(yè)上有很多機(jī)理性的問題，比如有色冶金及相關(guān)化學(xué)反應(yīng)，這些運行規(guī)則和原理是無法通過簡單的文本處理來解決的，這就意味著工業(yè)大模型在事前優(yōu)化及使用決策中，要與機(jī)理融合起來。
此外，通用大模型更多是提供對于模型的描述性問題，但工業(yè)大模型要求可靠性與穩(wěn)定性。也就是說，通用大模型所產(chǎn)出的方向性答案，在對于安全要求更高的工業(yè)領(lǐng)域，將會難以適用，試錯成本極大。
由于通用大模型缺少行業(yè)專業(yè)知識，需要大模型提供方與垂直行業(yè)合作，將特定場景的專業(yè)數(shù)據(jù)加到通用大模型進(jìn)行再訓(xùn)練，優(yōu)化出行業(yè)大模型嵌入PaaS，即將生成式AI能力注入工業(yè)OS，但對中小企業(yè)仍然是高門檻。
另外，在大模型上基于海量有價值數(shù)據(jù)充分訓(xùn)練，待調(diào)優(yōu)至理想效果后再進(jìn)行知識蒸餾、量化及針對特定場景遷移等縮小模型的工作，需要混迭進(jìn)行預(yù)訓(xùn)練與指令微調(diào)以避免預(yù)訓(xùn)練和微調(diào)的數(shù)據(jù)可能存在矛盾。
對此，工業(yè)應(yīng)用需借助工具鏈引入有監(jiān)督學(xué)習(xí)思維鏈，使推理步驟可解析，并通過變換場景增加遷移學(xué)習(xí)能力，還可以加入反事實數(shù)據(jù)測試以提高模型泛化能力，
同時，企業(yè)還要考慮自身數(shù)據(jù)安全的問題，目前一般存在中心化模式與非中心模式兩種，前者企業(yè)需要將數(shù)據(jù)提供給基礎(chǔ)大模型提供方，可能會擔(dān)心數(shù)據(jù)泄漏，并且后續(xù)云邊端部署仍需依賴基礎(chǔ)模型方。后者則需要企業(yè)自身擁有很高的技術(shù)能力，而且預(yù)訓(xùn)練和微調(diào)數(shù)據(jù)可能不協(xié)調(diào)。
與此同時，此前的數(shù)字化轉(zhuǎn)型中也已經(jīng)引出了一條堅實的定律：“從解決實際問題出發(fā)�！比绻I(yè)互聯(lián)網(wǎng)能夠解決企業(yè)問題，為企業(yè)帶來效益，投入就不存在問題。而一旦項目與解決問題相脫鉤，投入成本問題就會顯現(xiàn)。能夠?qū)崿F(xiàn)效益的關(guān)鍵則在于技術(shù)融合，即實現(xiàn)智能化與工業(yè)的深度融合。尤其對于中小企業(yè)來說，面臨現(xiàn)實生存壓力的情況下不敢用，如果數(shù)字化升級不能解決實際問題可能就意味著斷臂求生。
