AI+工业：并非所有企业都需要

对于很多走得更快的公司而言，AI早已是一个非常熟悉的概念，大模型的出现更多的，是带来了AI能力的跃迁和形式的变化。因此面对这次AI浪潮，他们可能已经有了比较明确的路线和思考。但对于制造业来讲，大模型这个概念更加陌生和遥远。上一波数字化变革还没有消化完全，就要面对新的技术范式转变。是否要变，何时要变是制造业从业者面对的第一个难题。

虽然AI带来的数字化转型趋势已经非常明显，但作为企业应该如何落地，行业中目前主流的解决方案是什么？在12月14日，以“智能涌现 数开万物”为主题的腾讯科技Hi Tech Day暨2023数字开物大会上，思谋科技SmartMore联合创始人刘枢作为AI在工业实践中实践者，通过“IndustryGPT：工业大模型的实践与思考”的主题演讲，提供了他的解决方案。

刘枢表示，通用大模型虽然已经很好，但面对专业领域、专业知识还是相对匮乏的，能力也是需要提升的。因此在真正工业场景落地的时候，还需要对应的模型，也就是IndustyGPT。

解决专业知识的方式就是提供只有行业才有的专业数据。在训练IndustryGPT的时候，刘枢的团队收集了大概500亿Tokens的原始数据，相当于10万个博士的阅读量。除此之外，为了应对工业具体的场景，他们精简了上下文长度，让模型的输出更符合操作的要求。

为让业界更了解AI与制造业融合的前沿观点，中国工业互联网研究院智能所副所长顾维玺、北京信息化和工业化融合服务联盟理事长闫同柱、中工互联科技集团董事长智振与腾讯云智能制造首席专家邴金友带来一场精彩的主题对话：“大模型是制造业数字化转型方向的必选项吗？”

闫同柱表示，对不同的企业大模型的意义也有所不同。高端制造业积极拥抱是因为高端制造业本身对知识的要求比较密集，大模型起到的是优化作用，有比较大的价值。但传统制造业来说，它的数据量不大，而大模型的门槛相对比较高，投入产出比并不那么明确。

腾讯云智能制造首席专家邴金友认为，工业企业在接纳大模型方面存在两个问题，一是成本问题，数据散，模型训练成本高；二是幻觉问题，工业里面要么是经济产出，需要100%正确，大模型难以达成。

针对邴金友提到大模型的幻觉问题，中工互联科技集团董事长智振表示，现在工业大模型已经能够做到的专家系统100%无害化，90%以上的准确度。具有落地的基础。

虽然现阶段大模型并不能适用所有工业场景，但其擅长的场景已经有了很多落地的实例。邴金友表示，在客服，流程管理、人力资源、营销、内容产出和设计方面大模型的使用已经有了广泛的实践。

对于大模型对工业的意义，闫同柱还提出了另一个角度，他表示中国工的工业知识和工业数据在很多地方都因为人才离职被遗失了，并没有转化为企业的知识资产，所以很多创新都是在重复造轮子，但大模型的出现可以更有效的将经验数据转化为可用的知识资产。