AI 大模型在制造业中的应用类型
在过去的几年里，全球制造业的竞争格局正在发生重构，数字化和智能化成为推动变革的关键力量。
AI 大模型作为一种通用人工智能技术，其革命性特征体现在能够生成代码、构建人机交互新模式，并与产品研发、工艺设计、生产作业、产品运营等制造环节相结合，从而提高生产效率，形成新质生产力。
关于人工智能的几个概念解释
大模型： 即基础模型，在海量数据和计算资源的基础上通过预先训练出来的，具有大参数规模的深度学习模型。狭义多指大语言模型，广义还包括 CV、多模态等各种模型类型。
GPT： 生成式预训练模型，大模型的一种类型，可生成内容。ChatGPT 是 GPT 的一个典型产品。
生成式 AI（AIGC）： 能够生成文本、图片、视频等内容的智能技术，大模型为其提供了新的技术手段。早期 GAN 用于内容生成效果有限，如 NLP 逐词生成。大模型拓展了生成能力，如实现多领域多风格图像/文本生成。
通用人工智能（AGI）： AI 终极发展目标，具备认知、理解、推理、学习、创造和社会协作等能力。大模型具备学习、生成等能力，但还缺少完备的推理、认知能力。
01. 大模型赋能的核心方式与产品形态
核心方式
1. 直接赋能行业：通用底座的普适性 AI 大模型以其卓越的通用性，通过吸收和处理海量数据，构建起全面的知识图谱，这使得它们能够无缝地融入各个工业领域。比如，当涉及到设备维护时，AI 大模型能够分析设备的历史运行数据和实时状况，预测潜在的故障风险，并提前采取维护措施，有效避免设备故障，保障生产流程的顺畅。 代表大模型：OpenAI 的 ChatGPT，科大讯飞的星火大模型，实在智能的 TARS 大模型。
2. 场景化定制：通用底座的灵活性 AI 大模型的另一个显著优势在于其能够根据不同的工业场景进行定制化的适配和优化。这意味着 AI 大模型能够深入理解特定行业的术语和语境，从而提供更为精准的分析和预测服务。通过这种方式，AI 大模型能够更好地服务于特定的工业应用，提升决策的质量和效率。 代表大模型：华为的制造、矿山等行业大模型，百度的航天、能源等行业大模型，Authentise 的 3D 打印 GPT。
3. 任务化定制：为特定工业挑战定制 AI 针对一些特定的工业挑战，可以专门开发定制化的 AI 大模型。这些模型经过专门训练，专注于解决特定问题，其性能往往超越通用模型。比如，在工业生产过程中，一个专门为预测能耗和排放量身打造的 AI 模型，能够提供更为精确的数据预测，帮助企业优化能源使用，减少环境污染，实现可持续发展。 代表大模型：谷歌的 AlphaFold2，Meta 的 ESMFold，深势科技的 Uni-Mol。
产品形态
1. 大模型 API 调用或软件解决方案 借助于先进的 AI 大模型，如 ChatGPT 等，我们能够构建多样化的智能应用，包括但不限于智能助理和在线客服系统。用户可以通过接口（API）直接调用这些 AI 大模型，或者采用基于这些模型的软件解决方案，实现快速集成和便捷使用。比如，众多平台和企业已经部署了基于 GPT-4 的在线客服系统，实现了全天候的即时服务。
2. 成熟工业产品叠加基础模型能力 AI 大模型可以与现有的工业产品相结合，从而显著提升产品智能化程度。比如，倍福将大模型融入 TwinCAT XAE 客户端，实现基于对话辅助编程，显著加快了软件开发的步伐。
3. AI 工具作为外部插件 AI 大模型还可以作为外部插件工具，用于执行如知识库查询、表格数据处理等任务。例如，工业管理软件企业 Authentise 推出插件，用户可查询最大的增材制造知识库；浙大开发用于表格处理的 TableGPT。
4. 用于私有部署的集成解决方案 以 TARS 大模型为例，这是一种支持私有化部署设计的 AI 大模型解决方案。它能够在本地环境中运行，而且进一步集成如不当言论判别等多项 NLP 前沿技术，确保数据的安全性和隐私性，同时满足特定场景的需求。目前，对于数据保护有严格要求的企业和机构已经开始采纳此类解决方案。
02. 大模型的适用边界与核心能力
大模型并非万金油，尽管它们在处理大量数据和复杂任务时表现出色，但仍存在局限性。 首先，AI 大模型需要大量的高质量数据进行训练，而在某些特定领域，这样的数据可能难以获得。 其次，大模型在面对新颖或未曾接触过的问题时，可能无法提供最佳解决方案，因为它们的知识和能力是基于训练数据的。 此外，大模型的解释性和透明度仍然是一个挑战，这在需要高度可靠性和安全性的工业应用中尤为重要。
适用边界
1. 宏观场景 工业界的应用场景通常具有广泛的适用性和复杂的智能任务需求，数据的界限对决策的准确性起着至关重要的作用。
2. 丰富语料库 在工业领域，可以获取到大量的基础数据、原始语料和规则性约束，这些丰富的信息资源构成了 AI 大模型在该领域内施展能力的关键。比如，设计蓝图、生产记录和质量检验数据都能够成为 AI 大模型训练过程中的重要素材。
