2024 WAIC上，智能传感器已能模拟有经验工人师傅的“听视嗅触味思”能力。
报告撰写｜郭瑶琴
编辑｜王博
人工智能正在重塑传统工业生产方式，推动生产效率和产品质量大幅提升，为制造业高质量发展注入新动能。同时，人工智能与工业领域的深度融合也面临着挑战，技术落地难、数据壁垒等问题亟待解决。
在7月4日-7日举行的2024世界人工智能大会（WAIC）上，「甲子光年」试图在展区中找到答案。
在科大讯飞展区，「甲子光年」注意到，现场观众上手操作讯飞声学成像仪、讯飞工业听诊器、讯飞工业内窥镜、工业六感智能传感器等“工业六感”产品。相比于传统的传感器，工业六感智能传感器能模拟有经验工人师傅的“听视嗅触味思”能力，对工业场景中非结构化的感官类传感数据进行采集和建模，直接输出具体的分析应用结果，让工业生产过程具备智能感知、智能决策，解决安全检测、设备管理、生产调度、知识应用等具体场景问题。
此外，科大讯飞还展示了羚羊工业大模型。羚羊工业大模型由羚羊工业互联网股份有限公司发布，是以讯飞星火大模型的通用能力为核心技术底座，结合工业场景实际需求打造的、专门面向工业领域的大模型，具有工业文本生成、工业知识问答、工业理解计算、工业代码生成、工业多模态5大核心能力，可以从海量数据和大规模知识中持续进化，实现从提出、规划到解决问题的全流程闭环。
而在汉王科技展区，也有AI模型在工业领域的应用展示。之前汉王科技更为人熟知的是手写识别、光学字符识别(OCR)、人脸识别、笔迹输入等，但是这次汉王科技在现场展示的“汉王生物嗅觉识别技术”吸引了不少观众驻足。
为什么？因为这项技术可以鉴别茅台。
汉王科技展区工作人员告诉「甲子光年」，汉王科技致力于研发出类人的整体感官评价技术，利用大量仿生嗅觉神经细胞阵列感知气味，并自研配套设备数字化，结合嗅觉识别算法实现复杂气味的准确鉴别。综合感知，类人嗅觉，灵敏度高，辨别力强，可广泛应用于环保、医疗、食品、安防等领域。
此外，中信集团以两座“灯塔工厂”展示其工业智能化核心技术；中兴通讯基于“用算力智造算力”理念，将5G、大模型等技术用于5G设备和服务器算力设备生产，率先实现了通信行业的“黑灯工厂”，有效助力企业智能化建设，加快带动产业数字化转型；玉贲智能则是展示了专注于工厂安全智能管理的“YobiAI工业安全眼”，其能够实时监控和分析多个机械作业区，实现指定3D作业区域24小时主动安全防护，大幅降低事故发生率。
清华大学人工智能国际治理研究院副院长梁正在WAIC期间表示，中国作为世界上的第一工业大国，拥有庞大的工业体系和丰富的应用场景，故而应避免在通用基础大模型领域与美国等直接对抗竞争，而是要采取“基础大模型+行业小模型”、“开源+闭源”的协同并进路线，充分发挥中国的完备产业链、丰富应用场景、庞大用户体量和私域数据等方面资源优势，实现“错位竞争”并在更多垂类行业领域打造“小精尖”且具有全球竞争力的行业大模型。
西门子全球执行副总裁，西门子中国董事长、总裁兼首席执行官肖松在WAIC产业发展全体会议上的演讲中也提到，工业场景交互环节多、行业差异大、复杂性高、容错率低。AI要从消费走向工业，就必须“深度结合工业场景，打通数字和机理的任督二脉，以安全、可靠、可信的工业级AI，实现生产力的飞跃”。
甲子光年智库近期发表报告《洞察大模型与工业的融合，预见智能制造的未来变革》，从工业大模型技术成熟度、工业大模型应用发展现状，工业大模型应用面临的挑战、工业大模型应用场景探索四个方面进行了分析，并判断工业大模型预计将全面融入工业生产的每个阶段，从研发设计、生产制造、仓储物流、经营管理、产品服务到工业安全，它将贯穿整个工业制造的全流程。
以下为报告内容。
当前，制造业正处于从数字制造到智能制造的过渡阶段，随着人工智能、大数据、云计算等新一代信息技术与制造业加速融合，企业数字化转型对智能制造的需求日益迫切。
2024年政府工作报告明确提出，要“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”。
在政策与市场的双重驱动下，大模型有望加速在工业领域的落地应用。
1.工业大模型技术成熟度 
从广义来看，工业大模型是为工业环境设计的，由大语言模型驱动，能够实现多模型和多任务协同的系统。
工业大模型具有以下特点：
大语言模型驱动：工业大模型采用动态、概率性、非参数化的大语言模型，这些模型具有庞大的参数规模和强大的泛化能力，支持多模态交互。它们能够发挥海量数据的通识能力，理解复杂意图，实现自然语言的流畅交互，并激发创意生成。
与知识图谱的互补与增强：
工业大模型结合知识库，提供可推理、可解释的决策支持，能够设定规则并确保价值对齐，增强模型的透明度和可信度。
与数据孪生的互补与增强：
通过与物理实体相对应的数字虚拟实体，即数据孪生，工业大模型能够进行复杂的模拟和预测，同时提供高质量、结构化的实时数据。
多模型协同：
工业大模型实现了多学科协同，如MBSE（模型基系统工程），需要跨行业或领域的多模型间进行有效协同。
大模型管理与调度：
工业大模型能够管理和调度各种小型AI模型、大数据模型、以及物理化学机理模型，形成一个高效、综合的决策支持系统。
工业大模型不仅仅是单一的技术应用，而是一个综合的、高度集成的智能系统。围绕工业大模型的技术研发主要包括模型训练与推理、模型构建与数据、性能与安全、具体场景应用等方面。近期内，多模态模型、多阶段LLM链、知识图谱、检索增强生成、代码生成、智能助手等技术可应用于工业领域，而仿真孪生、GenAI工程工具、多智能体生成系统等技术是重要且亟待攻克的方向。
2.工业大模型应用发展现状
大模型技术本身仍在快速发展中，加之，工业领域具有高度专业性和复杂性、工业数据分散、封闭，应用场景碎片化、多样化，其在工业领域的应用正处于初步探索阶段，尚未形成标准化、体系化的大模型工业应用范式。
在具体工业流程应用方面，大模型在研发/设计和营销/服务阶段的应用较为成熟，在生产/运营阶段的应用场景仍需进一步开发。
3.工业大模型应用面临的挑战
在实际落地应用过程中，由于技术、环境、人员等多重因素导致当前工业大模型仍面临幻觉、“黑箱”、实时性、信息孤岛、知识壁垒、系统整合及个体差异等问题。
准确性问题：
大语言模型基于生成式原理，根据问题表达形式不同生成的结果不同，甚至会生成相互矛盾的答案，在处理实例和特征值时可能会产生幻觉，生成与现实不符的信息。这种不确定性对于追求精确度的工业应用来说是一个重大挑战。
“黑箱”问题：
由于大模型的决策过程不透明，大模型给出的结论，专家无法复现其推导过程或理解背后的相关原理。导致可信度降低，对于生产类的应用试错成本高。
实时性问题：
大模型依赖于历史数据进行训练，且训练过程时间较长。这导致模型在面对当前发展的情况时可能无法及时提供准确信息，而在快速响应的工业环境中实时性尤为重要。
信息孤岛：
由于数字化水平的差异，不同部门之间的数据和信息共享存在障碍，形成了信息孤岛。这种分散的信息流动阻碍了数据的整合和有效利用。
知识壁垒：
工业领域往往涉及高度专业化的知识和经验，尤其是当涉及跨学科或跨领域的应用时。知识分散、形式各异、人工输出知识一致性差等问题共同构成了阻碍知识流通和应用的知识壁垒。
系统整合：
实现大模型与机器学习、物联网、边缘计算等技术的系统性整合，以及与现有工业软件和平台的无缝集成，是确保新旧系统之间兼容性和互操作性的关键。
个体差异：
工人之间的专业水平存在显著差异，而高水平的专业人员往往供不应求。因此，降低大型模型的使用门槛，使其更加易于被不同水平的工人接受和使用，是推广这些技术的关键。
因此，大模型需要与工业互联网、数字孪生等基础设施及专业数据深度整合，同时避免幻觉问题确保准确性和安全，才能在工艺优化、质量管控、设备维护等核心领域发挥更大价值。
4.工业大模型应用场景探索
当前，业界领先的企业和那些具有强烈创新意识的先锋正致力于深入探索大型模型在工业场景的创新应用。依据2023年工业互联网试点示范项目的公示名单，科大讯飞的羚羊工业大模型、海尔卡奥斯的天智工业大模型、中工互联的智工大模型等，这些融合了“大模型+工业”理念的解决方案已获选为示范项目，标志着它们在工业应用领域的先进性和示范性。这些示范案例不仅展现了大模型技术在工业界的实际潜力，也为同行业的其他企业提供了可借鉴的参考和启发。
在企业的具体实践中，工业大模型通过一系列创新技术手段赋能生产，包括：
提示词引导：使用精确的提示词帮助模型快速理解任务需求。检索增强生成：利用先进的检索技术增强模型的信息生成能力，确保输出的准确性和相关性。
模型精调：对模型进行细致调整，以适应特定行业或任务的特点。
预训练大模型：通过预训练的方式，使模型在特定领域内具备更强的理解和预测能力。
放眼未来，工业大模型预计将全面融入工业生产的每个阶段，从研发设计、生产制造、仓储物流、经营管理、产品服务到工业安全，它将贯穿整个工业制造的全流程。它将根据不同应用场景的具体需求，提供一系列多样化、定制化的解决方案，以灵活应对工业环境中的复杂性和不断出现的新挑战。这种全面而深入的应用预示着工业大模型将为工业生产带来更高的灵活性、效率和智能化水平，推动工业向更智能、更自动化的方向发展。
（封面图来源：摄图网AI）
本文作者可以追加内容哦 !
