大模型時代的到來，為人工智能在工業領域的應用提供了堅實基礎。近日，騰訊研究院發布《工業大模型應用報告》（以下簡稱“報告”），深入探討了工業大模型在推動工業智能化發展中的新機遇與挑戰，同時聚焦大模型在工業全鏈條應用探索提供了豐富的案例。

報告指出，工業正處于從數字化向智能化邁進的階段，而大模型憑借其卓越的理解能力、生成能力和泛化能力，成為推動工業智能化的關鍵力量，有望拓展人工智能和工業融合的新空間。

大模型的崛起有望在工業領域帶來“基礎模型+各類應用”的新范式。大模型憑借其卓越的理解能力、生成能力和泛化能力，能夠深度洞察工業領域的復雜問題，不僅可以理解并處理海量的數據，還能從中挖掘出隱藏在數據背后的規律和趨勢。

大模型為工業智能化拓展新空間。大模型有望挖掘工業領域人工智能應用的新場景，提升人工智能應用的普及率。例如在研發設計領域，大模型能夠深度挖掘和分析海量數據，為產品設計提供更為精準和創新的思路。在經營管理領域，大模型能夠實現對生產流程、供應鏈管理等各個環節的監控和智能優化，從而提升企業的運營效率和市場競爭力。

大模型應用落地需要深度適配工業場景。大模型的優勢在于其強大的泛化能力，可以在不同的領域和任務上進行遷移學習，而無需重新訓練。但無法充分捕捉到某個行業或領域的特征和規律，也無法滿足某些特定的應用場景和需求，在真正融入行業的過程中，需要適配不同的工業場景，其核心就是要解決不懂行業、不熟企業、存在幻覺這三大問題。

報告認為，目前大模型在工業領域還未實現對小模型的替代，大小模型將長期并存。小模型在工業領域具有深厚的應用基礎和經驗積累，同時工業場景對于成本收益比、穩定性和可靠性的高要求也制約了大模型的應用滲透，兩者將長期并存且相互融合，共同推動工業智能化發展。

目前工業大模型應用存在三種主要構建模式，分別是預訓練工業大模型、微調、檢索增強生成。這三種模式并不獨立存在，工業大模型的應用往往會采用多種模式共同發力。

報告分析了大模型在工業全鏈條應用的探索。在研發設計領域，大模型通過優化設計過程提高研發效率；在生產制造領域，大模型拓展生產制造智能化應用的邊界；在經營管理領域，大模型基于助手模式提升經營管理水平；在產品服務領域，大模型基于交互能力推動產品和服務智能化。

報告指出，工業大模型應用面臨數據質量和安全、可靠性、成本三大挑戰。首先，數據質量和安全是工業大模型構建的首要問題。工業數據質量參差不齊。工業領域涵蓋廣泛，包括41個工業大類、207個工業中類、666個工業小類，導致數據結構多樣，數據質量參差不齊。工業數據安全要求較高。其次，工業大模型需滿足高可靠性和實時性要求。工業生產環境往往涉及復雜的工藝流程、高精度的操作控制以及嚴苛的安全標準。任何模型預測或決策的失誤都可能導致生產事故、質量問題或經濟損失。最后，高額成本限制了工業大模型應用的投入產出比。大模型通常需要龐大的數據集與高性能的計算集群進行訓練，進一步推高了訓練和推理成本，且長期運營成本較高。

工業大模型應用將伴隨技術演進持續加速和深化。首先，基于少量工業基礎大模型快速構建大量工業APP滿足工業碎片化應用需求。由于工業場景復雜并呈現碎片化的模式，通過工業基礎大模型的和工業APP的結合，能夠廣泛且快速地應對工業領域的挑戰，推動各類工業場景的智能化升級。其次，大模型的新突破帶來工業應用的新場景。隨著Agent、具身智能等新技術的發展，大模型將在工業領域開辟更多應用場景，使設備和機器更加智能化，提高生產效率和安全性。最后，大模型成本的降低將加速工業領域應用。大模型壓縮相關的技術如剪枝、量化和蒸餾等，將有效減少模型的參數量和計算需求，從而降低訓練和部署的成本。這將使大模型更加適用于資源受限的環境，并加速其在工業領域的應用推廣。

《工業大模型應用報告》.pdf