大模型在工业领域落地有难有易

 公司新闻     |      2025-06-17 05:54:01    |      小编

  千行百业都值得被AI大模型重构与升级,这一认知正逐步成为业界的普遍共识。

  自DeepSeek在今年年初引发行业关注后,国内主流大模型厂商于今年上半年密集开启技术迭代,很多新的大模型对外亮相。尤其随着大模型使用价格降低,大模型的应用产品也越来越多。近期,《中国经营报》记者在腾讯云、火山引擎、百度智能云等云厂商处了解到,大模型应用已经在不少领域落地,其中,大模型与C端硬件产品的融合最受关注,覆盖智能办公设备、智能玩具、智能穿戴设备等场景。

  在工业制造领域,大模型应用也已初现端倪。例如大模型厂商与汽车厂商的合作,但主要集中于智能座舱交互、市场营销策略优化等场景,但涉及智能制造核心环节的案例仍较为稀缺。

  Emc易倍体育官网app

  记者在采访中还发现,大模型在工业领域的落地,根据场景不同呈现出鲜明的两极分化,在知识管理、智能客服等非生产性场景,大模型应用正在快速普及;而生产控制、工艺优化等核心制造环节,大模型的渗透仍面临不小的难题。

  “我们看到最广泛的应用或者跑得最前的应用是企业内部知识管理和搭建。”腾讯云副总裁、智能制造与智慧能源负责人曹磊说道。

  中国化学五环公司是石油化工领域的一家国际化工程公司,在大模型的浪潮下也在探索与大模型进行融合,他们最先选择的是将1200名高学历工程师的经验沉淀为AI知识库。

  “2023—2024年爆火的AI应用出来后,行业和公司都对AI发展高度关注,集团公司专门发布了‘AI+’行动。”中国化学五环公司科数部副主任张科对记者说道,公司对AI短期的态度是“积极审慎”,既不低估长期效果,也不过高期待短期效果。

  之所以率先推进 AI 知识库建设,源于五环公司所处的知识密集型行业属性。“将分散在个人经验与业务系统中的知识资产转化为组织级知识库,是当前最贴合实际的成熟场景。”张科表示,“过去查一份设备参数要翻10本手册,现在AI能实现秒级响应。”可以说是将过去的“沉睡档案”,真正变成了员工的“智能助手”。

  在工业领域,容错空间较高的营销服务领域,大模型推进得更快。例如多家电力企业已部署大模型驱动的智能客服系统处理用户咨询,燃气公司也依托 AI 搭建故障申报智能响应平台。

  腾讯云能源行业专家孙福杰指出:“因为客服场景容错空间较大,即便 AI 出现偶发失误,也能通过人工介入实现兜底。

  大模型在知识客服、知识引擎、智能问答等场景的应用逻辑具有同构性。都是类似的场景。从工业领域落地实践来看,这类低风险、高容错、标准化场景,正成为大模型技术突破的优先方向。

  当然,还有很多工业企业对于和大模型结合的态度是犹豫的。腾讯云智能制造与智慧能源行业首席专家邴金友参加过一些项目,也采访过一些企业。“不少企业还是比较犹豫或者担心,属于试水的状态。”邴金友说道。

  IDC发布的报告显示,在工业领域的多元应用场景中,知识管理、数据问答、专业内容生产、视觉安监等方向,是目前应用探索最多的。其中,与工业生产制造核心环节关联最为紧密的当属视觉安监领域。

  百度智能云智慧工业行业解决方案总监曹凯透露,面向钢铁行业,百度重点在推广计算机视觉(CV)模型应用。“以钢企典型的热轧板材表面检测场景为例,传统方案在面对罕见缺陷时识别精度存在瓶颈,而借助 CV 模型的智能复判能力,可显著提升缺陷识别的准确率。”

  昆山捷嵘发测控设备有限公司总经理CEO许长发也透露了一组效率提升数据:“通过AI提高了生产线的检测效率,以前做一条生产线需要五个人开一台机,现在一个人甚至可以同时开两台机。”

  这类基于计算机视觉(CV)的专用“小模型”,因为技术成熟度高、投资回报直观,成为不少制造业数字化升级的优先选择。

  “现阶段企业在生产过程里是不太可能用大语言模型直接去做操控工作的。”曹凯说道。

  孙福杰也直言,生产调度、安全生产等场景的容错率极低,大模型的介入会慢一些。其核心原因在于大模型的黑箱特性与低可解释性特征,使得部分企业,尤其是工业制造企业,不敢轻易将核心决策交给AI执行。

  “如果电力调度AI决策出错,可能引发区域停电事故。”孙福杰以能源领域为例说明,“当前 AI 仅作为辅助工具,即便生成调度方案,最终仍需人工复核确认,Agent不会做最终执行。”

  张科补充道,现在一些小模型、专项模型准确率仍存在提升空间,叠加化工行业容错率非常低,“也让大家不敢去做新的尝试和探索”。

  AI大模型在工业场景落地的“最后一公里”,更是涉及到企业投入产出比(ROI)的核心考量因素。

  例如,部分企业在场景评估中发现,AI质检方案的ROI并没有显著超越传统质检模式。张科就表示:“由于化工企业的工厂产线与产品工艺路线高度差异化,单一 AI 应用场景的复用性较低——针对特定场景开发的 AI 系统难以实现规模化推广,直接导致单位成本居高不下。”

  “当前我们更多聚焦于管理维度的 AI 应用探索,长期目标是实现核心生产环节的自动化设计(至少部分环节),这是我们规划的重点突破方向。”张科补充道,“但调研数据显示,该目标在短期还比较难突破。”