飛象網(wǎng)訊（魏德齡/文）通用大模型現(xiàn)在很熱，甚至已經(jīng)成為了很多人在日常工作中離不開(kāi)的工具。例如相比傳統(tǒng)翻譯軟件，能提供更加通順的翻譯內(nèi)容。還能迅速在一篇篇幅較大的文字資料中，找尋到可能忽略的重點(diǎn)，或整理出主旨摘要。又或者依據(jù)文字或草圖來(lái)創(chuàng)造出一副畫(huà)作，甚至是創(chuàng)作出一段視頻內(nèi)容。
于是，在通用大模型火了之后，所謂的“千�！币辉~也火了，原理上在于依托了某一個(gè)通用大模型的基礎(chǔ)，來(lái)灌注上所屬行業(yè)的知識(shí)，進(jìn)而成為行業(yè)大模型。一時(shí)間甚至出現(xiàn)了似曾相識(shí)的“千模大戰(zhàn)”格局�？陀^的說(shuō)，人工智能技術(shù)對(duì)于千行百業(yè)的賦能確實(shí)是大勢(shì)所趨，不過(guò)尤其是應(yīng)用在智能制造這類工業(yè)場(chǎng)景中，其實(shí)并沒(méi)有外界想象中的那么順理成章。
兩個(gè)利好信號(hào)
在2023年，有兩個(gè)事件被外界看來(lái)間接的堅(jiān)定了以智能制造為主攻方向的信心和決心。其一是ChatGPT橫空出世。人工智能進(jìn)入了大模型時(shí)代，它的應(yīng)用性能也將發(fā)生質(zhì)變，使能百模千態(tài)，賦能千行萬(wàn)業(yè)，實(shí)現(xiàn)各行各業(yè)的智能化轉(zhuǎn)型，人類社會(huì)正在加速邁向智能世界。其二是電動(dòng)汽車的異軍突起。意味著汽車的數(shù)字化，以及進(jìn)一步向網(wǎng)聯(lián)汽車、智能汽車的方向前進(jìn)，隨著新一代人工智能技術(shù)的深入應(yīng)用，未來(lái)汽車一定會(huì)進(jìn)入無(wú)人駕駛時(shí)代，汽車將成為一個(gè)智能的移動(dòng)終端。
這兩個(gè)事件背后意味著人工智能、數(shù)字化、網(wǎng)絡(luò)化、智能化目前均已具備了不錯(cuò)的技術(shù)條件。而制造業(yè)同樣需要完成數(shù)字化轉(zhuǎn)型與智能化升級(jí)，首個(gè)階段是到2027年，規(guī)上企業(yè)基本實(shí)現(xiàn)數(shù)字化轉(zhuǎn)型，數(shù)字化制造在全國(guó)工業(yè)企業(yè)基本普及；第二個(gè)階段是智能化升級(jí)，深入推進(jìn)“制造業(yè)智能化升級(jí)重大行動(dòng)”。第二階段是到2035年，規(guī)上企業(yè)基本實(shí)現(xiàn)智能化升級(jí)，數(shù)字化網(wǎng)絡(luò)化智能化制造在全國(guó)工業(yè)企業(yè)基本普及，我國(guó)智能制造技術(shù)和應(yīng)用水平走在世界前列，中國(guó)制造業(yè)智能升級(jí)走在世界前列。
有專家表示，新一代人工智能技術(shù)和先進(jìn)制造技術(shù)融合而成的新一代智能制造技術(shù)，將引起制造業(yè)革命性轉(zhuǎn)型升級(jí)。
大模型如何應(yīng)用到工業(yè)領(lǐng)域
目前5G+工業(yè)互聯(lián)網(wǎng)在落地過(guò)程中，在系統(tǒng)、工業(yè)軟件、網(wǎng)絡(luò)通訊的技術(shù)融合方面還有很多事情要做，例如通過(guò)人工智能技術(shù)如何賦能工業(yè)互聯(lián)網(wǎng)及相關(guān)軟件，使其在工業(yè)中發(fā)揮更大作用，在技術(shù)上還有一些挑戰(zhàn)性問(wèn)題。
更重要的是，通用大模型與工業(yè)大模型其實(shí)很還存在很多差異。例如，通用大模型目前主要是進(jìn)行文本處理和語(yǔ)音處理，很多深入的問(wèn)題還無(wú)法解決。而工業(yè)上有很多機(jī)理性的問(wèn)題，比如有色冶金及相關(guān)化學(xué)反應(yīng)，這些運(yùn)行規(guī)則和原理是無(wú)法通過(guò)簡(jiǎn)單的文本處理來(lái)解決的，這就意味著工業(yè)大模型在事前優(yōu)化及使用決策中，要與機(jī)理融合起來(lái)。
此外，通用大模型更多是提供對(duì)于模型的描述性問(wèn)題，但工業(yè)大模型要求可靠性與穩(wěn)定性。也就是說(shuō)，通用大模型所產(chǎn)出的方向性答案，在對(duì)于安全要求更高的工業(yè)領(lǐng)域，將會(huì)難以適用，試錯(cuò)成本極大。
由于通用大模型缺少行業(yè)專業(yè)知識(shí)，需要大模型提供方與垂直行業(yè)合作，將特定場(chǎng)景的專業(yè)數(shù)據(jù)加到通用大模型進(jìn)行再訓(xùn)練，優(yōu)化出行業(yè)大模型嵌入PaaS，即將生成式AI能力注入工業(yè)OS，但對(duì)中小企業(yè)仍然是高門(mén)檻。
另外，在大模型上基于海量有價(jià)值數(shù)據(jù)充分訓(xùn)練，待調(diào)優(yōu)至理想效果后再進(jìn)行知識(shí)蒸餾、量化及針對(duì)特定場(chǎng)景遷移等縮小模型的工作，需要混迭進(jìn)行預(yù)訓(xùn)練與指令微調(diào)以避免預(yù)訓(xùn)練和微調(diào)的數(shù)據(jù)可能存在矛盾。
對(duì)此，工業(yè)應(yīng)用需借助工具鏈引入有監(jiān)督學(xué)習(xí)思維鏈，使推理步驟可解析，并通過(guò)變換場(chǎng)景增加遷移學(xué)習(xí)能力，還可以加入反事實(shí)數(shù)據(jù)測(cè)試以提高模型泛化能力，
同時(shí)，企業(yè)還要考慮自身數(shù)據(jù)安全的問(wèn)題，目前一般存在中心化模式與非中心模式兩種，前者企業(yè)需要將數(shù)據(jù)提供給基礎(chǔ)大模型提供方，可能會(huì)擔(dān)心數(shù)據(jù)泄漏，并且后續(xù)云邊端部署仍需依賴基礎(chǔ)模型方。后者則需要企業(yè)自身?yè)碛泻芨叩募夹g(shù)能力，而且預(yù)訓(xùn)練和微調(diào)數(shù)據(jù)可能不協(xié)調(diào)。
與此同時(shí)，此前的數(shù)字化轉(zhuǎn)型中也已經(jīng)引出了一條堅(jiān)實(shí)的定律：“從解決實(shí)際問(wèn)題出發(fā)�！比绻I(yè)互聯(lián)網(wǎng)能夠解決企業(yè)問(wèn)題，為企業(yè)帶來(lái)效益，投入就不存在問(wèn)題。而一旦項(xiàng)目與解決問(wèn)題相脫鉤，投入成本問(wèn)題就會(huì)顯現(xiàn)。能夠?qū)崿F(xiàn)效益的關(guān)鍵則在于技術(shù)融合，即實(shí)現(xiàn)智能化與工業(yè)的深度融合。尤其對(duì)于中小企業(yè)來(lái)說(shuō)，面臨現(xiàn)實(shí)生存壓力的情況下不敢用，如果數(shù)字化升級(jí)不能解決實(shí)際問(wèn)題可能就意味著斷臂求生。
