飛象網訊（魏德齡/文）通用大模型現在很熱，甚至已經成為了很多人在日常工作中離不開的工具。例如相比傳統翻譯軟件，能提供更加通順的翻譯內容。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，或整理出主旨摘要。又或者依據文字或草圖來創造出一副畫作，甚至是創作出一段視頻內容。
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通用大模型的基礎，來灌注上所屬行業的知識，進而成為行業大模型。一時間甚至出現了似曾相識的“千模大戰”格局�？陀^的說，人工智能技術對于千行百業的賦能確實是大勢所趨，不過尤其是應用在智能制造這類工業場景中，其實并沒有外界想象中的那么順理成章。
兩個利好信號
在2023年，有兩個事件被外界看來間接的堅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。人工智能進入了大模型時代，它的應用性能也將發生質變，使能百模千態，賦能千行萬業，實現各行各業的智能化轉型，人類社會正在加速邁向智能世界。其二是電動汽車的異軍突起。意味著汽車的數字化，以及進一步向網聯汽車、智能汽車的方向前進，隨著新一代人工智能技術的深入應用，未來汽車一定會進入無人駕駛時代，汽車將成為一個智能的移動終端。
這兩個事件背后意味著人工智能、數字化、網絡化、智能化目前均已具備了不錯的技術條件。而制造業同樣需要完成數字化轉型與智能化升級，首個階段是到2027年，規上企業基本實現數字化轉型，數字化制造在全國工業企業基本普及；第二個階段是智能化升級，深入推進“制造業智能化升級重大行動”。第二階段是到2035年，規上企業基本實現智能化升級，數字化網絡化智能化制造在全國工業企業基本普及，我國智能制造技術和應用水平走在世界前列，中國制造業智能升級走在世界前列。
有專家表示，新一代人工智能技術和先進制造技術融合而成的新一代智能制造技術，將引起制造業革命性轉型升級。
大模型如何應用到工業領域
目前5G+工業互聯網在落地過程中，在系統、工業軟件、網絡通訊的技術融合方面還有很多事情要做，例如通過人工智能技術如何賦能工業互聯網及相關軟件，使其在工業中發揮更大作用，在技術上還有一些挑戰性問題。
更重要的是，通用大模型與工業大模型其實很還存在很多差異。例如，通用大模型目前主要是進行文本處理和語音處理，很多深入的問題還無法解決。而工業上有很多機理性的問題，比如有色冶金及相關化學反應，這些運行規則和原理是無法通過簡單的文本處理來解決的，這就意味著工業大模型在事前優化及使用決策中，要與機理融合起來。
此外，通用大模型更多是提供對于模型的描述性問題，但工業大模型要求可靠性與穩定性。也就是說，通用大模型所產出的方向性答案，在對于安全要求更高的工業領域，將會難以適用，試錯成本極大。
由于通用大模型缺少行業專業知識，需要大模型提供方與垂直行業合作，將特定場景的專業數據加到通用大模型進行再訓練，優化出行業大模型嵌入PaaS，即將生成式AI能力注入工業OS，但對中小企業仍然是高門檻。
另外，在大模型上基于海量有價值數據充分訓練，待調優至理想效果后再進行知識蒸餾、量化及針對特定場景遷移等縮小模型的工作，需要混迭進行預訓練與指令微調以避免預訓練和微調的數據可能存在矛盾。
對此，工業應用需借助工具鏈引入有監督學習思維鏈，使推理步驟可解析，并通過變換場景增加遷移學習能力，還可以加入反事實數據測試以提高模型泛化能力，
同時，企業還要考慮自身數據安全的問題，目前一般存在中心化模式與非中心模式兩種，前者企業需要將數據提供給基礎大模型提供方，可能會擔心數據泄漏，并且后續云邊端部署仍需依賴基礎模型方。后者則需要企業自身擁有很高的技術能力，而且預訓練和微調數據可能不協調。
與此同時，此前的數字化轉型中也已經引出了一條堅實的定律：“從解決實際問題出發�！比绻I互聯網能夠解決企業問題，為企業帶來效益，投入就不存在問題。而一旦項目與解決問題相脫鉤，投入成本問題就會顯現。能夠實現效益的關鍵則在于技術融合，即實現智能化與工業的深度融合。尤其對于中小企業來說，面臨現實生存壓力的情況下不敢用，如果數字化升級不能解決實際問題可能就意味著斷臂求生。
